作者：LFG Labs
原文发布时间：2024年6月3日
原文链接：https://www.chaincatcher.com/article/2127297

如果说 io.net 的核心底色，是“草根”，你会怎么看？
融资 3000 万美元，获 Hack VC、Multicoin Capital、Delphi Digital、Solana Lab 等顶级资本青眼，怎么看都不是那么“接地气”，尤其是迭加 GPU 算力/AI 革命的标签，无一不是高大上的代名词。
然而，喧嚣的社区议论之下，关键的线索往往被忽视，尤其是 io.net 可能给全球算力网络带来的深刻变革——不同于 AWS、Azure、GCP 的“精英化”定位，io.net 本质上是在走平民化路线：
错位补充被忽视的“腰部+长尾”算力需求，聚集闲置的 GPU 资源，打造一个企业级、去中心化的分布式计算网络，将更多增量/存量算力资源赋能更为广泛的中小型用户的 AI 创新，用低成本、高弹性实现全球 AI 创新的“生产力再解放“。
AI 浪潮背后，被忽视的算力生产关系潜流
什么是本轮 AI 浪潮及未来数字经济时代的核心生产力资源？
毫无疑问，算力。
根据 Precedence Research 的数据显示，全球人工智能硬件市场预计将以 24.3% 的复合年增长率（CAGR）增长，到 2033 年将超过 4,735.3 亿美元。
即便抛开预测数据，从增量和存量的逻辑角度展望，我们也可以明眼可见地发现，未来算力市场发展过程中，注定将长期存在两个主要矛盾：
增量维度，呈指数级趋势的算力需求侧增长，注定远大于呈线性趋势的算力供给侧增长；存量维度，头部效应之下算力被“掐尖”，腰部和长尾玩家无米下炊，但大量分布式 GPU 资源又被闲置，供需双边严重错配；
增量维度：算力需求远大于供给
首先是增量维度，除了 AIGC 大模型的极速膨胀之外，医疗、教育、智能驾驶等无数处于爆发初期的 AI 场景都在快速铺开，这无一不需要海量的计算资源，因此当下市场对 GPU 算力资源的缺口不仅将持续存在，甚至还在不断扩大。
也就是说，从供需角度看的话，在可预见的未来，市场对算力的需求一定是远远大于供给，且需求曲线在短期内还是呈现指数级上升的趋势。
而供给侧则由于受限于物理规律和现实生产因素，无论是制程工艺提升还是大规模建厂扩产能，至多都只能实现线性增长，这也就注定了 AI 发展的算力瓶颈会长期存在。
存量维度：腰部和长尾玩家的供需严重错配
与此同时，在算力资源有限且面临严重增长瓶颈的情况下，亚马逊云科技（AWS）、微软 Azure、谷歌云平台（GCP）三家就合计占据了六成以上的云计算份额，处于明显的卖方市场。
它们囤积高性能 GPU 芯片，垄断大量算力资源，而腰部和长尾的中小算力需求方不仅没有议价权，还不得不面临高资金成本、KYC 进入门槛、租赁霸王条款等诸多问题，此外传统云服务巨头出于收益比考量，也难免忽视“腰部+长尾”用户的差异化业务诉求（譬如时间更短、更即时、体量更小的租赁需求等等）。
但实际上，在云服务巨头的算力网络之外，大量 GPU 算力却闲置无用，譬如全球还有数十万家第三方独立互联网数据中心（IDC）训练任务小出现资源浪费，甚至包括加密矿场和 Filecoin、Render、Aethir 等加密项目的海量算力闲置。
据 io.net 官方估算，目前仅美国一地的 IDC 显卡闲置率就高达 60% 以上，这就产生了一个颇具讽刺意味的供需错配悖论：数以万计的中小型数据中心、加密矿场等运营商的过半算力资源被日常浪费，无法带来有效营收，但腰部和长尾的 AI 创业者却又在忍受高成本、高门槛的云巨头算力服务，甚至更多样化的创新需求无法得到满足。
旱的旱死，涝的涝死，明确了这两个基本前提，其实我们就能一看看出目前全球 AI 发展合全球算力市场的核心矛盾所在——一方面 AI 创新遍地，算力需求不断膨胀，另一方面，一众“腰部+长尾”的算力需求和闲置 GPU 资源却又无法被有效满足，游离在当前的算力市场之外。
这个问题不只是 AI 创业者日益增长的算力需求同落后的算力增长之间的矛盾，更是广大“腰部+长尾”AI 创业者、算力运营商和不平衡不充分的供需错配之间的矛盾，所以远超中心化云服务商的解决能力范畴。
正因如此，市场需要也在呼唤新解。试想一下，如果这些手握算力的运营商，可以灵活地选择在空闲时出租算力，是不是就可以以低成本获得一个和 AWS 类似的计算集群？
要知道新建一个如此大算力的数据网络是极其昂贵的，这就催生出了专门针对中尾部闲置算力资源、中小型 AI 创业者的算力撮合平台，以调动这些零散的闲置算力资源，与中小模型训练及大模型在医疗、法律、金融等细分场景进行专门撮合。
不仅能够满足中尾部的多元化算力需求，也将是对现有以中心化云巨头为主的算力服务格局的错位补充：
手握海量算力资源的云服务巨头负责大模型训练、高性能计算等“急难险重需求”；io.net 等去中心化云算力市场负责中小模型计算、大模型微调、推理部署等更多元化的“灵活低成本需求”；
其实就是提供一条更具包容性的成本效益和算力质量之间的动态平衡供需曲线，这也更符合市场优化资源配置的经济学逻辑。
故 io.net 等分布式算力网络本质上就是一个融合“AI+Crypto”的解决方案，即用分布式协作框架结合代币激励的基础经济手段，来满足潜力巨大但又处于被流放状态的中尾部 AI 市场需求，允许中小 AI 团队按需求定制化搭配和购买大云无法提供所需的 GPU 计算服务，实现全球算力市场与 AI 发展的“生产力再解放”。
所以说白了，io.net 并不是 AWS、Azure、GCP 的直接竞争对手，反而是与它们携手优化全球算力资源配置、共同做大市场蛋糕的“错位补充战友”，只是分管不同层级的“成本效益&算力质量”需求的战线罢了。
甚至不排除 io.net 通过聚合“腰部+长尾”的供需双边玩家，再造一个不亚于现有头部三家云巨头体量的市场份额。
io.net：面向全球 GPU 算力的撮合交易平台
正因为 io.net 是基于 Web3 分布式协作+代币激励来重塑中尾部算力市场的生产关系，所以我们其实可以在其中窥见 Uber、滴滴等共享经济的影子，即类似于 Uber、滴滴的面向 GPU 算力的撮合交易平台。
众所周知，在没有 Uber、滴滴之前，广泛意义上用户“即叫即有”的打车体验是不存在的，因为若干个私家车是一个庞大而又无序的闲置车辆网络，你要是想打车，只能在路边招手等待，或向每个城市对应的出租车中心公司申请调度，耗时、不确定性高，还属于卖方强势市场，对绝大部分普通人来说并不友好。
而这其实也是目前整个算力市场供需双方的真实写照，正如上文所言，腰部和长尾的中小算力需求方不仅没有议价权，还不得不面临高资金成本、KYC 进入门槛、租赁霸王条款等诸多问题。
那具体来看的话，io.net 究竟是如何实现“全球 GPU 算力集散地+撮合市场”的定位，或者说要想帮助中长尾用户获得算力资源，需要什么样的系统架构和功能服务？
灵活且低成本的撮合平台
io.net 最大的属性，就是轻资产的算力撮合平台。
也即和 Uber、滴滴一样，自身不涉及风险极高的 GPU 硬件等重资产的实际运营，而是将中长尾的零售算力（很多在 AWS 等大云处被视为二等算力）供应联系起来，通过撮合匹配，盘活原先处于闲置状态的算力资源（私家车）和亟需算力的中尾部 AI 需求（打车人）。
其中 io.net 一端连着中小型 IDC、矿场、加密项目等成千上万的闲置 GPU（私家车），另一端链接数以亿计中小型公司的算力需求（打车人），然后 io.net 作为撮合平台进行中间调度，就像是一个经纪商对无数笔买单、卖单进行一一匹配撮合。
这就通过聚集闲置的算力，用低廉的成本和更灵活的部署配置形式，来帮助创业者训练更个性化的中小 AI 模型，极大提高了资源的利用率，其中的优势则很明显，无论市场过冷过热，只要存在资源错配，实现撮合的平台需求都是最旺盛的：
供给侧，中小型 IDC、矿场、加密项目等闲置算力资源供给方只需与 io.net 对接，既不用专门成立 BD 部门，也无需因算力规模小而被迫折价卖给 AWS 等，反之可直接将闲置算力以极低摩擦成本，按市场价甚至更高价格匹配到合适的中小算力客户，从而获得收益；需求侧，原本在 AWS 等大云面前没有议价权的中小算力需求方，也可以通过 io.net 这个资源管道，对接更小规模、无需许可、无需等待、无需 KYC、部署时间更灵活的算力，自由挑选、组合自己所需要的芯片来组成“集群”，完成个性化的计算任务；
本身中尾部的算力供给方和需求方，在 AWS 等大云面前都存在类似的议价权弱、自主权低等痛点，io.net 则将腰部和中长尾的供应与需求盘活，提供这样一个撮合平台，让供需双方都能以比 AWS 等大云更优的价格、更灵活的配置形式来完成交易。
从这个角度看，类比淘宝等平台，早期出现低劣算力也是平台经济无法杜绝的发展规律，而 io.net 也针对供应方还是需求方设置了一套声誉系统，根据计算性能、对网络参与度来累计分数，获得奖励或优惠。
去中心化 GPU 集群
其次，虽然 io.net 是零售型供需双方之间的撮合平台，但现在的大模型等算力场景都是需要若干张显卡共同进行计算——不只要看你这个撮合平台能聚合多少闲置的 GPU 资源，还要看平台上分散的算力之间联系有多紧密。
也就是说，这张囊括不同地域、不同规模中小型算力的分布式网络，需要实现“分散但又集中”的算力架构：可以根据不同场景的灵活计算需求，将若干分布式的 GPU 放到同一个框架下进行训练，并确保不同 GPU 的沟通协作要非常迅速，至少实现足堪使用的低延迟等特性。
这就完全不同于某些去中心化云算力项目只能受限于同一机房 GPU 的使用困境，背后的技术实现则涉及到 io.net 产品组合的“三驾马车”：IO Cloud、IO Worker、IO Explorer。
IO Cloud 基本业务模块为集群（Clusters），是一个可以自我协调完成计算任务的 GPU 群组，人工智能工程师可以根据自己的需求来自定义想要的集群，它也与 IO-SDK 无缝集成，为扩展 AI 和 Python 应用程序提供全面的解决方案；IO Worker 提供一套用户友好的 UI 界面，允许供需双方在 Web 应用程序上有效管理其供应操作，范围包括与用户帐户管理、计算活动监控、实时数据显示、温度和功耗跟踪、安装协助、钱包管理、安全措施和盈利计算相关的功能；IO Explorer 主要为用户提供全面统计数据和 GPU 云各个方面的可视化图。它通过提供对网络活动、重要统计数据、数据点和奖励交易的完整可见性，使用户能够轻松监控、分析和了解 io.net 网络的各数据细节；
正因以上的功能架构，io.net 允许算力供给方可以轻松共享闲置的计算资源，大大降低了准入门槛，需求方也无需签订长期合同、忍受传统云服务中常见的漫长等待时间，就能快速组建具有所需 GPU 的集群，获得超强算力和优化的服务器响应等服务。
轻量级的弹性需求场景
再具体一点，谈及 io.net 和 AWS 等大云的错位服务场景，主要集中在一些大云不具性价比的轻量级弹性需求，其中大家能够想到的诸如中小 AI 创业项目的细分领域模型训练、大模型微调等多元化场景，均在此之列。
此外，还有一个容易被大家忽视的普遍适用场景：模型推理。
众所周知，GPT 等大模型的早期训练，需要借助上万张高性能 GPU、以超强算力、海量数据进行长时间的高质量计算，这也是 AWS、GCP 等大云的绝对优势领域。
但训练好之后，主要的算力需求就成了细水长流的模型推理，这个阶段对于算力的需求，也要远远高于训练阶段——基于已经训练好的模型进行推理的，也就是我们普通用户和 GPT 等模型的日常对话互动场景，反倒占据了 80%-90% 的 AI 计算份额。
有意思的是，推理过程的整体算力更为平缓，或许只需要几十张 GPU 数分钟就可以得出答案，且对网络延迟、并发性的要求更低；同时还有一点，绝大部分 AI 公司可能也不会单独训练自己的大模型，而只是选择围绕 GPT 等少数头部大模型进行优化、微调，而这些场景都天然适合 io.net 的分布式闲置算力资源。
少数派的高强度高标准应用场景之外，更广泛的、日常的轻量级场景也是一块亟待开发的处女地，看起来很零碎，但市场份额甚至更大——据美银最新报告，高性能计算在数据中心总可用市场（TAM）中只占很小一部分，仅约 5% 的份额。
简言之，不是 AWS、GCP 等用不起，而是 io.net 更具性价比。
Web2 BD 的胜负手
当然最后的最后，io.net 等面向分布式算力资源的平台，核心竞争力还是在于 BD 能力，这才是关键的胜负手。
除了英伟达高性能芯片催生出显卡掮客这一奇景之外，其实困扰很多中小 IDC 等算力运营商的最大问题，就是“酒香也怕巷子深“。
所以从这个角度看的话，io.net 其实坐拥一个同赛道项目难以复刻的独家竞争优势——有一支直接驻地硅谷的 Web2 BD 团队，他们都是浸淫算力市场商务领域多年的老炮，不仅了解中小型客户的多元化场景，更是掌握一众 Web2 客户的终端需求。
据 io.net 官方披露，目前已有二三十家 Web2 公司表达了算力购买/租赁意愿，愿意因为更低成本、更灵活算力服务来尝试或试错（有些可能在 AWS 根本等不到算力），试错且单个客户都至少需要几百上千张显卡（折合每个月数十万美元的算力订单）。
这种需求端的真实终端付费意愿，本质上也会吸引更多的闲置算力资源在供给端主动涌入，从而最容易率先实现 Web2&Web3 的破圈，形成先发的网络规模效应。
Token 化的算力生态结算层可能
正如上文所言， io.net 是基于 Web3 分布式协作+代币激励来重塑中尾部算力市场，其中后者主要是采用 IO 和 IOSD 的双代币模型：
代币 IO，效用包括支付算力租赁费用、给予 IO Worker 分配激励、奖励 AI 与 ML 部署团队持续使用网络、平衡部分需求和供给、为 IO Worker 计算单位定价以及社区治理等；稳定币 IOSD，与美元挂钩，只能通过销毁 IO 来获得，旨在为 io.net 平台提供一个稳定的价值存储和交易媒介；
此外 io.net 也考虑支持供给方通过抵押 IO 来提高被租用的概率，需求方也可抵押 IO 来优先使用高性能 GPU，进而允许围绕抵押功能开发完整的生态系统，来捕获整个算力生态产生的增量价值。
这其实就又引出了一个问题，既然 io.net 聚集了庞大的闲置算力资源，那能不能更进一步，直接结合 Crypto 的算力代币化玩法，给予 GPU 更大的链上金融可能性？
譬如 io.net 未来完全有可能基于庞大的算力网络，搭建一条算力专用链，通过提供无许可、无准入门槛的 Token 化基础设施服务，使任何人、任何设备都能够直接将算力 Token 化（譬如将 A100、H100 转换为标准化代币或 NFT），进而允许交易、质押、借贷、放贷和杠杆。
这相当于为用户创造了一个广阔的 GPU 算力链上市场，全球各地的用户和资金都可以自由并且高效地进入，我们可以简单设想两个场景，来一窥未来围绕算力的链上金融市场可以拥有怎样的想象空间。
1.证券型算力 Token
譬如 io.net 上某个算力运营商拥有若干张 A100 或 H100 显卡，但他此时有资金需求或想提前落袋为安，那就可以在 io.net 上将这部分显卡对应的算力价值打包为一个 NFT 或 FT——其中该 Token 代表对应显卡未来一年（或某段时间）算力现金流的折现，可以以 IO 定价。
由于绝大部分普通投资者并没有直接购买、持有、运行 AI 算力的机会，这类 Token 就给市场交易员提供了一个博弈未来一段时间算力价格涨跌的机会，拥有大量算力而现金流紧张的运营商也获得了资金杠杆，可以随时随地根据实际需求进行灵活流动性变现。
期间该 Token 背后的显卡由 io.net 提供运营服务，后续对应算力赚取的现金流按比例分成（Token 持有人获得 0.9，运营节点获得 0.1）。
且因为是标准化代币，所以也可以像其它 Token 一样在 CEX 或者 DEX 中自由流通交易，这样也进一步形成自由进出的实时算力定价，将 GPU 算力真正转化为具备全球流动性的资源。
2.债券型算力 Token
此外，还可以通过发行债券型 Token 集资购买高性能显卡，增加网络算力，其中债券本金相当于显卡设备自身的价值，债券利息则是未来显卡算力租赁出去的现金流收入，意味着显卡的潜在算力出租价值和未来收益就是 Token 的市场价值，持有 Token 就可以获得真实的 RWA 收益。
这相当于为全球用户创造了一个广阔的 GPU 算力市场，全球各地的用户和资金都可以自由并且高效地进入 GPU 算力市场，而无需担心高门槛、高资金，进一步将真实显卡和各种去中心化金融产品完全打通，为后续更多更丰富的针对用户的配套服务打下了基础。
更为关键的是，整个过程都以 IO 作为主要的交易/流转货币，使 io.net/IO 有望成为整个全球算力生态的结算层/结算货币，且这个围绕算力代币化的链上金融市场的远景，几乎可以再造一个类似 io.net 去中心化算力网络叙事的估值空间。
小结
总的来看，Web3 作为一种新型生产关系，天然适配代表新型生产力的 AI，这也是技术和生产关系能力的同时进步，从这个角度看，io.net 的核心逻辑，正是通过采用“Web3+代币经济”的经济基础架构，来改变传统云服务巨头、中长尾算力用户、全球闲散网络计算资源之间的生产关系：
针对 AI 算力供需的现实痛点提供解决方案，构建一个囊括并服务“腰部+长尾”GPU 算力资源 & 用户需求的双边市场，优化算力资源的供给和配置，带来全球 AI 发展尤其是中小型 AI 创新的生产力大解放。
所图愿景无疑宏大，如果能够成功，大概率会成为全球 GPU 算力生态的核心撮合基础设施与价值结算层，料将获得最佳的估值溢价，极具想象空间，但也无疑充满挑战。

原文链接: https://www.chaincatcher.com/article/2127297
io.net币安广场社区转载，原文著作权益和内容责任归属原作者，io.net及币安广场的转载不代表认证或支持被转载内容的部分或全部观点。

io.net宣布了三项重大突破，这些创新将彻底改变AI、计算和加密技术的未来。
整理 & 编译：深潮TechFlow
原文发布时间：2024.06.05
原文链接：https://www.techflowpost.com/article/detail_18288.html

参会人：Ahmed Shadid，io.net创始人兼CEO； Tory Green，io.net创始人兼COO；Aline Almeida，io.net工程高级副总裁；Mahar Jilani，io.net 首席体验官；Gauvrav Sharma，io.net CTO；Basen Oubah，io.net联合创始人兼CoS；Hashim Alnabulsi，IO.VENTURES 管理合伙人
嘉宾：Avery Ching，Aptos Labs 联合创始人兼CT；Toly Yakovenko，Solana 联合创始人；Lily Liu，Solana基金会主席；Hidde Hoogland，DCENT CEO
播客源：io.net
原标题：IO Summit 2024 Keynote
播出日期：2024年6月4日
要点总结
在2024年IO峰会上，io.net宣布了三项重大突破，推出全球最大的AI计算网络IOG（Internet of GPUs），并展示了与Aptos和Solana的合作。这些创新将彻底改变AI、计算和加密技术的未来。io.net的创始人兼CEO Ahmed Shadid在峰会上分享了io.net的最新成果，强调了计算能力的重要性，并提出了一个大胆的愿景：让访问GPU计算能力像访问互联网一样简单无缝。io.net致力于建立一个以计算为中心的生态系统，提供一套工具和服务，用于在链上大规模构建、训练和部署机器学习模型。Aptos和Solana作为io.net的重要合作伙伴，分别提供了高性能的区块链基础设施和去中心化计算能力，支持io.net在全球范围内扩展其AI计算网络。io.net通过去中心化云计算解决方案，填补了当前计算资源供需差距，提供更低成本、更高性能的计算服务。此外，io.net还推出了BC8项目，这是世界上首个完全去中心化的端到端机器学习模型，利用io.net的IOG基础设施进行训练和推理。io.net的投资臂膀IO.VENTURES也在推动机器学习初创企业的发展，通过提供GPU计算能力以换取股权和代币分配。
io.net：颠覆AI计算行业的三大突破
Ahmed Shadid 是 io.net的创始人兼CEO，在峰会开场，他介绍了io.net的使命和愿景，表达了对团队所取得成就的激动之情。他强调，io.net汇聚了全球最优秀的工程师，致力于推动技术的边界，进入无人涉足的领域。他与团队一起，准备颠覆AI计算行业，并宣布了三项将改变AI、计算和加密货币的重大突破。在当今的数字世界中，计算能力是推动技术前进的生命力，它推动着改变我们生活的AI，重塑行业，并赋能创新者创造我们尚未见到的世界。Ahmed 提出了一个简单而深刻的问题：如果访问GPU计算能力像访问互联网一样简单无缝，会怎样？这就是互联网GPU（IOG）的诞生背景。IUG是全球最大的AI计算网络，Ahmed认为世界需要公平、民主和无许可的AI计算访问。他进一步指出，在当今的数字时代，计算能力不仅是一种资产或商品，它相当于数字石油。中国在半导体上的支出已经超过了对原油的支出，表明数字基础设施的重要性。计算能力目前消耗了初创企业70%的资金。io.net 正在建立一个以计算为中心的生态系统，提供一套工具和服务，用于在链上大规模构建、训练和部署机器学习模型，这一切都通过Aptos和Solana的力量实现。用户可以实时部署模型进行推理，或高效地训练和微调模型。简而言之，Io代表了计算能力的货币，就像美元是所有交易的标准一样，Io coin在全球范围内解锁计算资源。io.net希望成为大型AI初创企业和企业的通用计算交换媒介。Ahmed还提到，全球约90%的计算资源处于闲置状态，分散在消费设备、数据中心和加密矿场中。io.net的目标是利用这些闲置的计算能力，释放巨大的经济潜力。
Aptos与io.net的合作：推动AI与区块链的融合
Avery Ching，Aptos实验室的联合创始人兼CEO，介绍了Aptos与io.net的合作愿景，强调了io.net将计算能力作为货币的潜力，能够创造一种与AI产品和服务互动的新方式。Aptos网络是io.net的理想合作伙伴，Aptos基于Move语言构建，提供了更安全、更快速且更高性能的区块链基础设施，使io.net能够专注于创新，而不是处理区块链基础设施问题。Aptos已经展示了其每秒处理超过25,000笔交易的能力，并在一天内处理了20亿笔交易，这比Visa网络支持的交易量高出13倍。Aptos还计划扩展到每秒超过100万笔交易。凭借这种并行架构，Aptos是io.net可以信赖的合作伙伴，能够在未来扩展其IR产品。除了可扩展性和速度外，Aptos和io.net都认识到AI的未来将不可避免地与web 3和去中心化相碰撞。保持开放访问和去中心化的内容所有权是未来AI的关键部分。io.net这样的去中心化物理基础设施网络正在为确保AI产品和服务在全球范围内可访问奠定基础。同时，双方都致力于设定负责任AI的新标准。Aptos和io.net正在合作构建数据线性使用案例，如计算证明（Proof of Compute），并探索区块链如何为AI开发的资产和作品提供透明且不可变的记录。这种合作为开发者在AI和Web3交汇处加速创新提供了机会，Avery表示他们非常期待与io.net共同构建未来。
通过去中心化云计算引领AI计算新时代
Tory 指出，当前计算需求是供应的2.5倍，并且AI的计算需求每3.4个月就会翻倍，这使得供需差距不断扩大。他认为，传统的云计算方式已经无法满足这一需求，但这也带来了巨大的机会。全球三大集中式云服务提供商（亚马逊、谷歌和微软）总市值超过7万亿美元，其很大一部分价值来自于AI的崛起。计算需求如此之高，以至于去年中国进口的芯片数量超过了石油。计算被称为“新石油”，其成本也很高，比如Chad GPT每天的运营成本超过70万美元。随着OpenAI推出新的文本到视频生成平台Sora，这些成本将继续上升。Tory 指出尽管AI创新不断，但计算资源却供不应求。io.net通过一种称为去中心化云计算的创新解决方案来填补这一空缺。io.net的基础设施价值超过35亿美元，拥有比亚马逊AWS、谷歌云和微软Azure更多的企业级GPU集群。io.net提供按需计算服务，其成本仅为传统云服务提供商的一小部分，旨在以更好、更快和更便宜的方式将AI带给全球用户。Ahmed 表示，io.net的成功离不开科技和web 3行业巨头们的支持。io.net 得到了Hack VC、MultipleCoin Capital 6MV、OKX Ventures、Aptos Labs、Solana Ventures、M13等团队的支持，以及包括Solana创始人Anatole、Aptos创始人Mo和Avery、Animoca Brands的Yat Siu和Sebastian（The Sandbox的联合创始人）在内的多位知名领导者的支持。此外，还有全球顶级GPU制造商的多位高层领导者支持io.net。通过这一长名单的顶级风投和天使投资人，io.net在超额认购的A轮融资中筹集了超过4000万美元，进一步推动了他们的使命和执行力。在成立的前10个月里，io.net已经成为独角兽公司，而这只是一个开始。
Solana与io.net：共同打造AI计算的去中心化未来
Anatoly，Solana的联合创始人兼Solana Labs的CEO，回顾了Solana生态系统与io.net的合作历程。Anatoly提到，io.net在Solana grizzlython hackathon中获胜，并在Solana Breakdown大会上展示了他们的MVP。io.net选择Solana作为合作伙伴，因为Solana快速、低成本且具备可扩展性。Solana每天处理数千万笔交易，费用低于半美分，拥有超过150万个活跃地址。Anatoly强调，AI是快速增长的行业之一，io.net需要一个强大的区块链合作伙伴来支持其扩展。Solana的可扩展性和Solana Pay的无缝支付功能将帮助io.net在全球范围内取得成功。Solana基金会主席Lily指出，在快速发展的Web3世界中，找到一个不仅支持增长而且加速增长的平台对于像io.net这样的先锋至关重要。Solana不仅是一个区块链，更是一个尖端应用和快速增长企业的发射台，拥有强大的项目如Orca、Jupiter、Mediora和Backpack。Solana提供了无与伦比的支持，确保启动者从第一天起就拥有成功所需的工具。Lily还提到，Solana基金会通过活动、黑客马拉松和直接支持，与io.net等团队紧密合作，推动创新。io.net积极参与Solana的多项计划，并与Colosseum等合作伙伴密切合作，共同构建全球最大的去中心化AI计算网络，重新定义现状并使AI普及化。
通过去中心化计算网络实现AI的可持续发展
Ahmed 强调io.net是世界上最大的AI计算网络，并将计算视为一种货币，因此可持续性在这里至关重要。io.net通过奖励贡献计算能力的IO workers来促进健康的生态系统，使AI开发者能够无缝、低成本地获得所需的计算能力，同时激励他们努力构建新模型并引领前沿技术。这个网络如今属于所有人，依靠的是一个名为IOG Cortex的超集群攻击防护系统，每个IO worker节点都部署了这一系统。Ahmed 将io.net的网络比作蚂蚁群，所有工人节点像蚂蚁一样协调工作，不间断地完成任务。IOG框架使工程师能够使用开源计算能力，这意味着你在笔记本电脑上运行的Python代码可以自动在GPU互联网中运行。这个网络不仅能够为超过1亿用户提供服务，且具有极低的延迟，还能在139个国家内协调分布在成千上万个GPU集群中的任务，打造了一个用于ML模型推理的云端服务。io.net使用了ray.io这一开源核心技术，如果没有它，Chat GPT、Uber、Instacart等许多基于AI的产品将无法存在。io.net将这一技术提升到了一个新的水平，构建了世界上最先进、可扩展且安全的分布式计算框架。
io.net：通过IOG提升AI应用分布和训练效率
Aline Almeida是io.net的高级工程副总裁，她介绍了io.net平台如何在广泛的GPU网络上分布AI和Python应用，并通过IOG（Internet of GPUs）增强这些能力。io.net对Ray进行了分叉，以便在去中心化网络中更好地运行，并为应用库提供更友好的用户体验。IOG引入了后端定制，以便与io.net的独特网络进行最佳集成，包括专门的Outer Scalar和支持图形和调度算法的Io云。io.net还改进了仪表板，为开发者提供Io特定的操作指标和地理节点详细信息。IOG通过直接接口与Io云和代码模板简化了AI应用的分布，使AI扩展不仅对大公司的工程师可行，也对全球的AI创作者开放。io.net的集群可以扩展到数千个GPU，从机密计算和零知识作业到AI模型训练和调整，提供强大的计算能力，支持去中心化代理并实现低延迟模型推理。这是一个开源的旅程，全球合作将塑造去中心化AI的未来。Aline还展示了如何在实践中使用IUG包来训练计算机视觉分类模型，并调整其超参数以提高准确性。通过连接到一个拥有1000个GPU的IOG超级集群，io.net可以在1小时内完成1000次不同配置的训练，而不是需要41天。这展示了分布式计算的强大力量，不仅速度更快，而且成本低90%。最后，Aline宣布IOG SDK Python包将在下个季度向公众发布，并邀请有兴趣的用户加入测试版的候补名单。
io.net：重新定义用户体验的AI云计算平台
Mahar Jilani是io.net的首席体验官，他分享了io.net如何通过创新设计引领Web3的未来，打造世界上最大的AI计算网络。他强调，技术本身并不能塑造未来，真正塑造未来的是人，而设计是连接人和技术的核心。io.net致力于提供优质的用户体验，使工程师能够轻松部署世界上最先进的集群。io.net的Io Cloud平台拥有比主要加密市场玩家多100倍的GPU，几乎与Google Cloud、Amazon AWS和Microsoft Azure相当。工程师可以在90秒内部署一个拥有20,000个GPU的集群，从模型训练到推理，提供端到端的解决方案。Mahar展示了如何使用Io Cloud部署集群，工程师可以选择Ray、Mega Ray和Kubernetes等强大的选项，并根据需要选择GPU型号和连接速度。io.net还支持Apple芯片的集群，使数百万Apple设备所有者能够贡献计算能力并赚取收益。整个过程简单快捷，无需KYC，用户只需进行选择，io.net会处理其余部分。io.net的云服务比市场上的主要玩家便宜多达80%，提供相同的性能、质量和可靠性，极大地降低了成本。
io.net：将GPU变为全球AI计算的数字资产
Gauvrav Sharma是io.net的首席技术官，他介绍了io.net的革命性平台，旨在将GPU计算能力普及化，使其成为全球标准。io.net的IOG（互联网GPU）平台允许GPU所有者将他们的设备连接到网络，从而将GPU变成有价值的资产，产生稳定的收入流。无论是大型数据中心、矿场还是专业矿工，所有拥有未充分利用GPU的人都可以加入io.net，成为推动AI革命的数字石油。io.net通过Web3的革命性原则打破传统界限，赋能全球用户。Gauvrav将io.net的GPU网络比作蚂蚁群体，每个GPU都像蚂蚁一样被最大化利用，无论你身在何处，都可以加入这个工作者社区。Gauvrav展示了如何连接和监控设备。用户可以通过直观的流程连接新设备，选择操作系统（Mac、Linux或Windows）和设备类型（GPU或CPU），然后运行脚本下载和安装Docker及所有驱动程序，最后运行Docker命令连接设备。在设备页面，用户可以监控设备活动和声誉评分（由在线时间驱动），在收益和奖励页面监控和提取累计收益。用户可以将Solana钱包连接到io.net，以领取奖励，并查看设备参与的计算任务和所赚取的收益。
BC8：通过去中心化AI引领3D内容创作新时代
Basen Oubah介绍了BC8，这是世界上首个完全去中心化的端到端机器学习模型，利用io.net的IOG（互联网GPU）基础设施进行训练和推理。BC8是去中心化AI的典范，使用Aptos作为支付铁路，处理推理计算费用、模型所有者的版税费用和计算记录的证明，每天生成50万张图像，达到200万笔交易。BC8支持第三方模型集成，托管在io.net的去中心化云上。BC8的旅程始于一个由稳定扩散技术驱动的模型，在10TB的数据集上训练，设定了文本到图像真实感的新基准，已被数万名社区成员采用，用于生成社交媒体身份的角色图像。BC8的最新创新是从文本生成3D模型，这些模型可以用于Unreal Engine 5、Unity Engine、CRI Engine和Frostbite等AAA游戏引擎，为创作者打开了无限可能的世界。用户只需访问BC8 AI网站，上传图像或输入提示，即可在几秒钟内生成3D模型，并可以选择提升质量。在未来的元宇宙中，无论是游戏玩家寻找新武器皮肤，还是Blender设计师构思独特形状，BC8都能满足这些需求并超越预期。BC8是一个由社区驱动的平台，为内容创作提供了公平的竞争环境，真正塑造了数字未来。Basen还提到Aptos的AV将进一步介绍他们的合作。
Aptos：推动去中心化AI和游戏开发的区块链骨干
Avery Ching介绍了io.net如何在Aptos区块链上部署其生成性AI产品BC8。每笔推理交易都记录在Aptos区块链上，处理无缝支付并提供计算记录证明。自推出以来，BC8每天处理近50万笔交易，展示了Aptos在速度和规模上的优势。BC8只是开始，未来的新机器学习模型将生成高质量的3D模型和AAA游戏资产，重新定义游戏开发行业。Aptos区块链在后台为这些操作提供即时、安全和可扩展的计算证明。Avery强调，这只是Aptos支持的众多用例之一，未来还会有数百个类似的用例。Aptos生态系统将提供一套工具和服务，用于在链上构建、训练和部署机器学习模型，支持数十万个链上模型的支付，使Aptos成为互联网GPU的骨干。每个产品都将由其在Aptos上的原生代币支持，推动所有链上AI产品的增长和采用。
io.net的物理基础设施：Etch数据中心
Hidde Hoogland介绍了io.net的Etch数据中心，这是全球最大的GPU分布式计算网络的一部分。她带领我们参观了服务器房间，该房间可以容纳多达六个冷通道封闭单元，共有120个机架。Etch数据中心主要利用Web3和io.net平台租赁的GPU计算能力。数据中心拥有2兆瓦的冗余电力连接，每个冷通道封闭单元通过升高地板下的电源条连接。机架之间的穿孔地板砖允许新鲜空气到达GPU。这些集群中装满了通过io.net平台租赁的GPU，既为客户提供服务，又产生收入。Hidde还展示了电池备用室，这些电池在本地电网停电时能够维持数据中心运营至少2小时。这些电池系统由数据中心的太阳能屋顶充电，夏季提供足够的能源使设施达到净中和。
io.net的投资臂膀：IO.VENTURES推动AI初创企业的发展
Hashim Alnabulsi是IO.VENTURES的管理合伙人，他介绍了IO.VENTURES作为io.net的投资臂膀，致力于推动机器学习初创企业的发展。AI初创企业通常将超过80%的筹集资金用于计算能力，即使是较小的项目每月也会消耗超过50万美元，这严重阻碍了AI的发展。io.net提出了一种更好的解决方案。IO.VENTURES的提议是为初创企业提供GPU计算能力，以换取股权和代币分配，这种方法比传统风险投资更经济，并将大量价值返还给GPU供应商。随着io.net去中心化AI计算，IO.VENTURES旨在通过投资快速增长的AI和机器学习初创企业来促进Io经济的发展。Hashim 还介绍了一个更大胆的计划：创建IO.VENTURES Mega GPU Fund。与依赖少数有限合伙人的传统基金不同，IO.VENTURES可以访问整个io.net网络，释放价值35亿美元的计算能力。这一草根运动将全球闲置的GPU供应与创新者连接起来，释放无限潜力，同时使AI民主化。IO.VENTURES的目标是通过去中心化投资，全球扩展，并专注于挑战现状的项目，特别是那些与其愿景一致、希望变革行业的项目。Hashim呼吁全球最勇敢的AI人才加入这一转型之旅。IO.VENTURES计划与全球的合作伙伴，包括加速器、研究机构、大型企业和进步的公共部门项目，建立联系，创造一个前所未有的支持性生态系统。未来对于IO.VENTURES既充满挑战又令人兴奋，他们期待与突破性的项目进行有意义的合作，共同开启这一变革之旅。
io.net：开启AI新时代的梦想成真
Ahmed Shadid 表达了对io.net实现梦想的激动之情。几个月前，io.net还是一个梦想，而今天，这个梦想已经成为现实，并且发展速度超出了所有人的预期。今天的发布会宣布了多个重要产品的发布：IO Coin、IO Cloud、IO Worker，最重要的是引入了互联网GPU（IOG），这将赋能我们所有人去构建和创造一个更美好的世界。Ahmed还展示了即将推出的IOG Python框架的预览，该框架将在今年晚些时候发布。他呼吁大家加入这场革命，立即访问io.net，共同改变这个世界。

原文链接：https://www.techflowpost.com/article/detail_18288.html
io.net币安广场社区转载，原文著作权益和内容责任归属原作者，io.net及币安广场的转载不代表认证或支持被转载内容的部分或全部观点。

Alex Xu - Mint Ventures
原文发布时间: 2024-04-08 10:23
原文链接：https://research.mintventures.fund/2024/04/08/zh-a-new-solana-based-ai-depin-project-a-brief-analysis-of-upcoming-tokenlaunch-io-net/
引言
在我的上一篇文章中，提到本轮加密牛市周期与前两轮周期相比，缺少足够有影响力的新商业和新资产叙事。AI是本轮Web3领域少有的新叙事之一，本文笔者将结合今年的热点AI项目IO.NET，尝试梳理关于以下2个问题的思考：
AI+Web3在商业上的必要性分布式算力服务的必要性和挑战
其次，笔者将梳理AI分布式算力的代表项目：IO.NET项目的关键信息，包括产品逻辑、竞品情况和项目背景，并就项目的估值进行推演。
本文关于AI和Web3结合一节的部分思考，受到了Delphi Digital研究员Michael rinko所写的《The Real Merge》的启发。本文的部分观点存在对该文章的消化和引述，推荐读者阅读原文。
本文为笔者截至发表时的阶段性思考，未来可能可能发生改变，且观点具有极强的主观性，亦可能存在事实、数据、推理逻辑的错误，请勿作为投资参考，欢迎同业的批评和探讨。
以下为正文部分。
1.商业逻辑：AI和Web3的结合点
1.1 2023：AI造就的新“奇迹年”
回看人类发展史，一旦科技实现了突破性进展，从个体日常生活，到各个产业格局，再到整个人类文明，都会跟着发生天翻地覆的变化。
人类历史中有两个重要年份，分别是1666年和1905年，如今它们被称为科技史上的两大“奇迹年”。
1666年作为奇迹年，是因为牛顿的科学成果在该年集中式地涌现。这一年，他开辟了光学这个物理分支，创立了微积分这个数学分支，导出了引力公式这个现代自然科学的基础定律。这当中无论哪一项都是未来百年人类科学发展的奠基式贡献，大大加速了整体科学的发展。
第二个奇迹年是1905年，彼时仅仅26岁的爱因斯坦在《物理学年鉴》上连续发表4篇论文，分别涉及光电效应（为量子力学奠基）、布朗运动（成为分析随机过程的重要引用）、狭义相对论和质能方程（也就是那个知名公式E=MC^2）。在后世评价中，这四篇论文每一篇都超过诺贝尔物理学奖的平均水平（爱因斯坦本人也因为光电效应论文获得了诺贝尔奖），人类文明的历史进程再一次被大大推进了好几步。
而刚刚过去的2023年，大概率也会因为ChatGPT，而被称之为又一个“奇迹年”。
我们把2023年看做人类科技史上的有一个“奇迹年”，不仅是因为GPT在自然语言理解和生成上的巨大进步，更是因为人类从GPT的进化中摸清了大语言模型能力增长的规律——即通过扩大模型参数和训练数据，就能指数级别提升模型的能力——且这一进程短期还看不到瓶颈（只要算力够用的话）。
该能力远不至于理解语言和生成对话，还能被广泛地交叉用于各类科技领域，以大语言模型在生物领域的应用为例：
2018年，诺贝尔化学奖得主弗朗西斯·阿诺德在颁奖仪式上才说道：“今天我们在实际应用中可以阅读、写入和编辑任何 DNA 序列，但我们还无法通过它创作（compose it）。”仅仅在他讲话的5年后，2023年，来自斯坦福大学和硅谷的AI创业企业Salesforce Research的研究者，在《自然-生物技术》发表论文，他们通过基于GPT3微调而成的大语言模型，从0创造出了全新的100万种蛋白质，并从中寻找到2种结构截然不同、却都具有杀菌能力的蛋白质，有希望成为抗生素之外的细菌对抗方案。也就是说：在AI的帮助下，蛋白质“创造”的瓶颈突破了。而在此前，人工智能AlphaFold算法在18个月内，把地球上几乎所有的2.14亿种蛋白质结构都做了预测，这项成果是过往所有人类结构生物学家工作成果的几百倍。
有了基于AI的各类模型，从生物科技、材料科学、药物研发等硬科技，再到法律、艺术等人文领域，必将迎来翻天覆地的变革，而2023正是这一切的元年。
我们都知道，近百年来人类在财富上的创造能力是指数级别增长的，而AI技术的快速成熟，必然会进一步加速这一进程。

全球GDP总量走势图，数据来源：世界银行
1.2 AI与Crypto的结合
要从本质上理解AI与Crypto结合的必要性，可以从两者互补的特性开始。
AI和Crypto特性的互补
AI有三个属性：
随机性：AI具有随机性，其内容生产的机制背后是一个难以复现、探查的黑盒，因此结果也具有随机性资源密集：AI是资源密集型产业，需要大量的能源、芯片、算力类人智能：AI（很快将）能够通过图灵测试，此后，人机难辨*
※2023年10月30日，美国加州大学圣迭戈分校的研究小组发布了关于GPT-3.5和GPT-4.0的图灵测试结果（测试报告）。GPT4.0成绩为41%，距离及格线50%仅差9%，同项目人类测试成绩为63%。本图灵测试的含义为有百分之多少的人认为和他聊天的那个对象是真人。如果超过50%，就说明人群中至少有一半以上的人认为那个交谈对象是人，而不是机器，即视作通过图灵测试。
AI在为人类创造新的跨越式的生产力的同时，它的这三个属性也给人类社会带来的巨大的挑战，即：
如何验证、控制AI的随机性，让随机性成为一种优势而非缺陷如何满足AI所需要的巨大能源和算力缺口如何分辨人和机器
而Crypto和区块链经济的特性，或许正好是解决AI带来的挑战的良药，加密经济具有以下3个特征：
确定性：业务基于区块链、代码和智能合约运行，规则和边界清晰，什么输入就有什么结果，高度确定性资源配置高效：加密经济构建了一个庞大的全球自由市场，资源的定价、募集、流转非常快速，且由于代币的存在，可以通过激励加速市场供需的匹配，加速到达临界点免信任：账本公开，代码开源，人人可便捷验证，带来“去信任（trustless）”的系统，而ZK技术则避免验证同时的隐私暴露
接下来通过3个例子来说明AI和加密经济的互补性。
例子A：解决随机性，基于加密经济的AI代理
AI代理（AI Agent）即负责基于人类意志，替人类执行工作的人工智能程序（代表性项目有Fetch.AI）。假设我们要让自己的AI代理处理一笔金融交易，比如“买入1000美元的BTC”。AI代理可能面临两种情况：
情况一，它要对接传统金融机构（比如贝莱德），购入BTC ETF，这里面临着大量的AI代理和中心化机构的适配问题，比如KYC、资料审查、登录、身份验证等等，目前来说还是非常麻烦。
情况二，它基于原生加密经济运行，情况会变得简单得多，它会通过Uniswap或是某个聚合交易平台，直接用你的账户签名、下单完成交易，收到WBTC（或是其他封装格式的BTC），整个过程快捷简单。实际上，这就是各类Trading BOT在做的事情，它们实际上已经扮演了一个初级的AI代理的角色，只不过工作专注于交易而已。未来各类交易BOT随着AI的融入和演化，必然能执行更多复杂的交易意图。比如：跟踪100个链上的聪明钱地址，分析它们的交易策略和成功率，用我地址里的10%资金在一周内执行类似交易，并在发现效果不佳时停止，并总结失败的可能原因。
AI在区块链的系统中运行会更加良好，本质上是因为加密经济规则的清晰性，以及系统访问的无许可。在限定的规则下执行任务，AI的随机性带来的潜在风险也将更小。比如AI在棋牌比赛、电子游戏的表现已经碾压人类，就是因为棋牌和游戏是一个规则清晰的封闭沙盒。而AI在自动驾驶上的进展会相对缓慢，因为开放的外部环境的挑战更大，我们也更难容忍AI处理问题的随机性。
例子B：塑造资源，通过代币激励聚集资源
BTC背后的全球的算力网络，其当前的总算力（Hashrate: 576.70 EH/s）超过了任何一个国家的超级计算机的综合算力。其发展动力来自于简单、公平的网络激励。

BTC网络算力走势，来源：https://www.coinwarz.com/
除此之外，包括Mobile在内的DePIN项目们，也正在尝试通过代币激励塑造供需两端的双边市场，实现网络效应。本文接下来将重点梳理的IO.NET，则是为了汇聚AI算力设计的平台，希望通过代币模型，激发出更多的AI算力潜力。
例子C：开源代码，引入ZK，保护隐私的情况下分辨人机
作为OpenAI创始人Sam Altman参与的Web3项目，Worldcoin通过硬件设备Orb，基于人的虹膜生物特征，通过ZK技术生成专属且匿名的哈希值，用于验证身份，区别人和机器。今年3月初，Web3艺术项目Drip就开始使用Worldcoin的ID，来验证真人用户和发放奖励。

此外，Worldcoin也在近日开源了其虹膜硬件Orb的程序代码，就用户生物特征的安全和隐私提供保证。

总体来说，加密经济由于代码和密码学的确定性、无许可和代币机制带来的资源流转和募集优势，和基于开源代码、公开账本的去信任属性，已经成为人类社会面临AI挑战的一个重要的潜在解决方案。
而且其中最迫在眉睫，商业需求最旺盛的挑战，就是AI产品在算力资源上的极度饥渴，围绕芯片和算力的巨大需求。
这也是本轮牛市周期，分布式算力项目的涨势冠绝整体AI赛道的主要原因。

分布式计算（Decentralized Compute）的商业必要性
AI需要大量的计算资源，无论是用于训练模型还是进行推理。
而在大语言模型的训练实践中，有一个事实已经得到确认：只要数据参数的规模足够大，大语言模型就会涌现出一些之前没有的能力。每一代GPT的能力相比上一代的指数型跃迁，背后就是模型训练的计算量的指数级增长。
DeepMind和斯坦福大学的研究显示，不同的大语言模型，在面对不同的任务（运算、波斯语问答、自然语言理解等）时，只要把模型训练时的模型参数规模加大（对应地，训练的计算量也加大了），在训练量达不到10^22 FLOPs（FLOPs指每秒浮点运算量，用于衡量计算性能）之前，任何任务的表现都和随机给出答案是差不多的；而一旦参数规模超越那个规模的临界值后，任务表现就急剧提升，不论哪个语言模型都是这样。

来源：Emergent Abilities of Large Language Models

来源：Emergent Abilities of Large Language Models
也正是在算力上“大力出奇迹”的规律和实践的验证，让OpenAI的创始人Sam Altman提出了要募集7万亿美金，构建一个超过目前台积电10倍规模的先进芯片厂（该部分预计花费1.5万亿），并用剩余资金用于芯片的生产和模型训练。
除了AI模型的训练需要算力之外，模型的推理过程本身也需要很大的算力（尽管相比训练的计算量要小），因此对芯片和算力的饥渴成为了AI赛道参与者的常态。
相对于中心化的AI算力提供方如Amazon Web Services、Google Cloud Platform、微软的Azure等，分布式AI计算的主要价值主张包括：
可访问性：使用 AWS、GCP 或 Azure 等云服务获取算力芯片的访问权限通常需要几周时间，而且流行的 GPU 型号经常无货。此外为了拿到算力，消费者往往需要跟这些大公司签订长期、缺少弹性的合同。而分布式算力平台可以提供弹性的硬件选择，有更强的可访问性。定价低：由于利用的是闲置芯片，再叠加网络协议方对芯片和算力供给方的代币补贴，分布式算力网络可能可以提供更为低廉的算力。抗审查：目前尖端算力芯片和供应被大型科技公司所垄断，加上以美国为代表的政府正在加大对AI算力服务的审查，AI算力能够被分布式、弹性、自由地获取，逐渐成为一个显性需求，这也是基于web3的算力服务平台的核心价值主张。
如果说化石能源是工业时代的血液，那算力或将是由AI开启的新数字时代的血液，算力的供应将成为AI时代的基础设施。正如稳定币成为法币在Web3时代的一个茁壮生长的旁支，分布式的算力市场是否会成为快速成长的AI算力市场的一个旁支？
由于这还是一个相当早期的市场，一切都还有待观察。但是以下几个因素可能会对分布式算力的叙事或是市场采用起到刺激作用：
GPU持续的供需紧张。GPU的持续供应紧张，或许会推动一些开发者转向尝试分布式的算力平台。监管扩张。想从大型的云算力平台获取AI算力服务，必须经过KYC以及层层审查。这反而可能促成分布式算力平台的采用，尤其是一些受到限制和制裁的地区。代币价格的刺激。牛市周期代币价格的上涨，会提高平台对GPU供给端的补贴价值，进而吸引更多供给方进入市场，提高市场的规模，降低消费者的实际购买价格。
但同时，分布式算力平台的挑战也相当明显：
技术和工程难题工作验证问题：深度学习模型的计算，由于层级化的结构，每层的输出都作为后一层的输入，因此验证计算的有效性需要执行之前的所有工作，无法简单有效地进行验证。为了解决这个问题，分布式计算平台需要开发新的算法或使用近似验证技术，这些技术可以提供结果正确性的概率保证，而不是绝对的确定性。并行化难题：分布式算力平台汇聚的是长尾的芯片供给，也就注定了单个设备所能提供的算力比较有限，单个芯片供给方几乎短时间独立完成AI模型的训练或推理任务，所以必须通过并行化的手段来拆解和分配任务，缩短总的完成时间。而并行化又必然面临任务如何分解（尤其是复杂的深度学习任务）、数据依赖性、设备之间额外的通信成本等一系列问题。隐私保护问题：如何保证采购方的数据以及模型不暴露给任务的接收方？监管合规难题分布式计算平台由于其供给和采购双边市场的无许可性，一方面可以作为卖点吸引到部分客户。另一方面则可能随着AI监管规范的完善，成为政府整顿的对象。此外，部分GPU的供应商也会担心自己出租的算力资源，是否被提供给了被制裁的商业或个人。
总的来说，分布式计算平台的消费者大多是专业的开发者，或是中小型的机构，与购买加密货币和NFT的加密投资者们不同，这类用户对于协议所能提供的服务的稳定性、持续性有更高的要求，价格未必是他们决策的主要动机。目前来看，分布式计算平台们要获得这类用户的认可，仍然有较长的路要走。
接下来，我们就一个本轮周期的新分布式算力项目IO.NET进行项目信息的梳理和分析，并基于目前市场上同赛道的AI项目和分布式计算项目，测算其上市后可能的估值水平。
2.分布式AI算力平台：IO.NET
2.1 项目定位
IO.NET是一个去中心化计算网络，其构建了一个围绕芯片的双边市场，供给端是分布在全球的芯片（GPU为主，也有CPU以及苹果的iGPU等）算力，需求端是希望完成AI模型训练或推理任务的人工智能工程师。
在IO.NET的官网上，它这样写道：
Our MissionPutting together one million GPUs in a DePIN – decentralized physical infrastructure network.其使命是把百万数量级的GPU整合到它的DePIN网络中。
与现有的云AI算力服务商相比，其对外强调的主要卖点在于：
弹性组合：AI工程师可以自由挑选、组合自己所需要的芯片来组成“集群”，来完成自己的计算任务部署迅速：无需数周的审批和等待（目前AWS等中心化厂商的情况），在几十秒内就可以完成部署，开始任务服务低价：服务的成本比主流厂商低90%
此外，IO.NET未来还计划上线AI模型商店等服务。
2.2 产品机制和业务数据
产品机制和部署体验
与亚马逊云、谷歌云、阿里云一样，IO.NET提供的计算服务叫IO Cloud。IO Cloud是一个分布式的、去中心化的芯片网络，能够执行基于Python的机器学习代码，运行AI和机器学习程序。
IO Cloud的基本业务模块叫做集群（Clusters），Clusters是一个可以自我协调完成计算任务的GPU群组，人工智能工程师可以根据自己的需求来自定义想要的集群。
IO.NET的产品界面的用户友好度很高，如果你要部署属于自己的芯片集群，来完成AI计算任务，在进入它的Clusters（集群）产品页面后，就可以开始按需配置你要的芯片集群。

页面信息：https://cloud.io.net/cloud/clusters/create-cluster，下同
首先你需要选择自己的任务场景，目前有三个类型可供选择：
General（通用型）：提供了一个比较通用的环境，适合早期不确定具体资源需求的项目阶段。Train（训练型）：专为机器学习模型的训练和微调而设计的集群。这个选项可以提供更多的GPU资源、更高的内存容量和/或更快的网络连接，以便于处理这些高强度的计算任务。Inference（推理型）：专为低延迟推理和重负载工作设计的集群。在机器学习的上下文中，推理指的是使用训练好的模型来进行预测或分析新数据，并提供反馈。因此，这个选项会专注于优化延迟和吞吐量，以便于支持实时或近实时的数据处理需求。
然后，你需要选择芯片集群的供应方，目前IO.NET与Render Network以及Filecoin的矿工网络达成了合作，因此用户可以选择IO.NET或另外两个网络的芯片来作为自己计算集群的供应方，相当于IO.NET扮演了一个聚合器的角色（但截至笔者撰文时，Filecon服务暂时下线中）。值得一提的是，根据页面显示，目前IO.NET在线可用GPU数量为20万+，而Render Network的可用GPU数量为3700+。
再接下来就进入了集群的芯片硬件选择环节，目前IO.NET列出可供选择的硬件类型仅有GPU，不包括CPU或是苹果的iGPU(M1、M2等），而GPU也主要以英伟达的产品为主。

在官方列出、且可用的GPU硬件选项中，根据笔者测试的当日数据，IO.NET网络总在线的可用数量的GPU数量为206001张。其中可用量最多的是GeForce RTX 4090（45250张），其次是GeForce RTX 3090 Ti（30779张）。
此外，在处理AI计算任务如机器学习、深度学习、科学计算上更为高效的A100-SXM4-80GB芯片（市场价15000$+），在线数有7965张。

而英伟达从硬件设计开始就专为AI而生的H100 80GB HBM3显卡（市场价40000$+），其训练性能是A100的3.3倍，推理性能是A100的4.5倍，实际在线数量为86张。

在选定集群的硬件类型后，用户还需要选择集群的地区、通信速度、租用的GPU数量和时间等参数。
最后，IO.NET根据综合的选择，会为你提供一个账单，以笔者的集群配置为例：
通用（General）任务场景16张A100-SXM4-80GB芯片最高连接速度（Ultra High Speed）地理位置美国租用时间为1周
该总账单价格为3311.6$，单张卡的时租单价为1.232$

而A100-SXM4-80GB在亚马逊云、谷歌云和微软Azure的单卡时租价格分别为5.12$、5.07$和3.67$（数据来源：https://cloud-gpus.com/，实际价格会根据合约细节条款产生变化）。
因此仅就价格来说，IO.NET的芯片算力确实比主流厂商便宜不少，且供给的组合与采购也非常有弹性，操作也很容易上手。
业务情况
供给端情况
截至今年4月4日，根据官方数据，IO.NET在供应端的GPU总供给为371027张，CPU供给为42321张。此外，Render Network作为其合作伙伴，还有9997张GPU和776张CPU接入了网络的供给。

数据来源：https://cloud.io.net/explorer/home，下同
笔者撰文时，IO.NET接入的GPU总量中的214387处于在线状态，在线率达到了57.8%。来自Render Network的GPU的在线率则为45.1%。
以上供应端的数据意味着什么？
为了进行对比，我们再引入另一个上线时间更久的老牌分布式计算项目Akash Network来进行对比。
Akash Network早在2020年就上线了主网，最初主要专注于CPU和存储的分布式服务。2023年6月，其推出了GPU服务的测试网，并于同年9月上线了GPU分布式算力的主网。

数据来源：https://stats.akash.network/provider-graph/graphics-gpu
根据Akash官方数据，其GPU网络推出以来，供应端尽管持续增长，但截至目前为止GPU总接入数量仅为365张。
从GPU的供应量来看，IO.NET要比Akash Network高出了好几个数量级，已经是分布式GPU算力赛道最大的供应网络。
需求端情况

不过从需求端来看，IO.NET依旧处于市场培育的早期阶段，目前实际使用IO.NET来执行计算任务的总量不多。大部分在线的GPU的任务负载量为0%，只有A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、H100 80GB HBM3四款芯片有在处理任务。且除了A100 PCIe 80GB K8S之外，其他三款芯片的负载量均不到20%。
而官方当日披露的网络压力值为0%，意味着大部分芯片供应都处于在线待机状态。
而在网络费用规模上，IO.NET已经产生了586029$的服务费用，近一日的费用为3200$。

数据来源：https://cloud.io.net/explorer/clusters
以上网络结算费用的规模，无论是总量还是日交易量，均与Akash处在同一个数量级，不过Akash的大部分网络收入来自于CPU的部分，Akash的CPU供应量有2万多张。

数据来源：https://stats.akash.network/
此外，IO.NET还披露了网络处理的AI推理任务的业务数据，截至目前其已经处理和验证的推理任务数量超过23万个， 不过这部分业务量大部分都产生于IO.NET所赞助的项目BC8.AI。

数据来源：https://cloud.io.net/explorer/inferences
从目前的业务数据来看，IO.NET的供给端扩张顺利，在空投预期和代号“Ignition”的社区活动刺激下，让其迅速地汇聚起了大量的AI芯片算力。而其在需求端的拓展仍处于早期阶段，有机需求目前还不足。至于目前需求端的不足，是由于消费端的拓展还未开始，还是由于目前的服务体验尚不稳定，因此缺少大规模的采用，这点仍需要评估。
不过考虑到AI算力的落差短期内较难填补，有大量的AI工程师和项目在寻求替代方案，可能会对去中心化的服务商产生兴趣，加上IO.NET目前尚未开展对需求端的经济和活动刺激，以及产品体验的逐渐提升，后续供需两端的逐渐匹配仍然是值得期待的。

2.3 团队背景和融资情况
团队情况
IO.NET的核心团队成立之初的业务是量化交易，在2022年6月之前，他们一直专注于为股票和加密资产开发机构级的量化交易系统。出于系统后端对计算能力的需求，团队开始探索去中心化计算的可能性，并且最终把目光落在了降低GPU算力服务的成本这个具体问题上。
创始人&CEO：Ahmad Shadid
Ahmad Shadid在IO.NET之前一直从事量化和金融工程相关的工作，同时还是以太坊基金的志愿者。
CMO&首席战略官：Garrison Yang
Garrison Yang在今年3月才正式加入IO.NET，他此前是Avalanche的战略和增长VP，毕业于加州大学圣巴巴拉分校。
COO：Tory Green
Tory Green 是 io.net 首席运营官，此前是 Hum Capital 首席运营官、Fox Mobile Group 企业发展与战略总监，毕业于斯坦福。
从IO.NET的Linkedin信息来看，团队总部位于美国纽约，在旧金山有分公司，目前团队人员规模在50人以上。
融资情况
IO.NET截至目前仅披露了一轮融资，即今年3月完成的A轮估值10亿美金融资，共募集了3000万美金，由Hack VC领投，其他参投方包括Multicoin Capital、Delphi Digital、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHash Ventures、OKX Ventures、Amber Group、SevenX Ventures和ArkStream Capital等。
值得一说的是，或许是因为收到了Aptos基金会的投资，原本在Solana上进行结算记账的BC8.AI项目，已经转换到了同样的高性能L1 Aptos上进行。
2.4 估值推算
根据此前创始人兼CEO Ahmad Shadid的说法，IO.NET将在4月底推出代币。
IO.NET有两个可以作为估值参考的标的项目：Render Network和Akash Network，它们都是代表性的分布式计算项目。
我们可以用两种方式推演IO.NET的市值区间：1.市销比，即：市值/收入比；2.市值/网络芯片数比。
先来看基于市销比的估值推演：

从市销比的角度来看，Akash可以作为IO.NET的估值区间的下限，而Render则作为估值的高位定价参考，其FDV区间为16.7亿~59.3亿美金。
但考虑到IO.NET项目更新，叙事更热，加上早期流通市值较小，以及目前更大的供应端规模，其FDV超过Render的可能性并不小。
再看另一个对比估值的角度，即“市芯比”。
在AI算力求大于供的市场背景下，分布式AI算力网络最重要的要素是GPU供应端的规模，因此我们可以以“市芯比”来横向对比，用“项目总市值与网络内芯片的数量之比”，来推演IO.NET可能的估值区间，供读者作为一个市值参考。

如果以市芯比来推算IO.NET的市值区间，IO.NET以Render Network的市芯比为上限，以Akash Network为下限，其FDV区间为206亿~1975亿美金。
相信再看好IO.NET项目读者，都会认为这是一个极度乐观的市值推算。
而且我们需要考虑到，目前IO.NET如此庞大的芯片在线张数，有受到空投预期以及激励活动的刺激，在项目正式上线后其供应端的实际在线数仍然需要观察。
因此总体来说，从市销比的角度进行的估值测算可能更有参考性。
IO.NET作为叠加了AI+DePIN+Solana生态三重光环的项目，其上线后的市值表现究竟如何，让我们拭目以待。
3.参考信息
Delphi Digital：The Real MergeGalaxy：Understanding the Intersection of Crypto and AI

原文链接：https://research.mintventures.fund/2024/04/08/zh-a-new-solana-based-ai-depin-project-a-brief-analysis-of-upcoming-tokenlaunch-io-net/
io.net币安广场社区转载，原文著作权益和内容责任归属原作者，io.net及币安广场的转载不代表认证或支持被转载内容的部分或全部观点。