jakiro
IO.NETは、IO Researchによって開発された分散型AIコンピューティングプラットフォームであり、最新の資金調達でFDVの評価で10億米ドルに達しました。
IO.NETは今年3月にハックVCのリードの下で3000万ドルの融資を完了するように発表しました。その他の参加。
IO.NETは、AIおよび機械学習会社のGPUリソースの集約に焦点を当てており、低コストでより速い配送時間でサービスを提供することに取り組んでいます。昨年11月に発売されて以来、IO.NETは25,000以上のGPUに成長し、人工知能および機械学習会社の40,000以上の計算時間を処理しています。
IO.NETのビジョンは、世界中のAIおよび機械学習チーム/企業のためのグローバルな中央AIコンピューティングネットワークと機械学習チームと強力なGPUリソースの間にエコシステムを構築することです。
このエコシステムでは、AIコンピューティングリソースが商業化され、需要と供給の当事者はリソースがないためにもはや気になりません。将来的には、IO.NETは、サーバーの推論、クラウドゲーム、ピクセルフローなどのIOモデルストアや高度な推論機能へのアクセスも提供します。
ビジネスの背景
IO.NETのビジネスロジックを導入する前に、最初に2つの次元からの分散型コンピューティングパワーのトラックを理解する必要があります。1つはAIコンピューティングの開発プロセスであり、もう1つの緯度は、過去に分散化されたコンピューティングパワーの同じ使用を理解することです。 。 場合。
AIコンピューティングの開発プロセス
いくつかの重要な時点からのこのAIコンピューティングの開発軌跡を描くことができます。
1。機械学習の初期段階（1980年代 – アーリー2000年代）
この期間中、機械学習方法は、主に意思決定ツリー、サポートベクターマシン（SVM）などの比較的単純なモデルに集中しています。これらのモデルのコンピューティング要件は比較的低く、当時のパーソナルコンピューターまたは小さなサーバーで動作することができます。データセットは比較的小さく、機能エンジニアリングとモデルの選択が重要なタスクです。
時点：1980年代から2000年初頭まで
コンピューティング電力要件：比較的低いパーソナルコンピューターまたは小さなサーバーがニーズを満たすことができます。
ハードウェアの計算：CPUはコンピューティングリソースを支配します。
第二に、ディープラーニングの台頭（2006年から）
2006年、深い学習の概念が再び導入され、この期間はヒントンらの研究によって特徴付けられました。その後、深いニューラルネットワーク、特に畳み込みニューラルネットワーク（CNN）および循環ニューラルネットワーク（RNN）の適用が成功し、この分野のブレークスルーがマークされました。この段階でのコンピューティングリソースの需要は、特に画像や音声などのビッグデータセットを処理する場合に大幅に増加しています。
時点：
The Imasnet Competition（2012）：この競争におけるAlexnetの勝利は、最初に画像認識の分野での深い学習の大きな可能性を示しています。
Alphago（2016）：Google DeepmindのAlphagoは、これまでのAIの能力を最も高くしています。
コンピューティング電力要件：複雑な深いニューラルネットワークをトレーニングするには、大幅に増加し、より強力なコンピューティングリソースが必要です。
計算ハードウェア：GPUは、並列処理においてCPUよりもはるかに優れているため、ディープラーニングトレーニングの重要なハードウェアになり始めます。
第三に、大規模な言語モデルの時代（2018年から現在）
Bert（2018）とGPTテクノロジー（2018年以降）の出現により、大きなモデルがAIトラックを支配し始めました。これらのモデルには通常、数十億から兆ドルのパラメーターがあり、コンピューティングリソースの需要は前例のないレベルに達しています。これらのモデルのトレーニングには、多数のGPUまたはより専門的なTPU、および大量の電力および冷却施設のサポートが必要です。
時点：2018年から現在。
コンピューティング電力要件：非常に高い、スケールを形成するには大量のGPUまたはTPUが必要であり、対応するインフラストラクチャサポートによって補足されます。
ハードウェアの計算：GPUとTPUに加えて、GoogleのTPU、NvidiaのA、Hシリーズなどの大規模な機械学習モデルに最適化された特別なハードウェアもあります。
過去30年間のAIの指数関数的な成長の観点から、初期の機械学習における需要は、コンピューティングの需要が増加していますハードウェアを数量からパフォーマンスまで計算することの大幅な改善が目撃されました。
この成長は、従来のデータセンターの規模の拡大とGPUなどのハードウェアパフォーマンスの改善に反映されているだけでなく、インターネットの巨人の間で戦いをするのに十分な投資のしきい値と寛大なリターン期待も反映しています。
従来の集中型GPUコンピューティングパワーセンターには、高価なハードウェア調達（GPU自体など）、データセンターの建設コスト、冷却システム、およびメンテナンス担当者のコストが必要です。
対照的に、IO.NETの分散型計算プラットフォームプロジェクトは、建物のコストの観点から明らかな利点があり、初期投資と運用コストを大幅に削減できます。
分散型GPUプロジェクトの既存の分散リソースの使用は、ハードウェアとインフラストラクチャの構築に集中する必要はありません。個人と企業は、アイドルGPUリソースのネットワークに貢献し、集中型調達のニーズを減らし、高性能コンピューティングリソースの展開を削減できます。
第二に、運用コストに関しては、従来のGPUクラスターを継続的に維持する必要があります。電気と冷却コストが必要です。分散型GPUプロジェクトは、分散リソースを使用してこれらのコストを各ノードと共有し、それにより単一の組織の運用負担を減らすことができます。
IO.NETドキュメントによると、IO.NETは、独立したデータセンター、暗号通貨鉱山労働者、およびファイルコインやレンダリングなどのその他のハードウェアネットワークからの集約により、運用コストを大幅に削減しました。Web3の経済的インセンティブ戦略と相まって、IO.NETには価格設定に大きな利点があります。
>
地方分権計算
歴史を振り返ると、過去にいくつかの分散化されたコンピューティングプロジェクトがありましたが、経済的なインセンティブがなくても、多くの参加者を引き付け、重要な結果を生み出しました。例えば：
folding@home：これは、スタンフォード大学によって開始されたプロジェクトです。それは、科学者が疾患のメカニズム、特にアルツハイマー病などの不適切なタンパク質に関連する疾患を理解するのを助けるために、分散計算を通じてタンパク質の折り畳みプロセスをシミュレートすることを目指しています。Covid-19の流行の間、Folding@Home Projectは大量のコンピューティングリソースを集めて、新しい冠状ウイルスの研究を支援しました。
BOINC（ネットワークコンピューティング用のバークレーオープンインフラスティック）**：これは、天文学、医学、気候科学、その他の多くの分野など、さまざまな種類のボランティアやグリッドコンピューティングアイテムをサポートするオープンソースソフトウェアプラットフォームです。ユーザーは、アイドル状態のコンピューティングリソースに貢献し、さまざまな科学研究プロジェクトに参加できます。
これらのプロジェクトは、分散化された計算の実現可能性を証明するだけでなく、分散化された計算の大きな開発の可能性を示しています。
未使用のコンピューティングリソースをあらゆる分野から動員することにより、Web3の経済モデルを革新的に革新すると、経済のより大きなコストメリットを達成することができます。Web3エクスペリエンスは、合理的なインセンティブメカニズムがユーザーによって引き付けられ、維持されていることを示しています。
インセンティブモデルを導入することにより、Win -Winコミュニティ環境を構築し、ビジネススケールの拡大をさらに促進し、サイクルの技術的進歩を促進できます。
したがって、IO.NETは、インセンティブメカニズムの導入を通じて広範な参加者を引き付けることができ、共同でコンピューティングに貢献し、強力な分散コンピューティングネットワークを形成できます。
Web3の経済モデルと分散化されたコンピューティングパワーの可能性は、IO.NETに強力な成長の勢いをもたらし、効率的なリソースの利用とコストの最適化を実現します。これは、技術革新を促進するだけでなく、参加者にも価値を提供します。これにより、IO.NETがAI分野での競争で際立っており、大きな開発の可能性と市場スペースが際立っています。
IO.NETテクノロジー
クラスタ
GPUクラスターは、ネットワークを介して複数のGPUを接続して共同コンピューティングクラスターを形成する複雑な計算を指します。
クラスターコンピューティングは、AIモデルのトレーニング速度を高速化するだけでなく、大規模なデータセットを処理する機能を高め、AIアプリケーションをより柔軟でスケーラブルにします。
従来のインターネットトレーニングAIモデルの過程で、大規模なGPUクラスターが必要です。ただし、このクラスターコンピューティングモードを分散化することを検討すると、一連の技術的課題が明らかになりました。
従来のインターネット企業のAIコンピューティングクラスターと分散化されたGPUクラスターコンピューティングと比較して、次のような問題に直面します。ノード間の速度は、全体的な計算効率に影響します。
さらに、各ノード間のデータの一貫性と実際の同期を維持する方法は、計算結果の精度を確保するためにも不可欠です。したがって、これには、効率的なデータ管理と同期メカニズムを開発するために、分散型コンピューティングプラットフォームが必要です。
また、コンピューティングタスクを効果的に完了できるように分散化されたコンピューティングリソースを管理および散乱する方法は、分散型クラスターの計算を解決する必要があることも問題です。
IO.NETは、RayとKubernetesを統合することにより、分散型クラスターコンピューティングプラットフォームを構築しました。
分散コンピューティングフレームワークとして、Rayは複数のノードでコンピューティングタスクを実行することに直接責任を負います。
Kubernetesは、このプロセスで重要な管理の役割を果たしています。コンテナアプリケーションの展開と管理を自動的に行い、コンピューティングリソースが需要に応じて動的に割り当てられ、調整されます。
このシステムでは、RayとKubernetesの組み合わせは、動的で弾力性のあるコンピューティング環境を実現します。Rayは、コンピューティングタスクを適切なノードで効率的に実行できることを保証し、Kubernetesはシステム全体の安定性とスケーラビリティを保証し、ノードの増加または除去を自動的に処理します。
この相乗効果により、IO.NETは、データ処理またはモデルトレーニングのいずれであっても、ユーザーの多様なニーズを満たすことができます。
このようにして、IO.NETはリソースの使用を最適化し、運用コストを削減するだけでなく、システムの柔軟性とユーザーの制御も改善します。ユーザーは、基礎となるリソースの特定の割り当てと管理の詳細を心配することなく、さまざまなスケールのコンピューティングタスクを簡単に展開および管理できます。
RayとKubernetesの強力な機能を備えたこの分散型コンピューティングモードは、複雑で大規模なコンピューティングタスクを処理するときに、IO.NETプラットフォームの効率と信頼性を確保します。
プライバシー
分散型クラスタータスクの展開ロジックは、マシンルームのクラスターロジックよりもはるかに複雑であり、ネットワーク内のデータとコンピューティングタスクの送信を考慮して、潜在的なセキュリティリスクを追加します。
IO.NETメッシュプライベートネットワークチャネルの分散型特性を使用することにより、ネットワークのセキュリティとプライバシーを改善します。このようなネットワークでは、中央の濃度ポイントまたはゲートウェイがないため、ネットワークに直面している単一のポイント障害のリスクが大幅に減少します。
データは、ネットワークネットワークの複数のパスに沿って送信されます。この設計は、データソースまたは宛先を追跡することの難しさを高め、ユーザーの匿名性を強化します。
さらに、データパケットの充填や時間の混乱（トラフィックの難読化）などのテクノロジーを採用することにより、ネットワークVPNネットワークはデータフローをさらに曖昧にすることができ、盗聴者がトラフィックモードを分析したり、特定のユーザーまたはデータストリームを特定したりすることが困難になります。
IO.NETのプライバシーメカニズムは、複雑で可変のデータ送信環境を共同で構築し、外部のオブザーバーが有用な情報をキャプチャすることを困難にするため、プライバシーの問題を効果的に解決できます。
同時に、分散構造は、すべてのデータが単一のポイントを流れるリスクを回避します。同時に、マルチパス送信とトラフィックの混乱戦略により、ユーザーのデータ送信が追加の保護のレイヤーを提供し、IO.NETネットワークの全体的なプライバシーを強化しました。
経済モデル
IOは、IO.NETネットワークのネイティブ暗号通貨とプロトコルであり、エコシステムの2つの主要なエンティティのニーズを満たすことができます：AIスタートアップと開発者、およびコンピューティングパワープロバイダー。
AIのスタートアップと開発者の場合、IOはクラスター展開の支払いプロセスを簡素化します。これは、より便利です。IO.NETに展開された各モデルは、小さなIO通貨取引を通じて推測する必要があります。
サプライヤー、特にGPUリソースのプロバイダーの場合、IOコインはリソースがかなり返されることを保証します。GPUが賃貸されたときのGPUの直接返還、または自由時間に推測するネットワークモデルからの受動的収入に関係なく、IOコインはGPUの各貢献に対して報酬を提供します。
IO.NETエコシステムでは、IO通貨は支払いとインセンティブの媒体であるだけでなく、ガバナンスの鍵でもあります。これにより、モデル開発、トレーニング、展開、アプリケーション開発の各リンクがより透明で効率的になり、参加者間の相互利益と勝利の状況を確保します。
このようにして、IOコインはエコシステムの参加と貢献に影響を与えただけでなく、AIスタートアップとエンジニアに包括的なサポートプラットフォームを提供し、AIテクノロジーの開発と適用を促進しました。
IO.NETは、エコシステム全体を前進させることができるように、インセンティブモデルに懸命に取り組んできました。IO.NETの目標は、各GPUカードの米ドルで表される直接時間レートを確立することです。これには、明確で公正かつ分散化されたGPU/CPUリソースの価格設定メカニズムが必要です。
二国間市場として、動機付けモデルの核となる鍵は2つの主要な課題を解決することです。一方で、GPU/CPUをレンタルするコンピューティング能力を削減する高コストは、AIおよびMLコンピューティングのニーズを拡大するための重要な指標です。一方、GPUクラウドで解決する電力。サービスプロバイダーのGPUノードの不足。
したがって、設計原則の観点から、需要のニーズには、競合他社の価格設定と可用性が含まれ、市場で競争力のある魅力的な選択を提供し、ピーク時の価格とリソースの緊張を調整します。
コンピューティング電源の観点から、IO.NETは、ゲーマーと暗号化されたGPUマイナーの2つの主要市場に焦点を当てています。ゲームプレーヤーは、高エンドのハードウェアと高速インターネット接続を持っていますが、通常、GPUのGPUマイナーは1つのGPUリソースを持っていますが、インターネット接続速度とストレージスペースの制限に直面する可能性があります。
したがって、コンピューティングパワー価格モデルには、ハードウェアのパフォーマンス、インターネット帯域幅、競合他社の価格設定、供給の可用性、ピーク時調整、コミットメント価格設定、場所の違いなどの多次元要因が含まれます。さらに、他の作業証明のためにハードウェアの最高の利益を考慮する必要があります。
将来的には、IO.NETはさらに、完全に分散化された価格設定ソリューションのセットを提供し、Minersのハードウェア用のSpeedTest.NETと同様のベンチマークテストツールを作成して、完全に分散型、公正で透明な市場を作成します。
参加方法
io.netはイグニッションイベントを開始しました、これはIO.NETコミュニティインセンティブプランの最初の段階です目的は、IOネットワークの成長を加速することです。
合計で計画されています三つ報酬プール、それらは完全に独立しています。
-
労働者報酬（GPU）
-
ギャラクシーミッション報酬
-
不一致のキャラクター報酬（エアドロップ層の役割）
これ三つ報酬プールは完全に独立しています。
GPUノード報酬
アクセス可能なノードの場合、エアドロップポイントは、2023年11月4日から4月25日、2024年に計算されます。イグニッションアクティビティの終わりに、ユーザーが獲得したエアドロップポイントは、エアドロップ報酬に変換されます。
エアドロップスタブの4つの側面を考慮してください。
A.ジョブハウス-RJDの比率）2023年11月4日からイベントの終わりまで、雇われた合計時間はでした。
B.帯域幅-BW）帯域幅範囲の範囲に基づいてノードの帯域幅の分類：
低速：速度100MB/秒をダウンロードし、速度75MB/秒をアップロードします。
中速：速度400MB/秒をダウンロードし、速度300MB/秒をアップロードします。
高速：速度800MB/秒をダウンロードします。
GPUモデル（GPUモデル-GM）は、GPUモデルに従って決定されます。
D. 2023年11月4日からイベントの終了までの成功した運用の完全な運用の合計成功した運用の成功の時間（Uptime -UT）。
2024年4月1日頃に、航空投資ポイントがユーザーが利用できると予想されることは注目に値します。
Galaxy Mission Reward（Galxe）
Galaxyタスク接続アドレスhttps://galxe.com/io.net/campaign/gcd5ot4oxpat
不一致の役割報酬
報酬はIO.NETコミュニティ管理チームによって監督され、ユーザーがDiscordで正しいSolanaウォレットアドレスを提出する必要があります。
対応するエアドロップ層のロールレベルを取得するために、貢献、アクティビティ、コンテンツの作成などの程度に従って他のアクティビティに参加します。
要約します
一般に、IO.NETおよび同様の分散型AIコンピューティングプラットフォームは、AIコンピューティングの新しい章を開きますが、技術的な複雑さ、ネットワークの安定性、データセキュリティの課題にも直面しています。しかし、IO.NETにはAIビジネスモデルを完全に変更する可能性があります。これらのテクノロジーの成熟度とコンピューティングパワーコミュニティの拡大により、AIコンピューティングパワーが分散型AIの革新と普及を促進する重要な力になる可能性があると考えられています。
