Природність io.net: як ви це бачите?

З $30 мільйонами фінансування, підтриманими провідними капіталовкладниками, такими як Hack VC, Multicoin Capital, Delphi Digital та Solana Lab, io.net не здається дуже "трав’янистим". Мітки щодо обчислювальної потужності GPU та революції в галузі штучного інтелекту далекі від бути звичайними, часто пов'язані з високими конотаціями.

Проте, серед жвавих обговорень у спільноті часто не помічаються важливі вказівки, особливо стосовно глибокої трансформації, яку може принести io.net глобальній мережі обчислювальної потужності. На відміну від "елітарного" позиціонування AWS, Azure та GCP, io.net в основному йде шляхом популізму:

Метою є доповнення ігнорованого попиту на обчислювальну потужність "mid-tail + long-tail" шляхом агрегування вільних ресурсів GPU. Шляхом створення підприємницької, децентралізованої розподіленої обчислювальної мережі io.net надає можливість широкому колу малих та середніх користувачів із інноваціями в галузі штучного інтелекту. Вона досягає низькі вартості, високої гнучкості "повторного звільнення продуктивності" для глобальних інновацій в галузі штучного інтелекту.

Недооцінена базова виробнича потужність обчислень за хвилею штучного інтелекту

Яким є основний ресурс продуктивності в поточній хвилі штучного інтелекту та майбутньому епохи цифрової економіки?

Безумовно, це обчислювальна потужність.

Згідно з даними від Precedence Research, глобальний ринок апаратного забезпечення штучного інтелекту очікується зростати за річною ставкою складеного річного зростання (CAGR) 24,3%, перевищуючи 473,53 мільярди доларів до 2033 року.

Навіть залишаючи осторону ці прогностичні цифри, з погляду як приросту, так і запасу, очевидно, що у майбутньому розвитку ринку обчислювальної потужності будуть існувати дві основні протиріччя:

1. Інкрементальне вимірювання: Експоненційний ріст попиту на обчислювальну потужність далеко перевищує лінійний ріст подання.
2. Розмір складу: через верхньо-важку розподіл, обчислювальна потужність сконцентрована у верхній частині, залишаючи гравців середнього рівня та довгих хвостів з недостатніми ресурсами. Тим часом, велика кількість розподілених ресурсів GPU залишається бездіяльними, що призводить до серйозних розбіжностей між пропозицією та попитом.

Інкрементальне вимірювання: попит на обчислювальну потужність далеко перевищує подання

По-перше, на інкрементальному рівні, крім стрімкого розширення моделей AIGC (штучно-інтелектуально-генерованого контенту), численні сценарії штучного інтелекту на початкових етапах експлозивного розвитку, такі як охорона здоров'я, освіта та інтелектуальне керування автомобілем, стрімко розгортаються. Усі ці сценарії потребують величезних обсягів обчислювальних ресурсів. Тому поточний дефіцит ринку ресурсів обчислювальної потужності GPU не лише буде продовжуватися, але й продовжить зростати.

Іншими словами, з погляду подання та попиту, в найближчому майбутньому попит на обчислювальну потужність на ринку безумовно перевищить подання. Лінія попиту очікується показати експоненційний підйомний тренд на короткостроковому горизонті.

З пропозиційного боку, однак, через фізичні закони та практичні виробничі чинники, незалежно від того, чи йдеться про вдосконалення технології процесу чи розширення великомасштабних заводів, в найкращому випадку можливе лише лінійне зростання. Це неодмінно означає, що вузьке місце обчислювальної потужності в розвитку штучного інтелекту протягом довгого часу залишатиметься.

Нерівновага пропозиції та попиту: розбалансування для гравців середнього рівня та довгих хвостів

Тим часом із обмеженими ресурсами обчислювальної потужності, які стикаються з серйозними обмеженнями зростання, Amazon Web Services (AWS), Microsoft Azure та Google Cloud Platform (GCP) разом займають понад 60% ринкової частки у галузі хмарних обчислень, створюючи явний ринок продавця.

Ці компанії накопичують високопродуктивні мікросхеми GPU, монополізуючи значну кількість обчислювальної потужності. Гравці середнього рівня та дрібні та середні попитні гравці на стороні не тільки не мають переговорної сили, але також повинні боротися з високими капіталовкладеннями, бар'єрами входу KYC та обмеженими умовами оренди. Крім того, традиційні гіганти хмарних сервісів, що підпорядковуються розрахунковим міркуванням, часто нехтували відмінними бізнес-потребами користувачів «середнього рівня + довгого хвоста» (такими, як короткіші, більш негайні та менші за обсягом вимоги до оренди).

У реальності, однак, велика кількість обчислювальної потужності GPU залишається невикористаною поза мережами обчислювальних мереж великих хмарних сервісних гігантів. Наприклад, десятки тисяч незалежних інтернет-центрів даних (IDC) по всьому світу марнують ресурси на невеликі навчальні завдання. Це стосується великої обчислювальної потужності, яка просто простоює в криптовалютних фермах та проектах, таких як Filecoin, Render та Aethir.

Згідно з офіційними оцінками від io.net, простій графічних карт в ЦОД у США самій перевищує 60%. Це створює іронічний парадокс неспівпадіння подання та попиту: понад половина ресурсів обчислювальної потужності десятків тисяч малих та середніх дата-центрів і ферм з криптовалютами щоденно витрачається даремно, не забезпечуючи ефективного доходу, тоді як середні та довгострокові підприємці з сфери штучного інтелекту зазнають високих витрат та високих бар'єрів входу до послуг гігантів хмарних обчислювальних послуг, не забезпечуючи їх різноманітні інноваційні потреби.

Цей різкий контраст розкриває основну протиріччя в поточному глобальному розвитку штучного інтелекту та глобальному ринку обчислювальної потужності - з одного боку, інновації в галузі штучного інтелекту поширені, а попит на обчислювальну потужність постійно зростає. З іншого боку, потреби в обчислювальній потужності серед гравців середнього рівня та довгих хвостів, а також невикористані ресурси GPU, не ефективно задовольняються, залишаючись поза поточним ринком обчислювальної потужності.

Ця проблема полягає не лише у конфлікті між зростаючими вимогами до обчислювальної потужності з боку підприємців у сфері штучного інтелекту та відставанням у зростанні обчислювальної потужності. Це також невідповідність між переважною більшістю середніх підприємців у сфері штучного інтелекту та довгим хвостом, операторами обчислювальної потужності, а також нерівновага між попитом та пропозицією, яка далеко перевищує межі рішень централізованих постачальників хмарних послуг.

Тому ринок вимагає нових рішень. Припустімо, що ці оператори з обчислювальною потужністю могли б гнучко винаймати свою обчислювальну потужність під час простою. Чи не забезпечило б це недорогий обчислювальний кластер, схожий на AWS?

Побудова такої великої обчислювальної мережі є надзвичайно дорогою. Це призвело до появи платформ, спеціально розроблених для відповідності вільних обчислювальних ресурсів з малими та середніми стартапами з штучного інтелекту. Ці платформи агрегують розкидані вільні обчислювальні ресурси та відповідають їм конкретним потребам у секторах, таких як охорона здоров'я, право та фінанси для навчання малих і великих моделей.

Це не лише задовольняє різноманітні обчислювальні потреби середнього та довгого хвоста, але також доповнює існуючі централізовані обчислювальні послуги хмарних гігантів:

Гіганти хмар з великими обчислювальними ресурсами вирішують велике навчання моделей та високопродуктивні обчислення для термінових та важких вимог.

Децентралізовані ринки хмарного обчислення, такі як io.net, призначені для маленьких обчислень моделей, налаштування великих моделей, розгортання виведення та інших диверсифікованих, недорогих потреб.

У суті він забезпечує динамічний баланс між вартісною ефективністю та обчислювальною якістю, вирівнюючи з економічною логікою оптимізацію розподілу ресурсів на ринку. Таким чином, розподілені обчислювальні мережі, подібні до io.net, фактично пропонують рішення «AI+Crypto». Вони використовують децентралізовану співпрацюючу рамку, поєднуючи її з токеновими стимулами, щоб задовольнити значний, але недооцінений попит на середньо-довгий хвостовий ринок штучного інтелекту. Це дозволяє малим та середнім командам з штучного інтелекту налаштовувати та придбавати послуги обчислювання GPU за потребою, які не можуть надати великі хмари, тим самим досягаючи «звільнення продуктивності» на глобальному ринку обчислювальної потужності та розробці штучного інтелекту.

Іншими словами, io.net не є прямим конкурентом AWS, Azure або GCP. Замість цього, це доповнюючий союзник, який оптимізує глобальне розподіл обчислювальних ресурсів і розширює ринок. Вони обслуговують різні рівні потреб у "вартості та якості обчислень". Навіть можливо, що io.net, агрегуючи посередні і довгі хвости постачальників та покупців, може створити частку ринку, що може конкурувати з існуючими трьома найбільшими хмарними гігантами.

io.net: Глобальна торгова платформа зі збігом обчислювальної потужності GPU

io.net має на меті перетворити виробничі відносини на ринку обчислювальної потужності середнього та довгострокового хвоста через розподілену співпрацю Web3 та токенові стимули. У результаті це нагадує платформи спільної економіки, такі як Uber та Didi, функціонуючи як платформа збігової торгівлі для обчислювальної потужності GPU.

Перед появою Uber та Didi користувачам практично не існувало досвіду використання «виклику таксі на вимогу». Приватна мережа автомобілів була великою, але хаотичною, автомобілі стояли без діла і були неорганізовані. Щоб сісти в таксі, користувачам доводилося або махати рукою на вулиці, або просити виклик з таксі-центру міста, що було часом, дуже невизначено та переважно ринком продавців - не дружнє для більшості звичайних людей.

Цей сценарій схожий на поточний стан ринку обчислювальної потужності. Як зазначалося раніше, попит на середньо- та довговічну обчислювальну потужність для малих і середніх вимагаючих не тільки не має переговорної сили, але й стикається з високими капіталовкладеннями, бар'єрами вступу KYC та жорсткими умовами оренди.

Отже, як саме io.net досягає своєї позиції як "глобальний хаб обчислювальної потужності GPU та ринку узгодження"? Які види системної архітектури та функціональних сервісів потрібні, щоб допомогти користувачам середнього та довгого хвоста отримати ресурси обчислювальної потужності?

Гнучка та недорога платформа для узгодження

Основною функцією io.net є платформа збігу легкої обчислювальної потужності. Подібно до Uber або Didi, вона не включає в себе високоризикову фактичну експлуатацію апаратного забезпечення GPU або інших важких активів. Замість цього вона з'єднує роздрібну обчислювальну потужність середнього та довгого хвоста (часто вважану вторинною обчислювальною потужністю провайдерами хмарних послуг, такими як AWS) з попитом через збіг, оживляючи раніше бездіяльні обчислювальні ресурси (приватні автомобілі) та попит середнього хвоста на обчислювальну потужність для штучного інтелекту (пасажири).

З одного боку, io.net з'єднує десятки тисяч бездіяльних GPU (приватних автомобілів) з малих та середніх IDC, рудників та криптопроєктів. З іншого боку, він поєднує потреби в обчислювальній потужності мільйонів малих та середніх компаній (пасажирів). io.net діє як посередник, схожий на брокера, який відповідає на безліч купівельних та продажних ордерів.

Агрегуючи вільну обчислювальну потужність за низькою ціною та з більш гнучкими конфігураціями розгортання, io.net допомагає підприємцям навчати більше персоналізованих невеликих та середніх моделей штучного інтелекту, значно покращуючи використання ресурсів. Переваги очевидні: незалежно від ринкових умов, якщо є невідповідність ресурсів, попит на відповідну платформу є стійким.

Supply Side: На стороні подання невеликі та середні ЦОДи, рудники та криптопроекти можуть підключати свої вільні обчислювальні ресурси до io.net. Їм не потрібно створювати відокремлене відділення з розвитку бізнесу або продавати зі знижкою AWS через невелику обчислювальну потужність. Замість цього вони можуть відповідати свої вільні обчислювальні потужності відповідним невеликим та середнім клієнтам обчислення за ринковими цінами або навіть вище, з мінімальними витратами на тертя, тим самим заробляючи дохід.

Попитова сторона: щодо попиту, малі та середні вимоги до обчислювальної потужності, які раніше не мали переговірної сили проти основних постачальників хмарних послуг, таких як AWS, можуть підключатися до обчислювальної потужності меншого масштабу, без дозволів, неочікувано і без KYC через io.net. Вони можуть вільно вибирати та поєднувати чіпи, які потрібні для створення «кластера», щоб завершити персоналізовані обчислювальні завдання.

Як постачальники, так і покупці серед середніх гравців мають схожі проблеми слабкої переговорної сили та низької автономії у зіткненні з основними хмарами, такими як AWS. io.net оживляє постачання та попит серед середньо-довгого хвоста, надаючи платформу для збігу, яка дозволяє обом сторонам завершувати угоди за кращими цінами та з більш гнучкими конфігураціями, ніж основні хмари, такі як AWS.

З цієї перспективи, подібно до платформ, таких як Taobao, ранній вигляд низької якості обчислювальної потужності - це неуникний розвитковий шлях платформної економіки. io.net також створив систему репутації як для постачальників, так і для замовників, накопичуючи бали на основі обчислювальної продуктивності та участі в мережі для отримання винагород або знижок.

Децентралізований кластер GPU

Крім того, як платформа відповідності між роздрібним поданням та попитом, io.net вирішує потреби великомасштабних обчислювальних сценаріїв, таких як ті, які потрібні сучасними моделями, що включають кілька GPU, які працюють разом. Ефективність цієї платформи залежить не лише від кількості вільних ресурсів GPU, які вона може агрегувати, але й від того, наскільки тісно пов'язана розподілено обчислювальна потужність на платформі.

Це означає, що io.net потребує створити «децентралізовану, але централізовану» обчислювальну архітектуру для своєї розподіленої мережі, яка охоплює невеликі та середні обчислювальні ресурси з різних регіонів та масштабів. Ця архітектура повинна підтримувати гнучкі обчислювальні вимоги, дозволяючи кільком розподіленим графічним процесорам працювати в одній системі для навчання, забезпечуючи при цьому, що комунікація та координація між цими графічними процесорами є швидкими та досяжними з низькою затримкою.

Цей підхід фундаментально відрізняється від деяких проектів децентралізованого хмарного обчислення, які обмежені використанням GPU в межах того ж самого центру обробки даних. Технічне втілення продуктового комплекту io.net, відомого як 'Три Коні', включає в себе IO Cloud, IO Worker та IO Explorer.

1. IO Cloud
   • Основний бізнес-модуль для кластерів, IO Cloud, - це група графічних процесорів, здатних самостійно координуватися для виконання обчислювальних завдань. Інженери зі штучного інтелекту можуть налаштовувати кластери згідно зі своїми потребами. Він інтегрується безперешкодно з IO-SDK, надаючи комплексне рішення для розширення застосувань штучного інтелекту та Python.
2. Робітник IO
   • IO Worker пропонує зручний інтерфейс користувача, що дозволяє як постачальникам, так і попитачам ефективно управляти своїми операціями через веб-застосунок. Його функції включають управління обліковими записами користувачів, моніторинг обчислювальної активності, відображення даних у реальному часі, відстеження температури та споживання енергії, надання допомоги з установкою, управління гаманцями, впровадження заходів безпеки та розрахунок прибутків.
3. IO Explorer
   • IO Explorer надає користувачам повну статистику та візуалізацію різних аспектів хмари GPU. Шляхом надання повної видимості в мережеві активності, ключових статистичних даних, точок даних та транзакцій винагород, він дозволяє користувачам легко моніторити, аналізувати та розуміти деталі мережі io.net.

Завдяки цій функціональній архітектурі io.net дозволяє постачальникам обчислювальної потужності легко ділитися неактивними ресурсами, що значно знижує поріг входу. Замовники можуть швидко формувати кластери з необхідними графічними пристроями без укладання довгострокових контрактів або перенесення тривалих очікувань, які зазвичай пов'язані з традиційними хмарними сервісами. Ця настройка надає їм суперкомп'ютерну потужність та оптимізовані часи відповіді сервера.

Сценарії легкої еластичної попиту

Під час обговорення унікальних сценаріїв обслуговування io.net порівняно з AWS та іншими великими хмарами, увага приділяється легкій еластичній потребі, де великі хмари можуть бути неефективними з точки зору вартості. Ці сценарії включають нішеві області, такі як навчання моделей для малих та середніх стартапів у сфері штучного інтелекту, налаштування великих моделей та інші різноманітні застосування. Один із загально недооцінених, але широко застосовуваних сценаріїв - це інференція моделі.

Відомо, що раннє навчання великих моделей, таких як GPT, потребує тисяч високопродуктивних GPU, величезної обчислювальної потужності та масивних даних протягом тривалих періодів. Це сфера, де AWS, GCP та інші великі хмари мають чітку перевагу. Однак, як тільки модель навчена, основний попит на обчислення переходить до виведення моделі. Ця стадія, яка передбачає використання навченої моделі для здійснення передбачень або прийняття рішень, складає 80%-90% робочих навантажень з машинного навчання, які спостерігаються у щоденних взаємодіях з GPT та схожими моделями.

Цікаво, що обчислювальна потужність, необхідна для інференції, є більш стабільною та менш інтенсивною, часто потребує лише кількох десятків графічних процесорів протягом кількох хвилин для отримання результатів. Цей процес також має менші вимоги до мережевої затримки та конкурентоспроможності. Крім того, більшість компаній зі штучним інтелектом, швидше за все, не навчатимуть свої власні великі моделі з нуля; замість цього вони націлюються на оптимізацію та удосконалення моделей верхнього рівня, таких як GPT. Ці сценарії природним чином підходять для розподілених вільних обчислювальних ресурсів io.net.

Поза високоінтенсивними, високостандартними сценаріями застосування існує ширший і не використаний ринок для повсякденних легких сценаріїв. Вони можуть здаватися фрагментованими, але насправді утримують більшу частку ринку. Згідно з останнім звітом банку Америки, високопродуктивні обчислення становлять лише близько 5% від загального ринкового потенціалу (TAM) у центрах обробки даних.

Загалом, справа не в тому, що AWS або GCP недоступні, але io.net пропонує більш ефективне рішення для цих конкретних потреб.

Вирішальний фактор у веб2 BD

Наостанок, основною конкурентною перевагою платформ, таких як io.net, спрямованих на розподілені обчислювальні ресурси, є їхні можливості у сфері розвитку бізнесу (BD). Це критичний визначальний фактор успіху.

Окрім явища, коли високопродуктивні чіпи Nvidia породили ринок брокерів GPU, основним викликом для багатьох малих та середніх Інтернет-дата-центрів (ІДЦ) та операторів обчислювальної потужності є проблема «добре вино все ще боїться глибоких алеїв», що означає, що навіть великі продукти потребують ефективної просування, щоб їх відкрили.

З цієї перспективи io.net має унікальну конкурентну перевагу, яку складно реплікувати для інших проєктів у цій же сфері – відділений веб2 BD-команда, базована безпосередньо в Кремнієвій долині. Ці ветерани мають великий досвід на ринку обчислювальної потужності та розуміють різноманітні сценарії роботи з маленькими та середніми клієнтами. Більше того, вони глибоко розуміють потреби кінцевих користувачів численних клієнтів веб2.

Згідно з офіційними повідомленнями io.net, понад 20-30 компаній Web2 вже висловили зацікавленість у купівлі або оренді обчислювальних потужностей. Ці компанії готові досліджувати або навіть експериментувати з дешевшими, більш гнучкими обчислювальними послугами (деякі з них, можливо, навіть не зможуть забезпечити обчислювальні потужності на AWS). Кожному з цих клієнтів потрібні щонайменше сотні та тисячі графічних процесорів, що перетворюється на замовлення обчислювальної потужності на десятки тисяч доларів на місяць.

Цей справжній попит від платних кінцевих користувачів фактично приверне більше простою обчислювальною потужністю ресурсів, які активно будуть надходити з боку подання, що легко призведе до?

Disclaimer：

1. Ця стаття перепечатана з [ LFG Labs]. Усі авторські права належать оригінальному автору [LFG Labs]. Якщо є заперечення до цього перепублікування, будь ласка, зв'яжіться з Gate Learnкоманда, і вони оперативно займуться цим.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно поглядами автора і не становлять жодних інвестиційних порад.
3. Переклади статті на інші мови виконуються командою Gate Learn. Якщо не зазначено інше, копіювання, поширення або плагіатування перекладених статей заборонено.