jakiro
IO.NET es una plataforma de computación de IA descentralizada desarrollada por IO Research, que ha alcanzado los US $ 1 mil millones en valoración de FDV en su última ronda de financiamiento.
IO.NET anunció en marzo de este año para completar una ronda de financiamiento de $ 30 millones bajo el liderazgo de Hack VC, incluidos Mulicoin Capital, 6th Man Ventures, Solana Ventures, Aptos Labs, Delphi Digital, Sandbo X y Sandbox’s Sebastian Borget y otra participación.
IO.NET se enfoca en agregar recursos de GPU para compañías de IA y aprendizaje automático, y se compromete a proporcionar servicios a un costo más bajo y un tiempo de entrega más rápido.Desde su lanzamiento en noviembre del año pasado, IO.NET ha crecido a más de 25,000 GPU, y ha manejado más de 40,000 horas de cálculo para empresas de inteligencia artificial y aprendizaje automático.
La visión de io.net es construir un ecosistema entre una red global de computación de IA de Central para equipos/empresas de AI y aprendizaje automático y poderosos recursos de GPU en todo el mundo.
En este ecosistema, los recursos informáticos de IA se comercializan, y las partes de la oferta y la demanda ya no se molestarán debido a que no hay recursos.En el futuro, IO.NET también proporcionará acceso a las tiendas de modelos IO y las funciones de razonamiento avanzado, como el razonamiento del servidor, el juego en la nube y el flujo de píxeles.
Antecedentes comerciales
Antes de introducir la lógica comercial de io.net, primero debemos comprender la pista de la potencia informática descentralizada de dos dimensiones: uno es el proceso de desarrollo de la computación de IA, y la otra latitud es comprender el mismo uso de la potencia informática descentralizada en el pasado . Caso.
Podemos representar la trayectoria de desarrollo de esta computación de IA desde varios puntos de tiempo críticos:
1. Etapa temprana del aprendizaje automático (1980 -Early 2000)
Durante este período, los métodos de aprendizaje automático se concentran principalmente en modelos relativamente simples, como árboles de decisión, Máquinas de vectores de soporte (SVM).Los requisitos informáticos de estos modelos son relativamente bajos y pueden operarse en computadoras personales o servidores pequeños en ese momento.El conjunto de datos es relativamente pequeño, y la ingeniería de funciones y la selección de modelos son tareas clave.
Punto de tiempo: desde la década de 1980 hasta principios de 2000
Requisitos de potencia informática: las computadoras personales relativamente bajas o los servidores pequeños pueden satisfacer las necesidades.
Calcule el hardware: la CPU domina los recursos informáticos.
Segundo, The Rise of Deep Learning (2006-Recent)
En 2006, el concepto de aprendizaje profundo se introdujo nuevamente, y este período estuvo marcado por la investigación de Hinton et al.Posteriormente, la aplicación exitosa de redes neuronales profundas, especialmente la red neuronal convolucional (CNN) y la red neuronal circulante (RNN) marcó el avance en este campo.La demanda de recursos informáticos en esta etapa ha aumentado significativamente, especialmente cuando procesa conjuntos de big data como imágenes y voz.
Punto de tiempo:
The ImagNet Competition (2012): La victoria de Alexnet en esta competencia es un evento icónico en la historia del aprendizaje profundo.
Alphago (2016): El Alphago de Google Deepmind derrotó al campeón mundial Li Shishi.
Requisitos de potencia informática: se requieren recursos informáticos más potentes aumentados significativamente para entrenar redes neuronales profundas complejas.
Hardware de cálculo: las GPU comienzan a convertirse en hardware clave para el entrenamiento de aprendizaje profundo, porque son mucho mejores que las CPU en el procesamiento paralelo.
Tercero, la era de los modelos de idiomas a gran escala (2018 hasta el presente)
Con la aparición de Bert (2018) y la tecnología GPT (después de 2018), los grandes modelos comenzaron a dominar la pista de IA.Estos modelos generalmente tienen miles de millones de parámetros de billones de dólares, y la demanda de recursos informáticos ha alcanzado niveles sin precedentes.La capacitación de estos modelos requiere una gran cantidad de GPU o más TPU profesionales, y una gran cantidad de compatibilidad con electricidad y instalaciones de enfriamiento.
Punto de tiempo: 2018 al presente.
Requisitos de potencia informática: extremadamente alta, se requiere una gran cantidad de GPU o TPU para formar una escala y complementado por el soporte de infraestructura correspondiente.
Hardware de cálculo: además de GPU y TPU, también hay hardware especial optimizado para grandes modelos de aprendizaje automático, como la TPU de Google, la serie A y H de NVIDIA, etc.
Desde la perspectiva del crecimiento exponencial de la IA en los últimos 30 años, la demanda de energía informática en el aprendizaje automático temprano tiene una menor demanda de poder informático.Hemos sido testigos de la mejora significativa de calcular el hardware de la cantidad al rendimiento.
Este crecimiento no solo se refleja en la expansión de la escala de los centros de datos tradicionales y la mejora del rendimiento del hardware, como la GPU, sino que también refleja el alto umbral de inversión y las generosas expectativas de retorno, lo que es suficiente para luchar entre los gigantes de Internet.
El tradicional centro de alimentación informática de GPU centralizado requiere costosas adquisiciones de hardware (como GPU en sí), el costo de construcción o arrendamiento del centro de datos, el sistema de enfriamiento y el costo del personal de mantenimiento.
En contraste, el proyecto de plataforma de cálculo descentralizado de IO.NET tiene ventajas obvias en términos de costos de construcción, lo que puede reducir significativamente los costos de inversión y operación.
El uso de los recursos distribuidos existentes del proyecto de GPU descentralizado no necesita concentrarse en la construcción de hardware e infraestructura.Las personas y las empresas pueden contribuir a la red de recursos de GPU inactivos, reduciendo las necesidades de adquisiciones centralizadas y el despliegue de recursos informáticos de alto rendimiento.
En segundo lugar, en términos de costos operativos, el clúster de GPU tradicional debe mantener continuamente, la electricidad y los costos de enfriamiento.El proyecto de GPU descentralizado puede compartir estos costos en cada nodo mediante el uso de recursos distribuidos, reduciendo así la carga operativa de una sola organización.
Según los documentos IO.NET, IO.NET ha reducido en gran medida los costos operativos a través de la agregación de centros de datos independientes, mineros de criptomonedas y otras redes de hardware como Filecoin y Render.Junto con la estrategia de incentivos económicos de la Web3, IO.NET tiene grandes ventajas en los precios.
>
Mirando hacia atrás en la historia, de hecho, hubo algunos proyectos informáticos descentralizados en el pasado lograron un éxito significativo.Por ejemplo:
Plegable@home: este es un proyecto iniciado por la Universidad de Stanford.Durante la epidemia de Covid-19, el proyecto Folding@Home reunió una gran cantidad de recursos informáticos para ayudar a estudiar el nuevo virus coronal.
Boinc (Berkeley Open Infrastic para la informática de la red) **: Esta es una plataforma de software de código abierto que admite varios tipos de voluntarios y elementos de computación de la red, incluidas astronomía, medicina, ciencia climática y muchos otros campos.Los usuarios pueden contribuir con recursos informáticos inactivos y participar en varios proyectos de investigación científica.
Estos proyectos no solo prueban la viabilidad del cálculo descentralizado, sino que también muestran el enorme potencial de desarrollo de los cálculos descentralizados.
Al movilizar los recursos informáticos no utilizados de todos los ámbitos de la vida, puede mejorar significativamente el poder informático.La experiencia de Web3 muestra que los usuarios atraen y mantienen un mecanismo de incentivos razonable.
Al introducir el modelo de incentivos, puede construir un entorno comunitario ganador de Win, que puede promover aún más la expansión de la escala comercial y promover el progreso tecnológico en el ciclo.
Por lo tanto, io.net puede atraer a los participantes generalizados a través de la introducción de mecanismos de incentivos, contribuir conjuntamente y formar una fuerte red de informática descentralizada.
El modelo económico de Web3 y el potencial de potencia informática descentralizada proporcionan un fuerte impulso de crecimiento para io.net, y logran una utilización eficiente de recursos y optimización de costos.Esto no solo promueve la innovación tecnológica, sino que también proporciona valor para los participantes, lo que puede hacer que IO.NET se destaque en la competencia en el campo de IA, con un gran potencial de desarrollo y espacio de mercado.
Tecnología io.net
El clúster de GPU se refiere a cálculos complejos que conectan múltiples GPU a través de la red para formar un clúster informático colaborativo.
La computación de clúster no solo acelera la velocidad de entrenamiento del modelo AI, sino que también mejora la capacidad de procesar conjuntos de datos a gran escala, haciendo que las aplicaciones de IA sean más flexibles y escalables.
En el proceso de los modelos tradicionales de IA de capacitación en Internet, se necesitan grupos de GPU a gran escala.Sin embargo, cuando consideramos convertir este modo de computación de clúster en descentralización, surgió una serie de desafíos técnicos.
En comparación con el clúster de computación de IA de la compañía tradicional de Internet y la computación descentralizada del clúster de GPU, se enfrentarán más problemas, tales como: los nodos pueden propagarse en diferentes ubicaciones geográficas, lo que brinda limitaciones de retraso de red y ancho de banda, lo que puede afectar la sincronización de la sincronización La velocidad entre los nodos afecta la eficiencia general de cálculo.
Además, cómo mantener la consistencia y la sincronización de tiempo real de los datos entre cada nodo también es esencial para garantizar la precisión de los resultados del cálculo.Por lo tanto, esto requiere que la plataforma de computación descentralizada desarrolle mecanismos eficientes de gestión de datos y sincronización.
Y cómo administrar y dispersar los recursos informáticos descentralizados para garantizar que las tareas informáticas se puedan completar de manera efectiva, también es un problema que el cálculo descentralizado del clúster debe resolverse.
Io.net ha creado una plataforma de computación de clúster descentralizada integrando Ray y Kubernetes.
Como un marco informático distribuido, Ray es directamente responsable de realizar tareas informáticas en múltiples nodos.
Kubernetes juega un papel de gestión clave en este proceso.
En este sistema, la combinación de Ray y Kubernetes se da cuenta de un entorno informático dinámico y elástico.Ray asegura que la tarea de computación se pueda ejecutar de manera eficiente en los nodos apropiados, mientras que Kubernetes garantiza la estabilidad y escalabilidad de todo el sistema, y manejar automáticamente el aumento o eliminación del nodo.
Esta sinergia permite a IO.NET proporcionar servicios informáticos coherentes y confiables en entornos descentralizados.
De esta manera, IO.NET no solo optimiza el uso de recursos, reduce el costo operativo, sino que también mejora la flexibilidad del sistema y el control de los usuarios.Los usuarios pueden implementar y administrar fácilmente tareas informáticas de varias escala sin preocuparse por la asignación específica y los detalles de gestión de los recursos subyacentes.
Este modo de computación descentralizado, con las potentes características de Ray y Kubernetes, garantiza la eficiencia y confiabilidad de la plataforma IO.NET al procesar tareas informáticas a gran escala.
Debido a que la lógica de implementación de la tarea de clúster descentralizada es mucho más complicada que la lógica del clúster en la sala de máquinas, y en vista de la transmisión de datos y tareas de computación en la red, agregue riesgos de seguridad potenciales.
Io.net mejora la seguridad y la privacidad de la red utilizando las características de descentralización del canal de red privada de malla.En dicha red, debido a que no hay un punto de concentración central o una puerta de enlace, el riesgo de fallas de un solo punto que enfrenta la red se reduce significativamente.
Los datos se transmiten a lo largo de múltiples rutas en la red de red.
Además, al adoptar tecnologías como el llenado de paquetes de datos y la confusión de tiempo (ofuscación del tráfico), la red VPN de la red puede desdibujar aún más el flujo de datos, lo que dificulta que los espías de espías analicen el modo de tráfico o identifiquen usuarios o flujos de datos específicos.
El mecanismo de privacidad de IO.NET puede resolver efectivamente problemas de privacidad porque construyen conjuntamente un entorno de transmisión de datos complejo y variable, lo que dificulta que el observador externo capture información útil.
Al mismo tiempo, la estructura descentralizada evita el riesgo de que todos los datos fluyan a través de un solo punto.Al mismo tiempo, la transmisión múltiple y la estrategia de confusión del tráfico proporcionaron conjuntamente una capa de protección adicional para la transmisión de datos del usuario, lo que mejoró la privacidad general de la red IO.NET.
Modelo económico
IO es la criptomoneda nativa y el protocolo para la red IO.NET, que puede satisfacer las necesidades de las dos entidades principales en el ecosistema: startups y desarrolladores de IA, así como proveedores de energía informática.
Para las nuevas empresas de IA y los desarrolladores, IO simplifica el proceso de pago de la implementación del clúster, que es más conveniente;Cada modelo implementado en io.net debe inferirse a través de pequeñas transacciones de divisas IO.
Para los proveedores, especialmente para los proveedores de recursos de GPU, las monedas IO aseguran que sus recursos hayan sido devueltos.Independientemente del rendimiento directo de la GPU cuando se alquila la GPU o el ingreso pasivo del modelo de red para inferir en el tiempo libre, la moneda IO proporciona una recompensa por cada contribución de la GPU.
En el ecosistema IO.NET, la moneda IO no es solo un medio para el pago e incentivos, sino también la clave para la gobernanza.Hace que cada enlace de desarrollo de modelos, capacitación, implementación y desarrollo de aplicaciones sea más transparente y eficiente, y garantiza la situación mutua de beneficio y ganancia entre los participantes.
De esta manera, IO monedas no solo inspiraron la participación y contribución del ecosistema, sino que también proporcionó una plataforma de soporte integral para las nuevas empresas e ingenieros de IA, promoviendo el desarrollo y la aplicación de la tecnología de IA.
IO.NET ha trabajado duro en el modelo de incentivos para garantizar que todo el ecosistema pueda circularse hacia adelante.El objetivo de io.net es establecer una tarifa de hora directa expresada en el dólar estadounidense por cada tarjeta de GPU.Esto requiere un mecanismo de precios de recursos GPU/CPU claro, justo y descentralizado.
Como mercado bilateral, la clave central para motivar modelos es resolver los dos desafíos principales: por un lado, el alto costo de reducir la potencia informática de alquilar GPU/CPU es el indicador clave para expandir las necesidades de AI y ML Computing. poder;
Por lo tanto, en términos de principios de diseño, las necesidades de demanda incluyen el precio y la disponibilidad de competidores, para proporcionar opciones competitivas y atractivas en el mercado, y ajustar los precios durante las horas pico y la tensión de los recursos.
En términos de la fuente de alimentación informática, IO.NET se centra en dos mercados clave: jugadores y mineros de GPU cifrados.Los reproductores de juegos tienen hardware de alta gama y conexiones rápidas a Internet, pero generalmente solo tienen una tarjeta de GPU;
Por lo tanto, los modelos informáticos de precios de energía incluyen factores multi -dimensionales, como el rendimiento de hardware, el ancho de banda de Internet, los precios de los competidores, la disponibilidad de suministro, el ajuste de tiempo máximo, los precios de compromiso y las diferencias de lugares.Además, es necesario considerar las mejores ganancias de hardware para otras pruebas laborales.
En el futuro, IO.NET dará un conjunto de soluciones de precios completamente descentralizadas y creará una herramienta de prueba de referencia similar a SpeedTest.net para que el hardware de los mineros cree un mercado completamente descentralizado, justo y transparente.
Método de participación
Io.net lanzó el evento de encendido,Esta es la primera etapa del Plan de Incentivos de la Comunidad IO.NETEl propósito es acelerar el crecimiento de la red IO.
Planeado en totalTresPiscinas de recompensa, son completamente independientes.
-
Recompensa de trabajadores (GPU)
-
Recompensa de la misión de Galaxy
-
Recompensa del personaje de discordia (papel de nivel Airdrop)
esteTresLos grupos de recompensas son completamente independientes.
Para los nodos que se han accesibles, los puntos de AirDrop se calculan a partir del 4 de noviembre de 2023-25 de abril de 2024.Al final de la actividad de encendido, los puntos de AirDrop ganados por el usuario se convertirán en una recompensa aérea.
Considerando cuatro aspectos de los talones de airdrop:
A. Ratio de Job House -RJD) Desde el 4 de noviembre de 2023 hasta el final del evento, el tiempo total de contratado fue.
B. ancho de banda -bw) Clasificación del ancho de banda del nodo basado en el rango de la gama de ancho de banda:
Velocidad baja: velocidad de descarga de 100 MB/por segundo, velocidad de carga de 75 MB/por segundo.
Velocidad media: velocidad de descarga de 400 MB/por segundo, velocidad de carga de 300 MB/por segundo.
Alta velocidad: velocidad de descarga 800mb/por segundo.
El modelo GPU (modelo GPU) se determinará de acuerdo con el modelo de GPU.
D. El tiempo para la operación exitosa (tiempo de actividad) desde el 4 de noviembre de 2023 hasta la operación exitosa total de la operación exitosa desde el trabajador hasta el final del evento.
Vale la pena señalar que se espera que los puntos de inversión aérea estén disponibles para los usuarios alrededor del 1 de abril de 2024.
Dirección de conexión de Tarea de Galaxy https://galxe.com/io.net/campaign/gcd5ot4oxpat
La recompensa será supervisada por el equipo de gestión comunitaria IO.NET y requiere que los usuarios envíen la dirección correcta de la billetera Solana en Discord.
Participará en otras actividades de acuerdo con el grado de contribución, actividad, creación de contenido, etc. para obtener el nivel de rol de nivel aéreo correspondiente.
Resumir
En general, IO.NET y plataformas de computación de IA descentralizadas similares están abriendo un nuevo capítulo en informática de IA, aunque también enfrentan complejidad técnica, estabilidad de la red y desafíos de seguridad de datos.Pero IO.NET tiene el potencial de cambiar completamente el modelo de negocio AI.Se cree que con la madurez de estas tecnologías y la expansión de las comunidades de energía informática, el poder informático descentralizado de IA puede convertirse en una fuerza clave para promover la innovación y la popularización de la IA.
