Sifat Akar Rumput io.net: Bagaimana Menurut Anda?

Dengan pendanaan sebesar $30 juta dan didukung oleh modal kelas atas seperti Hack VC, Multicoin Capital, Delphi Digital, dan Solana Lab, io.net tidak terlihat sangat “akar rumput.” Label-label daya komputasi GPU dan revolusi kecerdasan buatan jauh dari menjadi hal yang sederhana, seringkali dikaitkan dengan konotasi high-end.

Namun, di tengah diskusi komunitas yang ramai, petunjuk penting seringkali terlewatkan, terutama mengenai transformasi mendalam yang mungkin dibawa oleh io.net ke jaringan daya komputasi global. Berbeda dengan posisi 'elite' AWS, Azure, dan GCP, io.net pada dasarnya mengikuti rute populist:

Tujuan io.net adalah untuk melengkapi permintaan daya komputasi "tengah-halus + panjang-halus" yang diabaikan dengan mengagregasi sumber daya GPU yang tidak terpakai. Dengan menciptakan jaringan komputasi terdistribusi terdesentralisasi berstandar perusahaan, io.net memberdayakan sejumlah pengguna kecil dan menengah dengan inovasi kecerdasan buatan. Ini mencapai "pembebasan kembali produktivitas" yang biaya rendah dan sangat fleksibel untuk inovasi kecerdasan buatan global.

Hubungan Produksi Daya Komputasi yang Mendasari yang Terabaikan di Balik Gelombang Kecerdasan Buatan

Apa sumber daya produktivitas inti dalam gelombang AI saat ini dan era ekonomi digital di masa depan?

Tak diragukan lagi, itu adalah Daya Komputasi.

Menurut data dari Precedence Research, pasar perangkat keras kecerdasan buatan global diperkirakan akan tumbuh pada tingkat pertumbuhan tahunan gabungan (CAGR) sebesar 24,3%, melampaui $473,53 miliar pada tahun 2033.

Meskipun mengesampingkan angka-angka prediktif ini, dari perspektif logika inkremental dan stok, jelas bahwa dua kontradiksi utama akan tetap ada dalam pengembangan pasar daya komputasi di masa depan:

1. Dimensi Inkremental: Pertumbuhan eksponensial dalam permintaan untuk daya komputasi jauh melebihi pertumbuhan linear dalam pasokan.
2. Dimensi Stok: Karena distribusi yang cenderung ke atas, daya komputasi terkonsentrasi di bagian atas, meninggalkan pemain tingkat menengah dan ekor panjang dengan sumber daya yang tidak mencukupi. Sementara itu, sejumlah besar sumber daya GPU terdistribusi tetap menganggur, menyebabkan ketidakcocokan yang parah antara penawaran dan permintaan.

Dimensi Inkremental: Permintaan Daya Komputasi Jauh Melebihi Pasokan

Pertama-tama, dalam dimensi inkremental, selain dari ekspansi cepat model Konten yang Dihasilkan AI (AI-generated content) AIGC, banyak skenario AI dalam tahap awal ledakan, seperti perawatan kesehatan, pendidikan, dan mengemudi cerdas, sedang cepat terjadi. Semua skenario ini memerlukan banyak sumber daya komputasi. Oleh karena itu, kekurangan pasar saat ini dari sumber daya daya komputasi GPU tidak hanya akan bertahan tetapi akan terus berkembang.

Dengan kata lain, dari perspektif pasokan dan permintaan, dalam waktu yang dapat diperkirakan, permintaan pasar akan daya komputasi secara pasti akan jauh melebihi pasokan. Kurva permintaan diperkirakan akan menunjukkan tren naik eksponensial dalam jangka pendek.

Dari sisi pasokan, namun, karena hukum fisik dan faktor produksi praktis, baik itu peningkatan dalam teknologi proses atau perluasan pabrik berskala besar, paling banyak, hanya pertumbuhan linear yang dapat dicapai. Ini tidak terelakkan berarti bahwa bottleneck daya komputasi dalam pengembangan AI akan bertahan untuk waktu yang lama.

Ketidakseimbangan Pasokan-Demand: Ketidakteraturan untuk Pemain Mid-Tier dan Long-Tail

Sementara itu, dengan sumber daya daya komputasi terbatas yang menghadapi hambatan pertumbuhan yang parah, Amazon Web Services (AWS), Microsoft Azure, dan Google Cloud Platform (GCP) secara kolektif menduduki lebih dari 60% pangsa pasar komputasi awan, menciptakan pasar penjual yang jelas.

Perusahaan-perusahaan ini menyimpan sejumlah besar chip GPU berkinerja tinggi, memonopoli sejumlah besar daya komputasi. Pemain sisi permintaan menengah dan panjang yang tidak hanya kurang memiliki kekuatan tawar-menawar tetapi juga harus berhadapan dengan biaya modal tinggi, hambatan masuk KYC, dan syarat sewa yang membatasi. Selain itu, raksasa layanan cloud tradisional, didorong oleh pertimbangan keuntungan, seringkali mengabaikan kebutuhan bisnis yang berbeda dari pengguna “menengah + panjang” (seperti persyaratan sewa yang lebih pendek, lebih langsung, dan lebih kecil skala).

Namun, pada kenyataannya, sejumlah besar daya komputasi GPU tidak terpakai di luar jaringan komputasi raksasa layanan cloud. Sebagai contoh, puluhan ribu Pusat Data Internet (IDC) independen di seluruh dunia menyia-nyiakan sumber daya pada tugas-tugas pelatihan kecil. Hal ini termasuk daya komputasi yang besar menganggur di pertambangan kripto dan proyek seperti Filecoin, Render, dan Aethir.

Menurut perkiraan resmi dari io.net, tingkat idle kartu grafis di IDC di Amerika Serikat saja melebihi 60%. Hal ini menciptakan paradoks ironis dari ketidaksesuaian pasokan-deman: lebih dari separuh daya komputasi sumber daya puluhan ribu pusat data kecil dan menengah dan peternakan penambangan kripto terbuang sia-sia setiap hari, gagal menghasilkan pendapatan yang efektif, sementara pengusaha AI kelas menengah dan panjang menderita biaya tinggi dan hambatan masuk tinggi dari layanan komputasi raksasa awan, dengan beragam kebutuhan inovatif mereka tidak terpenuhi.

Kontras tajam ini mengungkapkan kontradiksi inti dalam perkembangan KI global saat ini dan pasar daya komputasi global—di satu sisi, inovasi KI merata, dan permintaan daya komputasi terus berkembang. Di sisi lain, kebutuhan daya komputasi pemain mid-tier dan long-tail serta sumber daya GPU yang menganggur tidak terpenuhi secara efektif, tetap berada di luar pasar daya komputasi saat ini.

Masalah ini bukan hanya konflik antara tuntutan daya komputasi yang semakin meningkat dari para pengusaha AI dan pertumbuhan daya komputasi yang tertinggal. Ini juga ketidakcocokan antara sebagian besar pengusaha AI mid-tier dan long-tail, operator daya komputasi, dan ketidakseimbangan pasokan-tuntutan, yang jauh melebihi cakupan solusi penyedia layanan cloud terpusat.

Oleh karena itu, pasar memanggil untuk solusi baru. Bayangkan jika para operator ini dengan daya komputasi bisa menyewakan daya komputasinya secara fleksibel selama waktu tidak digunakan. Bukankah itu akan menyediakan klaster komputasi berbiaya rendah yang mirip dengan AWS?

Membangun jaringan komputasi berskala besar seperti ini sangat mahal. Hal ini telah menyebabkan munculnya platform-platform yang dirancang khusus untuk mencocokkan sumber daya komputasi yang tidak digunakan dengan startup AI kecil dan menengah. Platform-platform ini menggabungkan sumber daya komputasi yang tercecer dan mencocokkannya dengan kebutuhan spesifik di sektor-sektor seperti kesehatan, hukum, dan keuangan untuk melatih model-model kecil dan besar.

Tidak hanya dapat memenuhi kebutuhan komputasi yang beragam dari ekor tengah hingga panjang, tetapi juga melengkapi layanan komputasi raksasa awan terpusat yang sudah ada:

Raksasa awan dengan sumber daya komputasi yang luas menangani pelatihan model besar dan komputasi berkinerja tinggi untuk permintaan mendesak dan berat.

Pasar komputasi awan terdesentralisasi seperti io.net melayani komputasi model kecil, penyetelan model besar, implementasi inferensi, dan kebutuhan yang lebih beragam dan biaya rendah.

Pada dasarnya, itu menyediakan keseimbangan dinamis antara efektivitas biaya dan kualitas komputasi, sejalan dengan logika ekonomi dalam mengoptimalkan alokasi sumber daya di pasar. Dengan demikian, jaringan komputasi terdistribusi seperti io.net pada dasarnya menawarkan solusi “AI+Crypto”. Mereka menggunakan kerangka kerja kolaboratif terdesentralisasi yang dikombinasikan dengan insentif token untuk memenuhi permintaan yang signifikan namun kurang terlayani di pasar AI ekor menengah hingga panjang. Hal ini memungkinkan tim AI kecil dan menengah untuk menyesuaikan dan membeli layanan komputasi GPU sesuai kebutuhan, yang tidak dapat disediakan oleh awan besar, sehingga mencapai “pembebasan produktivitas” di pasar daya komputasi global dan pengembangan AI.

Dengan kata-kata yang lebih sederhana, io.net bukanlah pesaing langsung dari AWS, Azure, atau GCP. Sebaliknya, itu adalah sekutu komplementer yang mengoptimalkan alokasi sumber daya komputasi global dan memperluas pasar. Mereka melayani lapisan yang berbeda dari kebutuhan 'efektivitas biaya & kualitas komputasi'. Bahkan mungkin io.net, dengan menggabungkan pemain pasokan dan permintaan menengah hingga panjang, dapat menciptakan pangsa pasar yang dapat dibandingkan dengan tiga raksasa cloud teratas yang sudah ada.

io.net: Platform Perdagangan Penyesuaian Daya Komputasi GPU Global

io.net bertujuan untuk mengubah hubungan produksi pasar daya komputasi menengah dan panjang melalui kolaborasi terdistribusi Web3 dan insentif token. Akibatnya, ini mengingatkan pada platform ekonomi berbagi seperti Uber dan Didi, berfungsi sebagai platform perdagangan pencocokan untuk daya komputasi GPU.

Sebelum kedatangan Uber dan Didi, pengalaman penggunaan 'ride-hailing on demand' hampir tidak ada. Jaringan mobil pribadi sangat luas namun kacau, dengan mobil-mobil yang menganggur dan tidak teratur. Untuk menaiki mobil, pengguna harus menyetop taksi di pinggir jalan atau meminta dispet dari pusat taksi kota, yang memakan waktu, sangat tidak pasti, dan pada umumnya merupakan pasar yang menguntungkan penjual—tidak ramah bagi kebanyakan orang biasa.

Skenario ini mirip dengan kondisi pasar daya komputasi saat ini. Seperti yang disebutkan sebelumnya, pihak-pihak yang membutuhkan daya komputasi skala menengah dan panjang tidak hanya kekurangan kekuatan tawar namun juga menghadapi biaya modal yang tinggi, hambatan masuk KYC, dan persyaratan sewa yang keras.

Jadi, bagaimana tepatnya io.net mencapai posisinya sebagai “pusat daya komputasi GPU global dan pasar pencocokan”? Jenis arsitektur sistem dan layanan fungsional apa yang diperlukan untuk membantu pengguna menengah dan panjang mendapatkan sumber daya daya komputasi?

Platform Pencocokan Fleksibel dan Biaya Rendah

Fitur utama dari io.net adalah platform pencocokan daya komputasi ringan yang sesuai. Mirip dengan Uber atau Didi, ini tidak melibatkan operasi nyata berisiko tinggi dari perangkat keras GPU atau aset berat lainnya. Sebaliknya, ini menghubungkan daya komputasi ritel mid-to-long-tail (sering dianggap sebagai daya komputasi sekunder oleh penyedia awan utama seperti AWS) dengan permintaan melalui pencocokan, merevitalisasi sumber daya komputasi sebelumnya yang tidak terpakai (mobil pribadi) dan permintaan AI mid-tail untuk daya komputasi (penumpang).

Di satu sisi, io.net menghubungkan puluhan ribu GPU yang tidak aktif (mobil pribadi) dari IDC kecil dan menengah, pertanian pertambangan, dan proyek kripto. Di sisi lain, itu menghubungkan kebutuhan daya komputasi jutaan perusahaan kecil dan menengah (penumpang). io.net bertindak sebagai perantara, mirip dengan broker yang mencocokkan berbagai pesanan beli dan jual.

Dengan menggabungkan daya komputasi yang tidak terpakai dengan biaya rendah dan konfigurasi penyebaran yang lebih fleksibel, io.net membantu para pengusaha melatih model AI kecil dan menengah yang lebih personal, meningkatkan penggunaan sumber daya secara signifikan. Keuntungannya jelas: tidak peduli kondisi pasar bagaimanapun, selama ada ketidaksesuaian sumber daya, permintaan untuk platform yang sesuai tetap kuat.

Sisi Penawaran: Di sisi penawaran, IDC kecil dan menengah, pertanian pertambangan, dan proyek kripto dapat menghubungkan sumber daya komputasi yang tidak terpakai mereka ke io.net. Mereka tidak perlu mendirikan departemen pengembangan bisnis khusus atau terpaksa menjual dengan diskon ke AWS karena daya komputasi skala kecil. Sebagai gantinya, mereka dapat mencocokkan daya komputasi tidak terpakai mereka dengan pelanggan komputasi kecil dan menengah yang cocok dengan harga pasar atau bahkan lebih tinggi, dengan biaya gesekan minimal, sehingga mendapatkan pendapatan.

Sisi Permintaan: Di sisi permintaan, pihak yang membutuhkan daya komputasi kecil dan menengah, yang sebelumnya tidak memiliki kekuatan tawar terhadap penyedia awan besar seperti AWS, dapat terhubung ke daya komputasi skala kecil, tanpa izin, tanpa menunggu, dan tanpa KYC melalui io.net. Mereka dapat bebas memilih dan menggabungkan chip yang mereka butuhkan untuk membentuk sebuah "klaster" untuk menyelesaikan tugas komputasi yang dipersonalisasi.

Baik pihak pasokan maupun permintaan di tengah-ekor memiliki titik-titik sakit yang serupa yaitu kelemahan kekuatan tawar-menawar dan rendahnya otonomi saat menghadapi awan utama seperti AWS. io.net menghidupkan kembali pasokan dan permintaan dari tengah hingga panjang-ekor, menyediakan platform pencocokan yang memungkinkan kedua belah pihak untuk menyelesaikan transaksi dengan harga yang lebih baik dan konfigurasi yang lebih fleksibel daripada awan utama seperti AWS.

Dari sudut pandang ini, mirip dengan platform seperti Taobao, penampilan awal daya komputasi berkualitas rendah adalah pola pengembangan platform ekonomi yang tak terhindarkan. io.net juga telah mendirikan sistem reputasi untuk kedua pemasok dan penerima, mengumpulkan skor berdasarkan kinerja komputasi dan partisipasi jaringan untuk mendapatkan imbalan atau diskon.

Cluster GPU Terdesentralisasi

Selain menjadi platform pencocokan antara pasokan dan permintaan ritel, io.net juga mengatasi kebutuhan skenario komputasi dalam skala besar, seperti yang dibutuhkan oleh model-model modern yang melibatkan beberapa GPU bekerja bersama. Efektivitas platform ini bergantung bukan hanya pada seberapa banyak sumber daya GPU yang tidak digunakan yang dapat dihimpun, tetapi juga pada seberapa eratnya koneksi daya komputasi terdistribusi di platform tersebut.

Ini berarti bahwa io.net perlu membuat arsitektur komputasi yang “terdesentralisasi namun terpusat” untuk jaringan terdistribusi, yang mencakup sumber daya komputasi berukuran kecil dan menengah dari berbagai wilayah dan skala. Arsitektur ini harus mendukung tuntutan komputasi yang fleksibel dengan memungkinkan beberapa GPU terdistribusi untuk bekerja dalam kerangka yang sama untuk pelatihan sambil memastikan bahwa komunikasi dan koordinasi di antara GPU tersebut cepat dan mencapai latensi rendah yang dapat digunakan.

Pendekatan ini secara mendasar berbeda dari beberapa proyek komputasi awan terdesentralisasi yang terbatas pada penggunaan GPU dalam pusat data yang sama. Realisasi teknis di balik rangkaian produk io.net, yang dikenal sebagai "Tiga Kuda," mencakup Awan IO, Pekerja IO, dan Penjelajah IO.

1. IO Cloud
   • Modul bisnis dasar untuk klaster, IO Cloud, adalah sekelompok GPU yang mampu berkoordinasi sendiri untuk menyelesaikan tugas komputasi. Insinyur AI dapat menyesuaikan klaster sesuai kebutuhan mereka. Ini terintegrasi secara mulus dengan IO-SDK, menyediakan solusi komprehensif untuk memperluas aplikasi AI dan Python.
2. Pekerja IO
   • IO Worker menawarkan antarmuka yang ramah pengguna, memungkinkan baik pemasok maupun perminta untuk mengelola operasi mereka secara efektif melalui aplikasi web. Fungsinya meliputi manajemen akun pengguna, pemantauan aktivitas komputasi, menampilkan data real-time, melacak suhu dan konsumsi daya, memberikan bantuan instalasi, mengelola dompet, menerapkan langkah-langkah keamanan, hingga menghitung keuntungan.
3. Penjelajah IO
   • IO Explorer memberikan pengguna statistik komprehensif dan visualisasi berbagai aspek dari awan GPU. Dengan menawarkan visibilitas lengkap ke dalam aktivitas jaringan, statistik kunci, titik data, dan transaksi hadiah, ini memungkinkan pengguna untuk dengan mudah memantau, menganalisis, dan memahami rincian jaringan io.net.

Berkat arsitektur fungsional ini, io.net memungkinkan pemasok daya komputasi untuk dengan mudah berbagi sumber daya yang tidak terpakai, secara signifikan menurunkan hambatan masuk. Peminta dapat dengan cepat membentuk klaster dengan GPU yang diperlukan tanpa harus menandatangani kontrak jangka panjang atau menanggung waktu tunggu yang panjang yang biasanya terkait dengan layanan cloud tradisional. Pengaturan ini memberi mereka kekuatan superkomputer dan waktu respons server yang dioptimalkan.

Skenario Permintaan Elastis Ringan

Ketika membahas skenario layanan unik io.net dibandingkan dengan AWS dan awan besar lainnya, fokusnya adalah pada permintaan elastis ringan di mana awan besar mungkin tidak efisien biaya. Skenario ini mencakup area niche seperti pelatihan model untuk startup kecerdasan buatan kecil dan menengah, penyetelan model besar, dan aplikasi lain yang beragam. Salah satu skenario yang sering diabaikan namun sangat berlaku adalah inferensi model.

Sudah umum diketahui bahwa pelatihan awal model-model besar seperti GPT memerlukan ribuan GPU berkinerja tinggi, daya komputasi yang besar, dan data besar untuk jangka waktu yang lama. Ini adalah area di mana AWS, GCP, dan awan utama lainnya memiliki keunggulan yang pasti. Namun, setelah model dilatih, permintaan komputasi utama beralih ke inferensi model. Tahap ini, yang melibatkan penggunaan model yang dilatih untuk membuat prediksi atau keputusan, merupakan 80%-90% beban kerja komputasi AI, seperti yang terlihat dalam interaksi harian dengan GPT dan model-model serupa.

Menariknya, daya komputasi yang diperlukan untuk inferensi lebih stabil dan kurang intensif, sering hanya memerlukan beberapa puluh GPU selama beberapa menit untuk mendapatkan hasil. Proses ini juga memiliki persyaratan yang lebih rendah untuk latensi jaringan dan konkurensi. Selain itu, kebanyakan perusahaan kecerdasan buatan kemungkinan besar tidak akan melatih model besar mereka sendiri dari awal; sebaliknya, mereka cenderung mengoptimalkan dan menyempurnakan model-model kelas atas seperti GPT. Skenario-skenario ini secara alami cocok untuk sumber daya komputasi yang menganggur yang tersebar di io.net.

Di luar skenario aplikasi intensitas tinggi dan standar tinggi, ada pasar yang lebih luas dan belum dimanfaatkan untuk skenario ringan sehari-hari. Ini mungkin terlihat terfragmentasi tetapi sebenarnya memiliki pangsa pasar yang lebih besar. Menurut laporan Bank of America baru-baru ini, komputasi daya tinggi hanya menyumbang sekitar 5% dari total pasar yang dapat dijangkau (TAM) di pusat data.

Singkatnya, bukan berarti AWS atau GCP tidak terjangkau, tetapi io.net menawarkan solusi yang lebih hemat biaya untuk kebutuhan khusus ini.

Faktor Penentu dalam Web2 BD

Pada akhirnya, keunggulan kompetitif inti dari platform seperti io.net, yang ditujukan untuk sumber daya komputasi terdistribusi, terletak pada kemampuan pengembangan bisnis (BD) mereka. Ini adalah faktor penentu kritis untuk kesuksesan.

Selain fenomena di mana chip kinerja tinggi Nvidia telah menciptakan pasar bagi pialang GPU, tantangan utama bagi banyak Pusat Data Internet (IDC) kecil dan menengah serta operator daya komputasi adalah masalah 'anggur yang baik tetap takut ke lorong-lorong dalam,' yang berarti bahkan produk yang bagus memerlukan promosi yang efektif untuk ditemukan.

Dari sudut pandang ini, io.net memiliki keunggulan kompetitif yang unik yang sulit ditiru oleh proyek-proyek lain di bidang yang sama - sebuah tim BD Web2 yang didedikasikan yang berbasis langsung di Silicon Valley. Para veteran ini memiliki pengalaman luas di pasar daya komputasi dan memahami berbagai skenario klien kecil dan menengah. Selain itu, mereka memiliki pemahaman mendalam tentang kebutuhan pengguna akhir dari berbagai klien Web2.

Menurut pengungkapan resmi dari io.net, lebih dari 20-30 perusahaan Web2 telah menunjukkan minat dalam membeli atau menyewa daya komputasi. Perusahaan-perusahaan ini bersedia untuk menjelajahi atau bahkan bereksperimen dengan layanan komputasi yang lebih murah dan fleksibel (beberapa mungkin bahkan tidak bisa mendapatkan daya komputasi di AWS). Setiap klien ini membutuhkan setidaknya ratusan hingga ribuan GPU, yang berarti pesanan daya komputasi senilai puluhan ribu dolar per bulan.

Permintaan yang sebenarnya dari pengguna akhir yang membayar akan secara esensial menarik lebih banyak sumber daya daya komputasi yang menganggur untuk mengalir secara proaktif di sisi pasokan, sehingga dengan mudah mengarah ke sebuah?

Disclaimer：

1. Artikel ini dicetak ulang dari [ LFG Labs]. Semua hak cipta dimiliki oleh penulis asli [LFG Labs]. Jika ada keberatan terhadap pencetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan cepat.
2. Penafian Tanggung Jawab: Pandangan dan pendapat yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan nasihat investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.