还在用GPU挖矿？那你可就亏大了。

最近，大洋彼岸出现了一个名叫“Vectordash”的机器学习共享算力平台，用开发者自己的话讲，相当于一个GPU的Airbnb。

有GPU又嫌挖矿赚得太少？可以在这个平台上共享自己的计算资源，帮助别人搞AI。

收益是挖矿的3到4倍！

AI开发者们在平台上租用共享出来的GPU，价格又只有AWS的1/5。

穷学生

这个简直像福利一样的平台，是穷学生Sharif Shameem和两位小伙伴的业余项目。

Shameem在Reddit上发帖介绍说，他们建立这个平台，是受到自己经历的启发。

作为正在研究人工智能、深度学习的穷学生，Shameem总是要用GPU来训练神经网络，可是AWS和Google Cloud都好贵，那点学生优惠又根本不够用。

“老师，这个学期的期末作业我能晚点交么？实在是没钱租GPU，模型还在用CPU慢慢训练……”

这个迟交作业的理由看起来也实在寒酸，不过穷学生有自己的办法。

他找到了一个用1080 Ti挖以太坊的朋友，给他挖矿收益两倍的价钱，用这位矿工的电脑愉快地训练起了自己的神经网络。还是比AWS便宜多了。

可是独乐乐不如众乐乐啊，这么好的模式，值得让全世界的矿工联合起来，全世界的无GPU者也联合起来。

于是就有了Vectordash。

来，记住这三名穷学生的名字，万一他们成了下一个比尔·盖茨呢。他们是：来自马里兰大学的Sharif Shameem、Arbaz Khatib，和来自CMU的Abhishek Bhargava。

机主多卖钱，买家少花钱

官方网站上针对各种GPU给出了一个清晰的价目表：赚得最少的老GPU 1050，每天1.92美元；Titan V赚的最多，每天10.08美元。

GPU提供方赚的比挖矿多，但是开发者租到的GPU实例并不贵。每小时0.17美元起，仅仅是AWS的1/5，租个最新的Titan V，每小时才0.85美元。

每个GPU实例还都预装了Ubuntu 16.04、CUDA、cuDNN、TensorFlow、PyTorch等等机器学习必备环境。

对比一下两个列表，机主多卖钱，买家少花钱，算一算平台差价好像也没少赚，真正的皆大欢喜。

怎么用呢？

对于开发者来说，用Vectordash和用其他云服务差不多：租用了GPU实例，就能拿到供连接用的IP地址和SSH密钥。

我们来看看这段视频演示：

可惜的是，量子位没能亲自替大家试一试，因为目前所有机器都租出去了。

△ 抱歉，所有机器当前都在使用中。有兴趣成为机主嘛？

没租到GPU，却被Vectordash网站问了一个直击心灵的问题：有兴趣把你的GPU分享出来做机主赚点钱吗？

假如量子位有一块1080 ti，怎么会放过这个分分钟变身云服务提供商，造福AI研究者顺便一天赚7.68美元的机会？GPU还没买，先帮大家探探路也是好的。

成为机主并不难，需要先填个表：

△ https://goo.gl/forms/ghFqpayk0fuaXqL92

然后，会在一天之内收到Vectordash的指南邮件，指导机主安装管理程序，共享GPU。

机主可以在管理程序中自行选择提供GPU的时间段，另外，这个管理程序还支持自动切换功能，当Vectordash上没人占用GPU时，可以让它去挖矿，最大化收益。

为了收款，机主还需要绑定一个虚拟货币钱包。用户用完GPU之后，机主会在5秒钟内收到钱，可以选择比特币、以太坊或者莱特币，而且随时可提现。

新机遇

哦卖糕，这个模式让大家兴奋了。

“辍学吧，你就是下一个比尔·盖茨。”

在reddit论坛上，出这个主意的不止一人。他们都撺掇Sharif Shameem和伙伴们别搞研究了，专注在这个项目上，成为亚马逊的对手。

目前亚马逊提供的GPU云计算服务，使用的都是K80等专用产品，而更便宜的消费级GPU不能用于云计算这样的商业场合。

不过，这种共享模式，似乎绕过了英伟达的限制。

Vectordash创始人表示，他们在1080Ti上训练神经网络，比在亚马逊云上使用Tesla K80训练的速度快5倍。

人们纷纷表示，原意出租自己的GPU。Shameem在Twitter上说，beta版上线17小时，就收到了143块GPU。

还有人不甘心的问：AMD显卡行么？

当然不太行。

Vectordash目前还不支持AMD的显卡，因为目前OpenCL还没有得到机器学习库的广泛支持。当然，Vectordash的伙伴们也希望AMD、英特尔、Google能尽快赶上，他们不想活在英伟达一家独大的世界。

这个业务模式，不免让人们想起Golem。

据介绍，Golem是一个去中心的全球算力市场。Golem改变了算力任务的组织和执行方式。下面有段视频介绍，没有字幕。

隐忧

“去中心化的机器学习真是亦可赛艇，”陈天奇（XGBoost、MXNet、TVM的作者）说：“但是可能会有安全隐患。”

+1，Keras作者François Chollet附议并且进一步指出，随机使用别人的电脑听起来会引发隐私和安全灾难。对于那些训练数据很敏感的项目尤其如此，所以还得需要一个更安全的方式进行。

在reddit论坛上，有网友问：我有兴趣提供GPU，但怎么保证我的个人信息不会泄露？怎么保证我不会成为僵尸网络的一部分？

Vectordash创始人回答说，他们用了基于LXC的Hypervisor（虚拟化技术的核心，可允许多个操作系统和应用共享一套基础物理硬件）。

不过只是这些，似乎还不能让人完全放心。

“我有一个完美的解决方案！”

现在Google Brain团队的David Ha说，他准备用区块链解决信任和安全问题，并且准备发行TensorFlowCoin，然后还要ICO……

抢先发币，不愧是投行转AI的大牛。

他当然在开玩笑~

不管怎样，一切刚刚开始。也许未来有一天，在人工智能领域真能实现：滴滴一下，马上训练。

“在家呢？快上线吃鸡！”

“要不还是农药吧？”

“怎么了？”

“我家GPU上班挣钱呢，不想打扰它。”

声明：此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。本网站所提供的信息，只供参考之用。