io.net は、Solana ブロックチェーン上で機械学習アプリケーションの開発、実行、スケーリングを可能にする分散型 AI コンピューティング ネットワークであり、独立したデータ センター、暗号通貨採掘者、ファイルコイン、レンダリングなどの十分に活用されていないリソースからデータを集約します。暗号化プロジェクト) この問題を解決するのが GPU です。
io.net の主なセールス ポイントは次のとおりです。
- 柔軟な組み合わせ: AI エンジニアは、独自のコンピューティング タスクを完了するために必要なチップを自由に選択して組み合わせて「クラスター」を形成できます。
- 迅速な導入: 数週間の承認と待機は必要ありません (AWS などの集中ベンダーの現状では、数十秒以内に導入が完了し、タスクを開始できます)。
- 低価格: サービスのコストは主流メーカーよりも 90% 低くなります
io.net は、コンピューティング パワー サービス io クラウドを提供し、需要者は AI コンピューティング タスクを完了するために必要な GPU グループを定義できます。
ion.net は、さまざまなコンピューティング タスクに基づいて、需要シナリオを 3 つのカテゴリ (一般、トレーニング、推論) に分類します。これにより、メモリ、帯域幅などの GPU パフォーマンスが分割され、ユーザーの選択が容易になります。
io.net は、ユーザー アカウント管理、リアルタイム アクティビティ監視、温度と電力消費量の追跡、インストール サポート、ウォレット管理、セキュリティと収益性の分析など、サプライサイドの運用を簡素化および最適化する IO Worker 製品を提供します。
総供給量は 8 億で、TGE では最初に 5 億 IO が供給されます。シード投資家、シリーズ A 投資家、コア コントリビューター、研究開発とエコシステム、コミュニティの 5 つのカテゴリーに分類されます。
$IO は、ネットワークの成長と導入を促進するために発行されるため、20 年間で固定最大供給量 8 億まで増加します。
報酬は 20 年間、毎時間サプライヤーとステーカーにリリースされます。報酬はデフレ モデルを採用しており、初年度は 8% から始まり、上限の 8 億 IO に達するまで毎月 1.02% (年間約 12%) ずつ減少します。
$IO トークンの発行に加えて、プロジェクトではデュアル トークン メカニズムも採用しています。 IO コインを燃やすことで生成される、USD ペッグ IOSD トークンを発売する計画があります。
- 供給側は急速に拡大している
- ハードウェアに関しては、公式データによると、5 月 20 日時点で、IO.NET の供給側の GPU の合計供給量は 28,889 個、CPU の供給量は 6,605 個です。さらに、Render Network がそのパートナーであり、1,152 個の GPU と 27 個の CPU がネットワーク電源に接続されています。 Fileoin には 1024 個の GPU が搭載されています。最も入手可能なのは GeForce RTX 4090 です。アクティブなハードウェアのオンライン率は約 42% に達します。
- 需要側のパフォーマンスは満足のいくものではありません。
- IO.NET はまだ市場開拓の初期段階にあり、現在、IO.NET を使用してコンピューティング タスクを実行する実際のユーザーの総数は多くありません。ほとんどのオンライン GPU のタスク負荷は 0% で、タスクを処理しているのは A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、および H100 80GB HBM3 の 4 つのチップだけです。また、A100 PCIe 80GB K8S を除いて、他の 3 つのチップの負荷容量は 20% 未満です。
- ネットワークは AI 推論タスクのビジネス データを処理します。5 月 20 日の時点で、処理および検証されたタスクの数は 319,000 を超えています。ただし、このビジネス量のほとんどは、IO.NET が主催するプロジェクト BC8.AI によって生成されています。
- ネットワーク コストの規模に関しては、io.net では 1,024,107 ドルのコストが発生しており、過去 1 日のコストは 624 ドルでした。
- 価格の利点: io.net の価格は、A100 ($0.89/時間)、522 RTX 3090 ($0.38/時間)、301 RTX3080 ($0.23/時間)、8426 RTX A6000 ($0.75/時間)、A4000K8S ($0.23/時間) です。 A100 を例にとると、Google Cloud より 82.45%、Amazon AWS より 82.62% 安くなります。
コアチームの事業は設立当初はクオンツトレーディングだったが、2022年6月以降は分散型コンピューティングに移行する。チームは米国ニューヨークに本拠地を置き、50人以上の規模。創設者のアフマド・シャディッドは、IO.NET以前は定量的および金融工学関連の仕事に従事しており、イーサリアム基金のボランティアでもありました。
このプロジェクトの最新の評価額は10億米ドルに達しており、solana、rndr、filからの正式な支援を受けています。シリーズAの資金調達はHack VCが主導し、@multicoincap、6th Man Ventures、M13、Delphi Digitalが参加しました。 、ソラナ研究所、アプトス研究所などが出演。
- アクセシビリティ: AWS、GCP、Azure などのクラウド サービスを使用してコンピューティング チップにアクセスするには数週間かかることが多く、人気の GPU モデルは在庫切れであることがよくあります。さらに、コンピューティング能力を得るために、消費者は多くの場合、これらの大企業と長期にわたる柔軟性のない契約を結ぶ必要があります。分散コンピューティング プラットフォームは、柔軟なハードウェアの選択と優れたアクセシビリティを提供します。
- 低価格設定: アイドル状態のチップの使用と、チップおよびコンピューティング電源サプライヤーに対するネットワーク プロトコル当事者によるトークン補助金の組み合わせにより、分散型コンピューティング パワー ネットワークはより安価なコンピューティング パワーを提供できる可能性があります。
- 検閲への抵抗: 現在、最先端のコンピューティング能力チップと供給品は大手テクノロジー企業によって独占されており、米国を代表とする政府は AI コンピューティング能力サービスに対する監視を強化しています。AI コンピューティング能力は柔軟かつ自由に分散できます。徐々にそれが明確なニーズになります。
- ほとんどの消費者はプロの開発者または中小規模の組織です。このタイプのユーザーは、契約によって提供されるサービスの安定性と継続性に対してより高い要件を持っています。
- 技術的な問題:
- 技術的な問題:
- 作業検証の問題: 深層学習モデルの計算の階層構造により、各層の出力が後続の層の入力として使用されるため、計算の妥当性を検証するには、以前のすべての作業を実行する必要があります。簡単かつ効果的に検証することはできません。この問題を解決するには、分散コンピューティング プラットフォームは、新しいアルゴリズムを開発するか、結果の正確性を絶対的な確実性ではなく確率的に保証できる近似検証手法を使用する必要があります。
- 並列化の問題: 分散コンピューティング パワー プラットフォームはチップのロングテール供給を集めます。これは、単一のデバイスによって提供されるコンピューティング パワーが比較的限られているということを意味し、単一のチップ サプライヤーが AI モデルのトレーニングまたは推論タスクをほぼ完了できることを意味します。したがって、全体の完了時間を短縮するには、並列化を使用してタスクを分解および分散する必要があります。並列化では、タスク (特に複雑な深層学習タスク) の分解方法、データの依存関係、デバイス間の追加の通信コストなど、一連の問題に必然的に直面します。
- プライバシー保護の問題: 購入者のデータとモデルがタスクの受信者に公開されないようにする方法
- コンピューティング能力需要の循環を断ち切る方法:
Depin プロジェクトはトークンを使用して供給側を迅速に刺激し、拡大を達成できますが、暗号化 + AI のコンピューティング能力需要側は依然としてパフォーマンスが不十分です。
- まず、消費者側の拡張がまだ始まっていないため、ほとんどのプロジェクトがまだ初期段階にあり、サービス体験がまだ不安定であるため、大規模な導入が行われていません。
- 第二に、AI 分野は主に大企業が独占しており、中小規模の機関は分散コンピューティング能力によって提供されるサービスをまだ真に認識していません。
- 規制遵守の問題:
分散コンピューティング プラットフォームは、供給と調達の両面市場という許可のない性質により、一部の顧客を引き付けるセールス ポイントとして使用できます。一方で、AIの規制基準が向上すれば、政府による是正の対象となる可能性もある。さらに、一部の GPU サプライヤーは、レンタルしているコンピューティング リソースが、制裁対象の企業または個人に提供されるかどうかについても懸念しています。
- IO Cloud、IO Worker、IO Explorerなど、コンピューティング電源の供給側と需要側に優れたサービス ツールを提供します。
- コアテクノロジー: IO-SDK マルチレイヤーアーキテクチャ。分散コンピューティング タスクの並列実行の問題を解決します。主要な ML フレームワークとうまく連携し、Io.net がさまざまなコンピューティング ニーズに柔軟かつ効率的に対応できるようにします。
- プライバシー保護: リバース トンネリング テクノロジーとメッシュ VPN アーキテクチャを利用します。リバース トンネリング テクノロジーにより、エンジニアは複雑な構成を行わずに、ファイアウォールや NAT をバイパスしてリモート アクセスを行うことができます。同時に、通信が保護され、データのプライバシーが維持されます。メッシュ VPN アーキテクチャは、ノード障害に対する堅牢性、拡張性、遅延の削減、トラフィック分散の改善を実現します。
Web3 の分野では、すでに多くのコンピューティング市場が存在しており、有名なものには、Akash、Render、Nosana、Clore.ai、Golem、Inferx、Kuzco、Aioz、Fluence Labs、GPU.NET などが含まれます。
- プロジェクトはサービス内容のセグメントが異なります。たとえば、Akash は、GPU の導入、リース、AI モデルのトレーニングなどのサービスをユーザーに提供するピアツーピアのクラウド サービス市場です。 Render は、分散型 GPU レンダリング ソリューション プロバイダーです。
- プロジェクトの公開データの分析から、Akash と Clore.ai は供給側で非常に優れたパフォーマンスを示しています。そのうち、AkashのGPU数は382個に達し、CPU数は20.89Kに達し、CPUレンタル率:33%、GPUレンタル率:26%、Clore.aiのGPU数は19,590に達し、レンタル率は71%でした。
- ネットワーク料金の点では、Akash の 24 時間料金 (27 万 3,000 ドル) は io.net とあまり変わりません。
- ほとんどのプロジェクトは初期段階およびテストネット段階にあり、io.net の強みにはまだ程遠いです。しかし、これらの新しいプロジェクトは急速に発展しており、継続的な注意が必要です。たとえば、Kuzco には 1,400 のオンライン稼働ノードがあり、シングル カードの使用率は 90% です。
- 分散型コンピューティング パワー/コンピューティング パワー プラットフォームの説が有望である主な理由は次の 4 つです。(1) 分散型 AI コンピューティングには、アクセスしやすさとコンピューティング パワーの提供価格の低さなど、集中型コンピューティング パワーとは異なる利点があります。(2) 実用的な理由。 GPU の需要と供給の逼迫や規制の拡大など、(3) 特に強気市場においてプロジェクト トークンの価格が刺激されており、(4) 一般ユーザーの参加基準が引き下げられ、AI の配当は大企業だけのものではありません。機関。
- 分散コンピューティング能力は主に、テクノロジー、需要、監視という 3 つの大きな問題に直面しています。技術的な問題には、動作検証の問題、並列化の問題、プライバシー保護の問題などが含まれます。
- io.net は継続的な人気を博しており、ソラナ エコロジー + AI + デピンという 3 つの 24 年間の強気相場勃発のコンセプトを重ね合わせているため、次のファイルコインと呼ばれています。技術的な観点から見ると、分散コンピューティング能力の技術的問題を解決するために、コア技術であるIO-SDKの階層化アーキテクチャに加え、安全な接続とデータプライバシーを解決するためのリバーストンネル技術とメッシュVPNアーキテクチャを立ち上げました。問題。製品面では、IO Cloud、IO Worker、IO Explorerなど、コンピューティング電源の供給側と需要側に向けたサービス製品を豊富に提供している。
- 実際のアプリケーションの面では、io.net は他の分散コンピューティング パワー プラットフォームよりも優れています。(1) io.net は、チップ ハードウェアの数とオンライン レートの両方で、すでに他のネットワークをはるかに上回っています。供給ネットワーク。 (2) 実行されるコンピューティング タスクの総量は多くなく、ほとんどのチップはオンライン スタンバイ状態にあります。これは、分散コンピューティング プラットフォームによくある問題です。
- コンピューティング リソースが不足する中、Io.net は、AI と ML のスケーラビリティにとって重要な GPU/CPU パワーのレンタルコストを削減することを目指しています。コンピューティングパワーの需要は急増していますが、供給が追いついていません。これは、io.net のような分散コンピューティングパワープロジェクトに大きな将来性があることを示しています。
- io.net に悪影響を与える要因には次のものが含まれます。 (1) 多くの種類のプロジェクトと部分的に重複するサービス内容によるコンピューティング プラットフォーム間の競争の激化 (2) 分散クラスターの大規模な作成と管理の複雑さには、重大な技術的課題が伴います。 3) 需要面ではまだ不十分であり、普及はまだ初期段階にある。 AI スタートアップ、開発者、GPU ベンダーによる導入が予想よりも遅い場合、(4) 規制リスク、(5) デュアル トークン メカニズムによってもたらされる複雑さにより、成長が制限される可能性があります。
全てのコメント