مقدمة

في العصر الرقمي، أصبحت قوة الحوسبة عنصرًا أساسيًا في التقدم التكنولوجي. إنه يحدد الموارد التي تحتاجها الحواسيب لمعالجة العمليات، بما في ذلك الذاكرة وسرعة المعالج وعدد المعالجات. تؤثر هذه الموارد مباشرة على أداء وتكلفة الأجهزة، خاصة عند التعامل مع عدة برامج في وقت واحد. مع انتشار تبني تقنيات الذكاء الاصطناعي والتعلم العميق، ارتفع الطلب على موارد الحوسبة عالية الأداء، مثل وحدات معالجة الرسومات، مما أدى إلى نقص عالمي في العرض.

وحدة المعالجة المركزية (CPU) تلعب دورًا حيويًا كنواة للحاسوب، بينما وحدة معالجة الرسوميات (GPU) تعزز كفاءة الحوسبة بشكل كبير من خلال التعامل مع المهام الموازية. يمكن لوحدة المعالجة المركزية الأكثر قوة معالجة العمليات بشكل أسرع، وتدعم وحدة معالجة الرسوميات بشكل فعال الاحتياجات الحوسبية المتزايدة.

ما هو Io.net؟

المصدر: io.net

Io.net هو مشروع DePIN مبني على Solana، متخصص في توفير قوة الحسابات باستخدام وحدة معالجة الرسومات لشركات الذكاء الاصطناعي وتعلم الآلة، مما يجعل الحسابات أكثر قابلية للتوسيع والوصول والكفاءة.

النماذج الذكية الحديثة أصبحت أكبر بشكل متزايد، والتدريب والاستدلال لم تعد مهامًا بسيطة يمكن أداؤها على جهاز واحد. غالبًا ما يكون هناك حاجة إلى الحوسبة المتوازية والموزعة، باستخدام القدرات القوية عبر أنظمة ونوى متعددة لتحسين أداء الحوسبة أو للتوسع لاستيعاب مجموعات بيانات ونماذج أكبر. من الأهمية بمكان تنسيق شبكة وحدة معالجة الرسوميات كمورد حوسبة في هذه العملية.

خلفية الفريق والتمويل

خلفية الفريق

فريق Io.net الأساسي كان في الأصل متخصصًا في التداول الكمي. حتى يونيو 2022، كانوا يركزون على تطوير أنظمة التداول الكمي على مستوى المؤسسات التي تغطي الأسهم والعملات المشفرة. مع زيادة الطلب على قوة الحوسبة لأنظمة الخلفية، بدأ الفريق في استكشاف إمكانيات الحوسبة اللامركزية، وتركز في النهاية على حل مشاكل محددة تتعلق بتقليل تكلفة خدمات الحوسبة بوحدة المعالجة الرسومية.

• المؤسس والرئيس التنفيذي: أحمد شديد، الذي عمل في الكمية والهندسة المالية. قبل Io.net، كان متطوعًا في مؤسسة الإيثريوم.
• CMO & Chief Strategy Officer: Garrison Yang, who joined Io.net in March this year, previously served as VP of Strategy and Growth at Avalanche and graduated from the University of California, Santa Barbara.
• مدير العمليات: توري جرين، مدير العمليات في Io.net، شغل سابقًا منصب مدير العمليات في Hum Capital ومدير تطوير الأعمال والاستراتيجية في Fox Mobile Group، وهو خريج من جامعة ستانفورد.

وفقًا لمعلومات Io.net على LinkedIn، يتواجد الفريق الرئيسي في نيويورك، الولايات المتحدة الأمريكية، مع فرع في سان فرانسيسكو، ويضم حاليًا أكثر من 50 عضوًا في الفريق.

حالة التمويل

اكتملت Io.net جولة تمويل سلسلة A بقيمة 30 مليون دولار بقيادة Hack VC، بمشاركة مؤسسات بارزة أخرى مثل Multicoin Capital، Delphi Digital، Animoca Brands، OKX، Aptos Labs، وSolana Labs. بالإضافة إلى ذلك، شارك مؤسسو Solana، Aptos، وAnimoca Brands أيضًا في هذه الجولة كمستثمرين فرديين. يجدر بالذكر أنه بعد استثمار من مؤسسة Aptos، تم تحويل مشروع BC8.AI، الذي استقر بشكل أولي على Solana، إلى منصة L1 الفعالة بنفس القدر، Aptos.

معالجة نقص موارد الحوسبة

في السنوات الأخيرة، ساهم التقدم السريع في مجال الذكاء الاصطناعي في زيادة الطلب على رقائق الحوسبة، حيث تضاعفت متطلبات تطبيقات الذكاء الاصطناعي للطاقة الحسابية مرتين كل ثلاثة أشهر، وتضاعفت بشكل تقريبي بنسبة عشرة أضعاف كل 18 شهرًا. لقد وضع هذا النمو الأسرع من الطريقة العالمية للتوريد في مواجهة ضغط، حيث لا تزال السلسلة العالمية للتوريد تكافح للتعافي من الاضطرابات الناجمة عن الجائحة. غالبًا ما تكون لدى السحاب العامة الوصول بأولوية إلى مزيد من وحدات معالجة الرسومات، مما يجعل من الصعب على الشركات الصغيرة والمؤسسات البحثية الحصول على موارد حسابية، مثل:

• التكاليف العالية: استخدام وحدات معالجة الرسومات عالية الجودة مكلف للغاية، ويمكن أن تصل بسهولة إلى مئات الآلاف شهريًا للتدريب والاستنتاج.
• مشاكل الجودة: يواجه المستخدمون خيارًا ضئيلًا فيما يتعلق بجودة الأجهزة، ومستوى الأمان، وتأخير المعالجة الحسابية، وخيارات أخرى لأجهزة معالجة الرسومات، ويجب أن يستوفوا ما هو متاح.
• قيود الاستخدام: عند استخدام خدمات السحابة مثل AWS لشركة Google، GCP، أو Microsoft Azure، يستغرق الوصول عادة بضعة أسابيع، وغالبًا ما تكون وحدات معالجة الرسومات عالية الأداء غير متوفرة.

تعالج Io.net هذه المشكلة من خلال تجميع الموارد الحوسبية التي لا تُستغل بشكل كامل (مثل مراكز البيانات المستقلة، منقبي العملات المشفرة، Filecoin، Render، وشبكات مشاريع العملات المشفرة الأخرى) من وحدات معالجة الرسومات الزائدة. تشكل هذه الموارد الحوسبية شبكة حوسبة مركزية، مما يمكن المهندسين من الحصول على قدرة حوسبة هائلة في نظام سهل الوصول وقابل للتخصيص وفعال من حيث التكلفة.

المصدر: io.net

منتجات Io.net المبنية لأربع وظائف أساسية

• الاستنتاج الدُفعي وخدمات النموذج: يمكن معالجة البيانات الدُفعية بشكل متوازٍ عن طريق تصدير الهندسة المعمارية والأوزان للنماذج المدربة إلى تخزين الكائنات المشترك. يُمكّن Io.net فِرَق تعلم الآلة من إنشاء سير العمل للخدمات الحسابية والنماذج عبر شبكات وحدات المعالجة الرسومية الموزعة.
• التدريب الموازي: تقييدات ذاكرة وحدة المعالجة المركزية / وحدة المعالجة الرسومية وتدفقات المعالجة التسلسلية تخلق عقبات كبيرة عند تدريب نماذج تعمل على جهاز واحد. تستخدم Io.net مكتبات الحوسبة الموزعة لتنظيم وتجميع وظائف التدريب، مما يتيح التوازي للبيانات والنماذج عبر العديد من الأجهزة الموزعة.
• ضبط معلمات التشغيل المتوازي: تجارب ضبط معلمات التشغيل هي بشكل جوهري متوازية. تستخدم Io.net مكتبة حوسبة موزعة ذات إمكانيات متقدمة لضبط معلمات التشغيل للعثور على أفضل النتائج، وتحسين جدولة وتحديد أنماط البحث.
• التعلم التعزيزي: يستخدم Io.net مكتبة التعلم التعزيزي مفتوحة المصدر التي تدعم أعباء عمل التعلم التعزيزي على مستوى الإنتاج بشكل كبير وموزع ومجموعة من واجهات برمجة التطبيقات البسيطة.

منتجات Io.net

سحابة الإدخال/الإخراج

تدير IO Cloud مجموعات معالج الرسومات المنتشرة، مما يوفر إمكانية الوصول إلى الموارد بطريقة مرنة وقابلة للتوسيع دون الحاجة إلى استثمارات باهظة في الأجهزة وإدارة البنية التحتية. باستخدام شبكة العقد المفcentralizedة، يحصل مهندسو التعلم الآلي على تجربة تشبه أي مزود للخدمات السحابية. مدمجة بسلاسة عبر IO-SDK، تقدم حلولًا لتطبيقات الذكاء الاصطناعي والبايثون وتبسيط نشر وإدارة موارد GPU/CPU، متكيفة مع احتياجات التغيير.

يسلط الضوء على:

• التغطية العالمية: باستخدام نهج يشبه CDN، يقوم بتوزيع موارد وحدة معالجة الرسومات على نطاق عالمي لتحسين خدمات تعلم الآلة والاستدلال.
• التوسع القابل للتطبيق وكفاءة التكلفة: ملتزمون بأن نكون أكثر منصة سحابية GPU فعالة من حيث التكلفة، ومن المتوقع أن تقلل تكاليف مشاريع الذكاء الاصطناعي/التعلم الآلي بنسبة تصل إلى 90%.
• التكامل مع IO SDK: يعزز أداء مشاريع الذكاء الاصطناعي من خلال التكامل السلس، مما يخلق بيئة عالية الأداء موحدة.
• ميزات حصرية: توفر وصولًا خاصًا إلى مكون OpenAI ChatGPT ، مما يبسط نشر مجموعات التدريب.
• الدعم لإطار العمل RAY: يستخدم إطار العمل RAY للحوسبة الموزعة لتطوير تطبيقات Python القابلة للتوسيع.
• الابتكار في تعدين العملات المشفرة: يهدف إلى ثورة في صناعة تعدين العملات المشفرة من خلال دعم النظم اللغوية والذكاء الاصطناعي.

عامل IO

مصمم لتحسين عمليات العرض في تطبيقات الويب، يشمل IO Worker إدارة حسابات المستخدمين، ومراقبة النشاط في الوقت الحقيقي، وتتبع درجة الحرارة واستهلاك الطاقة، ودعم التثبيت، وإدارة المحفظة، وتقييم الأمان، وتحليل الربحية. إنه يعبر عن الفجوة بين مطالب قوة معالجة الذكاء الاصطناعي وعرض الموارد الحاسوبية التي لم يتم استخدامها بشكل كامل، مما يسهل عملية تعلم الذكاء الاصطناعي بشكل أكثر كفاءة وسلاسة.

يسلط الضوء على:

• الصفحة الرئيسية للعامل: توفر لوحة تحكم لرصد الوقت الحقيقي للأجهزة المتصلة، تدعم وظائف مثل حذف الجهاز وإعادة تسميته.
• صفحة تفاصيل الجهاز: تقدم تحليل شامل للأجهزة، بما في ذلك حركة المرور وحالة الاتصال وتاريخ التشغيل.
• صفحة إضافة الجهاز: تبسيط عملية توصيل الجهاز، دعم عملية الاندماج السريع والسهل للأجهزة الجديدة.
• صفحة الأرباح والمكافآت: تتتبع الأرباح وتاريخ العمليات مع تفاصيل المعاملات المتاحة على Solscan.

مستكشف IO

يهدف مستكشف IO إلى توفير نافذة إلى عمل شبكة، مما يوفر للمستخدمين إحصائيات شاملة ورؤى تشغيلية في جميع جوانب سحابة وحدة المعالجة المركزية الرسومية. مثل Solscan أو مستكشفات البلوكشين توفر رؤيةً في صفقات البلوكشين، يقدم مستكشف IO مستوى مماثلًا من الشفافية لعمليات دفع الوحدة المركزية المعالجة الرسومية، مما يتيح للمستخدمين مراقبة وتحليل وفهم تفاصيل سحابة وحدة المعالجة المركزية الرسومية، مضمنًا رؤيةً كاملة لأنشطة الشبكة والإحصائيات والصفقات مع حماية خصوصية المعلومات الحساسة.

أبرز النقاط:

• صفحة الجهاز: تعرض التفاصيل العامة للأجهزة المتصلة بالشبكة، وتوفر بيانات في الوقت الحقيقي وتتبع المعاملات.
• صفحة البداية للمتصفح: تقدم رؤى حول حجم العرض، والموردين الموثقين، وأرقام الأجهزة النشطة، وتسعير السوق في الوقت الحقيقي.
• صفحة العناقيد: تعرض معلومات عامة حول العناقيد المنشأة في الشبكة، جنبًا إلى جنب مع مقاييس الوقت الحقيقي وتفاصيل الحجز.
• مراقبة العنقود في الوقت الحقيقي: توفر رؤى فورية حول حالة وصحة وأداء العناقيد، مما يضمن للمستخدمين الحصول على أحدث المعلومات.

معمارية IO

كفرع من Ray، يشكل IO-SDK أساس قدرات Io.net، داعمًا لتنفيذ المهام بشكل متوازي ومعالجة البيئات متعددة اللغات. توافقه مع أطر العمل الرئيسية للتعلم الآلي (ML) يسمح لـ Io.net بتلبية الاحتياجات الحسابية المتنوعة بمرونة وكفاءة. يضمن هذا الإعداد الفني، الذي يدعمه نظام تقني محدد بشكل جيد، أن يمكن لمنصة Io.net تلبية الاحتياجات الحالية والتكيف مع التطورات المستقبلية.

الهندسة المعمارية متعددة الطبقات:

• طبقة واجهة المستخدم: توفر واجهة أمامية بصرية للمستخدمين، بما في ذلك المواقع العامة، ومناطق العميل، ومناطق توريد معالج الرسومات GPU، لتقديم تجربة سهلة الاستخدام وبديهية.
• الطبقة الأمنية: تضمن سلامة النظام وأمانه، بما في ذلك آليات الدفاع عن الشبكة ومصادقة المستخدم وتسجيل الأنشطة.
• طبقة واجهة برمجة التطبيقات: كونها مركز الاتصال للمواقع الإلكترونية والموردين والإدارة الداخلية، فإنها تيسر تبادل البيانات والعمليات.
• الطبقة الخلفية: تشكل النواة الأساسية للنظام ومسؤولة عن إدارة التجمعات / وحدة المعالجة الرسومية، تفاعل العميل والقابلية للتوسع التلقائي.
• طبقة قاعدة البيانات: تتعامل مع تخزين البيانات وإدارتها، مع التخزين الأساسي للبيانات المهيكلة والتخزين المؤقت لمعالجة البيانات المؤقتة.
• الطبقة المهمة: تدير التواصل الغير متزامن وتنفيذ المهام، مضمنة تجهيز البيانات الفعال وتدفقها.
• الطبقة الأساسية: تشكل أساس النظام، بما في ذلك حوض موارد وحدة معالجة الرسومات، وأدوات التنظيم، ومعالجة المهام التنفيذية/الذكاء الاصطناعي، مجهزة بحل مراقبة قوي.

أنفاق IO

يسهل أنفاق IO الاتصالات الآمنة من العملاء إلى الخوادم البعيدة، مما يتيح للمهندسين تجاوز جدران الحماية والشبكة المحلية دون تكوينات معقدة، مما يتيح الوصول عن بعد.

سير العمل: يقوم العاملون في الإدخال والإخراج أولاً بإقامة اتصال مع خادم وسيط (أي خادم io.net). يستمع خادم io.net بعد ذلك لطلبات الاتصال من العمال في الإدخال والإخراج وآلات المهندسين، ويسهل تبادل البيانات من خلال تقنية النفق العكسي.

(مصدر الصورة: io.net، 2024.4.11)

التطبيق في io.net: يمكن للمهندسين الاتصال بسهولة بـ IO Workers من خلال خادم io.net، والتغلب على تحديات تكوين الشبكة لتحقيق الوصول والإدارة عن بعد.

مزايا:

• الوصول: الاتصال المباشر بعمال IO يزيل الحواجز الشبكية.
• الأمان: يضمن أمان الاتصالات، ويحمي خصوصية البيانات.
• قابلية التوسع والمرونة: يدير بكفاءة العديد من العمال المدخلين عبر بيئات مختلفة.

شبكة IO

تستخدم شبكة IO شبكة VPN متشابكة لتوفير اتصال ذو تأخير منخفض جدًا بين عقد الـ antMiner.

ميزات شبكة شبكة VPN: الاتصالات اللامركزية: على عكس النماذج التقليدية التي تعتمد على مركز وتفرع، يمكن لشبكة شبكة VPN تمكين الاتصالات المباشرة بين العقد، مما يعزز التكرار ومقاومة الأخطاء وتوزيع الحمل.

مزايا ل io.net:

• الاتصالات المباشرة تقلل من تأخيرات الاتصال، مما يعزز أداء التطبيق.
• لا يوجد نقطة فشل واحدة تضمن استمرار عمل الشبكة حتى لو فشلت نقطة فردية.
• يعزز حماية خصوصية المستخدم عن طريق زيادة تعقيد تتبع البيانات والتحليل.
• سهولة إدماج العقد الجديدة دون التأثير على أداء الشبكة.
• يسهل مشاركة الموارد والمعالجة الفعالة بين العقد.

المصدر: io.net

مقارنة منصات الحوسبة اللامركزية

Akash و Render Network

كل من Akash و Render Network هما شبكتان للحوسبة اللامركزية تسمحان للمستخدمين بشراء وبيع موارد الحوسبة. يعمل Akash كسوق مفتوح، حيث يقدم موارد للمعالجة المركزية (CPU) ومعالجة الرسومات (GPU) والتخزين حيث يمكن للمستخدمين تحديد الأسعار والشروط، ويقدم مزودو الخدمات عروضهم لنشر المهام. على النقيض، يستخدم Render خوارزمية تسعير ديناميكية تركز على خدمات تقديم الرسومات باستخدام وحدات معالجة الرسومات (GPU)، حيث يتم توفير الموارد من قبل مزودي الأجهزة ويتم تعديل الأسعار استنادًا إلى ظروف السوق. لا تعتبر Render سوقًا مفتوحة ولكنها تستخدم خوارزمية تسعير متعددة المستويات لتتناسب بين مشتري الخدمات والمستخدمين.

Io.net و Bittensor

تركز Io.net على مهام الذكاء الاصطناعي وتعلم الآلة، مستخدمة شبكة حوسبة مركزية لاستغلال قوة حوسبة وحدة معالجة الرسومات المنتشرة حول العالم، والتعاون مع شبكات مثل Render للتعامل مع مهام الذكاء الاصطناعي وتعلم الآلة. تكمن تميزاتها الرئيسية في تركيزها على مهام الذكاء الاصطناعي وتعلم الآلة وتأكيدها على استخدام مجموعات وحدات معالجة الرسومات.

بيتينسور هو مشروع بلوكتشين موجه نحو الذكاء الاصطناعي يهدف إلى إنشاء سوق للتعلم الآلي اللامركزي الذي يتنافس مع المشاريع المركزية. باستخدام هيكل الشبكة الفرعية، يركز على مهام مختلفة ذات صلة بالذكاء الاصطناعي، مثل شبكات الذكاء الاصطناعي لتلميحات النصوص وذكاء الإنتاج الصوري. يوفر منقبون في نظام بيتينسور موارد الحوسبة ويستضيفون نماذج التعلم الآلي، ويحسبون لمهام الذكاء الاصطناعي خارج السلسلة، ويتنافسون لتقديم أفضل النتائج للمستخدمين.

المصدر: TokenInsight

الاستنتاج

Io.net مستعدة للتأثير بشكل كبير على سوق الحوسبة الذكية الواعد، بدعم من فريق فني ذو خبرة ودعم قوي من كيانات معروفة مثل Multicoin Capital، Solana Ventures، OKX Ventures، Aptos Labs، و Delphi Digital. كأول GPU DePIN والوحيد، توفر io.net منصة تربط مزودي قدرة الحوسبة مع المستخدمين، مما يظهر وظائفها القوية وكفاءتها في تقديم تدريب شبكة GPU موزعة وسير العمل للاستنتاج لفرق التعلم الآلي.