Introducción

En la era digital, la potencia de cálculo se ha convertido en un elemento esencial del progreso tecnológico. Define los recursos que requieren las computadoras para procesar operaciones, incluida la memoria, la velocidad del procesador y el número de procesadores. Estos recursos afectan directamente el rendimiento y el coste de los dispositivos, especialmente al manejar varios programas simultáneamente. Con la amplia adopción de la inteligencia artificial y las tecnologías de aprendizaje profundo, la demanda de recursos informáticos de alto rendimiento, como las GPU, ha aumentado drásticamente, lo que ha provocado una escasez mundial de suministro.

La Unidad Central de Procesamiento (CPU) juega un papel fundamental como núcleo de una computadora, mientras que la Unidad de Procesamiento de Gráficos (GPU) mejora significativamente la eficiencia computacional al manejar tareas en paralelo. Una CPU más potente puede procesar operaciones más rápidamente, y la GPU soporta eficazmente las crecientes demandas computacionales.

¿Qué es Io.net?

Origen: io.net

Io.net es un proyecto DePIN basado en Solana, centrado en proporcionar potencia informática de GPU a empresas de IA y aprendizaje automático, haciendo que la informática sea más escalable, accesible y eficiente.

Los modelos de IA modernos son cada vez más grandes, y el entrenamiento y la inferencia ya no son tareas simples que se pueden realizar en un solo dispositivo. A menudo, se necesita computación paralela y distribuida, utilizando las potentes capacidades en varios sistemas y núcleos para optimizar el rendimiento informático o para expandirse y poder manejar conjuntos de datos y modelos más grandes. Coordinar la red de GPU como recurso informático es crucial en este proceso.

Antecedentes del equipo y financiamiento

Antecedentes del equipo

El equipo principal de Io.net originalmente se especializaba en el trading cuantitativo. Hasta junio de 2022, se centraron en el desarrollo de sistemas de trading cuantitativo a nivel institucional que abarcaban acciones y criptomonedas. A medida que aumentaba la demanda de potencia informática de los sistemas backend, el equipo comenzó a explorar las posibilidades de la informática descentralizada, centrándose en última instancia en resolver problemas específicos relacionados con la reducción del costo de los servicios de computación GPU.

• Fundador y CEO: Ahmad Shadid, quien trabajó en quant y ingeniería financiera. Antes de Io.net, fue voluntario en la Fundación Ethereum.
• CMO & Chief Strategy Officer: Garrison Yang, quien se unió a Io.net en marzo de este año, anteriormente se desempeñó como VP de Estrategia y Crecimiento en Avalanche y se graduó de la Universidad de California, Santa Bárbara.
• COO: Tory Green, el COO de Io.net, anteriormente se desempeñó como COO en Hum Capital y Director de Desarrollo Comercial y Estrategia en Fox Mobile Group, y es graduado de Stanford.

Según la información de LinkedIn de Io.net, el equipo tiene su sede en Nueva York, EE. UU., con una sucursal en San Francisco, y actualmente cuenta con más de 50 miembros del equipo.

Situation de financiamiento

Io.net completó una ronda de financiación de Serie A de $30 millones liderada por Hack VC, con la participación de otras instituciones destacadas como Multicoin Capital, Delphi Digital, Animoca Brands, OKX, Aptos Labs y Solana Labs. Además, los fundadores de Solana, Aptos y Animoca Brands también participaron en esta ronda como inversores individuales. Es importante destacar que, tras la inversión de la Fundación Aptos, el proyecto BC8.AI, inicialmente establecido en Solana, ha migrado a la plataforma L1 igualmente eficiente, Aptos.

Abordando la escasez de recursos informáticos

En los últimos años, los avances rápidos en IA han impulsado un aumento en la demanda de chips de computación, con las aplicaciones de IA duplicando sus requisitos de potencia computacional cada tres meses y casi multiplicándose por diez cada 18 meses. Este crecimiento exponencial ha puesto tensión en la cadena de suministro global, que aún está luchando por recuperarse de las interrupciones causadas por la pandemia. Las nubes públicas suelen tener acceso prioritario a más GPUs, lo que dificulta que las empresas más pequeñas y las instituciones de investigación obtengan recursos computacionales, como:

• Altos costos: Utilizar GPUs de alta gama es muy costoso, pudiendo alcanzar fácilmente cientos de miles al mes para entrenamiento e inferencia.
• Problemas de calidad: los usuarios tienen pocas opciones con respecto a la calidad, nivel de seguridad, retraso computacional y otras opciones del hardware de GPU y deben conformarse con lo que está disponible.
• Restricciones de uso: Al utilizar servicios en la nube como AWS de Google, GCP o Microsoft Azure, el acceso suele tardar semanas y las GPU de gama alta a menudo no están disponibles.

Io.net aborda este problema mediante la agregación de recursos computacionales subutilizados (como centros independientes de computación de datos, mineros de criptomonedas, Filecoin, Render y otras redes de proyectos cripto) de GPUs excedentes. Estos recursos computacionales forman una red de computación descentralizada, lo que permite a los ingenieros obtener un vasto poder de cálculo en un sistema fácilmente accesible, personalizable y rentable.

Origen: io.net

Productos Io.net Construidos para Cuatro Funcionalidades Principales

• Inferencia por lotes y Servicios de Modelo: Los datos por lotes pueden procesarse en paralelo exportando la arquitectura y pesos de los modelos entrenados al almacenamiento de objetos compartidos. Io.net permite a los equipos de aprendizaje automático establecer flujos de trabajo de inferencia y servicios de modelo en redes distribuidas de GPU.
• Entrenamiento Paralelo: Las limitaciones de memoria de la CPU/GPU y los flujos de trabajo de procesamiento secuencial crean cuellos de botella significativos al entrenar modelos de un solo dispositivo. Io.net utiliza bibliotecas de computación distribuida para orquestar y agrupar trabajos de entrenamiento, lo que permite la paralelización de datos y modelos en muchos dispositivos distribuidos.
• Ajuste paralelo de hiperparámetros: los experimentos de ajuste de hiperparámetros son inherentemente paralelos. Io.net utiliza una biblioteca de computación distribuida con capacidades avanzadas de ajuste de hiperparámetros para encontrar los mejores resultados, optimizar la programación y definir patrones de búsqueda.
• Aprendizaje por Refuerzo: Io.net emplea una biblioteca de aprendizaje por refuerzo de código abierto que admite cargas de trabajo de aprendizaje por refuerzo altamente distribuidas a nivel de producción y un conjunto de API simples.

Productos Io.net

IO Cloud

IO Cloud gestiona clústeres de GPU dispersos, ofreciendo acceso flexible y escalable a recursos sin la necesidad de inversiones costosas en hardware y gestión de infraestructura. Utilizando una red de nodos descentralizada brinda a los ingenieros de aprendizaje automático una experiencia similar a la de cualquier proveedor de servicios en la nube. Integrado de forma transparente a través del IO-SDK, ofrece soluciones para aplicaciones de IA y Python y simplifica la implementación y gestión de recursos de GPU/CPU, adaptándose a las necesidades cambiantes.

Aspectos destacados:

• Cobertura global: Utilizando un enfoque similar al de una CDN, distribuye globalmente recursos de GPU para optimizar los servicios de aprendizaje automático y la inferencia.
• Escalabilidad y Eficiencia de Costos: Comprometido a ser la plataforma en la nube de GPU más eficiente en costos, se proyecta reducir los costos de proyectos de IA/ML hasta un 90%.
• Integración con IO SDK: Mejora el rendimiento de los proyectos de IA a través de una integración perfecta, creando un entorno unificado de alto rendimiento.
• Funciones exclusivas: Proporciona acceso privado al complemento OpenAI ChatGPT, simplificando la implementación de clústeres de entrenamiento.
• Soporte para el marco RAY: Utiliza el marco de computación distribuida RAY para el desarrollo escalable de aplicaciones Python.
• Innovación en la minería de criptomonedas: tiene como objetivo revolucionar la industria de la minería de criptomonedas mediante el apoyo a los ecosistemas de ML y AI.

IO Worker

Diseñado para optimizar las operaciones de suministro en aplicaciones web, IO Worker incluye gestión de cuentas de usuario, monitoreo de actividad en tiempo real, seguimiento de temperatura y consumo de energía, soporte de instalación, gestión de billetera, evaluación de seguridad y análisis de rentabilidad. Conecta la brecha entre las demandas de potencia de procesamiento de IA y el suministro de recursos informáticos subutilizados, facilitando un proceso de aprendizaje de IA más rentable y fluido.

Aspectos destacados:

• Página de inicio del trabajador: Proporciona un panel de control para el monitoreo en tiempo real de los dispositivos conectados, con funciones de soporte como eliminación y cambio de nombre de dispositivos.
• Página de detalles del dispositivo: Ofrece un análisis integral de los dispositivos, incluido el tráfico, el estado de la conexión y el historial de operaciones.
• Página Agregar Dispositivo: Simplifica el proceso de conexión de dispositivos, admitiendo una integración rápida y sencilla de nuevos dispositivos.
• Página de Ganancias y Recompensas: Sigue las ganancias y el historial de operaciones con detalles de transacciones disponibles en Solscan.

Explorador de IO

IO Explorer tiene como objetivo proporcionar una ventana a las operaciones de la red, ofreciendo a los usuarios estadísticas completas e información operativa sobre todos los aspectos de la nube de GPU. Al igual que Solscan u otros exploradores de blockchain proporcionan visibilidad en las transacciones de blockchain, IO Explorer aporta un nivel similar de transparencia a las operaciones impulsadas por GPU, permitiendo a los usuarios monitorear, analizar y comprender los detalles de la nube de GPU, asegurando una visibilidad completa de las actividades de la red, estadísticas y transacciones al tiempo que protege la privacidad de la información sensible.

Aspectos destacados:

• Página del dispositivo: Muestra detalles públicos de los dispositivos conectados a la red, proporcionando datos en tiempo real y seguimiento de transacciones.
• Página de inicio del navegador: Ofrece información sobre el volumen de suministro, proveedores verificados, números de hardware activos y precios de mercado en tiempo real.
• Página de Clústeres: Muestra información pública sobre clústeres implementados en la red, junto con métricas en tiempo real y detalles de reservas.
• Monitoreo de Clústeres en Tiempo Real: Proporciona información inmediata sobre el estado, la salud y el rendimiento de los clústeres, asegurando que los usuarios tengan la información más actualizada.

Arquitectura IO

Como una rama de Ray, el IO-SDK forma la base de las capacidades de Io.net, admitiendo la ejecución paralela de tareas y manejando entornos multilingües. Su compatibilidad con los marcos de aprendizaje automático (ML) convencionales permite a Io.net satisfacer de manera flexible y eficiente diversas demandas computacionales. Esta configuración técnica, respaldada por un sistema técnico bien definido, garantiza que la plataforma Io.net pueda satisfacer las necesidades actuales y adaptarse a futuros desarrollos.

Arquitectura de múltiples capas:

• Capa de interfaz de usuario: Proporciona una interfaz frontal visual para los usuarios, que incluye sitios web públicos, áreas de clientes y zonas de proveedores de GPU, para ofrecer una experiencia intuitiva y amigable para el usuario.
• Capa de seguridad: Garantiza la integridad y seguridad del sistema, incorporando mecanismos como defensa de red, autenticación de usuario y registro de actividades.
• Capa de API: Como centro de comunicación para sitios web, proveedores y gestión interna, facilita el intercambio de datos y operaciones.
• Capa de backend: Forma el núcleo del sistema y es responsable de gestionar clusters/GPU, interacciones con el cliente y escalabilidad automática.
• Capa de base de datos: Maneja el almacenamiento y la gestión de datos, con almacenamiento principal para datos estructurados y almacenamiento en caché para el manejo de datos temporales.
• Capa de Tareas: Gestiona la comunicación asincrónica y la ejecución de tareas, garantizando un procesamiento eficiente de datos y flujo.
• Capa de infraestructura: Constituye la base del sistema, incluyendo el grupo de recursos de GPU, herramientas de orquestación y procesamiento de tareas de ejecución/ML, equipado con una sólida solución de monitoreo.

Túneles IO

Los túneles de IO facilitan conexiones seguras desde clientes a servidores remotos, permitiendo a los ingenieros evitar firewalls y NAT sin configuraciones complejas, lo que permite el acceso remoto.

Flujo de trabajo: Los trabajadores de IO primero establecen una conexión con un servidor intermedio (es decir, el servidor io.net). El servidor io.net luego escucha las solicitudes de conexión de los trabajadores de IO y las máquinas de los ingenieros, facilitando el intercambio de datos a través de la tecnología de túnel inverso.

(Fuente de la imagen: io.net, 2024.4.11)

Aplicación en io.net: Los ingenieros pueden conectarse fácilmente a los IO Workers a través del servidor io.net, superando los desafíos de configuración de red para lograr acceso y gestión remotos.

Ventajas:

• Accesibilidad: La conexión directa a los IO Workers elimina las barreras de red.
• Seguridad: Garantiza la seguridad de la comunicación, protegiendo la privacidad de los datos.
• Escalabilidad y Flexibilidad: Administra eficientemente múltiples Trabajadores de E/S en diferentes entornos.

Red de IO

La red IO emplea una arquitectura de VPN en malla para proporcionar comunicación de ultra baja latencia entre nodos antMiner.

Características de la red VPN de malla: Conexiones descentralizadas: A diferencia de los modelos tradicionales de concentrador y radio, la VPN de malla permite conexiones directas entre nodos, mejorando la redundancia, la tolerancia a fallos y la distribución de carga.

Ventajas para io.net:

• Las conexiones directas reducen los retrasos de comunicación, mejorando el rendimiento de la aplicación.
• No hay un solo punto de fallo que garantice que la red continúe funcionando incluso si un nodo individual falla.
• Mejora la protección de la privacidad del usuario al aumentar la complejidad del seguimiento y análisis de datos.
• Fácil integración de nuevos nodos sin afectar el rendimiento de la red.
• Facilita el intercambio de recursos y el procesamiento eficiente entre nodos.

Origen: io.net

Comparación de Plataformas de Computación Descentralizada

Akash y Render Network

Tanto Akash como Render Network son redes informáticas descentralizadas que permiten a los usuarios comprar y vender recursos informáticos. Akash opera como un mercado abierto, ofreciendo recursos de CPU, GPU y almacenamiento donde los usuarios pueden establecer precios y condiciones, y los proveedores ofertan para desplegar tareas. En cambio, Render utiliza un algoritmo de fijación dinámica de precios centrado en los servicios de renderizado de GPU, con recursos suministrados por proveedores de hardware y precios ajustados en función de las condiciones del mercado. Render no es un mercado abierto, pero utiliza un algoritmo de fijación de precios multinivel para emparejar a los compradores de servicios con los usuarios.

Io.net y Bittensor

Io.net se enfoca en tareas de inteligencia artificial y aprendizaje automático, utilizando una red de computación descentralizada para aprovechar la potencia de cálculo de GPU dispersa en todo el mundo, y colaborando con redes como Render para manejar tareas de IA y aprendizaje automático. Sus principales distinciones radican en su enfoque en tareas de IA y aprendizaje automático y su énfasis en utilizar clusters de GPU.

Bittensor es un proyecto de blockchain centrado en la inteligencia artificial que tiene como objetivo crear un mercado descentralizado de aprendizaje automático que compita con proyectos centralizados. Utilizando una estructura de subred, se enfoca en varias tareas relacionadas con la inteligencia artificial, como redes de IA de texto y generación de imágenes de IA. Los mineros en el ecosistema de Bittensor proporcionan recursos informáticos y alojan modelos de aprendizaje automático, calculando tareas de IA fuera de la cadena y compitiendo para ofrecer los mejores resultados a los usuarios.

Fuente: TokenInsight

Conclusión

Io.net está en posición de impactar significativamente el prometedor mercado de la informática de IA, respaldado por un equipo técnico experimentado y un sólido apoyo de entidades conocidas como Multicoin Capital, Solana Ventures, OKX Ventures, Aptos Labs y Delphi Digital. Como el primer y único GPU DePIN, io.net proporciona una plataforma que conecta a los proveedores de potencia informática con los usuarios, mostrando su potente funcionalidad y eficiencia en la entrega de flujos de trabajo distribuidos de entrenamiento e inferencia de redes GPU para equipos de aprendizaje automático.