io.netを除く、コンピューティング系DePIN分野のエコシステム地図を完全に理解する

2024.06.12

共有先

TechFlow厳選深潮セレクト

io.netを除く、コンピューティング系DePIN分野のエコシステム地図を完全に理解する

DePIN を計算することで、個人開発者、小規模な建設者、資金やリソースが限られたスタートアップ企業が再び参画できるようになる。

2024.06.12 - 07:54:34

Web3業界の深掘り報道に専念し潮流を洞察

DePIN を計算することで、個人開発者、小規模な建設者、資金やリソースが限られたスタートアップ企業が再び参画できるようになる。

著者：PAUL TIMOFEEV

編集：TechFlow

主要ポイント

機械学習および生成AIの開発におけるディープラーニングの台頭により、計算リソースへの需要が高まり、これらは大量の計算負荷を必要としています。しかし、大手企業や政府によるこれらのリソースの大量保有により、スタートアップや独立系開発者は現在、GPUの不足に直面しており、コストが過度に高くなるか、あるいはリソースへのアクセスが不可能になっています。
計算DePINは、世界中の誰もが余剰な計算能力を提供し、その見返りに金銭的報酬を得られる仕組みを通じて、GPUなどの計算リソースに対する分散型市場を創出します。これは、十分なサービスを受けていないGPU利用者が新たな供給源にアクセスできるようにすることで、より低いコストとオーバーヘッドで必要な開発リソースを獲得することを目指しています。
計算DePINは、従来の中央集権型サービスプロバイダーと競合する中で、依然として多くの経済的・技術的課題に直面しています。一部の課題は時間とともに自然に解決されるものの、他の課題には新たなソリューションや最適化が必要です。

計算は新たな石油である

産業革命以降、技術はかつてないスピードで人類を前進させており、日常生活のほぼすべての側面に影響を与え、あるいは完全に変容させています。コンピュータは最終的に、研究者、学者、コンピュータエンジニアたちの集団的努力の結晶として登場しました。当初は高度な軍事作戦向けの大規模算術タスクを解決するために設計されたコンピュータは、現代社会の支柱へと進化してきました。コンピュータの人類への影響がますます加速する中で、これらのマシンおよびそれらを駆動するリソースへの需要も供給可能量を上回る形で拡大しています。これにより、大多数の開発者や企業が重要なリソースにアクセスできないという市場ダイナミクスが生まれており、今日最も変革的な技術の一つである機械学習および生成AIの発展が、資金力のある少数のプレイヤーに集中する状況となっています。一方で、膨大な未使用の計算リソースが存在しており、計算の需給バランスの不均衡を緩和する好機を提供しています。このため、両者の間の調整メカニズムの必要性が高まっています。したがって、生成AI製品・サービスのより広範で民主的かつ責任ある発展にとって、ブロックチェーン技術およびデジタル資産によって支えられた分散型システムは極めて重要であると考えます。

計算リソース

計算とは、与えられた入力に対して明確な出力を生成する、コンピュータ上のさまざまな活動、アプリケーションまたはワークロードのことです。最終的には、コンピュータの計算および処理能力を指しており、これが現代世界の多くの部分を推進する中心的な実用価値となっています。過去1年間だけで最大1.1兆ドルの収益を生み出しています。

計算リソースとは、計算および処理を可能にするハードウェアおよびソフトウェアの各種構成要素を指します。これらが可能にするアプリケーションや機能の数が増加するにつれ、これらの構成要素はますます重要になり、人々の日常に頻繁に現れるようになっています。これにより、国家および企業間で可能な限り多くのこれらのリソースを蓄積しようとする争いが起きています。これは、これらのリソースを提供する企業の市場パフォーマンスにも表れており（例：NVIDIAの時価総額は過去5年間で3000％以上成長）。

GPU

GPUは、現代の高性能計算において最も重要なリソースの一つです。GPUの基本的な機能は、並列処理によってコンピュータグラフィックス関連のワークロードを高速化する専用回路としての役割です。当初はゲームおよびPC業界向けでしたが、GPUはホスト・PC、モバイル端末、クラウドコンピューティング、IoTなど、未来を形作る多くの新興技術を支える存在へと進化してきました。しかし、特に機械学習および人工知能（AI）の台頭により、これらのリソースに対する需要が急激に高まっています。並列計算を実行することで、GPUはMLおよびAI操作を高速化し、最終的な技術の処理能力および性能を強化します。

AIの台頭

AIの本質は、コンピュータおよびマシンが人間の知能や問題解決能力を模倣できるようにすることにあります。AIモデルはニューラルネットワークとして構築され、多数の異なるデータブロックから成ります。モデルは、これらのデータ間の関係を認識・学習するために処理能力を必要とし、その後、特定の入力に基づいて出力を生成する際にそれらの関係を参照します。

一般的な認識とは異なり、AIの開発および生産は新しいものではありません。1967年、Frank RosenblattはMark 1 Perceptronを構築し、これは「試行錯誤」によって「学習」する最初のニューラルネットワークベースのコンピュータでした。さらに、今日私たちが知るAIの発展の基盤となった多くの学術的研究が1990年代末から2000年代初頭にかけて発表されており、この分野はそれ以来継続的に発展してきました。

研究開発に加えて、「狭義」のAIモデルは、すでに今日使われているさまざまな強力なアプリケーションで活躍しています。AppleのSiriやAmazonのAlexa、カスタマイズされた商品推薦など、ソーシャルメディアアルゴリズムなどがその例です。注目に値するのは、ディープラーニングの台頭が人工汎用知能（AGI）の発展を大きく変えたことです。ディープラーニングアルゴリズムは、機械学習アプリケーションよりも大規模または「深い」ニューラルネットワークを利用し、よりスケーラブルで性能の幅広い代替手段となっています。生成AIモデルは「トレーニングデータの簡略化された表現を符号化し、それを参照して類似だが同一ではない新しい出力を生成します」。

ディープラーニングにより、開発者は生成AIモデルを画像、音声、その他の複雑なデータタイプまで拡張でき、ChatGPTのような画期的なアプリケーションは現代史上最多のユーザー成長記録を達成しました。これらは生成AIおよびディープラーニングが可能にする初期段階の反復にすぎません。

この点を踏まえると、生成AIの開発には複数の計算集約型ワークロードが伴い、大量の処理能力および計算能力が必要になることは驚くべきことではありません。

ディープラーニングアプリケーションの要件三重奏によれば、AIアプリケーションの開発はいくつかの重要なワークロードによって制限されています。

訓練（Training） - モデルは大量のデータセットを処理・分析し、与えられた入力に対してどのように応答するかを学習しなければなりません。
調整（Fine-tuning） - モデルは一連の繰り返しプロセスを経て、パフォーマンスおよび品質を向上させるために様々なハイパーパラメータを調整・最適化します。
シミュレーション（Simulation） - 一部のモデル（例：強化学習アルゴリズム）は、展開前にテストの一環として一連のシミュレーションを経ます。

計算の逼迫：需要が供給を上回る

過去数十年間にわたり、多くの技術的進歩が計算および処理能力に対するかつてないほどの需要の急増を引き起こしてきました。そのため、現在ではGPUなどの計算リソースに対する需要が利用可能な供給を大きく上回っており、AI開発におけるボトルネックを生んでいます。効果的な解決策がない限り、このボトルネックは今後さらに拡大していくでしょう。

供給のさらなる制限は、多くの企業が実際の需要を超えてGPUを購入していることにも起因しています。これは競争優位性の確保だけでなく、現代のグローバル経済での生存手段としても行われています。計算プロバイダーは通常、長期的な資本コミットメントを要する契約構造を採用しており、顧客に需要以上の供給を許可しています。

Epochの研究によれば、計算集約型AIモデルのリリース数は急速に増加しており、これらの技術を推進するリソース需要が今後も急速に成長し続けることを示しています。

AIモデルの複雑さが増すにつれ、アプリケーション開発者の計算および処理能力への要求も高まります。その結果、GPUの性能およびそれに続く可用性の重要性もますます高まります。すでにその兆候が見え始めています。NVIDIAが生産するようなハイエンドGPUへの需要が高まり、NVIDIAはGPUをAI業界の「レアアースメタル」または「ゴールド」と称しています。

AIの急速な商業化は、少数のテックギガントに支配権を集中させる可能性があり、今日のソーシャルメディア業界と同様の状況を招きかねず、これらのモデルの倫理的基盤に対する懸念を引き起こします。著名な例としては、最近のGoogle Geminiに関する論争があります。当時、さまざまなプロンプトに対する奇妙な回答の多くは実際の危険を構成していませんでしたが、この出来事は少数の企業がAI開発を支配・管理する固有のリスクを示しています。

今日のテックスタートアップは、自社のAIモデルを支える計算リソースへのアクセスをめぐってますます困難に直面しています。これらのアプリケーションはモデル展開前に多くの計算集約型プロセスを実行します。小規模企業にとって、大量のGPUを蓄積することは基本的に持続不可能な努力であり、AWSやGoogle Cloudなどの従来のクラウドコンピューティングサービスは、シームレスで使いやすい開発者体験を提供するものの、限られた容量ゆえに高コストとなり、多くの開発者が負担できなくなります。最終的に、誰もが7兆ドルを調達してハードウェアコストを賄うことができるわけではないのです。

では、その原因は何でしょうか？

NVIDIAはかつて推定したところ、AIおよびアクセラレーテッドコンピューティングにGPUを使用している企業は世界で4万社以上、開発者コミュニティは400万人以上に達しています。将来を見据えると、グローバルAI市場は2023年の5150億ドルから2032年には2.74兆ドルに達し、年率20.4%で成長すると予測されています。一方、GPU市場は2032年までに4000億ドルに達し、年率25%で成長すると予測されています。

しかし、AI革命の後には、計算リソースの需給間の不均衡がますます悪化しており、少数の資金力を持つ巨大企業が変革的技術の発展を集中支配するかなりユートピア的な未来が到来しかねません。したがって、我々はAI開発者の需要と利用可能なリソースとのギャップを埋めるために、分散型の代替ソリューションが不可欠だと考えます。

DePINの役割

DePINとは何か？

DePINはMessariリサーチチームが提唱した用語で、Decentralized Physical Infrastructure Networks（分散型物理インフラネットワーク）を意味します。具体的には、「分散型」とは単一の実体が地代を搾取したりアクセスを制限したりしないことを指します。「物理インフラ」とは利用される「現実世界」の物理的リソースを意味します。「ネットワーク」とは、所定の目標または一連の目標を達成するために協調して動作する参加者グループを指します。現在、DePINの時価総額合計は約283億ドルです。

DePINの中心には、物理的インフラリソースをブロックチェーンに接続するグローバルノードネットワークがあり、リソースの買い手と売り手をつなぐ分散型市場を形成します。誰もがサプライヤーとなり、サービスおよびネットワークへの貢献に対して報酬を受け取ることができます。この場合、法的・規制的手段やサービス料金を通じてネットワークアクセスを制限する中央の中間業者は、スマートコントラクトおよびコードで構成される分散型プロトコルに置き換えられ、そのプロトコルは対応するトークン保有者によって管理されます。

DePINの価値は、分散型、アクセスしやすく、低コストでスケーラブルな従来のリソースネットワークおよびサービスプロバイダーの代替手段を提供することにあります。特定の最終目的にサービスを提供する分散型市場を可能にし、商品およびサービスのコストは市場のダイナミクスによって決定され、誰でもいつでも参加できるため、サプライヤー数の増加と利益率の最小化により、自然に単位コストが低下します。

ブロックチェーンの利用により、DePINはネットワーク参加者がそのサービスに対して適切に報酬を得られる暗号経済的インセンティブシステムを構築でき、主要な価値提供者をステークホルダーに転換できます。ただし、ネットワーク効果、つまり小さな個人ネットワークをより大きく生産性の高いシステムに変えることが、DePINの多くの利点を実現する上で鍵となることに注意することが重要です。また、トークン報酬はネットワーク誘導メカニズムの強力なツールであることが証明されていますが、より広範なDePIN領域において、ユーザーの維持および長期的な採用を支援する持続可能なインセンティブを確立することは依然として大きな課題です。

DePINはどのように機能するのか？

DePINが分散型計算市場においてどのような価値を持つかをよりよく理解するためには、関与するさまざまな構造成分がどのように連携して分散型リソースネットワークを形成するかを認識することが重要です。DePINの構造および参加者について考えてみましょう。

プロトコル

分散型プロトコルとは、基礎となる「レイヤー1」ブロックチェーンネットワーク上に構築された一連のスマートコントラクトであり、ネットワーク参加者間の信頼不要なインタラクションを促進します。理想的には、プロトコルはネットワークの長期的成功に積極的に貢献しようとする多様なステークホルダーのグループによって管理されるべきです。これらのステークホルダーは、自身のプロトコルトークン保有量を使って、DePINの提案された変更および発展について投票します。成功した分散ネットワークの調整自体が大きな課題であるため、コアチームが当初はこれらの変更を実施する権限を保持し、後に分散型自律組織（DAO）に移譲することが一般的です。

ネットワーク参加者

リソースネットワークの最終ユーザは最も価値のある参加者であり、その機能によって分類できます。

サプライヤー：リソースをネットワークに提供し、DePINのネイティブトークンで支払われる金銭的報酬を得る個人または法人。サプライヤーはブロックチェーンネイティブプロトコルを通じてネットワークに「接続」され、プロトコルはホワイトリスト登録プロセスまたは無許可プロセスを強制する場合があります。報酬としてトークンを受け取ることで、サプライヤーはネットワーク内で株式を取得し、株式所有の文脈におけるステークホルダーのように、ネットワークのさまざまな提案および発展について投票できます。たとえば、需要およびネットワーク価値を押し上げると考える提案に対して投票できます。これにより、時間の経過とともにトークン価格が上昇する可能性があります。もちろん、報酬としてトークンを受け取ったサプライヤーは、これを受動的収入の形態として利用し、受け取った後に売却することもできます。
コンシューマー：DePINが提供するリソース（例：AIスタートアップが求めるGPU）を積極的に探している個人または法人。経済方程式の需要側を代表します。DePINを利用する方が従来の代替手段（例：低コストおよび運用負担）よりも実際の利点がある場合、コンシューマーはDePINの利用を促進され、ネットワークの有機的需要を代表します。DePINは通常、コンシューマーがリソース料金をネイティブトークンで支払うことを要求し、価値を生み出し、安定したキャッシュフローを維持します。

リソース

DePINはさまざまな市場にサービスを提供でき、リソースの配分に異なるビジネスモデルを採用できます。Blockworksは優れたフレームワークを提供しています：カスタムハードウェアDePINは、サプライヤーに専用の独自ハードウェアを提供します。コモディティハードウェアDePINは、計算、ストレージ、帯域幅など、既存のアイドルリソースの再配布を可能にします。

経済モデル

理想的に動作するDePINでは、価値はコンシューマーがサプライヤーリソースに対して支払う収益から生じます。ネットワークの継続的な需要は、ネイティブトークンに対する継続的な需要を意味し、これはサプライヤーおよびトークン保有者の経済的インセンティブと一致します。初期段階で持続可能な有機的需要を生み出すことは、ほとんどのスタートアップにとって難しい課題です。そのため、DePINはインフレ型トークン報酬を提供し、早期のサプライヤーを誘致してネットワークの供給を誘導し、需要を喚起し、さらなる有機的供給を生む手段とします。これは、Uberが初期段階で乗客の料金を補助して初期顧客基盤を誘導し、ドライバーをさらに引き付け、ネットワーク効果を強化したのと同じ原理です。

DePINは、ネットワーク全体の成功において極めて重要な役割を果たすため、トークン報酬を可能な限り戦略的に管理する必要があります。需要およびネットワーク収益が上昇する際には、トークン発行を減少させるべきです。逆に、需要および収益が下落する際には、再び供給を誘導するためにトークン発行を利用すべきです。

成功したDePINネットワークの姿をさらに明らかにするために、「DePINフィードバックループ」、すなわちDePINを誘導する正のフィードバックループを考えてみましょう。以下に要約します。

DePINは、サプライヤーがネットワークにリソースを提供し、消費可能な基盤レベルの供給を構築するために、インフレ型トークン報酬を分配します。
サプライヤー数が増加し始めると仮定すれば、ネットワーク内に競争ダイナミクスが形成され始め、ネットワークが提供する商品およびサービスの全体的な品質が向上し、最終的に既存の市場ソリューションよりも優れたサービスを提供するようになります。これにより競争優位性が得られます。つまり、分散型システムが従来の中央集権型サービスプロバイダーを凌駕するということですが、これは決して簡単なことではありません。
DePINの有機的需要が形成され始め、サプライヤーに正当なキャッシュフローを提供します。これは投資家およびサプライヤーにとって魅力的な機会となり、ネットワーク需要およびトークン価格の上昇をさらに推進します。
トークン価格の上昇はサプライヤーの収入を増加させ、さらに多くのサプライヤーを引き寄せ、フィードバックループを再始動させます。

この枠組みは魅力的な成長戦略を提供しますが、非常に理論的であり、ネットワークが提供するリソースが競争力を持って継続的に魅力的であると仮定していることに注意が必要です。

計算DePIN

分散型計算市場は、「共有経済」と呼ばれるより広範な潮流に属しており、これは消費者がオンラインプラットフォームを通じて直接他者と商品およびサービスを共有するP2P経済システムに基づきます。このモデルはeBayによって先駆けられ、現在ではAirbnbやUberによって支配されており、次世代の変革的技術がグローバル市場を席巻する中で、次の破壊を準備しています。共有経済は2023年に1500億ドルの価値があり、2031年までに8000億ドル近くに成長すると予測されています。これは消費者行動のより広範な傾向を示しており、我々はDePINがその恩恵を受け、重要な役割を果たすと信じています。

基本的根拠

計算DePINは、分散型市場を通じてサプライヤーとバイヤーを結ぶP2Pネットワークです。これらのネットワークの主な特徴は、今日すでに多くの人々が所有しているコモディティハードウェアリソースに焦点を当てていることです。前述したように、ディープラーニングおよび生成AIの出現は、そのリソース集約型ワークロードにより、処理能力への需要が急増し、AI開発におけるキーリソースへのアクセスのボトルネックを生んでいます。簡単に言えば、分散型計算市場は、グローバル規模で誰もが参加可能な新たな供給源を創出することで、これらのボトルネックを緩和することを目指しています。

計算DePINでは、個人または法人であれば誰でも、いつでもアイドル状態のリソースを貸し出して適切な報酬を得ることができます。同時に、個人または法人であれば誰でも、グローバルな無許可ネットワークから、既存の市場製品よりも低いコストおよびより高い柔軟性で必要なリソースを取得できます。したがって、計算DePINの参加者を以下のシンプルな経済的枠組みで説明できます。

供給側：計算リソースを所有し、補助金を得るためにその計算リソースを貸し出したり売却したりしたい個人または法人。
需要側：計算リソースを必要とし、それに対して支払いを行う意思を持つ個人または法人。

計算DePINの主な利点

計算DePINは、中央集権型サービスプロバイダーおよび市場の魅力的な代替手段となる多くの利点を提供します。第一に、無許可の越境市場参加を可能にすることで、新たな供給源が解放され、計算集約型ワークロードに必要なキーリソースの量が増加します。計算DePINは、大多数の人がすでに所有しているハードウェアリソースに焦点を当てています。ゲーム用PCを持っている人は誰でも、すでにレンタル可能なGPUを所有しています。これにより、次世代の商品およびサービスの構築に参加できる開発者およびチームの範囲が広がり、より多くの人々が恩恵を受けることができます。

さらに、DePINを支えるブロックチェーンインフラは、P2P取引に必要なマイクロペイメントを促進するための効率的でスケーラブルな決済レイヤーを提供します。暗号原生金融資産（トークン）は共通の価値単位を提供し、需要側の参加者はこれを使ってサプライヤーに支払いを行い、今日ますますグローバル化された経済に整合した分配メカニズムを通じて経済的インセンティブを調整します。前述したDePINフィードバックループを参照すると、経済的インセンティブを戦略的に管理することは、DePINのネットワーク効果（供給および需要の両方）を高める上で非常に有利です。これによりサプライヤー間の競争が促進され、単位コストが低下しつつサービス品質が向上し、DePINに持続可能な競争優位性をもたらします。サプライヤーはトークン保有者および主要な価値提供者として、その恩恵を享受できます。

計算DePINは、クラウドコンピューティングサービスプロバイダーと同様に、柔軟なユーザーエクスペリエンスを提供します。リソースはオンデマンドでアクセスおよび支払いが可能です。Grandview Researchの予測によれば、グローバルクラウドコンピューティング市場規模は年率21.2%で成長し、2030年までに2.4兆ドル以上に達すると予想されており、将来的な計算リソース需要の増加という背景のもとで、このようなビジネスモデルの実現可能性を示しています。現代のクラウドコンピューティングプラットフォームは、中央サーバーを利用してクライアントデバイスとサーバー間のすべての通信を処理するため、運用中に単一障害点を作り出します。しかし、ブロックチェーン上に構築されることで、DePINは従来のサービスプロバイダーよりも強い検閲耐性およびレジリエンスを提供できます。単一の組織または実体（例：中央クラウドサービスプロバイダー）を攻撃すると、基礎的なリソースネットワーク全体が危険にさらされますが、DePINはその分散的性質により、こうしたイベントに耐性を持つように設計されています。まず、ブロックチェーン自体が、集中ネットワーク権威に耐性を持つように設計された、グローバルに分散された専用ノードネットワークです。さらに、計算DePINは無許可のネットワーク参加を可能にし、法的および規制上の障壁を回避できます。トークン分配の性質に応じて、DePINは公平な投票プロセスを採用し、プロトコルの提案された変更および発展について投票することで、単一実体が突然ネットワーク全体をシャットダウンする可能性を排除できます。

現在の計算DePINの状況

Render Network

Render Networkは、分散型計算市場を通じてGPUのバイヤーとセラーを結ぶ計算DePINであり、取引はそのネイティブトークンを通じて行われます。RenderのGPU市場には2つの主要な当事者がいます。処理能力へのアクセスを求めるクリエイターと、アイドル状態のGPUをレンタルしてネイティブRenderトークンの報酬を得るノードオペレーターです。ノードオペレーターは評判システムに基づいてランク付けされ、クリエイターは多層価格システムからGPUを選択できます。Proof-of-Render（POR）コンセンサスアルゴリズムが操作を調整し、ノードオペレーターはタスク（グラフィックスレンダリングタスク）を処理するために計算リソース（GPU）をコミットします。タスク完了後、PORアルゴリズムはタスクの品質に基づいた評判スコアの変化を含むノードオペレーターのステータスを更新します。Renderのブロックチェーンインフラは作業の支払いを促進し、ネットワークトークンを通じたサプライヤーおよびバイヤー間の取引に対して透明かつ効率的な決済レイヤーを提供します。

Render Networkは当初Jules Urbach氏が2009年に構想し、ネットワークは2020年9月にイーサリアム上（RNDR）でローンチされ、約3年後にネットワークパフォーマンスの向上および運用コストの削減のためにソラナ（RENDER）に移行しました。

本稿執筆時点では、Render Networkは最大3300万件のタスク（レンダリングフレーム単位）を処理しており、設立以来の総ノード数は5600に達しています。約6万個のRENDERが焼却されており、これはノードオペレーターへの作業積分付与期間中に発生しています。

IO Net

Io Netは、大量のアイドル状態の計算リソースと、それらが提供する処理能力を必要とする個人および法人の間の調整層として、ソラナ上に分散型GPUネットワークを立ち上げようとしています。Io Netの独自の販売提案は、他のDePINと直接競争するのではなく、データセンター、マイナー、Render NetworkやFilecoinなどの他のDePINといったさまざまなソースからGPUを集約し、独自のDePIN「Internet-of-GPUs（IoG）」を利用して操作を調整し、市場参加者のインセンティブを一致させることにあります。Io Netの顧客は、プロセッサタイプ、位置、通信速度、コンプライアンス、サービスタイムなどを選択することで、IO Cloud上のワークロードクラスターをカスタマイズできます。一方、サポートされているGPUモデル（12GB RAM、256GB SSD）を所有する人なら誰でもIO Workerとして参加し、アイドル状態の計算リソースをネットワークに貸し出すことができます。現在のサービス支払いは法定通貨およびUSDCで決済されていますが、ネットワークはすぐにネイティブ$IOトークンでの支払いもサポートする予定です。リソースの価格は、その需給およびさまざまなGPU仕様と構成アルゴリズムによって決定されます。Io Netの最終的な目標は、現代のクラウドサービスプロバイダーよりも低いコストとより高いサービス品質を提供することで、主要なGPU市場となることです。

多層Ioアーキテクチャは以下のようにマッピングできます。

UI層 - パブリックサイト、顧客エリア、Workerエリアで構成。
セキュリティ層 - ネットワーク保護のためのファイアウォール、ユーザー認証のための認証サービス、アクティビティ追跡のためのログサービスで構成。
API層 - 通信層として機能し、パブリックAPI（サイト用）、プライベートAPI（Worker用）、内部API（クラスター管理、分析、監視レポート用）で構成。
バックエンド層 - Worker、クラスター/GPU操作、顧客インタラクション、請求および使用量監視、分析、自動スケーリングを管理。
データベース層 - システムのデータストレージであり、主記憶装置（構造化データ用）およびキャッシュ（頻繁にアクセスされる一時データ用）を使用。
メッセージブローカーおよびタスク層 - 非同期通信およびタスク管理を促進。
インフラ層 - GPUプール、オーケストレーションツールを含み、タスク展開を管理。