رندر RENDER / Render

## رندر چیست؟ Render Network ارائه دهنده پیشرو راه حل های رندر مبتنی بر GPU غیرمتمرکز است که فرآیند ایجاد دیجیتال را متحول می کند. این شبکه اپراتورهای گره‌ای را که به دنبال کسب درآمد از توان محاسباتی GPU بی‌کار خود هستند، با هنرمندانی که به‌دنبال مقیاس‌بندی کار و برنامه‌های کاربردی رندر سه بعدی فشرده به ابر هستند، متصل می‌کند. از طریق یک شبکه همتا به همتای غیرمتمرکز، شبکه Render به سطوح بی‌سابقه‌ای از مقیاس، سرعت و کارایی اقتصادی دست می‌یابد. در بالای یک شبکه محاسباتی GPU غیرمتمرکز، Render بستری را برای هنرمندان و توسعه دهندگان فراهم می کند تا خدمات و برنامه های کاربردی برای اقتصاد دیجیتال در حال ظهور بسازند.

## چگونه RENDER کار می کند شبکه Render یک پلت فرم محاسباتی GPU غیرمتمرکز برای برنامه های کاربردی از رندر سه بعدی گرفته تا یادگیری ماشین و هوش مصنوعی مولد است. این شبکه اپراتورهای گره‌ای را که به دنبال کسب درآمد از توان محاسباتی GPU غیرفعال خود هستند، با هنرمندان و توسعه‌دهندگانی که به دنبال مقیاس‌بندی کار رندر سه بعدی فشرده و برنامه‌های یادگیری ماشین در فضای ابری هستند، متصل می‌کند. از طریق یک شبکه همتا به همتای غیرمتمرکز، شبکه Render به سطوح بی‌سابقه‌ای از مقیاس، سرعت و کارایی اقتصادی دست می‌یابد. این اکوسیستم که توسط بنیاد شبکه رندر تسهیل می‌شود، هنرمندان و توسعه‌دهندگان را قادر می‌سازد تا خدمات و برنامه‌های کاربردی برای اقتصاد دیجیتال در حال ظهور بسازند. توسط بنیاد شبکه رندر نگهداری می شود

## درباره RENDER در سال 2009 توسط OTOY، inc. مدیر عامل شرکت Jules Urbach که در سال 2017 راه اندازی شد، $RNDR اولین فروش توکن عمومی خود را در اکتبر همان سال برگزار کرد، پس از آن یک دوره فروش خصوصی از ژانویه 2018 تا مه 2018 به طول انجامید. در طول دوره فروش خصوصی، پذیرندگان اولیه وارد شبکه آزمایشی بتا RNDR شدند، جایی که اپراتورهای نود بتا و هنرمندان تا زمانی که تیم RDR با تیم RN ساخت و کار آزمایشی را انجام دادند، به همکاری پرداختند. راه اندازی عمومی در 27 آوریل 2020. در مارس 2023، انجمن RNDR به RNP-002 «گسترش شبکه لایه 1» رأی داد تا از $RNDR (ETH) به $RENDER (SOL) برای سرعت بیشتر و پیوستن به سایر پروژه های پیشرو DePIN ارتقا یابد. جامعه از طریق فرآیند Render Network Proposal رای می‌دهد، و به طور قابل‌توجهی در RNP-001 به پیاده‌سازی مدل Burn-and-Mint Equilibrium و همچنین RNP-004، RNP-005، RNP-007، RNP-008، RNP-010 و RNP-011 رای داده است.