arrière-plan
Avec le lancement de GPT 4 LLM par OpenAI, le potentiel de divers modèles d'IA Text-to-Image a été constaté. Les applications basées sur des modèles d'IA matures augmentent de jour en jour et la demande de ressources informatiques telles que les GPU augmente.
Utilisations de GPU Un article de 2023 traitant de la situation de l'offre et de la demande du GPU Nvidia H 100 a souligné que les grandes entreprises impliquées dans le secteur de l'IA ont une forte demande pour les GPU. Les géants de la technologie tels que Meta, Tesla et Google en ont acheté un grand nombre. GPU Nvidia pour créer un centre de données pour l'IA. Meta possède environ 21 000 GPU A 100, Tesla environ 7 000 A 100 et Google investit également d'importants GPU dans ses centres de données, bien qu'aucun chiffre précis n'ait été fourni. La demande de GPU, en particulier du H 100, continue de croître, motivée par la nécessité de former de grands modèles de langage (LLM) et d'autres applications d'IA.
Dans le même temps, selon les données de Statista, la taille du marché de l'IA est passée de 134,8 milliards en 2022 à 241,8 milliards en 2023, et devrait atteindre 738,7 milliards en 2030, et la valeur marchande des services cloud a également augmenté de environ 14% sur 633 milliards, parmi lesquels de nombreux. Une partie de cela est attribuée à la demande croissante de puissance de calcul GPU sur le marché de l'IA.
Pour le marché de l’IA qui connaît une croissance rapide et recèle un potentiel énorme, sous quel angle peut-on déconstruire et explorer les points d’entrée d’investissement associés ? Sur la base d'un rapport d'IBM, nous avons résumé l'infrastructure requise pour créer et déployer des applications et des solutions d'intelligence artificielle. On peut dire que l'infrastructure d'IA existe principalement pour traiter et optimiser le grand nombre d'ensembles de données et de ressources informatiques sur lesquels reposent les modèles de formation. Elle résout les problèmes d'efficacité du traitement des ensembles de données, de fiabilité des modèles et d'évolutivité des applications, tant du point de vue matériel que logiciel. .
Les modèles et applications de formation à l'IA nécessitent une grande quantité de ressources informatiques, privilégiant les environnements cloud à faible latence et la puissance de calcul GPU. La pile logicielle comprend également des plates-formes informatiques distribuées (Apache Spark/Hadoop). Spark distribue les flux de travail qui doivent être traités sur de grands clusters informatiques et intègre un parallélisme et une conception tolérante aux pannes. La conception décentralisée naturelle de la blockchain a fait des nœuds distribués la norme, et le mécanisme de consensus POW créé par BTC a établi que les mineurs doivent rivaliser en termes de puissance de calcul (charge de travail) pour remporter les résultats de bloc, ce qui nécessite la même puissance de calcul que l'IA. est un flux de travail similaire pour générer des problèmes de modèle/inférence. En conséquence, les fabricants de serveurs cloud traditionnels ont commencé à développer de nouveaux modèles commerciaux en louant des cartes graphiques et en vendant de la puissance de calcul, comme en louant des serveurs. Et imitant l'idée de la blockchain, la puissance de calcul de l'IA adopte une conception de système distribué, qui peut utiliser les ressources GPU inutilisées pour réduire le coût de la puissance de calcul des startups.
Présentation du projet IO.NET
Io.net est un fournisseur de puissance de calcul distribué combiné à la blockchain Solana, visant à utiliser des ressources informatiques distribuées (GPU CPU) pour résoudre les défis de la demande informatique dans les domaines de l'IA et de l'apprentissage automatique. IO intègre des cartes graphiques inutilisées provenant de centres de données indépendants et de mineurs de crypto-monnaie, et combine des projets de cryptographie tels que Filecoin/Render pour mettre en commun les ressources de plus d'un million de GPU afin de résoudre le problème de la pénurie de ressources informatiques de l'IA.
Au niveau technique, io.net est construit sur ray.io, un cadre d'apprentissage automatique qui implémente le calcul distribué. Il fournit des ressources informatiques distribuées pour les applications d'IA qui nécessitent une puissance de calcul allant de l'apprentissage par renforcement et de l'apprentissage en profondeur au réglage et à l'exécution de modèles. N'importe qui peut rejoindre le réseau de puissance de calcul d'io en tant que travailleur ou développeur sans autorisations supplémentaires. Dans le même temps, le réseau ajustera le prix de la puissance de calcul en fonction de la complexité, de l'urgence et de l'offre de ressources informatiques du travail informatique, et fixera les prix en fonction de ceux-ci. dynamique du marché. Sur la base des caractéristiques de la puissance de calcul distribuée, le backend d'io mettra également en relation les fournisseurs de GPU et les développeurs en fonction du type de demande de GPU, de la disponibilité actuelle, de l'emplacement et de la réputation du demandeur.
$IO est le jeton natif du système io.net et sert de moyen d'échange entre les fournisseurs de puissance de calcul et les acheteurs de services de puissance de calcul. L'utilisation de $IO peut réduire les frais de traitement des commandes de 2 % par rapport à $USDC. Dans le même temps, $IO joue également un rôle incitatif important pour assurer le fonctionnement normal du réseau : les détenteurs de jetons $IO peuvent promettre un certain montant de $IO aux nœuds, et le fonctionnement des nœuds nécessite également que les jetons $IO soient promis. revenu correspondant à la période d'inactivité de la machine.
La capitalisation boursière actuelle du jeton $IO est d'environ 360 millions de dollars et celle du FDV est d'environ 3 milliards de dollars.
Économie des jetons $IO
L'offre totale maximale de IO $ est de 800 millions, dont 500 millions ont été alloués à toutes les parties lorsque le token était TGE. Les 300 millions de tokens restants seront progressivement libérés sur 20 ans (le montant libéré diminue de 1,02 % chaque mois). environ 12% par an). La circulation actuelle des IO est de 95 millions, dont 75 millions débloqués pour la R&D écologique et le développement communautaire pendant le TGE et 20 millions de récompenses minières de Binance Launchpool.
Les récompenses pour les fournisseurs de puissance de calcul lors du réseau de test IO sont réparties comme suit :
Saison 1 (au 25 avril) - 17 500 000 IO
Saison 2 (1er mai - 31 mai) - 7 500 000 IO
Saison 3 (1er juin - 30 juin) - 5 000 000 IO
En plus de tester les récompenses de puissance de calcul du réseau, IO a également offert des airdrops aux créateurs qui ont participé à la construction de la communauté :
(Premier tour) Communauté / Créateur de contenu / Galxe / Discord - 7 500 000 IO
Saison 3 (1er juin - 30 juin) Participants Discord et Galxe - 2 500 000 IO
Parmi eux, la récompense de puissance de calcul du réseau de test du premier trimestre et la première série de récompenses de création de communauté/Galxe ont été lancées pendant le TGE.
Selon la documentation officielle, la répartition globale des $IO est la suivante :
Mécanisme de destruction du jeton $IO
Io.net exécute le rachat et la destruction des jetons $IO selon un ensemble fixe de procédures prédéfinies. Les quantités spécifiques de rachat et de destruction dépendent du prix $IO au moment de l'exécution. Les fonds utilisés pour racheter $IO proviennent des revenus d'exploitation d'IOG (The Internet of GPUs - GPU Internet). Des frais de passation de commande de 0,25 % sont facturés à chacun des acheteurs et fournisseurs de puissance de calcul d'IOG, et $USDC est facturé. utilisé. 2 % de frais de traitement pour l’achat de puissance de calcul.
Analyse des produits concurrentiels
Les projets similaires à io.net incluent Akash, Nosana, OctaSpace, Clore.AI et d'autres marchés de puissance de calcul décentralisés qui se concentrent sur la résolution des besoins informatiques des modèles d'IA.
Grâce à un modèle de marché décentralisé, Akash Network utilise des ressources informatiques distribuées inutilisées, regroupe et loue la puissance de calcul excédentaire et répond aux déséquilibres de l'offre et de la demande par le biais de remises dynamiques et de mécanismes d'incitation, obtenant ainsi une allocation de ressources efficace et sans confiance basée sur des contrats intelligents. services de cloud computing rentables et décentralisés. Il permet aux mineurs d’Ethereum et à d’autres utilisateurs disposant de ressources GPU sous-utilisées de les louer, créant ainsi un marché pour les services cloud. Sur ce marché, les prix des services sont fixés via un mécanisme d'enchères inversées, dans le cadre duquel les acheteurs peuvent soumissionner pour louer ces ressources, ce qui rend les prix moins compétitifs.
Nosana est un projet de marché de puissance de calcul décentralisé dans l'écosystème Solana. Son objectif principal est d'utiliser les ressources de puissance de calcul inutilisées pour former une grille GPU afin de répondre aux besoins informatiques d'inférence de l'IA. Le projet utilise des programmes sur Solana pour définir le fonctionnement de son marché de puissance de calcul et garantir que les nœuds GPU participant au réseau accomplissent raisonnablement les tâches. Actuellement, en plus de la deuxième phase d’exploitation du réseau de test, il fournit des services de puissance de calcul pour le processus d’inférence du modèle LLama 2 et Stable Diffusion.
OctaSpace est une infrastructure de nœuds cloud d'informatique distribuée évolutive et open source qui permet d'accéder à l'informatique distribuée, au stockage de données, aux services, aux VPN, etc. OctaSpace inclut la puissance de calcul CPU et GPU, servant de l'espace disque pour les tâches ML, les outils d'IA, le traitement d'images et le rendu des scènes à l'aide de Blender. OctaSpace sera lancé en 2022 et fonctionnera sur sa propre blockchain compatible EVM de couche 1. La blockchain utilise un système à double chaîne qui combine les mécanismes de consensus Proof of Work (PoW) et Proof of Authority (PoA).
Clore.AI est une plate-forme de calcul GPU distribuée qui permet aux utilisateurs d'obtenir des ressources de puissance de calcul GPU haut de gamme à partir de nœuds fournissant une puissance de calcul dans le monde entier. Il prend en charge plusieurs utilisations telles que la formation en IA, l'extraction de crypto-monnaie et le rendu de films. La plate-forme fournit des services GPU hautes performances et à faible coût, et les utilisateurs peuvent obtenir des récompenses en jetons Clore en louant des GPU. Clore.ai se concentre sur la sécurité, est conforme à la législation européenne et fournit une API puissante pour une intégration transparente. En termes de qualité du projet, la page Web de Clore.AI est relativement approximative et il n'existe aucune documentation technique détaillée pour vérifier l'authenticité de l'auto-introduction du projet et l'authenticité des données. Nous restons méfiants quant aux ressources de la carte graphique du projet et au véritable niveau de participation.
Comparé à d'autres produits sur le marché de la puissance de calcul décentralisé, io.net est actuellement le seul projet auquel n'importe qui peut se joindre pour fournir des ressources de puissance de calcul sans autorisation. Les utilisateurs peuvent utiliser un minimum de 30 GPU grand public pour participer au réseau. La contribution à la puissance de calcul inclut également les ressources de puces Apple telles que le Macbook M2 et le Mac Mini. Des ressources GPU et CPU plus suffisantes et une construction d'API riche permettent à IO de prendre en charge divers besoins informatiques de l'IA, tels que l'inférence par lots, la formation parallèle, le réglage des hyperparamètres et l'apprentissage par renforcement. Son infrastructure back-end est composée d'une série de couches modulaires qui permettent une gestion efficace des ressources et une tarification automatisée. D'autres projets du marché de la puissance de calcul distribuée concernent principalement la coopération avec les ressources des cartes graphiques d'entreprise, et il existe certains seuils de participation des utilisateurs. Par conséquent, IO peut avoir la capacité d’utiliser le volant cryptographique de l’économie des jetons pour exploiter davantage de ressources de carte graphique.
Ce qui suit est une comparaison de la valeur marchande actuelle/FDV de io.net et des produits concurrents.
Bilan et conclusion
La cotation de $IO sur Binance peut être considérée comme un bon début pour un projet à succès qui a attiré beaucoup d'attention depuis ses débuts. Le réseau de test est devenu populaire sur l'ensemble du réseau et a progressivement été attaqué par tout le monde au fil du temps. test, remettant en question les règles de points opaques. Le jeton a été mis en ligne pendant la correction du marché, a ouvert à la baisse et a augmenté, pour finalement revenir à une fourchette de valorisation relativement rationnelle. Cependant, parmi les participants au testnet venus en raison de la solide gamme d'investissements d'io.net, certains étaient heureux et d'autres tristes. La plupart des utilisateurs qui ont loué des GPU mais n'ont pas insisté pour participer au testnet chaque saison n'ont pas obtenu les rendements excédentaires idéaux. comme prévu. Au lieu de cela, nous sommes confrontés à la réalité des « anti-Lu ». Lors du test du réseau, io.net a divisé la cagnotte de chaque période en deux pools : GPU et CPU hautes performances à calculer séparément. L'annonce des points pour la saison 1 a été reportée en raison d'un incident de piratage, mais les points ont finalement été attribués. Le taux d'échange du pool de GPU lors du TGE a été déterminé dans un avenir proche à 90 : 1. Le coût d'utilisation de la location de GPU auprès des principaux fabricants de plates-formes cloud dépasse de loin les revenus du parachutage. Au cours de la saison 2, le responsable a entièrement mis en œuvre le mécanisme de vérification PoW. Près de 3 appareils GPU ont participé avec succès et ont réussi la vérification PoW. Le ratio d'échange de points final était de 100 : 1.
Après le démarrage tant attendu, si io.net peut atteindre son objectif déclaré de répondre à divers besoins informatiques pour les applications d'IA, et quelle est la demande réelle restante après le réseau de test, seul le temps pourra peut-être en donner la meilleure preuve.
référence:
https://docs.io.net/docs
https://blockcrunch.substack.com/p/rndr-akt-ionet-the-complete-guide
https://www.odaily.news/post/5194118
https://www.theblockbeats.info/news/53690
https://www.binance.com/en/research/projects/ionet
https://www.ibm.com/topics/ai-infrastructure
https://gpus.llm-utils.org/nvidia-h100-gpus-supply-and-demand/
https://www.statista.com/statistics/941835/artificial-intelligence-market-size-revenue-comparisons/
https://www.grandviewresearch.com/press-release/global-cloud-ai-market
