io.net, Solana blok zincirinde makine öğrenimi uygulamalarının geliştirilmesine, yürütülmesine ve ölçeklendirilmesine olanak tanıyan, bağımsız veri merkezleri, kripto madencileri ve Filecoin, Render ve daha fazlası gibi yeterince kullanılmayan kaynaklardan veri toplayan merkezi olmayan bir yapay zeka bilgi işlem ağıdır. ) GPU bu sorunu çözmek için.
io.net'in ana satış noktaları şunlardır:
- Esnek kombinasyon: Yapay zeka mühendisleri, kendi bilgi işlem görevlerini tamamlamak için bir "küme" oluşturmak üzere ihtiyaç duydukları çipleri özgürce seçip birleştirebilir.
- Hızlı dağıtım: Haftalarca onaylanmaya ve beklemeye gerek yoktur (şu anda AWS gibi merkezi sağlayıcılardaki durum budur). Dağıtım onlarca saniye içinde tamamlanabilir ve görevler başlatılabilir.
- Düşük fiyat: Hizmetlerin maliyeti ana üreticilere göre %90 daha düşüktür
io.net, io bulut bilgi işlem gücü hizmeti sağlar. Talep edenler, yapay zeka bilgi işlem görevlerini tamamlamak için istedikleri GPU gruplarını tanımlayabilir.
ion.net, talep senaryolarını farklı bilgi işlem görevlerine dayalı olarak üç kategoriye ayırır: Genel, Eğitim ve Çıkarım. Bu, kullanıcı seçimini kolaylaştırmak için bellek, bant genişliği vb. gibi GPU performansını böler.
io.net, kullanıcı hesabı yönetimi, gerçek zamanlı aktivite izleme, sıcaklık ve güç tüketimi takibi, kurulum desteği, cüzdan yönetimi, güvenlik ve karlılık analitiği dahil olmak üzere arz tarafı operasyonlarını basitleştiren ve optimize eden IO Worker ürünleri sunar.
Toplam arz 800 milyondur ve TGE'de beş kategoriye ayrılmış 500 milyon IO'luk ilk arz olacaktır: tohum yatırımcıları, A Serisi yatırımcılar, temel katkıda bulunanlar, Ar-Ge ve ekosistem ve topluluk.
$IO, ağın büyümesini ve benimsenmesini teşvik etmek için çıkarıldığı için 20 yıl içinde sabit maksimum 800 milyon arza ulaşacak.
Ödüller, 20 yıl boyunca her saat başı tedarikçilere ve stakerlara dağıtılacak. Ödül, ilk yıl %8'den başlayarak her ay %1,02 oranında (yılda yaklaşık %12) azalarak 800 milyon IO üst sınırına ulaşana kadar bir deflasyon modelini benimser.
$IO tokenlerinin ihracına ek olarak proje aynı zamanda ikili token mekanizmasını da benimsiyor. IO paralarının yakılmasıyla oluşturulan, ABD dolarına sabitlenmiş bir IOSD tokenının piyasaya sürülmesi planlanıyor.
- Arz tarafı hızla genişliyor
- Donanım açısından ise 20 Mayıs itibarıyla resmi verilere göre IO.NET'in arz tarafındaki toplam GPU arzı 28.889, CPU arzı ise 6.605. Ayrıca Render Network de partneri olup, 1.152 GPU ve 27 CPU ağ kaynağına bağlı. Fileoin'de 1024 GPU bulunmaktadır. En uygun olanı GeForce RTX 4090'dır. Aktif donanım çevrimiçi oranı yaklaşık %42'ye ulaşıyor.
- Talep tarafı performansı tatmin edici değil.
- IO.NET hala pazar oluşturmanın ilk aşamalarındadır. Şu anda, bilgi işlem görevlerini gerçekleştirmek için IO.NET'i kullanan gerçek kullanıcıların toplam sayısı çok fazla değildir. Çoğu çevrimiçi GPU'nun görev yükü %0'dır ve yalnızca dört yonga (A100 PCIe 80GB K8S, RTX A6000 K8S, RTX A4000 K8S ve H100 80GB HBM3) işlem görevleridir. A100 PCIe 80GB K8S hariç diğer üç çipin yük kapasitesi %20'den az.
- Ağ, yapay zeka çıkarım görevleri için iş verilerini işliyor. 20 Mayıs itibarıyla, işlenen ve doğrulanan görevlerin sayısı 319.000'i aşıyor. Ancak bu iş hacminin büyük kısmı, IO.NET sponsorluğundaki BC8.AI projesi tarafından üretiliyor.
- Ağ maliyet ölçeği açısından io.net'in maliyeti 1.024.107 $ oldu ve geçtiğimiz günkü maliyet 624 $ oldu.
- Fiyat avantajı: io.net’in fiyatları A100 (0,89 ABD Doları/saat), 522 RTX 3090 (0,38 ABD Doları/saat), 301 RTX3080 (0,23 ABD Doları/saat), 8426 RTX A6000 (0,75 ABD Doları/saat), A4000K8S (0,23 ABD Doları/saat) . A100'ü örnek alırsak Google Cloud'dan %82,45, Amazon AWS'den ise %82,62 daha ucuzdur.
Çekirdek ekibin işi ilk kurulduğunda niceliksel ticaretti ve Haziran 2022'den sonra merkezi olmayan bilişime geçiş yapacak. Ekibin merkezi ABD'nin New York şehrinde olup 50'den fazla kişiden oluşmaktadır. Kurucu Ahmad Shadid, IO.NET'ten önce niceliksel ve finansal mühendislikle ilgili çalışmalarla meşguldü ve aynı zamanda Ethereum Fund'da gönüllüydü.
Projenin son değerlemesi 1 milyar ABD dolarına ulaştı. Proje, solana, rndr ve fil'den resmi destek aldı. A Serisi finansmanı, @multicoincap, 6th Man Ventures, M13 ve Delphi Digital'in katılımıyla Hack VC tarafından yönetildi. , Solana Labs, Aptos Labs vb. oyuncular.
- Erişilebilirlik: AWS, GCP veya Azure gibi bulut hizmetlerini kullanarak bilgi işlem çiplerine erişim genellikle haftalar sürer ve popüler GPU modelleri genellikle stokta kalmaz. Ayrıca, bilgi işlem gücü elde etmek için tüketicilerin genellikle bu büyük şirketlerle uzun vadeli, esnek olmayan sözleşmeler imzalaması gerekiyor. Dağıtılmış bilgi işlem platformu, esnek donanım seçimi ve daha fazla erişilebilirlik sağlayabilir.
- Düşük fiyatlandırma: Boşta kalan çiplerin kullanımı ve ağ protokolü tarafının çiplere ve bilgi işlem gücü tedarikçilerine yönelik belirteç sübvansiyonları ile birleştiğinde, dağıtılmış bilgi işlem güç ağı daha ucuz bilgi işlem gücü sağlayabilir.
- Sansüre karşı direnç: Şu anda, en son teknolojiye sahip bilgi işlem güç çipleri ve malzemeleri büyük teknoloji şirketlerinin tekelindedir ve ABD tarafından temsil edilen hükümet, yapay zeka bilgi işlem gücü hizmetlerinin esnek ve özgür bir şekilde dağıtılabilmesine ilişkin incelemeleri artırmaktadır. Yavaş yavaş açık bir ihtiyaç haline gelir.
- Tüketicilerin çoğu profesyonel geliştiriciler veya küçük ve orta ölçekli kuruluşlardır. Bu tür kullanıcıların, sözleşmeyle sağlanan hizmetlerin istikrarı ve sürekliliği konusunda daha yüksek gereksinimleri vardır.
- Teknik zorluklar:
- Teknik zorluklar:
- İş doğrulama sorunu: Derin öğrenme modelinin hesaplamasının hiyerarşik yapısından dolayı, her katmanın çıktısı bir sonraki katmanın girdisi olarak kullanılır. Bu nedenle, hesaplamanın geçerliliğinin doğrulanması önceki tüm çalışmaların yürütülmesini gerektirir. kolay ve etkili bir şekilde doğrulanamaz. Bu sorunu çözmek için, dağıtılmış bilgi işlem platformlarının yeni algoritmalar geliştirmesi veya mutlak kesinlik yerine sonuçların doğruluğuna ilişkin olasılıksal garantiler sağlayabilecek yaklaşık doğrulama teknikleri kullanması gerekir.
- Paralelleştirme sorunu: Dağıtılmış bilgi işlem gücü platformu, uzun kuyruklu bir çip kaynağı toplar; bu, tek bir cihaz tarafından sağlanan bilgi işlem gücünün nispeten sınırlı olduğu anlamına gelir. Tek bir çip tedarikçisi, yapay zeka modelinin eğitim veya muhakeme görevlerini neredeyse tamamlayabilir. Bu nedenle, toplam tamamlanma süresini kısaltmak amacıyla görevleri dağıtmak ve dağıtmak için paralelleştirme kullanılmalıdır. Paralelleştirme kaçınılmaz olarak görevlerin nasıl ayrıştırılacağı (özellikle karmaşık derin öğrenme görevleri), veri bağımlılıkları ve cihazlar arasındaki ek iletişim maliyetleri gibi bir dizi sorunla karşı karşıya kalacaktır.
- Gizlilik koruma sorunu: Alıcının verilerinin ve modellerinin görevin alıcısına açıklanmaması nasıl sağlanır?
- Bilgi işlem gücü talebi çemberi nasıl kırılır:
Depin projesi, arz tarafını hızlı bir şekilde teşvik etmek ve genişlemeyi sağlamak için tokenları kullanabilse de, kripto + yapay zekanın bilgi işlem gücü talebi tarafı hala düşük performans gösteriyor.
- Birincisi, tüketici tarafının genişlemesi henüz başlamadığından, çoğu proje hâlâ başlangıç aşamasında olduğundan ve hizmet deneyimi hâlâ istikrarsız olduğundan, geniş ölçekli benimseme eksikliği var;
- İkincisi, yapay zeka alanı esas olarak büyük şirketlerin hakimiyetindedir ve küçük ve orta ölçekli kurumlar, dağıtılmış bilgi işlem gücünün sağladığı hizmetleri henüz tam olarak tanımamıştır.
- Mevzuata Uyum Sorunları:
Dağıtılmış bilgi işlem platformu, tedarik ve tedarikten oluşan iki taraflı pazarın izin gerektirmeyen yapısı nedeniyle bazı müşterileri çekmek için bir satış noktası olarak kullanılabilir. Öte yandan yapay zeka düzenleme standartları geliştirildikçe hükümetin düzeltmesinin hedefi haline gelebilir. Ayrıca bazı GPU tedarikçileri, kiraladıkları bilgi işlem kaynaklarının yaptırım uygulanan işletmelere veya bireylere sağlanıp sağlanmadığı konusunda da endişe duyuyor.
- Bilgi işlem güç kaynağı ve talep tarafları için iyi hizmet araçları sağlar: IO Cloud, IO Worker ve IO Explorer dahil.
- Çekirdek teknolojisi: IO-SDK çok katmanlı mimari. Dağıtılmış bilgi işlem görevlerinin paralel çalıştırılması sorununu çözün. Önemli makine öğrenimi çerçeveleriyle iyi çalışarak Io.net'in çeşitli bilgi işlem ihtiyaçlarını esnek ve verimli bir şekilde karşılamasına olanak tanır.
- Gizlilik Koruması: Ters tünelleme teknolojisini ve örgü VPN mimarisini kullanır. Ters tünelleme teknolojisi, mühendislerin karmaşık yapılandırma olmadan uzaktan erişim için güvenlik duvarlarını ve NAT'ları atlamasına olanak tanır. Tüm bunlar iletişimin korunmasını ve veri gizliliğinin korunmasını sağlarken. Mesh VPN mimarisi, düğüm hatalarına karşı dayanıklılık, ölçeklenebilirlik, azaltılmış gecikme süresi ve daha iyi trafik dağıtımı sağlayabilir.
Web3 alanında halihazırda pek çok bilgi işlem pazarı mevcut olup, ünlü olanlar arasında Akash, Render, Nosana, Clore.ai, Golem, Inferx, Kuzco, Aioz, Fluence Labs ve GPU.NET vb. yer almaktadır.
- Projeler hizmet içeriği segmentlerinde farklılık göstermektedir. Örneğin Akash, kullanıcılara GPU dağıtımı, kiralama ve yapay zeka modeli eğitimi gibi hizmetler sağlayan eşler arası bir bulut hizmeti pazarıdır. Render, merkezi olmayan bir GPU oluşturma çözümü sağlayıcısıdır.
- Projenin kamuya açık verilerinin analizine göre, Akash ve Clore.ai'nin arz tarafında çok iyi bir performansa sahip olduğu görülüyor. Bunlar arasında Akash'ın GPU sayısı 382'ye, CPU sayısı 20,89 bine, CPU kiralama oranı %33'e, GPU kiralama oranı %26'ya, Clore.ai'nin GPU sayısı 19.590'a, kiralama oranı ise %33'e ulaştı. oranı %71 oldu.
- Ağ ücretleri açısından Akash'ın 24 saatlik ücreti (2,73 bin dolar) io.net'ten pek farklı değil.
- Çoğu proje henüz başlangıç aşamasında ve test ağı aşamasındadır ve io.net'in gücünden hâlâ biraz uzaktadır. Ancak bu yeni projeler hızla gelişiyor ve sürekli dikkat gerektiriyor. Örneğin Kuzco'nun 1.400 çevrimiçi çalışan node'u ve tek kart kullanım oranı %90'dır.
- Dağıtılmış bilgi işlem gücü/bilgi işlem gücü platformu anlatılarının umut verici olmasının dört ana nedeni vardır: (1) Dağıtılmış yapay zeka hesaplamanın, bilgi işlem gücü sağlamak için daha fazla erişilebilirlik ve daha düşük fiyatlandırma dahil olmak üzere, merkezi bilgi işlem gücünden farklı avantajları vardır. Sıkı GPU arz ve talebi ve düzenleyici genişleme de dahil olmak üzere; (3) Proje token fiyatları, özellikle boğa piyasasında teşvik edicidir; (4) Sıradan kullanıcılar için katılım eşiği düşürülmüştür ve AI temettüleri yalnızca büyük şirketlere özel değildir ve kurumlar.
- Dağıtılmış bilgi işlem gücü temel olarak üç büyük zorlukla karşı karşıyadır: teknoloji, talep ve denetim. Teknik zorluklar arasında iş doğrulama sorunları, paralelleştirme sorunları ve gizliliğin korunması sorunları yer alıyor.
- io.net popülerliğini sürdürüyor ve bir sonraki filecoin olarak adlandırılıyor çünkü 24 yıllık üç boğa piyasası salgını konsepti olan solana ekolojisi + ai + depin'i üst üste getiriyor. Teknik açıdan bakıldığında, dağıtılmış bilgi işlem gücünün teknik zorluklarını çözmek amacıyla, güvenli bağlantıları ve veri gizliliğini çözmek için çekirdek teknolojisi IO-SDK'nın katmanlı mimarisinin yanı sıra ters tünel teknolojisi ve örgü VPN mimarisini piyasaya sürdü. sorunlar. Ürünler açısından, bilgi işlem güç kaynağı ve talep tarafı için IO Cloud, IO Worker ve IO Explorer dahil olmak üzere zengin hizmet ürünleri sağlar.
- Pratik uygulamalar açısından io.net, diğer dağıtılmış bilgi işlem güç platformlarından üstündür: (1) Hem çip donanımı sayısı hem de sahip olduğu çevrimiçi hız, diğer ağları çok aşmaktadır ve halihazırda en büyük dağıtılmış GPU bilgi işlem güç kanalıdır. . tedarik ağı. (2) Gerçekleştirilen hesaplama görevlerinin toplam miktarı çok fazla değildir ve çiplerin çoğu çevrimiçi bekleme durumundadır. Bu, dağıtılmış bilgi işlem platformlarında yaygın bir sorundur.
- Bilgi işlem kaynakları kıtlaştıkça Io.net, AI ve ML ölçeklenebilirliği için kritik olan GPU/CPU gücü kiralama maliyetini azaltmayı hedefliyor. Bilgi işlem gücüne olan talep arttı, ancak arz bu tempoyu koruyamadı; bu da io.net gibi dağıtılmış bilgi işlem gücü projelerinin büyük umutlara sahip olacağını gösteriyor.
- io.net'i etkileyen olumsuz faktörler şunlardır: (1) Bilgi işlem gücü platformları arasında yoğun rekabet, birçok proje türü ve kısmen örtüşen hizmet içerikleri; (2) Merkezi olmayan kümelerin büyük ölçekli oluşturulması ve yönetiminin karmaşıklığı, önemli teknik zorluklar içerir; 3) Talep tarafı hâlâ yetersiz ve yaygın biçimde benimsenmesi hâlâ başlangıç aşamasında. Yapay zeka girişimlerinin, geliştiricilerin ve GPU satıcılarının beklenenden daha yavaş benimsenmesi büyümeyi sınırlayabilir; (4) düzenleyici riskler ve (5) ikili token mekanizmasının getirdiği karmaşıklık;
Tüm Yorumlar