บทนำ

ในยุคดิจิทัล พลังคำนวณกลายเป็นส่วนสำคัญของการก้าวหน้าทางเทคโนโลยี มันกำหนดทรัพยากรที่คอมพิวเตอร์ต้องการในการประมวลผล รวมถึงหน่วยความจำ ความเร็วของโปรเซสเซอร์ และจำนวนของโปรเซสเซอร์ ทรัพยากรเหล่านี้มีผลตรงโต่งต่อประสิทธิภาพและต้นทุนของอุปกรณ์ โดยเฉพาะอย่างยิ่งเมื่อต้องจัดการโปรแกรมหลายๆ พร้อมกัน ด้วยการใช้งานประจำอย่างแพร่หลายของปัญญาประดิษฐ์และเทคโนโลยีการเรียนรู้เชิงลึก ความต้องการสูงสุดสำหรับทรัพยากรคำนวณที่มีประสิทธิภาพสูง เช่น GPU ได้เพิ่มขึ้นอย่างกระชับ นำไปสู่ขาดแคลนทั่วโลก

หน่วยประมวลผลกลาง (CPU) เป็นสิ่งสำคัญที่สุดเป็นแกนกลางของคอมพิวเตอร์ ในขณะที่หน่วยประมวลผลกราฟิก (GPU) เสริมความสามารถในการประมวลผลอย่างมีประสิทธิภาพโดยการจัดการงานขนาดใหญ่พร้อมกัน CPU ที่มีกำลังมากขึ้นสามารถประมวลผลงานได้เร็วขึ้น และ GPU สนับสนุนการต้องการประมวลผลที่เพิ่มขึ้นได้อย่างมีประสิทธิภาพ

Io.net คืออะไร?

แหล่งที่มา: io.net

Io.net เป็นโครงการ DePIN ที่ตั้งอยู่บน Solana โดยเน้นการ提供พลังงานคำนวณ GPU ให้กับ บริษัท AI และ machine learning เพื่อทำให้การคำนวณมีประสิทธิภาพ มีการเข้าถึงได้ง่ายและประสิทธิภาพมากยิ่งขึ้น

โมเดิร์น AI ยิ่งใหญ่ขึ้นเรื่อย ๆ และการฝึกอบรมและการอ้างอิงไม่ได้เป็นงานที่ง่ายที่สามารถทำได้บนอุปกรณ์เดียว บ่อยครั้งจำเป็นต้องใช้การคำนวณแบบขนานและแบ่งปันโดยใช้ความสามารถที่ทรงพลังข้ามระบบและแกนเพื่อปรับปรุงประสิทธิภาพการคำนวณหรือขยายเพื่อเข้ารอบกับชุดข้อมูลและโมเดลที่ใหญ่ขึ้น การประสานเครือข่าย GPU เป็นทรัพยากรการคำนวณที่สำคัญในกระบวนการนี้

ประวัติทีมและการลงทุน

ข้อมูลพื้นฐานของทีม

ทีมหลักของ Io.net เดิมเชี่ยวชาญในการซื้อขายปริมาณ เจนท์แต่ถึงเดือนมิถุนายน 2022 พวกเขาเน้นการพัฒนาระบบการซื้อขายปริมาณระดับสถาบันที่ครอบคลุมหุ้นและสกุลเงินดิจิทัล โดยเมื่อความต้องการของระบบด้านหลังเพิ่มขึ้น ทีมเริ่มต้นสำรวจโอกาสของการคำนวณแบบกระจายได้ โดยในที่สุดเน้นการแก้ปัญหาที่เฉพาะเจาะจงเกี่ยวกับการลดต้นทุนของบริการคำนวณ GPU

• ผู้ก่อตั้งและประธาน​: อาหมัด ชาดิด ผู้ทำงานในด้านควอนต์และวิศวกรรมการเงิน ก่อนที่จะมาทำงานที่ Io.net เขาเคยเป็นอาสาสมัครที่มูลนิธิ Ethereum
• 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.
• COO: Tory Green, ผู้ดำรงตำแหน่ง COO ของ Io.net ม曾เป็น COO ที่ Hum Capital และเป็นผู้อำนวยการฝ่ายพัฒนาธุรกิจและกลยุทธ์ที่ Fox Mobile Group และเป็นนักศึกษาจบจาก Stanford

ตามข้อมูลใน LinkedIn ของ Io.net ทีมยังตั้งอยู่ที่นิวยอร์ก สหรัฐอเมริกา มีสาขาที่ซานฟรานซิสโก และปัจจุบันมีสมาชิกในทีมมากกว่า 50 คน

สถานการณ์ทุน

Io.net ได้จัดทำการระดมทุนรอบซีรีย์ A มูลค่า 30 ล้านดอลลาร์ ภายใต้การนำทีมของ Hack VC ร่วมกับผู้ลงทุนอื่นๆ เช่น Multicoin Capital, Delphi Digital, Animoca Brands, OKX, Aptos Labs, และ Solana Labs อีกด้วย นอกจากนี้ ผู้ก่อตั้งของ Solana, Aptos, และ Animoca Brands ก็มีส่วนร่วมในการลงทุนในรอบนี้เป็นนักลงทุนรายบุคคล โดยสำคัญที่สุดคือ หลังจากการลงทุนจากมูลนิธิ Aptos โครงการ BC8.AI ที่เริ่มต้นบน Solana ได้เปลี่ยนมาใช้แพลตฟอร์ม L1 ที่มีประสิทธิภาพเทียบเท่ากัน Aptos

การแก้ไขปัญหาขาดแคลนทรัพยากรคอมพิวเตอร์

ในช่วงไม่กี่ปีที่ผ่านมาความก้าวหน้าอย่างรวดเร็วของ AI ได้กระตุ้นความต้องการชิปคอมพิวเตอร์ที่เพิ่มขึ้นโดยแอปพลิเคชัน AI จะเพิ่มความต้องการพลังการคํานวณเป็นสองเท่าทุกสามเดือนและเกือบสิบเท่าทุก ๆ 18 เดือน การเติบโตแบบทวีคูณนี้ได้สร้างความตึงเครียดให้กับห่วงโซ่อุปทานทั่วโลกซึ่งยังคงดิ้นรนเพื่อฟื้นตัวจากการหยุดชะงักที่เกิดจากการระบาดใหญ่ คลาวด์สาธารณะมักจะมีลําดับความสําคัญในการเข้าถึง GPU มากขึ้นทําให้ธุรกิจขนาดเล็กและสถาบันวิจัยได้รับทรัพยากรการคํานวณเช่น:

• ค่าใช้จ่ายสูง: การใช้ GPU ระดับสูงเป็นเรื่องที่แพงมาก และสามารถถึงร้อยหลายหมื่นต่อเดือนสำหรับการฝึกและสรุปผล
• ปัญหาคุณภาพ: ผู้ใช้มีตัวเลือกน้อยเกี่ยวกับคุณภาพระดับความปลอดภัยการล่าสมบัติการคำนวณล่าช้าและตัวเลือกอื่น ๆ ของฮาร์ดแวร์ GPU และต้องยอมรับสิ่งที่มีอยู่
• ข้อจำกัดในการใช้บริการ: เมื่อใช้บริการคลาวด์ เช่น AWS ของ Google, GCP หรือ Microsoft Azure, การเข้าถึงมักใช้เวลาสัปดาห์ และ GPU ระดับสูงบางครั้งไม่พร้อมใช้งาน

Io.net แก้ปัญหานี้ด้วยการรวมทรัพยากรคำนวณที่ไม่ได้ใช้งานอย่างเต็มที่ (เช่นศูนย์คำนวณข้อมูลอิสระ, นักขุดเหรียญดิจิทัล, Filecoin, Render และเครือข่ายโครงการเขียนโค้ดอื่น ๆ) ของ GPU ที่มีเหลือ. ทรัพยากรคำนวณเหล่านี้เป็นระบบเครือข่ายคำนวณที่ซึ่งเชื่อมโยงกับวิศวกรให้ได้พลังการคำนวณที่มากมายในระบบที่สามารถเข้าถึงได้ง่าย ปรับเปลี่ยนได้และมีความจุที่มีประสิทธิภาพในราคาที่เหมาะสม

แหล่งที่มา: io.net

ผลิตภัณฑ์ Io.net ที่สร้างขึ้นสำหรับสี่คุณสมบัติหลัก

• Batch Inference และบริการโมเดล: ข้อมูลแบบชุดสามารถประมวลผลได้พร้อมกันโดยการส่งออกโครงสร้างและน้ำหนักของโมเดลที่ฝึกอบรมไปยังการเก็บข้อมูลแบบวัตถุร่วม ที่ Io.net ช่วยให้ทีมงานเรียนรู้เครื่องสามารถสร้างการไหลของการบรรจุและบริการโมเดลบนเครือข่าย GPU แบ่งปัน
• การฝึกอบรมแบบขนาน: ข้อจำกัดของหน่วยความจำ CPU/GPU และการทำงานตามลำดับสร้างอุปสรรคต่อการฝึกอบรมโมเดลบนอุปกรณ์เดียว Io.net ใช้ไลบรารีคอมพิวเตอร์กระจายในการจัดการและจัดกลุ่มงานการฝึกอบรมเพื่อเปิดโอกาสให้สามารถขนานข้อมูลและโมเดลได้บนอุปกรณ์กระจายหลายตัว
• การปรับแต่งพารามิเตอร์แบบขนาน: การทดลองปรับแต่งพารามิเตอร์เป็นการขนานมาก่อน Io.net ใช้ห้องสมุดการคำนวณแบบกระจายที่มีความสามารถในการปรับแต่งพารามิเตอร์ล้วน ๆ เพื่อค้นหาผลลัพธ์ที่ดีที่สุด ปรับปฏิกิริยาการตั้งเวลา และกำหนดรูปแบบการค้นหา
• Reinforcement Learning: Io.net ใช้ไลบรารี reinforcement learning โอเพ่นซอร์สที่รองรับการทำงานระดับผลิตภัณฑ์ของ RL ที่กระจายอย่างมาก และชุดของ APIs ที่เรียบง่าย

ผลิตภัณฑ์ Io.net

IO Cloud

IO Cloud จัดการกลุ่ม GPU ที่กระจายอย่างยืดหยุ่นและมีขนาดขยายได้โดยไม่ต้องลงทุนในฮาร์ดแวร์ที่แพงและการบริหารจัดการโครงสร้าง การใช้เครือข่ายโหนดที่มีการกระจายให้วิศวกรเรียนรู้เครื่องมือได้ประสบการณ์เช่นเดียวกับผู้ให้บริการคลาวด์ใดๆ ผ่านการผสานสมรรถนะผ่าน IO-SDK เสนอโซลูชันสำหรับแอปพลิเคชัน AI และ Python และทำให้การติดตั้งและการบริหารจัดการทรัพยากร GPU/CPU ง่ายขึ้น ปรับตัวไปสู่ความต้องการที่เปลี่ยนแปลง

ไฮไลท์:

• ความครอบคลุมระดับโลก: โดยใช้วิธีการเช่น CDN เพื่อกระจายทรัพยากร GPU ไปยังทั่วโลกเพื่อเพิ่มประสิทธิภาพในการให้บริการเรียนรู้ของเครื่องและการอุทยาน
• Scalability and Cost Efficiency: มุ่งมั่นที่จะเป็นแพลตฟอร์มคลาวด์ GPU ที่มีความมีประสิทธิภาพที่สุดจากมุมมองของค่าใช้จ่าย โดยคาดว่าจะลดค่าใช้จ่ายในโครงการ AI/ML ได้ถึง 90%
• การผสานร่วมกับ IO SDK: ปรับปรุงประสิทธิภาพของโครงการ AI ผ่านการผสานร่วมอย่างไม่มีช่องโหว่ ทำให้เกิดสภาพแวดล้อมที่มีประสิทธิภาพสูงสุดที่มีความเป็นเอกลักษณ์
• คุณสมบัติพิเศษ: ให้การเข้าถึงส่วนตัวสำหรับปลั๊กอิน OpenAI ChatGPT เพื่อความง่ายในการใช้งานการติดตั้งกลุ่มการฝึกอบรม
• รองรับ RAY Framework: ใช้กรอบการคำนวณแบบกระจายของ RAY สำหรับการพัฒนาแอปพลิเคชัน Python ที่มีประสิทธิภาพ
• นวัฒนศิลป์ในการขุดเหมืองคริปโต: มีเป้าหมายที่จะเปลี่ยนแปลงวงศ์อุตสาหกรรมการขุดเหมืองคริปโตโดยการสนับสนุนระบบ ML และ AI

IO Worker

ออกแบบเพื่อปรับปรุงการดำเนินงานที่ใช้ใน WebApps IO Worker รวมถึงการจัดการบัญชีผู้ใช้ การติดตามกิจกรรมแบบเรียลไทม์ การติดตามอุณหภูมิและการบริโภคพลังงาน การสนับสนุนการติดตั้ง การจัดการกระเป๋าเงิน การประเมินความปลอดภัย และการวิเคราะห์ความสามารถในการทำกำไร มันเป็นตัวสะพานที่เชื่อมโยงระหว่างความต้องการของพลังการประมวลผล AI และการจัดหาทรัพยากรคอมพิวเตอร์ที่ไม่ได้ใช้งานอย่างเต็มที่ ทำให้กระบวนการเรียนรู้ AI เป็นไปอย่างคุ้มค่าและราบรื่นมากขึ้น

ไฮไลท์:

• หน้าหลักของผู้ใช้งาน: ให้แผงควบคุมสำหรับการตรวจสอบเพื่อดูสถานะของอุปกรณ์ที่เชื่อมต่อเรียลไทม์ รองรับฟังก์ชันเช่นการลบอุปกรณ์และเปลี่ยนชื่อ
• หน้ารายละเอียดอุปกรณ์: ให้การวิเคราะห์อุปกรณ์อย่างครอบคลุม รวมถึงการจราจร สถานะการเชื่อมต่อ และประวัติการทำงาน
• หน้าเพิ่มอุปกรณ์: ทำให้กระบวนการเชื่อมต่ออุปกรณ์ง่ายขึ้น รองรับการผสมผสานของอุปกรณ์ใหม่ได้อย่างรวดเร็วและสะดวก
• หน้ารายได้และรางวัล: ติดตามรายได้และประวัติการดำเนินงานพร้อมรายละเอียดการทำธุรกรรมที่มีให้ดูได้ใน Solscan

ตัวสำรวจ IO

IO Explorer มีเป้าหมายที่จะให้หน้าต่างในการทำงานของเครือข่าย ที่นำเสนอสถิติอย่างครอบคลุมและความเข้าใจในด้านการดำเนินการของเครือข่าย GPU คลาวด์ เช่น Solscan หรือ blockchain explorers ที่ให้การมองเห็นเกี่ยวกับธุรกรรมบล็อกเชน IO Explorer นำเสนอระดับความโปร่งใสที่เหมือนกันในการดำเนินการที่ขับเคลื่อนด้วย GPU ทำให้ผู้ใช้สามารถตรวจสอบ วิเคราะห์ และเข้าใจรายละเอียดของคลาวด์ GPU ได้ โดยการให้ความโปร่งใสอย่างสมบูรณ์ของกิจกรรมของเครือข่าย สถิติ และธุรกรรม พร้อมทั้งปกป้องความเป็นส่วนตัวของข้อมูลที่ละเอียดอ่อน

ไฮไลท์:

• หน้าอุปกรณ์: แสดงรายละเอียดสาธารณะของอุปกรณ์ที่เชื่อมต่อกับเครือข่าย ให้ข้อมูลแบบเรียลไทม์และการติดตามธุรกรรม
• หน้าหลักของเบราว์เซอร์: ให้ข้อมูลเบื้องต้นเกี่ยวกับปริมาณการจัดหา ซัพพลายเออร์ที่ได้รับการยืนยัน หมายเลขฮาร์ดแวร์ที่ใช้งาน และราคาตลาดแบบเรียลไทม์
• หน้า Clusters: แสดงข้อมูลสาธารณะเกี่ยวกับกลุ่มที่ถูกติดตั้งในเครือข่ายพร้อมกับข้อมูลเมตริกสดและรายละเอียดการสำรองที่เกี่ยวข้อง
• การตรวจสอบคลัสเตอร์แบบเรียลไทม์: ให้ข้อมูลความสามารถทันทีเกี่ยวกับสถานะ สุขภาพ และประสิทธิภาพของคลัสเตอร์ ทำให้ผู้ใช้มีข้อมูลล่าสุด

โครงสร้าง IO

เป็นสาขาของ Ray IO-SDK เป็นรากฐานของความสามารถของ Io.net ที่สนับสนุนการดำเนินการขนาดของงานพร้อมกับการจัดการสภาพแวดล้อมที่หลากหลายภาษา ความเข้ากันได้กับกรอบการเรียนรู้ของเครื่องหลักที่ Io.net สามารถตอบสนองต่อความต้องการทางคอมพิวเตอร์ที่หลากหลายได้อย่างยืดหยุ่นและมีประสิทธิภาพ ระบบเทคโนโลยีนี้ที่ถูกสนับสนุนด้วยระบบเทคโนโลยีที่นิยมเป็นอย่างดี ทำให้แน่ใจได้ว่าแพลตฟอร์ม Io.net สามารถตอบสนองต่อความต้องการปัจจุบันและปรับตัวให้เหมาะสมกับการพัฒนาในอนาคต

สถาปัตยกรรมหลายชั้น:

• ชั้นของอินเทอร์เฟซผู้ใช้: ให้อินเทอร์เฟซด้านหน้าที่มองเห็นได้สำหรับผู้ใช้รวมถึงเว็บไซต์สาธารณะ, พื้นที่ของลูกค้า และพื้นที่จำหน่าย GPU เพื่อให้ประสบการณ์ที่ intuitive และเป็นมิตรต่อผู้ใช้
• ชั้นความปลอดภัย: รับรองความสมบูรณ์ของระบบและความปลอดภัย โดยรวมเครื่องมือเช่นการป้องกันเครือข่าย การตรวจสอบสิทธิของผู้ใช้ และการบันทึกกิจกรรม
• เลเยอร์ API: เป็นศูนย์สื่อสารสำหรับเว็บไซต์ ซัพพลายเออร์ และการจัดการภายใน ซึ่งอ facilitator การแลกเปลี่ยนข้อมูลและการดำเนินงาน
• ชั้น Backend: รูปแบบสำคัญของระบบและรับผิดชอบในการจัดการกลุ่ม/ GPU, การโต้ตอบกับผู้ใช้, และความยืดหยุ่นอัตโนมัติ
• เลเยอร์ฐานข้อมูล: จัดการการเก็บข้อมูลและการจัดการข้อมูล โดยมีการเก็บข้อมูลหลักสำหรับข้อมูลโครงสร้างและการแคชสำหรับการจัดการข้อมูลชั่วคราว
• เลเยอร์งาน: จัดการการสื่อสารแบบไม่พร้อม และการดำเนินการงาน โดยให้การประมวลผลข้อมูลและการไหลที่มีประสิทธิภาพ
• ระดับโครงสร้างพื้นฐาน: ประกอบด้วยระบบรากฐาน รวมถึง สระทรัพยากร GPU, เครื่องมือการจัดการ, และการประมวลผลงานด้านการทำงาน/ML ที่มีความแข็งแรง พร้อมด้วยการแก้ปัญหาการติดตามที่มีประสิทธิภาพ

IO หลอด

IO Tunnels ทำให้การเชื่อมต่อที่ปลอดภัยจากไคลเอ็นต์ไปยังเซิร์ฟเวอร์ระยะไกลเป็นไปได้โดยไม่ต้องกำหนดค่าการกำหนดกฎว่าด้วยไฟร์วอลล์และ NAT โดยไม่ต้องมีการกำหนดค่าที่ซับซ้อน เพื่อให้การเข้าถึงได้จากระยะไกล

ขั้นตอนการทำงาน: IO Workers จะเชื่อมต่อก่อนกับเซิร์ฟเวอร์กลาง (เช่น เซิร์ฟเวอร์ io.net) ซึ่งเซิร์ฟเวอร์ io.net จะฟังขอร้องเชื่อมต่อจาก IO Workers และเครื่องจักรของวิศวกร โดยทำให้การแลกเปลี่ยนข้อมูลผ่านเทคโนโลยี reverse tunnel

(Image Source: io.net, 2024.4.11)

แอปพลิเคชันใน io.net: วิศวกรสามารถเชื่อมต่อกับ IO Workers ได้อย่างง่ายดายผ่านเซิร์ฟเวอร์ io.net เพื่อเอาชนะความท้าทายในการกำหนดค่าเครือข่ายเพื่อบรรทึกระบบการเข้าถึงและการบริหารจัดการไกล

ข้อดี:

• ความเข้าถึง: การเชื่อมต่อโดยตรงกับ IO Workers จะกำจัดอุปสรรค์ของเครือข่าย
• ความปลอดภัย: รับรองความปลอดภัยของการสื่อสาร ป้องกันความเป็นส่วนตัวของข้อมูล
• ประสิทธิภาพในการขยายขนาดและความยืดหยุ่น: จัดการกับ IO Workers หลายตัวได้อย่างมีประสิทธิภาพในสภาพแวดล้อมที่แตกต่างกัน

เครือข่าย IO

IO Network ใช้โครงสร้าง VPN เชิงตะกละเพื่อให้การสื่อสารด้วยความล่าช้าต่ำมากระหว่างโหนด antMiner

คุณสมบัติของเครือข่าย Mesh VPN: การเชื่อมต่อแบบกระจาย: ไม่เหมือนกับโมเดลฮับและสป็กเดิ้ลทราดิชันแนวทางเดิม VPN แบบ Mesh ช่วยให้สามารถเชื่อมต่อระหว่างโหนดโดยตรง เพิ่มความมั่นคง ความทนทานต่อข้อบกพร่อง และการกระจายภาระ

ข้อดีสำหรับ io.net:

• การเชื่อมต่อโดยตรงลดความล่าช้าในการสื่อสาร ทำให้ประสิทธิภาพของแอปพลิเคชันเพิ่มขึ้น
• ไม่มีจุดล้มเหลวเดียวทำให้เครือข่ายยังคงดำเนินการต่อไป แม้ว่าโหนดบางตัวล้มเหลว
• เพิ่มความซับซ้อนของการติดตามข้อมูลและการวิเคราะห์เพื่อป้องกันความเป็นส่วนตัวของผู้ใช้
• การผสานเข้ากับโหนดใหม่ได้อย่างง่ายโดยไม่มีผลกระทบต่อประสิทธิภาพของเครือข่าย
• สะดวกในการแบ่งปันทรัพยากรและการประมวลผลอย่างมีประสิทธิภาพระหว่างโหนด

แหล่งที่มา: io.net

เปรียบเทียบแพลตฟอร์มการคำนวณแบบกระจาย

Akash และ Render Network

ทั้ง Akash และ Render Network เป็นเครือข่ายคอมพิวเตอร์แบบกระจายอํานาจที่อนุญาตให้ผู้ใช้ซื้อและขายทรัพยากรคอมพิวเตอร์ Akash ดําเนินการเป็นตลาดเปิดโดยนําเสนอทรัพยากร CPU, GPU และที่เก็บข้อมูลซึ่งผู้ใช้สามารถกําหนดราคาและเงื่อนไขและผู้ให้บริการเสนอราคาเพื่อปรับใช้งาน ในทางตรงกันข้าม Render ใช้อัลกอริธึมการกําหนดราคาแบบไดนามิกที่เน้นบริการเรนเดอร์ GPU โดยมีทรัพยากรที่จัดหาโดยผู้ให้บริการฮาร์ดแวร์และราคาที่ปรับตามสภาวะตลาด การแสดงผลไม่ใช่ตลาดเปิด แต่ใช้อัลกอริธึมการกําหนดราคาแบบหลายชั้นเพื่อจับคู่ผู้ซื้อบริการกับผู้ใช้

Io.net และ Bittensor

Io.net เน้นภารกิจด้านปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง โดยใช้เครือข่ายการคำนวณที่แบ่งเบาะแสกันทั่วโลกเพื่อใช้ประโยชน์จากพลังการคำนวณ GPU และร่วมมือกับเครือข่ายอย่าง Render เพื่อจัดการภารกิจด้านปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง จุดแตกต่างหลักๆ อยู่ในการเน้นภารกิจด้านปัญญาประดิษฐ์และการเรียนรู้ของเครื่องและการใช้ GPU clusters

Bittensor เป็นโครงการบล็อกเชนที่เน้นที่จะสร้างตลาดการเรียนรู้ของเครื่องจักรที่ไม่มีจุดเซนทรัลที่แข่งขันกับโครงการที่มีจุดเซ็นทรัล โดยใช้โครงสร้างเครือข่ายย่อย โครงการเน้นที่งานที่เกี่ยวข้องกับ AI ต่าง ๆ เช่น เครือข่าย AI ที่ให้ข้อความและ AI ที่สร้างภาพ ขุดเหมืองในนิเวศ Bittensor จะให้ทรัพยากรคอมพิวเตอร์และเป็นโฮสต์ร่วมกับโมเดลการเรียนรู้ของเครื่องจักร คำนวณโดยใช้งานสำหรับงาน AI นอกเยืงและแข่งขันเพื่อให้ผลลัพธ์ที่ดีที่สุดสำหรับผู้ใช้

แหล่งที่มา: TokenInsight

สรุป

Io.net พร้อมที่จะมีผลกระทบอย่างมากต่อตลาดการคำนวณ AI ที่มีศักยภาพ รับรองโดยทีมเทคนิคที่ชำนาญและการสนับสนุนที่แข็งแกร่งจากหน่วยงานที่มีชื่อเสียง เช่น Multicoin Capital, Solana Ventures, OKX Ventures, Aptos Labs และ Delphi Digital เป็นต้น ในฐานะเป็น GPU DePIN ที่เดียวและเดียว io.net ให้แพลตฟอร์มที่เชื่อมต่อผู้ให้บริการพลังการคำนวณกับผู้ใช้ โดยแสดงฟังก์ชันและประสิทธิภาพที่แข็งแรงของมันในการส่งเสริมการฝึกอบรมเครือข่าย GPU แบบกระจายและการทำงานระบบการองค์ระบบสำหรับทีมที่ใช้งานฝึกอบรมเครื่อง.