很多人都问过我有关Livepeer的问题，因此今天特此发表这篇文章聊一下Livepeer当前的服务以及Livepeer可为去中心化世界未来发展带来的变革。

本篇文章有助于刚接触Livepeer的人了解项目的同时，对Livepeer在未来能够创造的价值也增加一定了解。不过有必要先对几个重要主题的当前进度进行一下介绍。

以太坊挖矿VS视频挖矿

首先，先来了解一下以太坊挖矿和视频挖矿之间的区别。

Livepeer能够提供的多样的服务。最简单的形式便是高带宽互联网连接而成GPU网络，具有极快的计算图像及图形的速度。

它与以太坊挖矿的区别在于ETH挖矿不要求互联网带宽的参与，因此挖矿无任何图形或图像处理的内容。以太坊只利用GPU的VRAM挖矿，用户利用其产生大量的数字或“彩票”就可以获取下一个块，进而获得奖励。

可以想象，全世界内遍布数十万个彼此连接的图像处理GPU，却没有任何GPU处理过图形或图像相关的任务。这就是以太坊挖矿。

引入Livepeer。Livepeer就是连接这些GPU的网络，平台用于发挥GPU自带功能，即图像及图形处理。在我看来，Livepeer的目的是重塑以太坊挖矿GPU，使其成为未来去中心化AI网络的“眼球”，这一点我们稍后讨论。

首先来看一下2021年的发展现状。

Livepeer目前的业务

转码概是启动图形相关任务的最简单方式。转码可以处理包括1080p在内的高码率视频，将它们分解成低码率版本，如720p，480p以及360p版本。如此处理的目的就是保证观看者遇到卡顿情况或网速过低的时候，仍然保证连接的稳定性。

你是否曾经不耐烦地等待过视频的“缓冲”？还记得2000年左右，这种等待多么普遍吗？着实令人焦灼。好在我们有解决方案，就是把你正在观看的视频做成低码率版本，如此一来，观看视频时就不会出现卡顿现象了。

无论你是否曾注意过这个解决方案，但它无处不在，且无时无刻都在进行。你有没有在观看Netflix的电影时，有画面变得模糊的经历？包括Netflix在内，很多视频都有低码率版本，来适应浏览者的不同终端的带宽速度。

当今应用转码最为普遍的领域就是直播。每一个直播流都需要转码成多个码率的版本，发送至全世界的每一个浏览者。如此高度链接的GPU网络覆盖全球，听起来是不是个很好的解决方案？

现在来看下Livepeer的首个应用案例。该功能已经上线，每周都在转码来自全球各个应用程序及服务的百万分钟时常的视频。

Livepeer目前有以下几个优势：

1) 为客户转码视频的成本降低十倍；

2) 转码器具有高扩容性，转码者资源灵活；

3) 直播在任何国家都抗审查。

越来越多的人开始利用Livepeer网络，扩展速度出现了急速上升，Livepeer浏览器的页面上已显示相关数据。你可以在此查看。

Livepeer的首个服务成功上线，未来的发展空间以及广泛使用高度链接的GPU网络可以说是毋庸置疑。

Livepeer目前的发展状态已经介绍完毕，接下来让我们了解一下项目如何通过收取客户费用来产生收入，我被问到最多次的问题就是：“Livepeer未来的机遇在哪？”下面介绍一下Livepeer网络正在规划的未来各项服务。

CDN（内容分发网络）的部署

内容分发网络又称CDN，是将转码内容直接发送至终端使用者的一种简易方法。CDN一般分布在全世界流量较高的地区，是保证内容快速可靠分发的主干网，也是介于转码器与终端浏览者的媒介。

Livepeer.org上的Livepoor协议由Livepeer Inc所建立，为Livepeer.com的终端用户提供免费的CDN服务。

转码人一般会利用CDN把转写好的资料发到Livepeer.com上进行分发。我的理解是，Livepeer Inc正建立一个运作于当下的CDN的开源版本。这些CDN服务可以运行在诸如CPU等简单的硬件上，为所有需要在Livepeer网络上管理的信息提供移动或分发的服务。类似于Theta的Edge，信息流在Theta Edge的节点上弹出或传输，并触达用户。

要部署该服务还需要做很多工作，去中心化CDN服务可以带来类似转码的许多优势。在我看来，两者的联合会给当下的各大CDN服务带来前所未有的挑战，包括亚马逊、微软和谷歌。

Livepeer网络的另一个成长领域是人工智能图像识别。

人工智能图像识别

这就又关系到Livepeer的高度链接图像与图形的网络，GPU、算力、深度学习AI以及图像识别都是该项目的巨大商机。

说到图像识别时，人们可能会想到许多实际应用。包括监控、自主车辆导航、街道深度学习算法、类似农用拖拉机等的非车道自动机器、石油及天然气勘测及管理、面部识别、元宇宙创造、虚拟现实应用、German DFKI研究的危机管理、医疗成像、NVIDIA博客提到的废物管理、机器人技术、阿布扎比IIAI的智慧城市构建、语音识别、AI对话、系统推荐、NVIDIA人类基因组测序、DGX Station等等，不胜枚举。

深度学习系统的实际应用没有局限，可以说本篇文章或许连皮毛也讲不完。在撰写本文时，Livepeer已经完成了深度神经网络的建模，这是对串流进行场景分类实验功能的第一次迭代。目前Livepeer正于Github存储库中开发，世界各地的程序员均可参与贡献。

写在最后

Livepeer在开发分布式世界计算机方面还处于起步阶段，但我们的目标是成为主干视频基础设施。在我看来，Livepeer是世界级自动计算机的视觉能力、观察角度，是它的眼球，它将每一个摄像头转换成世界上最智能的视网膜。尽管眼前仍然有许多工作待完成，但项目已有十足的进展，区块链为人类从未见过的技术撑起了坚强的后盾。