# 0G Demo: A Technical Walkthrough ฉบับแปลภาษาไทย]

By [CST](https://paragraph.com/@cst-2) · 2024-12-01

---

บทความต้นฉบับ:

[https://0g.ai/blog/0g-demo-a-technical-walkthrough](https://0g.ai/blog/0g-demo-a-technical-walkthrough)

![](https://storage.googleapis.com/papyrus_images/911d0fd1d0e182d0d987d3de7984f0dbaf012ba0b8638ae7775c6b9d20629de5.png)

0G Demo: คำอธิบายทางเทคนิค
==========================

ในคำอธิบายทางเทคนิคนี้ เราจะดำดิ่งสู่การสาธิต (demos) สามรายการ จาก DevCon ที่แสดงให้เห็นความสามารถอันทรงพลังของระบบปฏิบัติการ AI แบบกระจายศูนย์ (Decentralized AI Operating System) ของ 0G

**0G's dAIOS นำ AI แบบกระจายศูนย์มาสู่ชีวิตจริง** ระบบ AI แบบดั้งเดิมมักขาดความโปร่งใส ความปลอดภัย และการควบคุมของผู้ใช้งาน ซึ่งเป็นสิ่งจำเป็นสำหรับระบบนิเวศ AI ที่เปิดกว้างและเชื่อถือได้ โดยการให้โครงสร้างพื้นฐานเพื่อนำ AI เข้าสู่ on-chain 0G จึงแก้ปัญหาเหล่านี้และเพิ่มพลังให้กับนักพัฒนาในการสร้าง ขยาย และทำเงินจากโซลูชัน AI โดยไม่ต้องพึ่งพาผู้ให้บริการแบบรวมศูนย์

สถาปัตยกรรมของเรามี 3 องค์ประกอบ: **Service Marketplace, Compute Network, และ Storage Network**

ในบทความนี้ เราจะกล่าวถึง:

*   ภาพรวมสั้นๆ ของ Service Network ของเราและวิธีที่ใครก็ตามก็สามารถใช้มันสร้างแอปพลิเคชัน AI แบบกระจายศูนย์ได้
    
*   การสาธิตสามรายการที่แสดงให้เห็นว่าใช้งานได้ง่ายเพียงใด
    
    *   **Demo 1:** การอัปโหลดและดาวน์โหลด AI Models บน 0G Storage
        
    *   **Demo 2**: การลงทะเบียนเป็น GPU Provider กับ 0G Serving
        
    *   **Demo 3:** การเลือก Model และ Provider สำหรับการอนุมานที่สามารถตรวจสอบได้
        
*   วิธีการเริ่มต้นใช้งาน
    

### Service Marketplace ของ 0G

**Service Marketplace ของ 0G** เชื่อมต่อนักพัฒนาและผู้ให้บริการ AI ในตลาดแบบเพียร์-ทู-เพียร์แบบกระจายศูนย์ ที่นี่ **"Service Providers"** จะแสดงรายการบริการของตน ตั้งแต่การอนุมานโมเดล การปรับแต่ง (fine-tuning) จนถึงการประมวลผลข้อมูล (data processing) ในขณะที่นักพัฒนาหรือ **"Users"** สามารถค้นหาและเลือกตัวเลือกที่ดีที่สุดสำหรับแอปพลิเคชัน AI ของตน

ผู้ให้บริการมีความยืดหยุ่นในการกำหนดค่าบริการของแต่ละรายการของตน โดยการตั้งราคาแบบมีพลวัตตามปัจจัยต่างๆ เช่น ความซับซ้อนของโมเดล ทรัพยากรที่ต้องการ และข้อกำหนดในการตรวจสอบ

ผู้ใช้ได้รับประโยชน์จากชุด AI Models และ datasets ที่หลากหลาย รวมถึงสามารถเลือกวิธีการตรวจสอบความน่าเชื่อถือ เช่น OPML, TeeML หรือ ZKML (พร้อมตัวเลือกอื่นๆ เช่น FHEML เร็วๆ นี้) ช่วยให้พวกเขาสามารถเลือกตัวเลือกที่ดีที่สุดสำหรับความต้องการด้านความน่าเชื่อถือและประสิทธิภาพ

นอกเหนือจาก Service Marketplace แล้ว องค์ประกอบสำคัญสองอย่างของ 0G ประกอบด้วย:

*   **0G Storage:** โซลูชันจัดเก็บข้อมูลแบบกระจายศูนย์ที่มีประสิทธิภาพสูง เหมาะสำหรับชุดข้อมูลขนาดใหญ่และ AI Models โดยมีคุณสมบัติการแบ่งข้อมูลและการเข้ารหัสที่ทำให้เกิดความเร็ว ความสามารถในการขยายขนาด และความน่าเชื่อถือของข้อมูล
    
*   **0G DA:** เลเยอร์การใช้งานข้อมูลที่สามารถขยายได้อย่างไม่จำกัด ซึ่งรับประกันการเข้าถึงและตรวจสอบข้อมูล on-chain เพื่อสนับสนุนความโปร่งใสและความน่าเชื่อถือของแอปพลิเคชัน AI ในสภาพแวดล้อมแบบกระจายศูนย์
    

Service Marketplace ของ 0G ร่วมกับ 0G Storage (เครือข่ายการจัดเก็บข้อมูลของเรา) และ 0G DA (เครือข่ายประมวลผลของเรา) สร้างระบบ dAIOS ที่นำ AI แบบกระจายศูนย์มาสู่ชีวิตจริง

Demo 1: การดึง AI Model จาก 0G Storage เพื่อ Finetuning
-------------------------------------------------------

การสาธิต #1 เน้นที่ 0G Storage เครือข่ายจัดเก็บข้อมูลแบบกระจายศูนย์ที่ออกแบบมาเพื่อตอบสนองความต้องการประสิทธิภาพสูงของ AI แตกต่างจากโซลูชันการจัดเก็บข้อมูล on-chain แบบดั้งเดิม 0G Storage ได้รับการปรับให้มีความเร็วและความสามารถในการขยายขนาดที่เป็นเลิศ สามารถจัดการกับชุดข้อมูลขนาดใหญ่ AI Models ที่ซับซ้อน และสินทรัพย์ที่สร้างโดย AI ได้อย่างราบรื่น

การสาธิตสั้นๆ นี้แสดงให้เห็นว่าด้วยโค้ดเพียงไม่กี่บรรทัด ใครก็ตามสามารถอัปโหลดหรือดาวน์โหลด Llama-70B model ได้อย่างรวดเร็วและง่ายดาย ซึ่งแสดงให้เห็นความสามารถของ 0G Storage ในการจัดการไฟล์ขนาดใหญ่ได้อย่างราบรื่น ซึ่งสำคัญสำหรับงานโหลด AI ประสิทธิภาพสูง สร้างมาเพื่อรองรับการส่งผ่านข้อมูลที่ยอดเยี่ยม โครงสร้างพื้นฐานของเราสามารถบรรลุความเร็วในการดาวน์โหลดได้ถึง 5GB/s ทำให้เหมาะสำหรับแอปพลิเคชัน AI ที่ต้องการประสิทธิภาพสูง

![](https://storage.googleapis.com/papyrus_images/001e6e7b8567304b39b3bf68b629c01c65b04ad9f18dd4e011383d226729d210.png)

Storage SDK และโค้ด CLI เริ่มใช้งานได้ง่าย ด้วยโค้ดเพียงไม่กี่บรรทัด

หนึ่งในตัวเร่งหลักคือการใช้ **data sharding เพื่อเพิ่มความเร็ว** โดยการแบ่งไฟล์ออกเป็น 4 ส่วน ซึ่งจะกล่าวถึงในบทความของเราเกี่ยวกับ 0G Storage ซึ่งสามารถอ่านเพิ่มเติมได้ที่

[https://0g.ai/blog/0g-storage](https://0g.ai/blog/0g-storage)

การสาธิตนี้ยังมีการ**อธิบายโค้ดของ 0G Storage SDKs อย่างละเอียด** ซึ่งรวมถึงการตรวจสอบฟังก์ชันของ Go SDK อย่างใกล้ชิด พร้อมรองรับ TypeScript และ Python SDKs ในอนาคต ช่วยให้นักพัฒนาสามารถโต้ตอบกับเครือข่ายการจัดเก็บข้อมูลได้อย่างมีประสิทธิภาพ มีตัวเลือก CLI สำหรับการทดสอบ และคลังข้อมูลแบบโอเพ่นซอร์สช่วยให้นักพัฒนาสามารถปรับแต่งและมีส่วนร่วมโดยการสร้างอินเทอร์เฟซไคลเอ็นต์ของตนเอง

Demo 2: การลงทะเบียนเป็น GPU Provider กับ 0G Service
----------------------------------------------------

ใน Demo #2 เราจะอธิบายขั้นตอนสำหรับผู้ให้บริการ TeeML ในการตั้งค่าบริการอนุมาน AI บน Service Marketplace แบบกระจายศูนย์ของ 0G โดยเน้นความง่ายในการปรับใช้และขั้นตอนการตรวจสอบที่ต้องใช้ในการลงทะเบียนบริการ

นี่คือสิ่งที่ Demo #2 ครอบคลุม:

1.**การตรวจสอบ GPU**: เริ่มจากการตรวจสอบว่า GPU ของ Service Provider เป็น NVIDIA H200 จริงๆ เพื่อรับประกันความเข้ากันได้และมาตรฐานประสิทธิภาพสำหรับบริการอนุมาน

![](https://storage.googleapis.com/papyrus_images/4827d88ca81a56cd7dda5a0a445116057e0c86ca30584f9cb6198882af5d0b71.png)

คำสั่ง nvidia-smi ยืนยันการมีอยู่ของ GPU NVIDIA H200

2.**การเรียกใช้ Llama Model Image**: ต่อมาเปิดใช้งาน Llama inference image โดยเปิดพอร์ตเพื่อรับการเรียกจากภายนอก การตั้งค่านี้ช่วยให้ Provider สามารถให้บริการคำขออนุมานโดยตรงผ่านแพลตฟอร์ม 0G

![](https://storage.googleapis.com/papyrus_images/1a85f877ffa463ab98533fed8b0698438caeb51a5d91abf5b1de57c3849d7f5d.png)

คำสั่ง "docker run ... llama-inference-image" เรียกใช้ Llama inference image บน GPU NVIDIA

3.**การตั้งค่า Broker Service**: GPU Provider สามารถระบุ Docker images ที่เกี่ยวข้องสำหรับบริการ provider-broker และเปิดใช้งาน โดยเปิดพอร์ตที่จำเป็นสำหรับการโต้ตอบ Broker นี้ทำหน้าที่เป็นคนกลางระหว่าง marketplace และ AI model

![](https://storage.googleapis.com/papyrus_images/9597936e31a74afb0254c37288e4d0b444f568505962e5db2a0da2ba5b9ba092.png)

คำสั่ง "docker compose -f provider-broker/docker-compose.yml up -d" เริ่มเรียกใช้ Docker containers ที่ระบุ พร้อมการยืนยันการเรียกใช้งาน

4.**การลงทะเบียนบริการ**: Provider ส่งคำขอ POST ด้วยพารามิเตอร์หลัก ได้แก่ การกำหนดราคา URL ชื่อ provider model และวิธีการตรวจสอบ ข้อมูลนี้จะลงทะเบียนบริการบน 0G Service Marketplace ทำให้เห็นได้โดยผู้ใช้ที่มีศักยภาพ

5.**การตรวจสอบและการแสดงรายการใน Marketplace**: สุดท้าย provider เรียก marketplace เพื่อยืนยันว่ามีการแสดงบริการของตนให้เลือกใช้งาน หลังจากตรวจสอบการลงทะเบียน บริการอนุมานจะพร้อมใช้งานและสามารถเข้าถึงได้โดยนักพัฒนาบน marketplace

ฝั่งนักพัฒนา ปัจจุบันผู้ใช้มีตัวเลือกการตรวจสอบความน่าเชื่อถือ 3 แบบ: **OPML, TeeML และ ZKML** ในอนาคต วิธีการตรวจสอบอื่นเช่น **secure multi-party ML (spML)** และ **fully homomorphic encryption ML (FHEML)** จะได้รับการสนับสนุนเพิ่มเติม เพื่อขยายตัวเลือกสำหรับนักพัฒนาที่ต้องการบริการ AI ที่ได้รับการตรวจสอบและปลอดภัย

Demo 3: การเลือก Model และ Provider สำหรับการอนุมานที่สามารถตรวจสอบได้ด้วย 0G Service
-------------------------------------------------------------------------------------

ใน Demo #3 เราจะอธิบายกระบวนการอนุมานที่สามารถตรวจสอบได้บน Service Marketplace ของ 0G

ในตัวอย่างนี้ นักพัฒนาเริ่มต้นโดยการเลือกจาก AI Models หลากหลาย รวมถึงตัวเลือกโอเพ่นซอร์สยอดนิยมและ Models กรรมสิทธิ์ที่มีเฉพาะใน Decentralized AI Operating System (dAIOS) ของ 0G

![](https://storage.googleapis.com/papyrus_images/ed8f53c21f5c06972d89c90e8d172ae916f3b4f04c2f35663847688717392446.png)

Demo 3 แสดง Service Providers ที่มีอยู่ พร้อมข้อมูลเช่น Uptime %

Service Marketplace ของ 0G แสดงรายละเอียดต่างๆ เช่น อุปกรณ์ GPU ที่ใช้ ตำแหน่งทางภูมิศาสตร์ อัตราการทำงาน และประเภทการตรวจสอบความน่าเชื่อถือ (เช่น ZKML, TeeML และ OpML) สำหรับการสาธิตนี้ เราเลือก Model ที่ได้รับการตรวจสอบด้วย TeeML เพื่อรับประกันการประมวลผลที่น่าเชื่อถือผ่าน TEE (Trusted Execution Environment)

ผู้ให้บริการที่ได้รับการตรวจสอบจะมีเครื่องหมายถูกสีเขียว ซึ่งบ่งบอกว่า 0G ได้ยืนยันความถูกต้องของการตั้งค่าของพวกเขาแล้ว เมื่อเลือก Model และ Provider แล้ว นักพัฒนาจะถูกพาไปยังสนามทดสอบแบบโต้ตอบที่ซึ่งพวกเขาสามารถทดสอบ Model เช่น การขอให้มันสร้าง Haiku การอธิบายนี้เน้นให้เห็นถึงความง่ายและความปลอดภัยที่ Service Marketplace ของ 0G มอบให้กับนักพัฒนาที่ต้องการสร้างแอปพลิเคชัน AI ที่เชื่อถือได้และโปร่งใส

เริ่มต้นใช้งาน 0G
-----------------

การสาธิตข้างต้นแสดงให้เห็นว่าใครก็ตามสามารถเริ่มต้นได้อย่างง่ายดาย:

**Integrations ที่ง่าย**: นักพัฒนาสามารถเข้าถึง decentralized storage และ Service Marketplace ของ 0G ได้อย่างง่ายดาย เพื่ออัปโหลด เรียกคืน และจัดการ datasets และ AI Models ขนาดใหญ่

**Deployment ที่รวดเร็ว**: กระบวนการตั้งค่าที่ง่ายหมายความว่าผู้ให้บริการสามารถลงทะเบียนบริการอนุมาน AI บน marketplace ได้ภายในไม่กี่นาที ทำให้สามารถนำเสนอการให้บริการให้กับนักพัฒนาได้

**ตัวเลือกการตรวจสอบที่ยืดหยุ่น**: นักพัฒนามีสิทธิ์เข้าถึงตัวเลือกการตรวจสอบหลายแบบ เช่น OPML, TeeML และ ZKML เพื่อรับประกันการโต้ตอบที่ปลอดภัยและโปร่งใสกับบริการ AI บนแพลตฟอร์ม

เพื่อเริ่มต้น เข้าร่วม [Discord](https://discord.com/invite/0glabs) ของเราและติดต่อเรา!

---

*Originally published on [CST](https://paragraph.com/@cst-2/0g-demo-a-technical-walkthrough)*