Livepeer 于 2017 年推出，是第一个完全去中心化的直播视频流媒体网络协议。该平台旨在提供一种基于区块链、经济高效的解决方案替代传统集中式广播。它通过让制作人在平台上提交作品，然后负责重新格式化和分发内容给用户和流媒体平台，旨在改革快速增长的直播视频流媒体和广播行业，引入去中心化生态系统。
简单点讲，通过 DePin 设施，使用 Livepeer 只需要花费传统解决方案很小一部分的成本，就能够用去中心化的方式将视频内容无缝集成到应用中。
DePin 赛道在今年初热度猛增，LPT 也搭上了增长的快车，代币价格相较年初翻倍。小编作为一年前 10 块买入 9.8 全部卖出的韭菜，决定痛定思痛，仔细研究 Livepeer 的新动作 —— 推出 AI 子网。
创新求变， Livepeer 推出 AI 子网
在生成式 AI 时代，视频创作迎来了新的变革。
自从 Open AI 的 Sora 演示展示了通过输入文本提示即可创建视频的可能性以来，生成视频领域迅速发展。开源 AI 视频模型 Stable Diffusion 在短短两个月内用户量突破了 1000 万。然而，生成 AI 视频工具的前景面临严峻挑战。价值 490 亿美元的 GPU 市场由少数全球互联网垄断企业，如 NVIDIA、Microsoft Azure 和 Amazon Web Services（AWS）控制，导致价格上涨，并造成全球 AI 计算瓶颈。
因此，Livepeer 推出了 Livepeer AI 子网：首个具有 AI 计算能力的去中心化视频处理网络。Livepeer AI 子网通过利用 Livepeer 的数千个 GPU 开放网络，提供低成本、高性能的处理服务，解决集中式 AI 计算的结构性问题。基于 Livepeer 的去中心化视频处理网络架构，子网提供全球可访问的、经济实惠的开放视频基础设施，并通过区块链代币经济激励无限扩展。
Livepeer AI 子网具体是什么？
AI 子网是 Livepeer 视频基础设施网络的分支，提供安全开发和测试新去中心化 AI 媒体处理市场和工具的沙盒环境。在 Livepeer 网络将继续专注于视频转码和计算的同时， Livepeer AI 子网将满足日益增长的 AI 计算需求，处理诸如升级、字幕生成和识别等任务，并支持开发者运行特定视频和媒体任务的模型。
该子网允许视频开发者在其应用中添加一系列生成式 AI 功能，如文本到图像、图像到图像和图像到视频转换。
这个 AI 生成输出来自 Tsunameme.ai – 第一个构建在 Livepeer AI 子网上的演示程序。它使用了文本到图像和图像到视频管道。可尝试使用 Livepeer 测试版生成自己的 AI 媒体，网址为 https://tsunameme.ai
建立 Livepeer AI 子网的原因
AI 视频工具降低了创作门槛，任何人只需通过几个文字命令即可创建原本需要场地、专业团队和数小时编辑的画面。随着这些工具的普及，全球集中式 AI 计算瓶颈将进一步加剧。此外，去中心化 AI 基础设施还能解决高度集中的服务器网络固有的单点故障风险以及 AI 生成内容引发的信任和真实性危机。
Livepeer AI 子网通过提供全球可访问的超低成本基础设施、开放和无许可的 AI 媒体市场以及内容验证和真实性解决方案，为创建可持续和盈利的开放 AI 视频基础设施提供了选择。
Livepeer AI 子网的工作原理
Livepeer 采用去中心化的按任务付费模式，允许开发者按需提交和支付任务费用，而无需预订昂贵的计算容量。开发者可以根据所需性能和网络供应情况自行设置愿意支付的价格。
Livepeer AI 网络架构的两个关键组件是：
- AI 协调节点：这些节点执行 AI 任务，保持 AI 模型在其 GPU 上「预热」以便即时处理，并能动态加载模型，优化响应时间和资源利用。
- AI 网关节点：这些节点管理任务流，依据能力和当前负载将任务分配给合适的协调节点，确保高效的任务分配和系统可扩展性。
该图说明了 Livepeer 如何根据效率将任务分配给分布式 GPU 网络，而不是通过集中式服务器引导 AI 处理请求。
无限可扩展性
Livepeer AI 网络基础设施设计为可无限扩展，允许根据需求轻松集成额外的协调和网关节点。通过专用的 AI-runner Docker 镜像执行 AI 模型，简化部署并增强新管道的可扩展性。未来的开发将进一步提升性能并扩展容器的能力，以支持越来越复杂的 AI 模型和自定义用户定义的管道。
在 AI 子网上处理任务的技术工作流。网关节点将任务传递给协调器，协调器可能运行相同或不同管道的多个 AI-Runner Docker 容器。这些管道可能已经拥有所请求的模型，或可以根据需要动态加载它们。
参与 Livepeer AI 子网
硬件提供者：通过贡献 GPU 赚取费用
现有的 Livepeer 协调员可以设置并运行 AI 协调节点，执行文本到图像、图像到图像和图像到视频的推断任务，增加其现有转码收入。
开发者：将模型引入网络作为 AI-Worker
开发者可以定义和部署自定义管道和工作流程，以确保其应用处于 AI 和视频技术的前沿。开发者还可以设置 AI 网关节点，测试和完善其应用，访问 AI 任务的 API。
Livepeer AI 子网的推出标志着该项目的重要里程碑，也是 Livepeer 提供全球开放视频基础设施使命的下一步。随着生成式 AI 将在未来几年大幅增加视频内容的创作量，Livepeer 网络旨在确保其具备支持这一增长浪潮的能力。
