什么是 io.net？
Io.net 是一个去中心化的 GPU 网络，专注于支持基于 Solana 区块链构建的机器学习 (ML) 和 AI 应用程序的开发，通过汇集休眠 GPU 实现计算能力的货币化。
关键要点
Io.net 的目标是通过允许开发人员以使用由中心化公司管理的资源网络的一小部分成本访问无限的计算资源来鼓励开发先进的 ML 和 AI 产品。
Io.net 从各种来源汇集闲置的 GPU，并允许个人和组织购买和访问无限的 GPU 能力来开发 ML 和 AI 应用程序。
Io.net 由 IO 代币提供支持，该代币可用于支付平台上的 GPU 服务，也可用于获取额外的被动收入，同时为网络的安全性和去中心化做出贡献。
随着人们对人工智能 (AI)和机器学习 (ML)的兴趣日益浓厚，此类应用的开发成本也因竞争加剧而日益攀升。对于开发者和应用用户而言，一个主要瓶颈在于硬件和软件计算资源的可用性：CPU 和 GPU 的性能。
这些资源大多由中心化企业通过云计算设施提供；然而，这些设施往往价格更高，需要签订长期合同，而且热门硬件可能还需要等待一段时间才能获得。Io.net 是一个基于 Solana 的计算资源项目，致力于通过创建一个以 GPU 算力为中心的去中心化物理基础设施网络 (DePIN)，来解锁公平的算力访问，从而赋能机器学习应用。
io.net 简介
Io.net 是一个计算资源网络，为开发机器学习 (ML) 和人工智能 (AI) 模型及产品的组织和个人提供 GPU 算力。据该项目介绍，它为开发者提供无限的 GPU 算力、更优惠的价格和灵活性。Io.net 通过开发一种模型来实现这一目标，该模型可以充分利用闲置的 GPU，利用来自独立数据中心、加密货币矿工和其他出租闲置 GPU 算力的加密货币项目（例如Render ）的超过一百万个 GPU 。
io.net 提供了一个用户友好的门户网站，方便用户访问这些闲置的 GPU 资源，并奖励 GPU 供应商，将自己定位为闲置 GPU 算力的市场。这使得它能够比那些依赖集中式自主管理数据中心和设施为客户提供计算能力的组织获得更多的 GPU 算力。
Io.net 指出，软件开发领域正在经历巨大的增长，机器学习 (ML) 和人工智能模型开发的重要性日益提升，而该领域的建设者，尤其是自筹资金项目和特定地区的项目，面临着诸多挑战。这些挑战与可访问性、安全性和可负担性有关。通过在区块链上部署其解决方案，io.net 通过无需许可的门户网站降低了 GPU 供应商和公司的门槛；通过将向网络提供 GPU 算力的财务负担分摊给不同的供应商，io.net 降低了整体设施成本，进而降低了从网络获取 GPU 算力的成本。项目数据显示，io.net 的定价比其中心化竞争对手至少便宜 50%。
团队背景
io.net 团队的灵感源于使用 Ray.io 部署高频交易 (HFT) 算法所需的 NVIDIA 显卡价格高昂，这促使他们决定开发一种更便宜、更易获取的计算资源来源。此后，团队更名为 Antbit 并更名为 io.net，并从开发机构级量化交易系统转型为开发一个去中心化的计算资源市场，主要面向机器学习 (ML) 和人工智能 (AI) 模型开发者。
io.net 团队由 Ahmad Shadid 创立并领导，他曾担任 WhalesTrader 和 Arabfolio 的量化系统工程师，以及以太坊基金会的志愿者贡献者。Ahmad 于 2024 年 6 月 11 日卸任后，联合创始人兼前首席运营官 Tory Green 将接任领导职务。项目团队成员包括：
托里·格林 (Tory Green)，联合创始人兼首席执行官：托里·格林 (Tory Green)，斯坦福大学毕业生，现任 Io.net 首席执行官，曾任 Tiller Partners 和 HUM capital 首席运营官。
Basem Oubah，联合创始人兼 COS：Basem Oubah 于 2022 年毕业于 Yildiz Teknik 大学工程专业。他是 io.net 的参谋长。
Gaurav Sharma，首席技术官：Gaurav Sharma 曾在币安、Agoda、亚马逊和 eBay 任职。他现任 io.net 首席技术官。
Garrison Yang，首席营销官：Garrison Yang 是 io.net 的首席营销官，他曾在 Ava Labs 担任增长领导职务，并在 Pulsar Games、77-bit 和 Legendary Foundry Games 担任顾问职务。
Smiral Rashinkar，工程副总裁：Smiral Rashinkar 是一位机器学习工程师。他是 io.net 的工程副总裁，曾在 Koo 和 Rivi 担任工程职位。
资金
Io.net 宣布已完成 3000 万美元 A 轮融资，估值达 10 亿美元。本轮融资由 Hack VC 领投，Multicoin Capital、6th Man Ventures、Solana Ventures、OKX Ventures、Aptos Labs、Delphi Digital 和 The Sandbox 等公司参投。项目的个人天使投资者包括 Animoca Brands 的 Yat Siu、Solana Labs 的 Anatoly Yakovenko 和 Aptos Labs 的 Mo Shaik。
现在，让我们仔细看看 io.net 是如何工作的。
io.net 的工作原理
简而言之，io.net 为供应商提供了一个市场，让他们将闲置的计算资源出租给需要按需计算资源的开发者。io.net 利用区块链技术，创建了一个透明的计算能力管理平台。由于 io.net 按小时计费，用户可以预订特定时间段的集群，因此 io.net 采用了其独特的证明概念：时间锁定证明 (Proof of Time-Lock)，用于证明 GPU 在租用期间未被任何其他会影响计算能力的服务访问。
io.net 上的作业定价取决于工作量和计算资源可用性等主要因素。该平台还会根据供应商的安全合规性和上传/下载速度对其进行排名，这也会影响定价。平台的经济机制基于 IO 代币。供应商使用计算资源处理作业后，将获得 IO 代币奖励，而开发者也可以使用 IO 代币支付从网络获取的资源。
Io.net架构
Io.net是一个多层网络，每一层都在网络运行中发挥着作用。这些层包括：
用户界面：网络上的供应商、用户和节点运营商可以通过各自的用户界面管理他们的操作，这些用户界面的设计是为了满足每种类型用户的需求。
安全层：安全保障设施的安全。它包括用于网络保护的防火墙保护、用户身份验证服务和用于跟踪网络活动的日志记录服务。
API 层：API 层用于连接外部平台和一些内部操作。它包括用于网站的公共 API 和用于内部操作的私有 API。
后端层：后端层是网络的核心。它管理主要操作，例如集群/GPU 操作、客户交互、故障监控、分析、计费和资源使用。
数据库层：由用于存储结构化数据的主存储器和用于存储临时和经常访问的数据的缓存组成。
消息代理/任务层：通过供应商和工人的通信门户管理网络上的任务流。
基础设施层：基础设施层承载网络上的计算资源，管理部署和任务操作。
平台层是网络的核心，使 io.net 的产品能够发挥作用。
Io.net 产品
现在，让我们来看看 io.net 系列中的不同产品。在访问这些产品之前，您首先需要创建一个 IO ID。IO ID 是 IO 生态系统的控制中心。要访问 io.net，您需要一个 IO ID。用户需要使用 Google、Apple、X 或 Worldcoin 进行注册，并连接 Solana 或 Aptos 钱包，以便将来进行支付和提现。
IO工作者
IO Worker 是 IO 网络上 GPU 供应商的软件节点客户端。它使供应商能够设置帐户、出租闲置 GPU 算力，并管理他们向网络贡献的资源。GPU 供应商还可以监控其 GPU 的使用情况以及这些操作带来的收益。
IO云
IO Cloud 是一个面向机器学习和人工智能模型开发者的去中心化云计算平台。它在计算资源供应商和开发者之间建立连接，允许开发者按需访问计算资源。用户可以在这里监控他们的作业，包括作业人员列表、使用的 GPU/CPU 类型、剩余计算时间等等。
IO资源管理器
IO Explorer 为用户提供网络概览，涵盖已验证的 GPU 和 CPU 数量、不同国家/地区可用的芯片类型以及可用芯片的数量和价格。它还提供区块计算和奖励发放的更新信息。
Io.net 和 AI
随着人工智能产品需求的不断增长以及人工智能算法能力的不断提升，开发这些产品所需的基础设施需求也随之增长。然而，io.net 指出，传统的基础设施无法满足这些需求，也无法满足小型开发者的需求。io.net 主要为人工智能和机器学习模型开发者提供计算能力，希望能够为使用其设施的开发者带来优势。
Io.net 的分布式计算使 AI 和 ML 开发人员能够跨多个核心并行运行其应用程序，从而充分利用各种计算资源并优化其应用程序的性能。使用 Ray.io 的一个分支 IO-SDK，开发人员可以轻松利用 io.net 功能通过并行计算扩展其操作。IO-SDK 的设计非常用户友好，使开发人员能够准确使用该项目开发的基础架构。
Io.net 将自己描述为传统云计算服务的一种更便宜、更可用、可扩展且更安全的选择，特别是对于需要更先进的硬件和软件功能的 AI 模型开发人员而言。
让我们来看看io.net如何支持AI和ML模型开发的不同阶段。
训练
AI 模型训练是一个数据密集型的过程。这是因为 AI 模型是利用海量数据进行推理，构建特定操作的。Io.net 允许开发人员通过将已训练模型的架构和权重导出到分布式 GPU 网络来实现此过程的并行化。Io.net 的并行计算能够通过丰富的资源和跨多核的批量处理，实现更快、更高质量的推理，并实现总体上最优的训练效果。这与传统训练过程中使用的顺序计算模型形成了鲜明对比。
调优
AI 模型会定期进行修改，以适应新的原则或优化性能。优化 AI 模型不仅能确保其保持最佳性能，还能确保其符合用户/开发者的目标。AI 模型的微调涉及搜索多个超参数设置。与训练过程一样，这也是一个数据密集型过程，并受益于分布式计算。Io.net 利用具有高级超参数调优功能的分布式计算库来完成此过程。它使开发者能够轻松发现并使用适合 AI 模型的最佳超参数设置。
IO 代币和代币经济学
IO代币是在 Solana 网络上铸造的SPL标准代币，同时也是io.net 的实用代币。根据该项目，它是维持设施运行所需计算的货币。虽然开发者可以使用 USDC 和其他可接受的代币（包括 IO 代币）支付从网络获取的资源，但网络上的 GPU 供应商只能以 IO 代币获得报酬。使用 IO 代币支付 GPU 使用费的开发者可享受某些优惠，例如零交易费或降低交易费。使用任何其他代币支付均需支付 2% 的交易费。IO 代币持有者还可以通过在网络节点上质押其代币来赚取额外收入。
Solana 网络将共发行 8 亿枚 IO 代币。上线时流通供应量为 5 亿枚。其中 3 亿枚将预留用于奖励使用其 GPU 完成作业的供应商，奖励将在 20 年内每小时发放一次。此外，还向 Ignition 奖励计划和项目社交活动的参与者发放了约 3200 万枚 IO 代币。IO 代币目前在 Solana 区块链上的去中心化交易所以及 Kucoin、MEXC 和 Gate exchange 等中心化交易所交易。
Io.net 和分散式计算
现在，让我们看看 io.net 与区块链和加密领域中的其他去中心化计算项目相比如何。
Io.net 与 Akash 网络
与 io.net 类似，Akash 网络也为闲置 GPU 拥有者提供了一个平台，让他们能够向用户提供计算资源。Akash 使用反向拍卖系统来确保具有竞争力的价格，网络部署者指定其偏好的价格，而提供商则竞争以满足请求。这使得他们能够提供更低的成本和更多的选择。
Akash 生态系统由验证者支持，他们通过质押网络原生代币AKT来维护网络安全性和完整性。AKT 也用于治理，以及促进租赁结算。其他白名单代币也可以使用，但 AKT 是这些货币结算的计量单位。
同时，io.net 使用指定的定价模型来设定其网络上资源的价格。从 io.net 获取 GPU 的价格取决于该时间段内 GPU 的可用性、工作负载以及 GPU 规格（这取决于其安全合规性、设备规格和上传/下载速度）。此外，io.net 专门面向 AI 和 ML 模型开发人员。虽然用户可以来自其他行业，但该设施基于 AI 和 ML 框架构建，并针对该行业进行了优化。
Io.net 和渲染网络
在 Render Network 宣布将支持 AI 和 ML 模型开发者的作品之前，正如项目名称所示，Render 旨在用于图形渲染工作。与 io.net 类似，它通过允许设备所有者加入网络并允许客户端使用其 GPU 渲染视频和图形来获取 GPU 算力。它也采用与 io.net 类似的通用定价模型。
然而，Render 的定价结构是多层级的，基于速度、安全性、成本和节点信誉。层级越高，成本越高，如下表所示。
租赁结算仅在 Render Network 上的 RENDER 中可用，而 io.net 提供更广泛的加密货币用于支付。
io.net 和 Render 网络的主要区别在于它们的构建目的。io.net 专为 AI 和 ML 模型开发者构建，其设施针对他们的操作进行了优化。而 Render 网络是一个多用途设施，最初构建用于处理视频渲染操作，之后进行调整以支持 AI 和 ML 工作。
顺便提一下，Render 还与 io.net 合作，将其分布式 GPU 供应商网络添加到 io.net。io.net 已为其早期供应商激励计划分配了 30 万枚 RENDER 代币。
与 Render Network 的合作将使我们能够访问 Render 的优质消费级 GPU 社区，同时我们将扩展其节点的用例，从渲染扩展到机器学习应用。此次合作将增强我们双方的产品组合，我们期待着携手合作。我们很高兴在 Breakpoint 上发布并扩展，以满足人工智能和机器学习的迅猛发展的需求。
— 艾哈迈德·沙迪德，io.net 首席执行官
Io.net 和 Bittensor
Bittensor采用基于挑战的方法来为 AI 和 ML 开发者选择最佳资源，这种方法也称为“智能证明”。网络参与者在子网上运行节点，网络上的矿工在努力寻找解决方案的过程中会被告知任务。验证者会审核解决方案并生成挑战，对不同矿工的解决方案进行评分。这种方法可以应用于各种任务，例如开发 AI 或 ML 模型来解决问题，甚至为 AI 和 ML 模型开发者提供计算资源。
Bittensor 是一个多元化的网络，其业务范围不仅限于提供计算能力。相比之下，io.net 专注于为人工智能和机器学习 (AI) 采购计算资源。io.net 和 Bittensor 的主要相似之处在于它们都与人工智能和机器学习开发息息相关。io.net 的定价结构由网络为通用供应商池定义；而 Bittensor 的子网所有者则为每个任务指定奖励结构，并根据奖励结果奖励选定的参与者。不过，已执行任务的报酬是使用网络的实用代币（IO 和 TAO）支付的。
最后的想法
构建机器学习 (ML)、人工智能模型和其他高级计算协议的开发者无疑将受益于随时可用的计算资源。这正是 io.net 以及该领域其他项目的愿景。利用区块链技术实现此类解决方案的去中心化，不仅方便开发者访问，也方便提供商和通用设施的管理。通过将闲置的 GPU 转化为可运行且可创收的资产，它为合理利用全球可用计算能力开辟了一条途径。即使在早期阶段，一些项目也已开始采用 io.net。随着项目的不断发展，我们有望看到更多项目采用该项目或其去中心化计算能力分配和访问的方法。
