Pi Network testet eine neue Nutzung für sein globales Node-Netzwerk durch einen Proof-of-Concept, der mit KI-Training und Computing verbunden ist. Das Projekt konzentriert sich auf freie Rechenkapazitäten über mehr als 421.000 Pi Nodes, die zusammen mehr als 1 Million CPUs repräsentieren. Diese ungenutzte Kapazität könnte externe KI-Workloads über Blockchain-Funktionen hinaus unterstützen. Der Ansatz rahmt Pi Networks jüngste KI-Entwicklung um verteiltes Computing und bezahlte Teilnahme durch Node-Betreiber.
Das Projekt ist eine Antwort auf zwei größere Probleme im KI-Sektor. Eines ist die Belastung durch zentralisiertes Computing, einschließlich Rechenzentrum-Limits und konzentrierter Energienutzung. Das andere ist die steigende Nachfrage nach Rechenleistung, da KI-Modelle, Agents und Dienste expandieren. Pi wies auch darauf hin, dass seine verteilten Netzwerke helfen könnten, verstreute und ungenutzte Ressourcen zu koordinieren, die sonst ungenutzt bleiben würden.
Die KI-Roadmap wurde als Teil von Pi Networks aktualisierter Mainnet-Strategie während des ersten Jahrestages seines Open Network angekündigt. Wie wir zuvor berichteten, platzierte der Plan künstliche Intelligenz neben Ökosystem-Token und Identitätsdiensten unter den obersten Prioritäten des Netzwerks.
Der jüngste Proof-of-Concept wurde mit OpenMind abgeschlossen, einem Robotik-Startup, das von Pi Network Ventures unterstützt wird. OpenMind entwickelt ein Betriebssystem und ein Open-Source-Protokoll für Roboter. Um diese Arbeit zu unterstützen, benötigt es Rechenleistung für Training, Evaluierung und Modellausführung. Der Pilot testete, ob Pi's verteiltes Node-Netzwerk KI-bezogene Aufgaben außerhalb von Blockchain-Aktivitäten bewältigen könnte.
Für den Test baute OpenMind einen Container, der Rechenaufgaben an einzelne Computer senden konnte. Freiwillige Pi Node-Betreiber luden den Container herunter und führten ihn auf ihren eigenen Maschinen aus. OpenMind sendete dann Bilderkennungsaufgaben durch das System. Die Computer verarbeiteten Bilder mit OpenMinds Modell, mit dem Ziel, so viele diskrete Objekte wie möglich zu identifizieren.
Pi berichtete, dass die Pipeline von Ende zu Ende funktionierte. Sieben freiwillige Pi Node-Betreiber nahmen am Pilot teil, und Job-Bestätigungen kamen von allen sieben innerhalb einer Sekunde zurück. Inferenz-Ergebnisse wurden von mehreren Arbeitern innerhalb von vier Sekunden zurückgegeben. Die Ergebnisse umfassten erwartete Objektlabels wie Bus und Person, zusammen mit Bounding-Boxen.
Pi Nodes können externe Rechenaufträge akzeptieren und gültige Ergebnisse an einen Drittanbieter-Client zurückgeben. Pi fügte hinzu, dass verteiltes KI-Training sich noch in einem Forschungsstadium befindet und mehr Arbeit im gesamten Sektor noch erforderlich ist. Dennoch bietet der Test ein frühes Beispiel dafür, wie freie Node-Kapazität für KI-Unternehmen verpackt werden könnte, die alternative Rechenressourcen suchen.
Kürzlich bemerkte CNF, dass Pi Network KI-Bilderkennungsaufgaben auf seinen Nodes mit OpenMind testete, wobei ungenutzte CPU-Kapazität verwendet wurde, während sein Mainnet-Upgrade-Pfad fortgesetzt wurde. Der Test zeigte, wie ungenutzte Node-Ressourcen künstliche Intelligenz-Workloads über das Netzwerk hinweg unterstützen könnten.
Zusätzlich startete Pi Network Phase 2 seiner Mainnet-Protokoll-Upgrades nach Abschluss der Protocol v19.9-Migration. CNF berichtete, das Projekt zielt nun auf Protocol v20.2 vor Pi Day 2026 ab.
Pi wurde bei $0,2285 gehandelt, um 13,77% in 24 Stunden gestiegen, mit einer Marktkapitalisierung von $2,2 Milliarden und einem täglichen Volumen von $65,38 Millionen.


