Основополагающая природа io.net: Как вы это видите?

С финансированием в $30 миллионов и поддержкой ведущего капитала, такого как Hack VC, Multicoin Capital, Delphi Digital и Solana Lab, io.net не кажется очень «коренным». Этикетки вычислительной мощности GPU и революции ИИ далеки от земли, часто ассоциируются с высокими коннотациями.

Однако, среди оживленных обсуждений сообщества часто упускаются важные улики, особенно касающиеся глубокого преобразования, которое может принести io.net глобальной сети вычислительной мощности. В отличие от "элитного" положения AWS, Azure и GCP, io.net в основном следует популистскому пути:

Он направлен на то, чтобы восполнить игнорируемый спрос на вычислительную мощность «средний хвост + длинный хвост» путем агрегирования простаивающих ресурсов графического процессора. Создав децентрализованную распределенную вычислительную сеть корпоративного уровня, io.net предоставляет более широкому кругу малых и средних пользователей инновации в области искусственного интеллекта. Он обеспечивает недорогое и очень гибкое «восстановление производительности» для глобальных инноваций в области ИИ.

Производственные отношения вычислительной мощности, лежащие в основе волны искусственного интеллекта, игнорируются

Каков основной ресурс производительности в текущей волне искусственного интеллекта и будущей эпохи цифровой экономики?

Безусловно, это вычислительная мощность.

Согласно данным исследования Precedence Research, мировой рынок аппаратного обеспечения искусственного интеллекта ожидается вырасти по темпу годового среднего темпа роста (CAGR) 24,3%, превысив $473,53 миллиарда к 2033 году.

Даже отложив в сторону эти прогностические цифры, как с точки зрения инкрементальной, так и с точки зрения складской логики, очевидно, что два основных противоречия будут сохраняться в будущем развитии рынка вычислительной мощности:

1. Инкрементальное измерение: экспоненциальный рост спроса на вычислительную мощность значительно превышает линейный рост предложения.
2. Размер запасов: из-за верхнетяжелого распределения вычислительная мощность сосредоточена вверху, оставляя игроков среднего уровня и длинный хвост с недостаточными ресурсами. Тем временем большое количество распределенных ресурсов GPU остается без дела, что приводит к серьезным несоответствиям между предложением и спросом.

Инкрементальное измерение: спрос на вычислительную мощность значительно превышает предложение

Во-первых, на инкрементальном уровне, помимо быстрого расширения моделей AIGC (содержимое, созданное ИИ), многочисленные сценарии использования ИИ находятся в своих ранних взрывоопасных стадиях, такие как здравоохранение, образование и интеллектуальное вождение, быстро развиваются. Все эти сценарии требуют огромного количества вычислительных ресурсов. Поэтому недостаток ресурсов вычислительной мощности GPU на текущем рынке будет не только сохраняться, но и продолжит расширяться.

Другими словами, с точки зрения спроса и предложения, в обозримом будущем рыночный спрос на вычислительную мощность несомненно значительно превысит предложение. Ожидается, что кривая спроса в коротком периоде покажет экспоненциальный восходящий тренд.

С другой стороны, из-за физических законов и практических производственных факторов на стороне предложения можно достичь, в лучшем случае, только линейного роста, будь то улучшения в технологии процессов или масштабное расширение заводов. Это неизбежно означает, что узкое место в вычислительной мощности в развитии искусственного интеллекта будет сохраняться долгое время.

Дисбаланс спроса и предложения: Несоответствие для игроков среднего уровня и длинного хвоста

Тем временем, с ограниченными ресурсами вычислительной мощности, сталкивающимися с серьезными проблемами роста, Amazon Web Services (AWS), Microsoft Azure и Google Cloud Platform (GCP) в совокупности занимают более 60% рыночной доли облачных вычислений, создавая явный продавецкий рынок.

Эти компании накапливают высокопроизводительные графические процессоры, монополизируя огромное количество вычислительной мощности. Компании среднего уровня и долгосрочные игроки с небольшим и средним спросом не только лишены силы договоренности, но и вынуждены бороться с высокими капиталовложениями, барьерами входа KYC и ограничительными условиями аренды. Кроме того, традиционные гиганты облачных сервисов, движимые соображениями прибыли, часто не учитывают дифференцированные бизнес-потребности пользователей «среднего уровня + долгий хвост» (такие как более короткие, более немедленные и масштабы аренды меньшего размера).

Однако, на самом деле, большое количество вычислительной мощности GPU остается неиспользованным за пределами вычислительных сетей гигантов облачных сервисов. Например, десятки тысяч независимых Интернет-центров данных (IDC) по всему миру растрачивают ресурсы на небольшие тренировочные задачи. Это включает в себя огромные вычислительные мощности, простаивающие в фермах для криптовалютного майнинга и проектах, таких как Filecoin, Render и Aethir.

Согласно официальным оценкам от io.net, уровень простоя видеокарт в ЦОД в США превышает 60%. Это создает иронический парадокс несоответствия спроса и предложения: более половины ресурсов вычислительной мощности десятков тысяч малых и средних центров обработки данных и ферм для майнинга криптовалют ежедневно тратятся впустую, не способствуя генерации эффективного дохода, в то время как средние и долгохвостые предприниматели в области искусственного интеллекта несут высокие затраты и сталкиваются с высокими барьерами входа на рынок облачных вычислительных услуг гигантов, не в состоянии удовлетворить свои разнообразные инновационные потребности.

Этот резкий контраст раскрывает основное противоречие в текущем глобальном развитии и глобальном рынке вычислительной мощности искусственного интеллекта: с одной стороны, инновации в области искусственного интеллекта широко распространены, и спрос на вычислительную мощность постоянно растет. С другой стороны, потребности в вычислительной мощности средних и долгих игроков, а также неиспользуемые ресурсы GPU, не эффективно удовлетворяются и остаются вне текущего рынка вычислительной мощности.

Эта проблема не только в конфликте между растущими требованиями к вычислительной мощности со стороны предпринимателей в области искусственного интеллекта и отставанием роста вычислительной мощности. Это также несоответствие между подавляющим большинством среднего уровня и долговременных предпринимателей в области искусственного интеллекта, операторов вычислительной мощности и дисбаланс между спросом и предложением, который значительно превышает рамки решений централизованных поставщиков облачных услуг.

Поэтому рынок требует новых решений. Представьте, если бы эти операторы с вычислительной мощностью могли гибко сдавать в аренду свою вычислительную мощность во время простоя. Разве это не обеспечило бы недорогой вычислительный кластер, аналогичный AWS?

Построение такой крупномасштабной вычислительной сети является чрезвычайно дорогостоящим. Это привело к появлению платформ, специально разработанных для сопоставления неиспользуемых вычислительных ресурсов с малыми и средними стартапами по искусственному интеллекту. Эти платформы агрегируют разбросанные неиспользуемые вычислительные ресурсы и сопоставляют их с конкретными потребностями в секторах, таких как здравоохранение, право и финансы для обучения малых и крупных моделей.

Это не только может удовлетворить разнообразные вычислительные потребности среднего и длинного хвоста, но и дополняет существующие централизованные вычислительные услуги облачных гигантов:

Облачные гиганты с огромными вычислительными ресурсами занимаются обучением больших моделей и высокопроизводительным вычислением для срочных и сложных запросов.

Децентрализованные рынки облачных вычислений, такие как io.net, ориентированы на малые вычисления моделей, тонкую настройку больших моделей, развертывание выводов и другие разнообразные, недорогие потребности.

По сути, это обеспечивает динамическое равновесие между экономической эффективностью и вычислительным качеством, соответствуя экономической логике оптимизации распределения ресурсов на рынке. Таким образом, распределенные вычислительные сети, подобные io.net, по сути, предлагают решение "ИИ+Крипто". Они используют децентрализованную совместную структуру в сочетании с токенными стимулами для удовлетворения значительного, но недостаточно обслуживаемого спроса на средне- и долгосрочном рынке искусственного интеллекта. Это позволяет малым и средним командам по искусственному интеллекту настраивать и приобретать услуги по вычислениям на GPU по мере необходимости, что не могут предоставить крупные облака, достигая тем самым "освобождения производительности" на глобальном рынке вычислительной мощности и развития искусственного интеллекта.

Другими словами, io.net не является прямым конкурентом AWS, Azure или GCP. Вместо этого это дополнительный союзник, который оптимизирует глобальное распределение вычислительных ресурсов и расширяет рынок. Они обслуживают разные уровни потребностей в «эффективности затрат и качестве вычислений». Даже возможно, что io.net, объединяя поставщиков и потребителей среднесрочного и долгосрочного спроса, сможет создать долю рынка, сравнимую с долей существующих трех крупнейших облачных гигантов.

io.net: Глобальная торговая платформа сопоставления вычислительной мощности GPU

io.net стремится переформатировать производственные отношения на рынке вычислительной мощности среднего и долгого хвоста через веб-3 распределенное сотрудничество и токенные стимулы. В результате это напоминает платформы совместной экономики, такие как Uber и Didi, функционируя как платформа согласованной торговли для вычислительной мощности графических процессоров.

Перед появлением Uber и Didi пользовательский опыт "заказа такси на требование" был фактически несуществующим. Частная сеть автомобилей была обширной, но хаотичной, с машинами, которые были бездействующими и неорганизованными. Чтобы взять машину, пользователи должны были либо махнуть такси с обочины, либо запросить отправку из городского таксопарка, что было затратно по времени, крайне неопределенно и в основном было рынком продавца - недружелюбным для большинства обычных людей.

Этот сценарий подобен текущему состоянию рынка вычислительной мощности. Как упоминалось ранее, потребители средних и длинных хвостов, нуждающиеся в небольшой и средней вычислительной мощности, не только лишены переговорной силы, но и сталкиваются с высокими капиталовложениями, барьерами входа в KYC и жёсткими условиями аренды.

Итак, как именно io.net достигает своего положения "глобального хаба вычислительной мощности графического процессора и рынка сопоставления"? Какая системная архитектура и функциональные службы необходимы для помощи пользователям среднего и длинного хвоста в получении ресурсов вычислительной мощности?

Гибкая и недорогая платформа для сопоставления

Основной особенностью io.net является ее платформа с легкой вычислительной мощностью. Подобно Uber или Didi, она не включает в себя высокорискованную фактическую эксплуатацию оборудования GPU или других тяжелых активов. Вместо этого она соединяет розничную вычислительную мощность среднего и длинного хвоста (часто рассматриваемую как вторичную вычислительную мощность крупными облачными поставщиками, такими как AWS) с спросом через сопоставление, оживляя ранее бездействовавшие вычислительные ресурсы (частные автомобили) и спрос среднего хвоста на вычислительную мощность в области ИИ (пассажиры).

С одной стороны, io.net соединяет десятки тысяч простаивающих графических процессоров (частных автомобилей) от малых и средних IDC, майнинговых ферм и криптопроектов. С другой стороны, он связывает потребности в вычислительных мощностях миллионов малых и средних компаний (пассажиров). io.net выступает в роли посредника, подобно брокеру, сопоставляющему многочисленные ордера на покупку и продажу.

Агрегируя неиспользуемую вычислительную мощность по низкой цене и с более гибкой конфигурацией развертывания, io.net помогает предпринимателям обучать более персонализированные небольшие и средние модели искусственного интеллекта, значительно улучшая использование ресурсов. Преимущества очевидны: независимо от рыночных условий, пока существует несоответствие ресурсов, спрос на соответствующую платформу стабилен.

Со стороны предложения: на стороне предложения малые и средние ИДЦ, майнинг-фермы и криптопроекты могут подключить свои неиспользуемые вычислительные ресурсы к io.net. Им не нужно создавать специальный отдел по развитию бизнеса или продавать с большой скидкой AWS из-за маленькой вычислительной мощности. Вместо этого они могут сопоставить свою неиспользуемую вычислительную мощность подходящим малым и средним клиентам по рыночным ценам или даже выше при минимальных издержках трения, тем самым зарабатывая доход.

Со стороны спроса: на стороне спроса малые и средние требования вычислительной мощности, которые ранее не имели позиций в переговорах против основных облачных провайдеров, таких как AWS, могут подключаться к вычислительной мощности меньшего масштаба, без разрешения, без ожидания и без KYC через io.net. Они могут свободно выбирать и комбинировать необходимые для них микросхемы, чтобы создать "кластер" для выполнения персонализированных вычислительных задач.

И как поставщики, и спрос в середине хвоста испытывают похожие проблемы слабой покупательной способности и низкой автономии при столкновении с крупными облаками, такими как AWS. io.net оживляет спрос и предложение в среднесрочной и долгосрочной перспективе, обеспечивая платформу сопоставления, которая позволяет обеим сторонам завершать транзакции по более выгодным ценам и с более гибкими конфигурациями, чем у крупных облаков, таких как AWS.

С этой точки зрения, подобно платформам, таким как Taobao, раннее появление низкокачественной вычислительной мощности является неизбежным паттерном развития экономики платформ. io.net также создал систему репутации как для поставщиков, так и для спроса, накапливая баллы на основе вычислительной производительности и участия в сети, чтобы получать вознаграждения или скидки.

Децентрализованный кластер GPU

Помимо того, что io.net является платформой сопоставления между розничным предложением и спросом, она учитывает потребности крупных вычислительных сценариев, таких как те, которые требуются современными моделями, которые включают в себя работу нескольких GPU вместе. Эффективность этой платформы зависит не только от того, сколько бездействующих ресурсов GPU она может агрегировать, но и от того, насколько тесно связана распределенная вычислительная мощность на платформе.

Это означает, что io.net должен создать "децентрализованную, но централизованную" вычислительную архитектуру для своей распределенной сети, которая охватывает небольшие и средние вычислительные ресурсы из разных регионов и масштабов. Эта архитектура должна поддерживать гибкий спрос на вычисления, позволяя нескольким распределенным GPU работать в одной и той же структуре для обучения, обеспечивая при этом быструю связь и координацию между этими GPU и обеспечивая возможность использования с низкой задержкой.

Этот подход фундаментально отличается от некоторых проектов децентрализованных облачных вычислений, ограниченных использованием графических процессоров в пределах одного и того же центра обработки данных. Техническая реализация продуктового набора io.net, известного как "Три Коня", включает IO Cloud, IO Worker и IO Explorer.

1. IO Cloud
   • Базовый бизнес-модуль для кластеров, IO Cloud, представляет собой группу графических процессоров, способных к самокоординации для выполнения вычислительных задач. Инженеры ИИ могут настраивать кластеры в соответствии со своими потребностями. Он легко интегрируется с IO-SDK, предоставляя комплексное решение для расширения приложений ИИ и Python.
2. Рабочий IO
   • IO Worker предлагает удобный пользовательский интерфейс, позволяя как поставщикам, так и спросу эффективно управлять своими операциями через веб-приложение. Его функции включают управление учетной записью пользователя, мониторинг вычислительных активностей, отображение данных в реальном времени, отслеживание температуры и энергопотребления, предоставление помощи в установке, управление кошельками, внедрение мер безопасности и расчет прибыли.
3. IO Explorer
   • IO Explorer предоставляет пользователям всестороннюю статистику и визуализацию различных аспектов облачной вычислительной мощности GPU. Предоставляя полную видимость в сетевую активность, ключевую статистику, точки данных и транзакции вознаграждения, он позволяет пользователям легко отслеживать, анализировать и понимать детали сети io.net.

Благодаря этой функциональной архитектуре io.net позволяет поставщикам вычислительной мощности легко делиться неиспользуемыми ресурсами, значительно снижая порог входа. Заказчики могут быстро формировать кластеры с необходимыми графическими процессорами, не заключая долгосрочных контрактов или переживая длительные ожидания, обычно связанные с традиционными облачными услугами. Эта настройка обеспечивает им вычислительную мощность суперкомпьютера и оптимизированные времена ответа сервера.

Сценарии легкого эластичного спроса

При обсуждении уникальных сценариев обслуживания io.net по сравнению с AWS и другими крупными облаками основное внимание уделяется легкой эластичной потребности, где крупные облака могут быть неэффективными с точки зрения затрат. Эти сценарии включают узкие области, такие как обучение моделей для малых и средних стартапов в области искусственного интеллекта, настройку больших моделей и другие разнообразные приложения. Один из часто пренебрегаемых, но широко применимых сценариев - это вывод модели.

Известно, что начальное обучение больших моделей, таких как GPT, требует тысяч высокопроизводительных GPU, огромной вычислительной мощности и огромных объемов данных на продолжительное время. Это область, в которой AWS, GCP и другие крупные облачные провайдеры имеют определенное преимущество. Однако, после обучения модели первичный спрос на вычислительные ресурсы смещается на стадию вывода модели. Этот этап, который включает использование обученной модели для прогнозирования или принятия решений, составляет 80%-90% нагрузки на вычисления ИИ, как видно из ежедневного взаимодействия с GPT и другими подобными моделями.

Интересно, что вычислительная мощность, необходимая для вывода, более стабильна и менее интенсивна, часто требуется всего несколько десятков GPU всего на несколько минут, чтобы получить результаты. Этот процесс также имеет более низкие требования к сетевой задержке и параллелизму. Кроме того, большинство компаний в области искусственного интеллекта, скорее всего, не будут обучать свои собственные большие модели с нуля; вместо этого они склонны оптимизировать и настраивать лучшие модели верхнего уровня, такие как GPT. Эти сценарии естественно подходят для распределенных неиспользуемых вычислительных ресурсов io.net.

За пределами сценариев высокой интенсивности и высокого стандарта существует более широкий и неиспользованный рынок для повседневных легких сценариев. Они могут казаться фрагментированными, но на самом деле удерживают большую долю рынка. По данным недавнего отчета Bank of America, высокопроизводительные вычисления занимают всего около 5% от общего объема адресуемого рынка в центрах обработки данных.

В заключение, дело не в том, что AWS или GCP недоступны, но io.net предлагает более экономичное решение для этих конкретных потребностей.

Решающий фактор в Web2 BD

В конечном итоге, основным конкурентным преимуществом платформ, таких как io.net, ориентированных на распределенные вычислительные ресурсы, являются их возможности в области бизнес-развития (BD). Это критически важный фактор успеха.

Помимо явления, когда высокопроизводительные чипы Nvidia породили рынок брокеров GPU, основной проблемой для многих малых и средних интернет-дата-центров (IDC) и операторов вычислительной мощности является проблема "хорошее вино все равно боится глубоких переулков", что означает, что даже отличные продукты нуждаются в эффективном продвижении, чтобы быть обнаруженными.

С этой точки зрения io.net обладает уникальным конкурентным преимуществом, которое сложно воспроизвести другим проектам в том же поле - специализированная команда Web2 BD, базирующаяся непосредственно в Силиконовой долине. Эти ветераны имеют обширный опыт на рынке вычислительной мощности и понимают разнообразные сценарии малых и средних клиентов. Более того, у них глубокое понимание потребностей конечных пользователей многочисленных клиентов Web2.

Согласно официальным раскрытиям от io.net, более 20-30 компаний Web2 уже выразили заинтересованность в покупке или аренде вычислительной мощности. Эти компании готовы исследовать или даже экспериментировать с более дешевыми, более гибкими вычислительными услугами (некоторые даже не могут обеспечить себя вычислительной мощностью на AWS). Каждому из этих клиентов требуется как минимум сотни, а то и тысячи GPU, что переводится в заказы на вычислительную мощность на сумму десятков тысяч долларов в месяц.

Этот реальный спрос со стороны платящих конечных пользователей в основном привлечет больше неиспользуемых ресурсов вычислительной мощности на активную сторону предложения, что легко приведет к...

Disclaimer：

1. Эта статья перепечатана с [LFG Лаборатории]. Все авторские права принадлежат оригинальному автору [LFG Labs]. Если есть возражения к этому повторному изданию, пожалуйста, свяжитесь с Gate Learnкоманда и они быстро справятся с этим.
2. Отказ от ответственности: Взгляды и мнения, выраженные в этой статье, являются исключительно точкой зрения автора и не являются инвестиционным советом.
3. Перевод статьи на другие языки выполняется командой Gate Learn. За исключением указанных случаев, копирование, распространение или плагиатирование переведенных статей запрещено.