@Dispatcher 您的意思应该是十年前 10 万，顶现在的 20 万，就是购买力腰斩；

上限差不多，十年购买力腰斩，每年 7%的贬值幅度，这个货币信用在全世界来说算是中游，比上不足比下有余吧；

官方说法肯定是看 CPI ，但是这个 CPI 大家普遍体感不靠谱；

工业制品这十年肯定是不断下降的，最典型的就是彩电空调洗衣机；

生活感受国外是用汉堡包指数衡量通货膨胀；我觉得国内比较合适的就是兰州拉面；

2014 年一碗兰州牛肉面，可能 6-8 元，视城市而定；前几天我去楼下拉面馆，看到涨到 11 元了； 一线城市我觉得可能 15 元吧；这么看十年通胀了 40%左右；

2014 年 10 万元，相当今天于 14-15 万元吧；


另外一个我觉得比较好的衡量方法是 M2 增速/GPD 增速；比如:
2014 年的 GDP 65 万亿，2024 年底 GDP 135 万亿； 135/65=2.07
2014 年的 M2 123 万亿，2024 年底 M2 313 万亿； 313/123=2.54

M2 的增速是比 GDP 增速高的，2.54/2.07=1.23 ，简单可以看成是通货膨胀了 1.23 倍；
十年前的 10 万元，大概现在的 12.3w 元的购买力；

可以的，最简单的办法就是用二级域名，每个 docker 服务用不同端口，然后一个域名对应一个 docker 服务；用 Nginx 的反向代理来控制;

比如
A1.xx.com ，对应 8001 端口 服务；
A2.xx.com ，对应 8002 端口服务;

每一个服务最好都封装到 docker 服务里面，像 static 目录静态 web 服务这种，最好也不要用 nginx 来做了，也封装到 docker 服务里面，就是做到一个 docker 容器启动，就能从本地 http://127.0.0.1:800x 端口直接访问，这样最干净；

我原来有一篇文章记录了自己的操作，可以参考一下：

[Nginx 配置多端口多域名访问 -- 子域名多端口访问]

https://brain-zhang.github.io/blog/2019/11/18/nginxpei-zhi-duo-duan-kou-duo-yu-ming-fang-wen/

这个技术叫做侧链；我正好之前也研究过，写过一篇总结文章，希望有所帮助：

https://brain-zhang.github.io/blog/2019/01/23/bi-te-bi-de-blockchain-2/

@ykk 对，就是这样的；现在最傻瓜的办法就是咸鱼接单，人工服务；但是这个模式肯定是低效无比；

如果把这个流程简化成美团接单，有硬件的把家里的显卡出租做 AI 骑手，有画图需求的就来平台点一单 AI 生图，SD 这样的服务 UI 搞简单，平台抽一点税，这个模式听起来是可以的；

另外，这个池子并不完全像 PT ；我认为大部分小白用户，是愿意付费（一元？）购买那些闲置算力，来生成一张好看的图片的；是能覆盖跑一张图片的算力成本的；这个是积分流转的另一个来源，可能是主要来源；

中间平台抽一点税，这个机制应该就能长期运转下去；

@pkoukk 是这样的，具体的激励机制还没有想的太清楚；

但是只要确定一点：就是这种众包形式总体上可以有效利用闲置计算资源，提高利用率；并且能有效的分配计算能力给最需要的人；这是有价值的；

剩下的，就是设计一种机制，能最大限度的发掘这个价值出来；

@rphoho 这个不是去中心的，也跟币圈和挖矿没关系；仅仅是拿挖矿打了个比方而已

@pkoukk 这个问题我觉得已经说明了；

1. 首先不能纯依靠算法，要有人工排查；你说的这种作弊或者攻击者人工 ban 掉
2. 为了排除无效 Client 提交，初期那种简单的，固定输入固定输出的 task ；分给多个 client 执行；然后返回结果进行比对；如果 Client 是无效计算，那它就会被降权，降权到一定程度就标记为低信用节点，同理多次执行后可以筛选出高信用节点
3. 引入积分制，信用高者获取积分有加成

就像运营一个社区一样，多种措施保证参与节点的诚实度；

@woctordho 多谢多谢；大家集思广益果然开拓视野；我研究一下 Horde 看看；

@Pteromyini 为什么呢？这个我不懂了；作为平台，我发现一个设备出图又快又好，不就是信用极好吗？

最后就是模型越全，设备算力越强，接单能力就越强，信用值就会提高，同时积分积累会更快；这样就会良性循环；

接单者就会自己去完善环境，尽可能多的配置最全的模型等等；

@kkwkk 大体思路是这样的；具体实现可以智能一点；比如接单者的环境上传到平台，平台收到任务，会自动寻找合适的接单者进行匹配；

@kkwkk

1. 这种众包平台，对于个人用户来说(一般是小白，应用者)，应该是是推理需求多，训练需求还是专业人士在公有云上跑合适
2. 从技术上来说，训练任务不好反作弊，不好并行跑；

@kkwkk 对；这是细节问题；估计平台还得对每一个接入设备打分；不过现在讨论的是大体框架有没有问题；技术上是不是有坑；

@lambdaq 一个任务就在一张卡上跑啊； 想要快，就选性能强的节点，多消耗积分；

@lambdaq 前期可以只做单卡运行的推理任务；

@woctordho 是的；我的用词不严谨；这个平台主要作用是推理；

当平台通过用户的推理任务完成度，建立信用机制后；可以引入一些训练的任务；

@Pteromyini

有 noise 的训练先不分给新来的接单者做；

先把固定参数、固定模型的推理任务交给新人做；像 stable difussion ，固定的参数配置输入，结果是相同的，可以分给三个人同时做，然后比对结果；

随机的训练交给"信用极好"者来做；信用只能通过时间和任务来累积；这样就从经济模型上规避作弊风险了；