Loading...
Loading...
AI 的奥本海默时刻，io.net 如何革新去中心化人工智能计算市场撰文：Raghav Agarwal、Roy Lu，LongHash Ventures
编译：Elvin,ChainCatcher
AI
人类正处于一个 AI 奥本海默时刻。
埃隆·马斯克指出：「随着我们技术的进步，确保 AI 服务于人民的利益，而不仅仅是权力者的利益，这是至关重要的。人民拥有的 AI 提供了一条前进的道路。」
在与加密货币的交汇处，AI 可以实现自身的民主化。从开源模型开始，然后是人民的 AI，由人民，为人民服务。虽然 Web3 x AI 的目标是高尚的，但其实际采用取决于其可用性和与现有 AI 软件栈的兼容性。这就是 IO.NET 独特方法和技术栈发挥作用的地方。
IO.NET 的去中心化 Ray 框架是向 web3 及更广范围推出无需许可的 AI 计算市场的特洛伊木马。
IO.NET 在带来 GPU 丰富性方面处于领先地位。与其他通用计算聚合器不同，IO.NET 通过重写 Ray 框架，将去中心化计算与行业领先的 AI 栈桥接起来。这种方法为在 web3 内外的更广泛采用铺平了道路。
AI 民族主义背景下的计算能力竞赛
在人工智能栈中，对资源的竞争愈演愈烈。过去几年，人工智能模型大量涌现。在 Llama 3 发布后的几小时内，Mistral 和 OpenAI 发布了他们前沿人工智能模型的新版本。
人工智能栈中正在进行资源竞争的三个层次是：1) 训练数据，2) 先进算法，3) 计算单元。算力允许人工智能模型通过扩展训练数据和模型大小来提高性能。根据 OpenAI 对基于变换器的语言模型的经验性研究，随着我们增加用于训练的计算量，性能会平稳提高。
在过去 20 年中，计算使用量激增。Epoch.ai 对 140 个模型的分析显示，自 2010 年以来，具有里程碑意义的系统的培训计算每年增加了 4.2 倍。最新的 OpenAI 模型，GPT-4，需要的计算量是 GPT-3 的 66 倍，大约是 GPT 的 120 万倍。
AI 民族主义明显
美国、中国和其他国家的巨额投资，总计约 400 亿美元。大部分资金将专注于生产 GPU 和人工智能芯片工厂。OpenAI 的 CEO Sam Altman 计划筹集高达 7 万亿美元的资金，以增强全球人工智能芯片制造，强调「计算将成为未来的货币」。
聚合长尾计算资源可能会显著扰乱市场。中心化云服务提供商如 AWS、Azure 和 GCP 面临的挑战包括长时间的等待、有限的 GPU 灵活性和繁琐的长期合同，特别是对于较小的实体和初创公司而言困难更大。
数据中心、加密货币矿工和消费级 GPU 的未充分利用的硬件可以满足需求。2022 年 DeepMind 的一项研究发现，在更多数据上训练较小的模型通常比使用最新、最强大的 GPU 更有效，这表明朝着使用可访问的 GPU 进行更有效的人工智能训练的转变。
IO.NET 结构性地颠覆了人工智能计算市场
IO.NET 结构性地颠覆了全球人工智能计算市场。IO.NET 的全球分布式人工智能训练、推理和微调的端到端平台，聚合了长尾 GPU，以解锁廉价的高性能训练。
GPU 市场：
IO.NET 从全球的数据中心、矿工和消费者那里聚合 GPU。人工智能初创公司可以在几分钟内部署去中心化的 GPU 集群，只需指定集群位置、硬件类型、机器学习栈（Tensorflow、PyTorch、Kubernetes），并立即在 Solana 上支付。
集群：
没有适配的并行基础设施的 GPU 就好比没有电源线的反应堆，虽然存在但无法使用。正如 OpenAI 博客所强调的，硬件和算法并行性的限制显著影响了每个模型的计算效率，限制了模型的大小和训练期间的有用性。
IO.NET 利用 Ray 框架将数千个 GPU 集群转换为一个统一整体。这一创新使 IO.NET 能够组建 GPU 集群，而不受地理位置分散的影响，进而解决了计算市场上的一大难题。
Ray 框架脱颖而出
作为一个开源的统一计算框架，Ray 简化了人工智能和 Python 工作负载的扩展。Ray 被 Uber、Spotify、LinkedIn 和 Netflix 等行业领导者所采用，促进了人工智能集成到他们的产品和服务中。微软为客户提供在 Azure 上部署 Ray 的机会，而 Google Kubernetes Engine (GKE) 通过支持 Kubeflow 和 Ray，简化了开源机器学习软件的部署。
Ahmad 在 2023 年 Ray 峰会上展示他关于去中心化 Ray 框架的工作
去中心化 Ray - 扩展 Ray 以进行全球推理（视频链接：https://youtu.be/ie-EAlGfTHA?）
我们最初是在 Tory 担任金融科技高增长初创公司的 COO 时遇见他的，我们知道他是一个具有数十年经验的高级运营者，能够将初创公司扩展到卓有成效的程度。与 Ahmad 和 Tory 交谈后，我们立即意识到这是将去中心化人工智能计算带到 web3 及更广范围的梦想团队。
Ahmad 的创意结晶，IO.NET，是在实际应用中的一个顿悟时刻诞生的。开发 Dark Tick，一种用于超低延迟高频交易的算法，需要大量的 GPU 资源。为了应对成本问题，Ahmad 开发了一个去中心化的 Ray 框架版本，从加密货币矿工那里集群 GPU，无意中打造了一个解决更广泛人工智能计算挑战的弹性基础设施。
发展势头：
通过利用代币激励，截至 2024 年中期，IO.NET 已经上线了超过 10 万个 GPU 和 2 万个集群就绪的 GPU，包括大量的 NVIDIA H100 和 A100。Krea.ai 已经在利用 io.net 的去中心化云服务，IO Cloud，来驱动他们的人工智能模型推理。IO.NET 最近宣布与 NavyAI、Synesis One、RapidNode、Ultiverse、Aethir、Flock.io、LeonardoAI、Synthetic AI 等多个项目合作。
通过依赖全球分布式的 GPU 网络，IO.NET 可以：
与中心化云服务提供商相比，通过允许推理更接近其终端用户，从而降低客户的推理时间
通过高度集成的网络骨干连接多个数据中心，将资源组织成区域，从而提高弹性
降低计算资源的成本和访问时间
允许公司动态扩展和缩小杠杆资源的规模
使 GPU 提供者能够从他们的硬件投资中获得更好的收益
IO.NET 通过去中心化 Ray 框架站在了创新的前沿。利用 Ray Core 和 Ray Serve，他们的分布式 GPU 集群在去中心化 GPU 上高效地编排任务。
结论
推动开源人工智能模型是对原始互联网协作精神的认可，人们可以无需许可地接入 HTTP 和 SMTP。
众包 GPU 网络的出现是无需许可精神的自然演变。通过众包长尾 GPU，IO.NET 正在打开通往宝贵计算资源的闸门，创造一个公平透明的市场，防止权力集中在少数人手中。
我们相信 IO.NET 通过去中心化的 Ray 集群技术实现人工智能计算即货币的愿景。在这个日益由「富人」和「穷人」组成的世界里，IO.NET 最终将「让互联网再次开放」。
如何看待 io.net 去中心化云算力网络的后续市场影响？撰文：Haotian
io 集 AI+DePIN+Solana 三大叙事方向为一身，事关 Crypto 行业能不能通过 AI 找寻到一个引爆牛市的主升浪出来。某种程度上，称之为「币圈英伟达」也不为过？接下来，简单说下我的看法：
1）io 一诞生就被寄予厚望，无论是 VC 还是矿工以及散户，都亟待 io 能够在 Crypto 接轨 AI 的方向起一个好兆头，有 AI 方向龙头项目的大预期。io 所提供的去中心化云算力解决方案，切中了 AI 大模型训练方向一个首要矛盾：中小型模型训练和微调、推理的巨量算力「需求」和集中式算力愈发增加的「成本」。
io 分布式云算力平台的出现，旨在解决这个矛盾。通过调动 IDC 数据中心，加密货币矿场以及普通用户的闲置算力，积聚了大量闲置并且低成本的算力，并基于 Crypto Tokenomics 激励框架，和一系列新型合约标准以及硬件设备标准化等等，把原本几乎不可能产生「协作」的算力经过整合，进而产生应用效能。
因此，io 这类分布式算力平台的出现，是 Crypto 治理框架和 AI 训练需求场景结合的首个刚需场景，是 Crypto 攻占 AI 领域的第一个山头。
2）OpenAI 引领的 LLM 大语言模型在互联网市场语境下正逐渐「垄断化」。我们观察 ChatGPT3.5-4.0 到 Sora 再到 4o 的演化过程就会发现，这类大模型正愈发智能和多模态化。
这类大模型能集成图、文、视频，甚至结合机器人、物联网设备还能做到实时动态输出。但这一切前提都建立在算力集中和能耗大的基础上。这样下去，中心化 AI 服务会逐步趋向寡头垄断，少数科技公司会掌控 AI 技术的发展方向，势必会限制多样化的创新。
io 等分布式算力平台的出现，可以给这些长尾需求提供一个低门槛、更灵活，更定制化，且还能发挥 Tokenomics 社区激励价值的平台，帮助它们在更垂直、细分的应用场景内（供应链金融、精准医疗、个性化教育等）发挥潜在价值。
何况，Tokenomics 能将算力提供者、开发者、用户等利益相关多方绑定，本就适合在一些传统算力资源可能忽略的边缘领域发挥奇效。集中算力会优先被作用到大语言模型、机器学习等通用性强、适用范围广、商业变现前景更广阔的领域。
这是我一直认为 AI+DePIN 能成为牛市主升浪的核心原因，因为这个赛道的火爆不限于存量 Crypto 行业的内卷，可通过实实在在的需求供应，能为 Crypto 场内吸引来增量用户和项目方。
3）io 基本业务直接对标亚马逊、阿里云等云服务，构建了 IO Cloud 集群，同时集成了 Render Network、Filecoin 等供应端的 GPU 资源，这让其提供的 GPU 资源具有了极强的可扩展性。因此，一旦龙头地位形成，自然会通过聚合其他闲散算力平台的资源，而进一步降低其成本效益。
当然，若 io 能在分布式云算力市场站稳脚跟，也会直接对原本 Crypto 行业的云存储（ @Filecoin ），分布式协处理器（Livepeer）、分布式计算（Golem）云知识产权 IP 确权（ @StoryProtocol）等，以及 DePIN 基础设施、中间件、边缘 AI、RWA 等衍生方向都会产生明显的带动可能性。
也许会有人诟病，io 的落地场景目前叙事性过强，但 Crypto 领域强情绪 Drive 的当下，若 io 能激活 AI+DePIN 上下游一系列关联项目热度，其本身叙事层的价值就足够有行业壁垒了。
加之 DePIN 表面上看还是硬件挖矿那一套，但背后的矿工链条、节点网络架构、软硬件一体化的催化效应，会引入更广泛的增量市场用户参与。（别低估了 Pan 圈的魔力）
以上
尽管现在称其为「币圈英伟达」恐怕还为时过早，但确实可以很形象地感知到，io 接下来的表现对整个 AI+DePIN 赛道的提振作用。无论怎样，应该给予其相应的市场预期，这轮一波三折的牛市，太需要一个主升浪拉开帷幕了。
Bitget 研究院：欧洲央行如期降息，IO.NET 6 月 11 日开放交易过去 24 小时，市场出现了不少新的热门币种和话题，很可能它们就是下一个造富机会。
摘要
欧洲央行降息 25 个基点，或开启全球央行的降息周期。BTC 现货 ETF 持续 18 天净流入，山寨币市场表现平淡，Solana 生态 meme 交易活跃度依然高涨，io.net（IO）即将于 6 月 11 日开放交易。
造富效应强的板块是： GameStop 概念 meme
后续值得重点关注板块：TON 生态
用户热搜代币＆话题为：Glacier Network、Ultiverse、 io.net
潜在的空投机会有：UXLINK、Movement
数据统计时间： 2024 年 6 月 7 日 4: 00(UTC+ 0)
一、市场环境
欧洲央行自 2019 年以来首次降息，降息 25 个基点，或开启全球央行的降息周期。BTC 现货 ETF 昨日净流入 2.18 亿美元，已连续 18 天净流入，贝莱德的 IBIT 持仓量突破 30 万枚 BTC。BTC 小幅震荡后于今日再度突破 71000 美金，再次向新高发起冲击。
山寨币表现平平但 Solana 链上的 memecoins 依然表现出了很强的交易活跃度。Keith Gill（Roaring Kitty） 预设了 YouTube 上 6 月 8 日的直播，并披露了其 GME 股票和期权头寸达 5.86 亿美元，引发 Solana 链上 GME 和 KITTY 代币的暴涨。此外，融资达 4000 万的 AI+DePIN 项目 io.net(IO) 公布代币经济，即将于 6 月 11 日开放交易。
二、造富板块
1）板块异动： GameStop 概念 meme
主要原因：
散户之王 Roaring Kitty 在 Youtube 预设了将在 6 月 8 日 进行直播，GME 股票以及同名 Meme 代币短时大幅上涨。Reddit 上的一份截图显示，知名投资者 Roaring Kitty 披露其所持有的 GEM 股票和期权头寸总价值已达到约 5.86 亿美元。
上涨情况：
Solana 上的 GME 代币过去 24 h 上涨 + 120% ，KITTY(Roaring Kitty) 过去 24 h 上涨 + 240% ；ETH 链上的 GameStop （GME）过去 24 h 上涨 + 160% ；
影响后市因素：
Roaring Kitty 预设的直播能否如期进行、直播内容和效果都将极大地影响市场情绪。此前每次 GameStop 概念 meme 大涨后的回调都很大，投资者们需要注意风险控制，忌盲目追高。
2）后续需要重点关注板块：TON 生态
主要原因：
Notcoin 的大热带动了整个 TON 生态的活跃程度，大量类似的项目方、改进后的 GameFi 项目方涌现。TON 生态目前已有多个未发币的高流量项目：TON 生态游戏 Hamster Kombat 称其用户量突破 1 亿，Catizen 用户基数突破 1500 万…… 使市场对未来 TON 生态项目的 mass adoption 充满了预期，这些项目都将给 TON 带来更多的用户和资金。
具体币种清单：TON、NOT、STON、GRAM、FISH
三、用户热搜
1）热门 Dapp
Glacier Network：
Glacier Network 正在构建一个可编程、模块化且可扩展的区块链基础设施，用于存储、索引和查询数据，大规模增强 AI。Glacier 通过 GlacierAI、GlacierDB 和 GlacierDA 实现可验证计算。Glacier Network 以 1 亿美元估值完成 800 万美元天使轮与种子轮融资，Foresight X 等参投。
2）Twitter
Ultiverse：
Ultiverse 是一个由人工智能驱动的 Web3 游戏制作和发布一站式平台，促进了 AI 增强型 Web3 游戏的大规模采用。Ultiverse 基于 Bodhi 协议，以生成式人工智能的方式连接不同的游戏世界。Ultiverse 总计完成了三轮融资，投资阵容豪华，包括 Binance Labs 等投资，共计融资 1000 万美元以上，昨日，Binance Web3 发推称，与 Ultiverse 合作的 Binance Web3 Wallet 活动的 1500 万枚 ULTI 奖励已全部发放完毕，符合条件的参与者可查看自己的钱包。
3）Google Search & 地区
从全球范围来看：
IO.Net：昨日币安 Launchpool 宣布上线 io.net（IO），用户可通过质押 BNB 和 FDUSD 来挖矿 IO。挖矿时间为 4 天，北京时间 6 月 7 日 8: 00 开始。一时间在推特以及社区引起较大关注度，带来大量流量。该项目是一个去中心化计算网络，支持在 Solana 区块链上开发、执行和扩展 ML 应用程序，将 100 万个 GPU 组合在一起，形成世界上最大的 GPU 集群和 DePIN.io.net 聚合来自未充分利用的资源。
从各区域热搜来看：
（1）英语地区的热搜上，有一定的对 Bitstamp 的关注度，主要系 Robinhood 发文称，将以 2 亿美元收购加密交易所 Bitstamp，以向美国以外地区扩展，本次收购将于 2025 年上半年完成，引来了较大的关注度。
（2）欧美地区，关注有基本面的项目，主要聚焦于 RWA、DePIN、POW 公链，出现的热搜项目有 Etherfi、Floki、Boden 等。
（3）CIS 地区关注 TON 生态、AI 项目，NOT Coin、ARKM 等赛道资产出现在昨日 Google 热搜中。
四、潜在空投机会
UXLINK
UXLINK 是专为大规模采用而设计的开创性 web3 社交系统，允许用户构建社交资产和交易加密货币。它包含一系列高度模块化的 Dapp，从入门到图形形成、群组工具到社交化交易，所有这些都无缝集成在 Telegram 中。
UXLINK 近期公布融资，由 SevenX Ventures，Ince Capital，HashKey Capital 领投，累计融资 1500 万美金。
具体参与方式：Web3 社交基础设施项目 UXLINK 发行「IN UXLINK WE TRUST」系列 NFT 作为空投凭证。根据用户的社区贡献、链上交互和资产情况，分为「MOON」,「TRUST」,「FRENS」,「LINK」四个等级，对应不同的权益和 UXLINK 代币空投数量。
Movement
区块链开发团队 Movement Labs 成立于 2022 年，此前于 2023 年 9 月完成 340 万美元种子轮融资，除了旗舰产品 Movement L2，Movement Labs 还将推出 Move Stack，这是一个执行层框架，兼容 Optimism、Polygon 和 Arbitrum 等 rollup 框架。
区块链开发团队 Movement Labs 成立于 2022 年，此前于 2023 年 9 月完成 340 万美元种子轮融资，除了旗舰产品 Movement L2，Movement Labs 还将推出 Move Stack，这是一个执行层框架，兼容 Optimism、Polygon 和 Arbitrum 等 rollup 框架。
近日，Movement Labs 完成 3800 万美元 A 轮融资，Polychain Capital 领投，Hack VC、Foresight Ventures、Placeholder 等众多知名机构参投。
具体参与方式：进入 Movement zealy 任务界面 （注意：社交任务有时间期间以及不断上线的任务），可以进行 DEX 交互，随意交互几笔测试，等待官网后续动作。
Bitget 研究院更多资讯：https://www.bitget.fit/zh-CN/research
Bitget研究院专注于“聚焦链上数据，挖掘价值资产”，通过实时监测链上数据以及区域热搜等维度，挖掘前沿的价值投资，为加密世界爱好者提供机构级的洞见。截止至今已为 Bitget 全球用户提供了【Arbitrum 生态】、【AI 生态】、【SHIB 生态】等多个热门板块的早期价值资产，通过以数据为驱动的深入研究为 Bitget 全球用户创造更优质的财富效应。
【免责声明】市场有风险，投资需谨慎。本文不构成投资建议，用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
Multicoin Capital：我们为什么投资 io.net撰文：Shayon Sengupta，Multicoin Capital
编译：JIN，Techub News
2024 年 6 月 6 日，币安宣布 Launchpool 将上线 io.net 代币 IO，用户于香港时间 6 月 7 日 8 时在 Launchpool 网站将 BNB、FDUSD 投入到 IO 挖矿池中获得 IO 奖励，IO 共计可挖矿 4 天。网站预计将于此公告的大约五小时内，挖矿活动开放前更新。
此外，币安将于香港时间 6 月 11 日 20 时 上市 io.net 代币 IO，并开通 IO/BTC、IO/USDT、IO/BNB、IO/FDUSD 和 IO/TRY 交易市场。
IO 代币解锁和奖励
根据 io.net 官方文档，IO 代币总供应量为 8 亿枚，将在发布时释放 5 亿枚 IO，并在未来 20 年内逐步发行 3 亿枚 IO，直到达到 8 亿代币的上限。最初的 5 亿供应量解锁和奖励如下图所示，分为五类：种子投资者、A 轮投资者、核心贡献者、研发和生态系统以及社区；
IO 代币解锁和奖励
IO 代币预估分配
种子投资者：12.5%
A 轮投资者：10.2%
核心贡献者：11.3%
研发：16%
生态系统与社区：50%
IO 代币预估分配
以下 io.net 介绍内容为此前 io.net 3000 万美元 A 轮融资的参投方 Multicoin Capital 撰写：
我们很高兴宣布对 io.net 进行了投资， io.net 是提供 AI 算力租借服务的分布式网络。我们不仅领投了种子轮，还参与了 A 轮融资。io.net 共筹集了 3000 万美元，参投方包括 Multicoin、Hack VC、6th Man Ventures、Modular Capital 以及由天使投资者组成的财团，旨在构建按需、随时可用的 AI 算力需求市场 。
我第一次见到 io.net 的创始人 Ahmad Shadid ，是在2023 年 4 月 Solana 黑客松活动 Austin Hacker House，立即被他对于 ML （机器学习）的算力基础设施去中心化方面的独特见解所吸引。
从那以后，io.net 团队便开始展现强大的执行力。如今，这个网络已经聚合了数以万计的分布式 GPU，并为 AI 企业提供了超过 57,000 小时的计算时间。我们很高兴与他们合作，为未来十年的 AI 复兴助力。
一、全球算力短缺
AI 计算需求正以惊人的速度增长；这种需求目前并无法满足。2023 年，为 AI 需求提供算力的数据中心收入超过了 1000 亿美元，但即便在最保守的情况下，对 AI 的需求也超过了芯片供应。
在高利率和现金流缺失的时期，能够容纳此类硬件的新数据中心在前期需要大量的投资。问题的核心在于如 NVidia A100 和 H100 等先进芯片的生产受到限制。虽然 GPU 性能不断提升且成本稳步降低，但其制造流程无法提速，这是因为原材料、组件和产能的短缺限制了增长速度。
尽管 AI 充满前景广阔，但支持其运行的物理占用空间每天都在增加，这就对空间、电力和尖端设备的需求大幅增加。而 io.net 为我们开辟了一条道路，算力不再会受到这些约束。
io.net 是 DePIN 在现实世界应用的经典案例：通过使用代币激励来结构性降低获取供应侧资源的成本，为最终 GPU 算力需求者降低成本。将分布在全球各地的闲置 GPU 资源汇集到一个共享池中，供 AI 开发者和公司使用。如今，该网络由来自数据中心、矿场和消费级设备的数千个 GPU 提供支持。
尽管可以将这些有价值的资源整合起来，但它们并不会自动扩展到分布式网络。在加密货币技术的历史上，已经有过几次构建分布式 GPU 计算网络的尝试，但都因为不满足需求方的需求而失败。
在具有不同内存、带宽和存储配置的异构硬件上完成协调和调度算力工作，这是实现分布式 GPU 网络的关键一步。我们相信 io.net 团队拥有当今市场上最实用的解决方案，可以使这种硬件聚合对最终客户有用，并具有经济效益。
二、为集群铺平道路
在计算机发展历史中，软件框架和设计模式会围绕市场上可用的硬件配置进行自我调整。大多数用于 AI 开发的框架和库都严重依赖于集中式硬件资源，但在过去的十年里，分布式的算力基础设施在实际应用中取得了显著进展。
io.net 利用现有闲置的硬件资源，通过部署定制的网络和编排层来将它们联网，创建一个超可扩展的 GPU 互联网。这个网络利用 Ray、Ludwig、Kubernetes 以及其他各种开源的分布式计算框架，以便机器学习工程和运营团队能够在已有 GPU 网络上扩展其工作负载。
ML 团队能够通过启动算力设备集群来并行化 io.net GPU 上的工作负载，并利用这些库来处理编排、调度、容错和扩展。例如，如果一组动态图形设计师将他们家中的 GPU 贡献给网络，io.net 可以构建一个集群，精心设计，使世界各地的图像模型开发人员可以租用集体计算资源。
BC8.ai，就是一个例子，经过微调的稳定扩散变体模型，而这一模型是完全在 io.net 网络上进行训练。io.net 浏览器显示实时推理以及对网络贡献者的激励。
人工智能超级计算机
每个图像的生成信息都是记录在链上。所有的费用支付给了 6 个 RTX 4090 集群，这是用于游戏的消费级 GPU。
如今，网络上有数以万计的设备，遍布矿场、未充分利用的数据中心和 Render Network 消费者节点。除了创造新的 GPU 供应之外，io.net 还能够在成本上与传统云服务提供商竞争，通常提供更便宜的资源。
他们通过将 GPU 协调和运营外包给去中心化协议来实现成本的降低。另一方面，云服务提供商则因为员工开支、硬件维护和数据中心运营成本而对产品进行加价。消费级显卡集群和矿场的成本远低于超大规模计算中心（Hyperscalers）愿意接受的成本，因此存在一种结构性套利，使得 io.net 上的资源定价动态地低于不断上涨的云服务费率。
三、构建 GPU 互联网
io.net 具有独特的优势，保持轻资产运营，并将服务任何特定客户的边际成本降低到几乎为零，同时与市场的需求方和供应方直接建立关系，能够服务成千上万需要访问 GPU 以构建有竞争力的 AI 产品，将来每个人都会与之互动。
穿透 io.net 的 AB 面：一场被低估的 AI 算力生产力革命？允许腰部和长尾玩家上牌桌，重构算力生产关系，能否带来 AI 的生产力大解放？
撰文：LFG Labs
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」，尤其是叠加 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。
io.net 真实 GPU 数量成迷？去中心化 AI 协议存在哪些问题？撰文：@rargulati，MartinShkreli
编译：白话区块链
@ionet 是建立在 Solana 上的去中心化算力网络，属于 Depin 和 AI 板块，获得了 Mult1C0in Capital 和 Moonhill Capital 的融资，融资金额未披露。
io.net 是一个基于 Solana 的用于 GPU 上的机器学习训练的去中心化云平台，提供即时、无需许可地访问全球 GPU 和 CPU 网络。平台拥有 25000 个节点，并采用革命性的技术将 GPU 云集群在一起，为大规模 AI 初创公司节省了高达 90% 的计算成本。
目前建立在 Solana 上，属于目前比较火热的 Depin 和 AI 板块，今天来看看 X 上两位对其 GPU 和存在的问题进行了分析：
@ionet 拥有多少个 GPU（Graphics Processing Unit，图形处理器 ) 是用于图形处理的芯片）？
X 上@MartinShkreli 对四个答案进行了分析：
1）7648（在部署时尝试时）
2）11107（从他们的资源管理器手动计算）
3）69415（无法解释的数字，不变？）
4）564306（这里没有任何支持、透明度或实质性的信息。连 CoreWeave 或 AWS 都没有这么多）
认为真正的答案实际上是 320 个。
为什么是 320 个呢？
和我一起看一下资源管理器页面。所有的 GPU 都是「免费」的，但你仍然不能租用一个。如果它们是免费的，为什么不能租用呢？人们想要得到报酬，对吗？
你实际上可以租用的只有 320 个。
如果你不能租用它们，那它们就不是真实存在的。即使你可以租用，它也会增加...
@rargulati 表示 Martin 在对此事提出质疑是完全正确的。去中心化的人工智能协议存在以下问题：
1）没有一种成本效益高且时间有效的方式来在高度分布式的通用硬件架构上进行有用的在线训练。这需要一个我目前不知道的重大突破。这就是为什么 FANG 花费的资金比加密货币的所有流动性还要多，用于购买昂贵的硬件、网络连接、数据中心维护等。
2）在通用硬件上进行推断听起来是一个很好的应用案例，但硬件和软件方面的发展如此迅速，以至于通用的去中心化方式在大多数关键用例上表现不佳。可以参考最新的 OpenAI 延迟和 Groq 的增长。
3）从正确路由的请求上进行推断，与请求紧密共存的 gpu 集群，并利用去中心化加密货币来压低资金成本，以与 AWS 竞争并激励爱好者参与。听起来是个不错的主意，但由于供应商众多，GPU 现货市场的流动性分散，没有人整合出足够的供应来提供给运营真正业务的人。
4）软件路由算法必须非常好，不然消费者运营商的通用硬件在操作上存在很多问题。忘掉网络突破和拥塞控制，如果有人决定玩游戏或使用任何使用 webgl 的内容，你可能会遇到某个运营商的服务中断。不可预测的供应端会给运营带来困扰，并给需求方请求者带来不确定性。
这些都是棘手的问题，需要很长很长的时间来解决。所有的投标都只是梗而已。
MIIX Capital: io.net 项目研究报告撰文：MIIX Capital
1、项目情况
1.1 业务概要
io.net 是去中心化的 GPU 网络，旨在为 ML（机器学习） 提供计算。通过组装来自独立数据中心、加密货币矿工和 Filecoin 或 Render 等项目的 100 万多个 GPU 来获取计算能力。
它的目标是将 100 万个 GPU 组合到 DePIN（去中心化物理基础设施网络）中，打造一个企业级、去中心化的分布式计算网络，通过汇聚全球闲散的网络计算资源（目前主要是 GPU），为人工智能工程师们提供价格更低、更易获得、更灵活适配的网络计算资源服务。
对于用户来说，它就相当于一个去中心全球闲散 GPU 资源的集市，让人工智能工程师或团队可以在这里按照他们的需求定制化搭配和购买所需的 GPU 计算服务。
1.2 团队背景
Ahmad Shadid 是创始人兼首席执行官，此前是 WhalesTrader 量化系统工程师。
Garrison Yang 是首席战略官兼首席营销官，此前是 Ava Labs 增长与战略副总裁。
Tory Green 是首席运营官，此前是 Hum Capital 首席运营官、Fox Mobile Group 企业发展与战略总监。
Angela Yi 是商务拓展副总裁，毕业于美国哈佛大学，负责规划并执行销售、伙伴关系和供应商管理等关键战略。
2020 年 Ahmad Shadid 为机器学习量化交易公司 Dark Tick 构建 GPU 计算网络时，因为交易策略接近于高频交易，所以需要大量的算力，云服务厂商高昂的 GPU 服务费用成为了他们的难题。
对算力的巨大需求以及所面临的高昂成本促使他们他们决定去做去中心化分布式计算资源这件事，随后又在 Austin Solana Hacker House 获得关注度。因此，io.net 属于该团队从自身面临的痛点出发，提出解决方案并进行业务落地和拓展。
1.3 产品 / 技术
市场用户面临的问题：
可用性有限，使用 AWS、GCP 或 Azure 等云服务访问硬件通常需要数周时间，而且市场上流行的 GPU 模型通常不可用。
选择余地很少，如在 GPU 硬件、位置、安全级别、延迟等方面用户几乎没有选择余地。
成本较高：获得优质 GPU 非常昂贵，每月很花费数十万美元用于训练和推理。
解决方案：
通过聚合未充分利用（例如独立数据中心、加密矿工以及 Filecoin、Render 等加密项目）的 GPU ，把这些资源整合到 DePIN 中，使工程师能够在系统中获得大量计算能力。它允许 ML 团队跨分布式 GPU 网络构建推理和模型服务工作流程，并利用分布式计算库，来编排和批量训练作业，以便可以使用数据和模型并行性在许多分布式设备上并行化。
此外，io.net 利用具有高级超参数调整的分布式计算库来检查最佳结果、优化调度并简单地指定搜索模式。它还使用开源强化学习库，该库支持生产级、高度分布式的 RL （强化学习）工作负载以及简单的 API。
产品组成：
IO Cloud，目的是部署和管理按需来分配去中心化的 GPU 集群，与 IO-SDK 无缝集成，提供扩展人工智能和 Python 应用程序的全面解决方案。可提供无限的计算能力，同时简化了 GPU/CPU 资源的部署和管理。
IO Worker，为用户提供一个全面且用户友好的界面，通过直观的网络应用程序高效管理他们的 GPU 节点操作。该产品的范围包括与用户账户管理、计算活动监控、实时数据显示、温度和功耗跟踪、安装辅助、钱包管理、安全措施和盈利能力计算相关的功能。
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，让用户轻松即时监控、分析和了解 io.net 网络的复杂细节，提供对网络活动、重要统计数据、数据点和奖励交易的全面可见性。
产品特点：
去中心化计算网络：io.net 采用去中心化的计算模式，将计算资源分布在全球各地，从而提高了计算效率和稳定性。
低成本访问：相较于传统的集中式服务，io.net Cloud 提供了更低的访问成本，使更多的机器学习工程师和研究人员能够获得计算资源。
分布式云集群：平台提供了一个分布式的云集群，用户可以根据自己的需求选择合适的计算资源，并将任务分配到不同的节点上进行处理。
支持机器学习任务：io.net Cloud 专注于为机器学习工程师提供计算资源，使他们能够更轻松地进行模型训练、数据处理等任务。
1.4 发展路线图
https://developers.io.net/docs/product-timeline
根据 io.net 白皮书公布的信息，项目产品的路线图是：2024 年 1 月 -4 月，V1.0 全面发布，致力于 io.net 生态系统的去中心化，使其能够实现自我托管和自我复制。
1.5 融资信息
根据公开新闻信息显示，2024 年 3 月 5 日，io.net 对外宣布完成 3000 万美元 A 轮融资，Hack VC 领投，Multicoin Capital、6th Man Ventures、M13、Delphi Digital、Solana Labs、Aptos Labs、Foresight Ventures、Longhash、SevenX、ArkStream、Animoca Brands、Continue Capital、MH Ventures、Sandbox Games 等参与。【1】值得注意的是，这轮融资后，io.net 整体估值 10 亿美元。
2、市场数据
2.1 官方网站
从 2024 年 1 月 至 2024 年 3 月的官网数据看，总访问量为 5.212M，月均访问 1.737M，跳出率为 18.61%（较低），各区域用户访问数据较均匀，且直接访问和搜索访问占比超过 80%，可能说明访问用户数据中脏数据占比不高，他们对 io.net 有基本了解，并且愿意进一步了解和在网站进行交互。
2.2 社媒社群
3、竞争分析
3.1 竞争格局
io.net 的核心业务是跟去中心 AI 算力有关，它最大的竞争对手就是以 AWS、Google Cloud、微软智能云业务（Azure 为代表）为代表的传统云服务厂商。根据国际数据公司 (IDC)、浪潮信息和清华大学全球产业研究院联合编制的《2022–2023 年全球算力指数评估报告》，全球人工智能计算市场规模预计将从 2022 年的 195 亿美元增长到 2026 年的 346.6 亿美元。【2】
对比全球主流云计算厂商的销售收入：2023 年 AWS 云服务销售收入 90.8 亿美元，Google Cloud 销售收入 33.7 亿美元，微软智能云业务销售收入 96.8 亿美元。【3】三者市场份额占到全球 66% 左右，同时这三家巨无霸公司市值均在万亿美元以上。
https://www.alluxio.io/blog/maximize-gpu-utilization-for-model-training/
与云服务厂商高额收入形成鲜明对比的是，如何提升 GPU 利用率成为一个焦点问题。根据 AI infrastructure 的一项调查显示，大多数 GPU 资源被低估利用 — — 53% 左右的人认为 51~70% 的 GPU 资源被低估利用，25% 的人认为利用率达到 85%，只有 7% 的人认为利用率超过 85%。对 io.net 来说，对云计算的巨大需求以及 GPU 资源有效利用不足的问题是其面临的市场机会。
3.2 优势分析
https://twitter.com/eli5_defi/status/1768261383576289429
io.net 最大的竞争优势体现在生态位优势或者说先发优势上。根据官方提供的数据：目前 io.net 拥有的 GPU 集群总量大于 40K，CPU 总量大于 5600，Woker Nodes 大于 69K，部署 10,000GPU 的时间小于 90s，价格比竞争对手便宜 90%，估值 10 亿美元。io.net 不仅为客户提供了相比起中心化云服务提供商 1–2 折的低价和无需许可的即时上线服务，更为算力提供者通过即将推出的 IO 代币提供了额外的启动激励，共同助力达成连接 100 万 GPU 的目标。
另外，与其他 DePIN 计算项目相比，io.net 专注于 GPU 计算能力，其 GPU 网络的规模已经领先于同类项目超 100 倍。io.net 还是区块链界第一个将最先进的 ML 技术栈（如 Ray 集群、Kubernetes 集群和巨型集群）融入 GPU DePIN 项目并投入大规模实践的，这使得其不仅在 GPU 数量上，更在技术应用和模型训练的能力上处于领先地位。
随着 io.net 的不断发展，如果能够把 GPU 容量提升到与中心化云服务商竞争的 500,000 个全网并发 GPU，将可以用更低的成本提供与 Web 2 相似的服务，并有机会通过与主要 DePIN 和 AI 玩家（包括 Render Network、Filecoin、Solana、Ritual 等）建立的紧密合作关系，逐步确立其在该领域的核心地位成为去中心化 GPU 网络的龙头和结算层，为整个 Web 3xAI 生态带来活力。
3.3 风险和问题
io.net 是一个新兴的，与 Web3 深度结合的计算资源整合与分发平台，并且所涉及的业务与传统的云服务厂商高度重合，这让它在技术和市场方面都面临着位置的风险和阻碍。
技术安全风险， io.net 作为新兴平台，并没有经历过大规模的应用测试，也没有体现出防范和应对恶意攻击的能力。面对巨量的算力资源接入、分发和管理并没有相应的经验或实践验证，容易出现技术产品常见的兼容性、健壮性、安全性等问题。并且一旦出现问题，很可能对 io.net 是致命的，因为客户更在意自己的安全和稳定，且不愿意为这些买单。
市场拓展缓慢， io.net 与传统的云服务厂商高度重合，这让它必须与传统的 AWS、Google Cloud、Alicloud 等直接竞争，甚至与二线或三线的服务商直接竞争，尽管 io.net 有着更优惠的成本，但它面向 B 类客户的服务体系和市场体系是刚刚开始，这与现有 Web3 行业的市场运营有着很大的差别，所以，在目前来看它在市场拓展方面的进度并不理想，这很可能直接影响其项目估值和代币的市值表现。
最新安全事件
4 月 25 日 io.net 创始人兼 CEO Ahmad Shadid 在发推称，io.net 元数据 API 遭遇安全事件，攻击者利用用户 ID 到设备 ID 的可访问映射，导致未经授权的元数据被更新，此漏洞并未影响 GPU 访问，但确实影响了前端向用户显示的元数据。io.net 不收集任何 PII，也不会泄露敏感的用户或设备数据。
Shadid 表示，io.net 系统设计允许自我修复，不断更新每个设备，帮助恢复任何错误更改的元数据。鉴于此事件，io.net 加快了 OKTA 的用户级身份验证集成的部署，该部署将在接下来 6 小时内完成。此外，io.net 还推出 Auth0 Token 进行用户验证，阻止未经授权的元数据更改。数据库恢复期间，用户将暂时无法登录。所有正常运行时间记录均不受影响，并且这不会影响供应商的计算奖励。
4、代币估值
4.1 代币模型
io.net 代币经济模型在创世时将拥有 5 亿枚 IO 的初始供应量，分为五个类别：种子投资者（12.5%）、A 轮投资者（10.2%）、核心贡献者（11.3%）、研发与生态系统（16%）以及社区（50%）。随着 IO 的发行以激励网络增长和采用，将在 20 年内增长至 8 亿枚的固定最大供应量。
奖励采用通缩模型，从第一年的 8% 开始，每月减少 1.02%（每年约 12%），直到达到 8 亿枚 IO 上限。随着发放奖励，早期支持者和核心贡献者的份额将持续减少，在所有奖励分配完成后，社区的份额将增长到 50%。【4】
其代币功用包括给予 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。
io.net 为了避免因 IO 币价波动产生的支付问题，专为开发了稳定币 IOSD，与美元挂钩。1IOSD 始终等于 1 美元。IOSD 只能通过销毁 IO 来获得。此外，io.net 正考虑部分机制来改善网络功能。例如，可能允许 IO Workers 通过抵押原生资产来提高被租用的概率。在这种情况下，他们投入的资产越多，他们被选择到的概率就越大。此外，质押原生资产的人工智能工程师可以优先使用高需求的 GPU。
4.2 代币机制
IO 代币主要用于需求方和供应方两大群体，对于需求方而言，每个计算作业均以美元定价，网络将保留付款直至作业完成。一旦节点运营商以美元和代币配置其奖励份额，所有美元金额将直接分配给节点运营商，而分配给代币的份额将用于燃烧 IO 币。然后，在该期间作为计算奖励铸造的所有 IO 币都会根据其优惠券代币（计算积分）的美元价值分配给用户。
对于供应方而言，包括可用性奖励与计算奖励。其中，计算奖励是对于提交到网络的作业，用户可以选择时间偏好「以小时为单位部署集群的持续时间」，并从 io.net 定价预言机接收成本估算。可用性奖励方面，则是网络将随机提交小型测试作业，以评估哪些节点定期运行并且能够很好地接受来自需求方的作业。
值得一提的是，不论是供应方还是需求方，都设置有一套声誉系统，根据计算性能、对网络参与度来累计分数，获得奖励或优惠。
除此以外，io.net 还设置生态增长机制，包括质押、邀请奖励和网络费用。IO 币持有者可以选择将其代币 IO 质押给节点运营商或用户。一旦质押，质押者将获得参与者获得的所有奖励的 1–3%。用户还可以邀请加入新网络参与者，并分享新参与者未来部分收入。网络费用则设置收取 5%。
4.3 估值分析
我们目前都无法得到赛道内项目的准确收入数据，所以我们无法准确的进行估值，我们在此主要通过与 io.net 同为 AI+DePIN 的项目 Render 进行比较，供大家参考。
https://x.com/ionet/status/1777397552591294797
https://globalcoinresearch.com/2023/04/26/render-network-scaling-rendering-for-the-future/
如图所示，Render Network 目前是 AI+Web3 赛道里去中心化 GPU 渲染解决方案的龙头项目，GPU 资源总量 11946，目前市值 30 亿美元（FDV50 亿美元）；而 io.net GPU 资源总量 461772，是 Render 的 38 倍，目前估值 10 亿。对于 io.net 和 Render 项目来说，两者核心关键能力都是去中心化的 GPU 算力，因此，从 GPU 供给作为核心对比维度来看，io.net 的上市市值大概率会超过 render，至少不相上下。
https://stats.renderfoundation.com/
Render network2022 年的 Frames Rendered 是 9,420,335，GMV 为 2,457,134 美元，目前，Render Network 的 Frames Rendered 是 31,643,819，由此推算整个 GMV 大概在 8,253,751 美元。
对照 io.net 4 个月 GMV 是 400,000，假定 io.net 按照 4 个月 GMV400,000 的均速增长，12 个月 GMV 是 1200,000，如果 io.net 要达到现在 Render Network 的 GMV，还有 6.8 倍的增长空间，现在 io.net 估值 10 亿美元，综合以上分析，io.net 在牛市周期中的市值有望达到 50 亿美元以上。
5、总结
io.net 的出现填补了去中心化计算领域的空白，为用户提供了一种新颖而具有潜力的计算方式。随着人工智能和机器学习等领域的持续发展，对于计算资源的需求也在不断增加，因此 io.net 具有较高的市场潜力和价值。
另一方面，尽管市场已经给予了 io.net 10 亿美元的高估值定价，但它的产品并未经过市场检验，在技术方面存在不确定风险，而且其是否能有效匹配其供需关系也是决定它后续市值能否创新高的关键变量。从现有的情况来看，io.net 平台在供给侧的成果已经有了初步显现，但在需求侧还没完全发力，导致目前平台整体的 GPU 资源并未充分利用，如何更加有效调动 GPU 资源的需求对团队来说是一个不得不面临的挑战。
如果 io.net 能够完成市场端需求的快速接入，且在运营过程中不遇到或出现重大风险和技术问题，以其 AI+DePIN 的实体业务属性，它的整体业务将会启动增长飞轮，成为 Web3 领域最为亮眼的项目产品，这也意味着 io.net 将会是一个分厂优质的投资标的，让我们继续跟进观察和仔细验证。
参考资源
【1】https://www.coincarp.com/fundraising/ionet-series-a/
【2】https://medium.com/ybbcapital/promising-sector-preview-the-decentralized-computing-power-market-part-i-368c0621021a
【3】https://www.crn.com/news/cloud/2024/aws-vs-microsoft-vs-google-cloud-earnings-q4-2023-face-off?page=2
【4】https://www.chaincatcher.com/article/2120813
从 AI 发展史看「AI + DePIN」概念下的 io.net撰文：Biteye 核心贡献者 Fishery
编辑：Biteye 核心贡献者 Crush
io.net 是 IO Research 开发的基于 Solana 的去中心化 AI 算力平台，在其最新一轮融资中达到了 10 亿美元的 FDV 估值。
io.net 在今年 3 月宣布在 Hack VC 的领投下完成了 3000 万美元的 A 轮融资，其中还包括 Multicoin Capital、6th Man Ventures、Solana Ventures、OKX Ventures、Aptos Labs、Delphi Digital、The Sandbox 和 The Sandbox 的 Sebastian Borget 等参与。
io.net 专注于为 AI 和机器学习公司聚合 GPU 资源，致力于以更低的成本和更快的交付时间提供服务。自去年 11 月启动以来，io.net 已经增长到超过 25,000 个 GPU，并为人工智能和机器学习公司处理了超过 40,000 个计算小时。
io.net 的愿景是构建一个全球化的去中心 AI 计算网络，为 AI 与机器学习团队 / 企业与世界各地的强大 GPU 资源之间搭建生态系统。
在这个生态系统中，AI 计算资源变得商品化，供需双方不再会因为没有资源而困扰。未来 io.net 还将提供访问 IO 模型商店和高级推理功能，如无服务器推理、云游戏和像素流等服务。
01 业务背景
在介绍 io.net 的业务逻辑之前，我们先要从两个维度了解去中心化算力这一赛道：一个是 AI 计算的发展历程，另一纬度是了解过去同样使用去中心化算力的案例。
AI 计算的发展历程
我们可以从几个关键时间点来描绘这 AI 计算的发展轨迹：
一、机器学习的早期（1980s - 早期 2000s）
在这一时期，机器学习方法主要集中在较为简单的模型，如决策树、支持向量机（SVM）等。这些模型的计算需求相对较低，可以在当时的个人计算机或者小型服务器上运行。数据集相对较小，特征工程和模型选择是关键任务。
时间点：1980 年代至 2000 年代初
算力要求：相对较低，个人计算机或小型服务器即可满足需求。
计算硬件：CPU 主导计算资源。
二、深度学习的崛起（2006 年 - 近期）
2006 年，深度学习的概念被重新引入，这一时期以 Hinton 等人的研究为标志。随后，深度神经网络，特别是卷积神经网络（CNN）和循环神经网络（RNN）的成功应用，标志着这一领域的突破。这一阶段对计算资源的需求显著增加，尤其是在处理图像和语音等大数据集时。
时间点：
ImageNet 大赛（2012 年）：AlexNet 在这一比赛中的胜利是深度学习历史上的标志性事件，它首次展示了深度学习在图像识别领域的巨大潜力。
AlphaGo（2016 年）：Google DeepMind 的 AlphaGo 击败世界围棋冠军李世石这应该是 AI 目前为止最为高光的时刻，这不仅展示了深度学习在复杂策略游戏中的应用，也向世界证明了其在解决高度复杂问题方面的能力。
算力要求：显著增加，需要更强大的计算资源来训练复杂的深度神经网络。
计算硬件：GPU 开始成为深度学习训练的关键硬件，因为它们在并行处理方面远胜于 CPU。
三、大型语言模型的时代（2018 至今）
随着 BERT（2018 年）和 GPT 技术（2018 年以后）的出现，大模型开始主导 AI 赛道。这些模型通常具有数十亿至数万亿的参数，对计算资源的需求达到了前所未有的水平。训练这些模型需要大量的 GPU 或是更专业的 TPU，并且需要大量的电力和冷却设施支持。
时间点：2018 年至今。
算力要求：极高，需要大量的 GPU 或 TPU 形成规模并辅以相应的基础设施支持。
计算硬件：除了 GPU 和 TPU，还有对大型机器学习模型优化的专用硬件开始出现，如 Google 的 TPU，Nvidia 的 A、H 系列等 。
从过去 30 年 AI 对算力需求的指数级增长来看，早期机器学习对算力的需求较低，深度学习时代增加了对算力的需求，而 AI 大型模型进一步将这一需求推向极致。我们见证了计算硬件从数量到性能的显著提升。
这种增长不仅反映在传统数据中心的规模扩大和 GPU 等硬件性能的提高上，更体现在高昂的投入门槛以及丰厚的回报预期，足以让互联网巨头间的厮杀公开化。
传统的中心化 GPU 算力中心，初期投资需要昂贵的硬件采购（如 GPU 本身）、数据中心的建设或租赁费用、冷却系统以及维护人员的成本。
相比之下， io.net 所建立的去中心化计算平台项目在搭建成本方面具有明显的优势，能显著降低初期投资和运营成本，可以为小微团队建立自己的 AI 模型创造了可能。
去中心化 GPU 项目利用已存在的分布式资源，不需要集中投资于硬件和基础设施建设。个人和企业可以将闲置的 GPU 资源贡献到网络中，减少了集中采购和部署高性能计算资源的需要。
其次，在运营成本方面，传统的 GPU 集群需要持续的维护、电力和冷却费用。而去中心化 GPU 项目通过利用分布式的资源，可以将这些成本分摊给各个节点，从而降低单一组织的运营负担。
根据 io.net 的文档，io.net 通过聚合来自独立数据中心、加密货币矿工以及 Filecoin、Render 等其他硬件网络中未充分利用的 GPU 资源极大降低了运营成本。再加上 Web3 的经济激励策略，使得 io.net 在定价上拥有极大优势。
去中心化计算
回顾历史，过去确实有一些去中心化计算项目取得了显著的成功，在没有经济激励的情况下，依旧吸引了大量参与者并产生了重要成果。比如：
Folding@home：这是一个由斯坦福大学发起的项目，旨在通过分布式计算来模拟蛋白质折叠过程，帮助科学家了解疾病机理，尤其是与蛋白质折叠不当相关的疾病如阿尔茨海默病、亨廷顿病等。在 COVID-19 疫情期间，Folding@home 项目聚集了海量的计算资源，以帮助研究新冠病毒。
BOINC (Berkeley Open Infrastructure for Network Computing)：这是一个开源软件平台，支持各种类型的志愿者和网格计算项目，包括天文学、医学、气候科学等多个领域。用户可以贡献闲置的计算资源，参与到各种科研项目中。
这些项目不仅证明了去中心化计算的可行性，也展现了去中心化计算的巨大发展潜力。
通过动员社会各界贡献未利用的计算资源，能显著增强计算能力，如果再创新地加入 Web3 的经济模型，还能在经济上实现更大的成本效益。Web3 经验表明，一个合理的激励机制对于吸引和维持用户的参与。
通过引入激励模型可以构建一个互助共赢的社区环境，可以进一步促进业务规模扩大，正向循环推进技术进步。
因此，io.net 能够通过激励机制的引入，吸引广泛的参与者，共同贡献算力，形成一个强大的去中心化计算网络。
Web3 的经济模型与去中心化算力潜力为 io.net 提供了强大增长动力，并实现高效的资源利用和成本优化。这不仅促进了技术创新，也为参与者提供了价值，可以使 io.net 在 AI 领域的竞争中脱颖而出，拥有巨大的发展潜力和市场空间。
02 io.net 技术集群
GPU 集群是指复杂的计算通过网络将多个 GPU 连接起来，形成一个协作的计算集群，这种方法大幅提升了处理复杂 AI 任务的效率和能力。
集群计算不仅加快了 AI 模型的训练速度，还增强了处理大规模数据集的能力，使得 AI 应用更加灵活和可扩展。
在传统互联网训练 AI 模型的过程中，都需要用大规模的 GPU 集群。然而，当我们考虑将这种集群计算模式转向去中心化时，一系列技术挑战随之浮现。
相比与传统的互联网公司的 AI 计算集群，去中心化的 GPU 集群计算，会面对更多问题，比如：节点可能遍布不同地理位置，这带来了网络延迟和带宽限制问题，可能影响到数据在节点间的同步速度，从而影响整体的计算效率。
此外，如何保持数据在各个节点间的一致性和实时同步，也对于确保计算结果的准确性至关重要。因此这就需要去中心化计算平台开发出高效的数据管理和同步机制。
而如何管理和调度分散的计算资源，确保计算任务能够有效完成，也是去中心化集群计算需要解决的问题。
io.net 通过集成 Ray 和 Kubernetes ，构建了一个去中心化的集群计算平台。
Ray 作为一个分布式计算框架，直接负责在多个节点上执行计算任务，它优化了数据处理和机器学习模型的训练过程，确保了任务在各个节点上高效运行。
而 Kubernetes 则在这一过程中扮演着关键的管理角色，它自动化了容器应用的部署和管理，确保了计算资源根据需求动态地分配和调整。
在这个体系中，Ray 和 Kubernetes 的结合实现了一个动态且弹性的计算环境。Ray 确保计算任务能够在适当的节点上高效执行，而 Kubernetes 保证了整个系统的稳定性和可扩展性，自动处理节点的增加或移除。
这种协同作用使得 io.net 能够在去中心化的环境中提供连贯且可靠的计算服务，无论是在数据处理还是模型训练方面，都能够满足用户的多样化需求。
通过这种方式，io.net 不仅优化了资源的使用，降低了运行成本，还提高了系统的灵活性和用户的控制度。用户可以便捷地部署和管理各种规模的计算任务，而无需担心底层资源的具体配置和管理细节。
这种去中心化的计算模式，借助 Ray 和 Kubernetes 的强大功能，确保了 io.net 平台在处理复杂和大规模计算任务时的高效性和可靠性。
隐私
由于去中心化的集群的任务调配逻辑的使用场景远比机房中的集群逻辑要复杂得多，又鉴于数据和计算任务在网络中的传输增加了潜在的安全风险，去中心化的集群还要考量安全性和隐私保护。
io.net 通过利用网状（ mesh）私有网络通道的去中心化特性，提升了网络的安全性和隐私性。在这样的网络中，由于没有中心集中点或网关，网络面临的单点故障风险大幅降低，即使部分节点遇到问题，整个网络仍能保持运行。
数据在网状网络内沿多条路径传输，这种设计增加了追踪数据源或目的地的难度，从而加强了用户的匿名性。
此外，通过采用诸如数据包填充和时间混淆等技术（Traffic Obfuscation），网状 VPN 网络能进一步模糊数据流动的模式，使得窃听者难以分析流量模式或识别特定用户或数据流。
io.net 的隐私机制之所以能有效解决隐私问题，是因为它们共同构建了一个复杂且多变的数据传输环境，使得外部观察者难以捕捉到有用的信息。
同时，去中心化结构避免了所有数据流经单一点的风险，这种设计不仅提高了系统的鲁棒性，也降低了被攻击的可能性。同时，数据的多路径传输和流量的混淆策略共同为用户的数据传输提供了一层额外的保护，增强了 io.net 网络的整体隐私性。
03 经济模型
IO 是 io.net 网络的原生加密货币和协议通证，可以满足生态系统内两大主体的需求：AI 初创公司和开发者，以及算力提供者。
对于 AI 初创公司和开发者而言，IO 简化了集群部署的支付流程，更加方便；他们还可以使用与美元挂钩的 IOSD Credits 来支付网络上计算任务的交易费用。每个在 io.net 上部署的模型都需要通过微小的 IO 币交易进行推断。
对于供应商来讲，特别是 GPU 资源的提供者，IO 币保证了他们的资源得到公平的回报。不论是 GPU 被租用时的直接收益，还是在空闲时参与网络模型推断的被动收益，IO 币都为 GPU 的每一份贡献提供了奖励。
在 io.net 生态系统中，IO 币不仅是支付和激励的媒介，还是治理的关键。它让模型开发、训练、部署和应用开发的每一个环节都更加透明、高效，并确保了参与者之间的互利共赢。
通过这种方式，IO 币不仅激励了生态系统内的参与和贡献，还为 AI 初创公司和工程师提供了一个全面的支持平台，推动了 AI 技术的发展和应用。
io.net 在激励模型上下足了功夫，保证整个生态系统可以正向循环。io.net 的目标是为网络中每张 GPU 卡建立一个以美元表示的直接小时费率。这需要提供一个清晰、公平且去中心化的 GPU/CPU 资源定价机制。
作为一个双边市场，激励模型的核心关键是旨在解决两大挑战：一方面降低租用 GPU/CPU 计算能力的高昂成本，这对于扩大 AI 和 ML 算力需求关键指标；另一方面解决在 GPU 云服务提供商中租用 GPU 节点的短缺问题。
因此在设计原则上，需求方面的考量包括竞争对手的定价和可用性，以在市场上提供有竞争力和吸引力的选择，并在高峰时段和资源紧张时调整定价。
算力供应方面，io.net 着眼于两个关键市场：游戏玩家和加密 GPU 矿工。游戏玩家拥有高端硬件和快速的互联网连接，但通常只拥有一张 GPU 卡；而加密 GPU 矿工拥有大量的 GPU 资源，尽管可能面临互联网连接速度和存储空间的限制。
因此，算力定价模型包括多维度因素，如硬件性能、互联网带宽、竞争对手定价、供应可用性、高峰时段调整、承诺定价和地点差异。此外，还需要考虑硬件进行其他工作证明加密挖矿时的最佳利润。
未来，io.net 会进一步给出一套完全去中心化定价的方案以及为矿工硬件创建一个类似 speedtest.net 的基准测试工具，打造一个完全去中心化、公平、透明的市场。
04 参与方式
io.net 推出了 Ignition 活动，这是 io.net 社区激励计划的第一阶段，目的是加速 IO 网络的增长。
计划总共设有三个奖励池，它们之间完全独立。
Worker 奖励 (GPU)
银河任务奖励
Discord 角色奖励 (Airdrop Tier Role)
这三个奖励池之间是完全独立的，参与者可以从这三个奖励池中分别获得奖励，并且不需要将相同的钱包与每个奖励池关联起来。
GPU 节点奖励
对于已经接入的节点，空投积分根据是从 2023 年 11 月 4 日 - 2024 年 4 月 25 日 活动结束时计算。Ignition 活动结束时，用户所赚取的空投积分都会转换为空投奖励。
空投积分会考量四方面：
A. 被雇佣的时间 (Ratio of Job Hours Done - RJD) 从 2023 年 11 月 4 日开始到活动结束被雇佣的总时长。
B. 带宽 (Bandwidth - BW) 根据带宽速度范围来对节点的带宽进行等级分类：
低速：下载速度 100MB/ 每秒，上传速度 75MB/ 每秒。
中速：下载速度 400MB/ 每秒，上传速度 300MB/ 每秒。
高速：下载速度 800MB/ 每秒。
C. GPU 型号 (GPU Model - GM）将会根据 GPU 型号决定，性能越高的 GPU 积分越多。
D. 成功运行的时间 (Uptime - UT) 从 2023 年 11 月 4 日接入 Worker 开始到活动结束的总共成功运行的时长。
值得注意的是空投积分预计在 2024 年 4 月 1 日左右可供用户查看。
银河任务奖励 (Galxe)
银河任务连接地址
Discord 角色奖励
该奖励将由 io.net 的社区管理团队监督进行，并要求用户在 Discord 中提交正确的 Solana 钱包地址。
将会根据用户的贡献度，活跃度，内容创作等参与其他活动来获取相应的 Airdrop Tier Role 等级。
05 总结
总的来说，io.net 和类似的去中心化 AI 计算平台正在开启 AI 计算新的篇章，虽然也面临技术实现的复杂性、网络的稳定性和数据安全性的挑战。但 io.net 有潜力彻底改变 AI 商业模式。相信随着这些技术的成熟和算力社区的扩大，去中心化 AI 算力可能成为推动 AI 创新和普及的关键力量。DePIN 协议 io.net 披露 Vistara Labs 两月构建 5600 款应用Techub News 消息，去中心化计算平台 io.net 披露，Vistara Labs 借助其分布式 GPU 计算资源，在两个月内成功构建超 5,600 款应用。
io.net 是 Solana 生态的 DePIN 协议，专注于聚合分布式 GPU 资源以提供去中心化计算服务。此次合作展示了该基础设施在支持大规模应用开发与部署方面的性能及可扩展性，反映了去中心化计算资源在 Web3 应用开发中的实际采用情况。io.net 发布 IDE 代币经济 Litepaper，拟 2026 年二季度实施并回收至少一半激励代币Techub News 消息，去中心化人工智能算力与云平台 io.net 发布激励动态引擎（Incentive Dynamic Engine，IDE）简化版白皮书，提出以需求驱动的代币经济模型，拟取代现行的通货膨胀式代币激励机制。白皮书显示，目前旧激励机制下约有 3 亿枚 IO 代币在流通，IDE 的目标之一是在新模型中逐步减少其中至少 50% 的代币，以提升网络健康度与长期可持续性。
社区反馈收集的初始阶段将于 2025 年 12 月 11 日启动，持续至 2026 年 2 月，最终轻量级白皮书预计于 2026 年 3 月 31 日前发布，IDE 模型计划于 2026 年第二季度开始实施。io.net 表示，新机制将通过需求侧驱动的动态激励与代币销毁安排，缓解通胀压力，强化 DePIN 网络的经济韧性。io.net 任命联创 Tory Green 为 io.net 基金会主席，前首席技术官出任新 CEOTechub News 消息，去中心化计算平台 io.net 宣布任命联合创始人 Tory Green 为 io.net 基金会（前身为 IOG 基金会）主席。此外，io.net 前首席技术官 Gaurav Sharma 被任命为首席执行官。io.net 推出「Co-staking」市场，旨在降低用户参与门槛Techub News 消息，去中心化 GPU 网络 io.net 推出「Co-staking」市场，允许 IO 持有者质押 IO 即可无需提供 GPU 硬件获得区块奖励。其原理是设备供应商可以发布质押要约供 IO 持有者审核，IO 持有者通过质押 IO 并通过获得设备的使用权参与到网络的运行中。
除了简化的质押之外，Co-Staking 还将提高 IO 代币的实用性和 io.net 的计算能力。 即通过减少个人质押要求，市场鼓励更多用户贡献高性能硬件。 此外，供应商还可以通过将质押承诺分配给多个贡献者来更好地管理财务风险。去中心化 GPU 网络 io.net 加入戴尔科技合作伙伴计划Techub News 消息，去中心化 GPU 网络 io.net 加入戴尔科技合作伙伴计划，成为戴尔科技授权合作伙伴和云服务提供商。此举将把 io.net 的 GPU 网络与戴尔的世界级基础设施结合起来，为 AI、机器学习 (ML) 和高性能计算 (HPC) 工作负载提供可扩展且经济高效的解决方案。
io.net 加入戴尔科技合作伙伴计划后，客户将受益于能够根据企业需求进行扩展的按需 GPU 集群。与集中式提供商相比，他们还将享受到显著的成本降低。同时，与戴尔先进硬件的无缝集成将支持可靠的高性能工作负载。HashKey Global 将上线 io.net 代币 IOTechub News 消息，HashKey Global 将上线 io.net 代币 IO。目前 IO 充值和提现已开启，将于香港时间 10 月 17 日 16 时开启现货交易。io.net 与 Flock.io 合作推出基于人工智能的共识机制「PoAI」Techub News 消息，据 Cointelegraph 报道，去中心化 GPU 平台 io.net 与去中心化人工智能训练平台 Flock.io 合作推出基于人工智能的共识机制 「PoAI」。
PoAI 机制旨在确保 DePIN 中的用户真正贡献计算资源，而不是简单地模拟参与来获得奖励。
io.net 表示，这种新的共识机制据称是同类机制中的首创，旨在提高网络的完整性。Aethir 暂停与 io.net 代币互换，推出 5000 万美元社区奖励计划Techub News 消息，Aethir 官方发推称，将推出价值 5000 万美元的 ATH 社区奖励计划，以取代此前与 io.net 商定的代币交换计划。社区奖励计划将激励 Aethir 网络忠诚和积极的参与者，以表彰其对 Aethir 社区的贡献，并进一步激励用户继续参与 Aethir 生态系统。io.net 与云计算平台 OpSec 建立战略联盟以加强云计算Techub News 消息，DePIN 网络 io.net 与云计算平台 OpSec 建立战略合作伙伴关系，将去中心化 GPU 资源与 OpSec 的云基础设施相结合，以简化云运营。他们计划展示如何在 io.net 的网络中高效部署 OpSec 节点，提高云资源可扩展性和访问性。这次合作将为行业创新树立新标准，为云计算环境铺平道路。io.net：Ignition 第三季申领期拟于 7 月 1 日开始Techub News 消息，io.net 发推表示， Ignition 第 1 季和第 2 季的申领期将于香港时间 2024 年 6 月 18 日 19:00 结束，拥有符合条件的钱包的用户必须在申领窗口关闭前领取。Ignition 第 3 季申领期将于香港时间 2024 年 7 月 1 日 21:00 开始。基于DePIN的分布式计算网络io.net为克服原有代币经济模型的结构性局限，引入了全新的需求驱动系统"激励动态引擎(IDE)"。Messari Research发布的最新报告从多角度分析了该结构如何化解供应方流失与通货膨胀的双重风险。 原有io.net结构是遵循月度计划固定发行IO代币的供应驱动模型。这使得GPU提供者的奖励与IO价格直接挂钩，当市场价格暴跌时，运营收益性下降，极易引发供应方流失的"死亡螺旋"。据分析，许多供应方为达到盈亏平衡点需要IO价格维持在1.20-1.50美元区间。此外，IO代币除作为支付手段外仅提供有限效用，且存在部分权益集中现象，难以获得长期投资者的信任。 为解决这些问题，新引入的激励动态引擎(IDE)是实时反映收益性与市场价格来调整代币发行量的动态发行系统。该结构通过两个互补型金库(Y1:奖励金库，Y2:手续费金库)运作，将GPU提供者获得的奖励按美元计价固定，确保收益稳定性。系统利用IO实时价格数据将所需奖励金额换算为代币数量，优先从Y1提取代币支付奖励，不足部分由Y2补充。这即使在市场暴跌或支付延迟情况下也能维持供应方奖励的一致性。 据Messari Research分析，IDE的结构性改进在价格下跌等极端情况下效果尤为显著。模拟测试显示，即使用户需求减少55%或IO价格暴跌50%以上，IDE系统仍能利用充足准备金将供应方ROI维持在目标水平。而在原有结构下，同等波动性将导致供应收益骤减，很可能引发大规模流失。但报告也确认，若手续费收益长期低迷，金库资金将耗尽，IDE的缓冲能力会受到限制。这要求协议运营方必须维持一定水平以上的ψ(可持续性比率)。 此外，在该系统下代币总供应量也以比原有模型更可控的方式运作。报告指出IDE采用从年化约8%开始、每月递减约1%的通缩型发行率，该结构不会突破8亿枚IO代币的上限。引入IDE后，若网络实现盈余，还可通过IO代币销毁机制减少长期供应并捍卫代币价值。 报告还提出了监测IDE系统有效性的核心指标。其中最具代表性的ψ(可持续性比率)作为收益与奖励之比，大于1表示盈余，小于1则意味着赤字。金库余额趋势、销毁量及剩余准备金可维持时间，也都是衡量io.net长期财务健全性的指标。Messari评价称，这种向实际需求驱动奖励结构的转型案例，使得"io.net首次实现了以长期耐久性为核心设计的DePIN代币经济模型"。 那么，即便具备理想设计，长期来看能否维持充足的客户需求与手续费收益？io.net能否高效运营这种动态需求驱动结构，将决定该模型能否拓展为整个DePIN市场的范式。
