對話 io.net:希望與 AWS 雲服務競爭,提供更便捷的去中心化 GPU
對話 io.net 首席運營官:希望與 AWS 雲服務競爭,提供更便捷的去中心化 GPU(附空投互動教程)
撰文:AYLO
編譯:深潮 TechFlow
今天我給大家帶來另一個我非常看好的項目的訪談。
這個項目涵蓋了一些當前熱門的垂直領域:AI + DePin + Solana。io.net Cloud 是一個先進的去中心化計算網絡,允許機器學習工程師以比中心化服務小得多的成本訪問分佈式雲集群。我與首席運營官 Tory Green 進行了交流,以獲取更多信息。IO 代幣將在 Solana 上很快啟動,我強烈建議你閱讀這篇文章。我還將包含如何參與空投的信息(在文章末尾)。我是 io.net 的私人投資者,堅信他們的平台,因為他們的 GPU 集群解決方案確實是獨一無二的。
io.net 簡介
- 用於 GPU 上的 ML(機器學習)訓練的去中心化 AWS
- 即時、無需許可地訪問一個全球 GPU 和 CPU 網絡,目前已經上線
- 他們擁有 25000 個節點
- 革命性的技術,可將 GPU 雲集群在一起
- 可以為大規模 AI 初創公司節省 90% 的計算成本
- 集成了 Render 和 Filecoin
- 基於 Solana
他們剛剛宣布了 3000 萬美元的融資,吸引了該領域最大的支持者。
為什麼人們應該關注 io.net?
我們不僅要與其他加密項目競爭,還要與雲計算競爭。我們向客戶提供的主要優勢之一是價格明顯更低,最多可以便宜 90%。我們真正提供的是消費者選擇,這才是真正有趣的地方。是的,在我們的平台上,你可以以便宜 90% 的價格獲取 GPU,我強烈建議你嘗試一下。你可以以大幅折扣的價格,訪問便宜的完全去中心化的消費級 GPU。然而,如果你需要高性能,你可以使用像 A100 這樣的頂級硬件重建類似 AWS 的體驗,或許只便宜 30%,但仍然比 AWS 更便宜。在某些情況下,我們甚至提供比 AWS 更好的性能,這對於像對沖基金這樣的特定行業可能至關重要。
對於我們的一個主要客戶,我們提供的服務比 AWS 優惠 70%,比他們在其他地方獲得的服務優惠 40%。我們的平台對用戶友好且無需許可的,不像 AWS 可能需要商業計劃等詳細細節。任何人都可以加入並立即啟動一個集群,而 AWS 可能需要幾天或幾週的時間。
與去中心化的競爭對手相比,如果你嘗試在 Akash 等平台上獲取一個集群,你會發現這並不是瞬間完成的。它們更像是旅行社,給他們的數據中心打電話尋找可用的 GPU,這可能需要幾週時間。在我們這裡,它是即時的、更便宜的並且無需許可。我們希望體現 Web3 的精神,同時打敗 AWS 和 GCP。
2024 年的路線圖是什麼樣的?
分為業務路線圖和技術路線圖。從業務角度來看,TGE 即將到來。我們計劃在今年召開峰會,屆時我們將宣布許多與產品相關的內容。我們的更多關注點都集中在繼續建設網絡上,因為儘管有所有 TGE 的興奮之處,我們認為自己是一家真正的企業,是 AWS 的合法競爭對手。
我們將繼續大力發展我們的銷售團隊。我們希望效仿 Chainlink 和 Polygon 這樣的公司,專注於從亞馬遜和谷歌這樣的公司招聘高級銷售主管,以建立世界一流的銷售團隊。這將幫助我們吸引 AI 客戶並與像 Hugging Face 和 Prettybase 這樣的實體建立合作關係。
我們的初始客戶群體是面臨巨大 AI 計算成本的大型 AI 初創公司。我是灣區一家科技首席財務官團隊的一員,其中最大的问题之一是高昂的 AI 計算成本。有一家 A 輪 SaaS 初創公司每月在 AI 計算上花費 70 萬美元,這是不可持續的。我們的目標是顯著降低像他們這樣的企業的成本。
一旦我們在這些初步客戶那裡證明概念有效,我們將研究相鄰市場。我們的網絡上有兩個符合 SOC 標準的 GPU,我們可以瞄準大型科技公司或摩根大通或寶潔這樣的企業,它們肯定有自己的內部人工智能部門。我們的技術可支持多達 50 萬個 GPU 的集群,有可能使我們在容量上超越 AWS 或 GCP,因為它們無法在一個地點實際部署這麼多 GPU。這可能吸引像 OpenAI 這樣的重要 AI 項目,用於未來版本的 GPT。然而,建立一個市場需要平衡供需;我們目前在網絡中有 2.5 萬個 GPU,而等待名單上有 20 萬個。隨著時間的推移,我們的目標是擴展網絡以滿足不斷增長的需求。這就是業務路線圖。
從技術層面來看,顯然有很多東西要做。目前,我們支持 Ray,並且還支持 Kubernetes,我們正在積極開發中。但正如我提到的,我們正在考慮擴展我們的產品。如果考慮到 AI 的工作原理,例如當您使用 ChatGPT 時,那就是應用程序,而 ChatGPT 是建立在模型之上的,而該模型是 GPT-3,而 GPT-3 在 GPU 上運行其所有推斷。我們最終可以從 GPU 開始,構建整個堆棧。
我們還與 Filecoin 合作,許多這些合作夥伴數據中心已經擁有大量的 CPU 和存儲,因此我們也可以開始存儲模型。這將使我們能夠提供計算、模型存儲以及用於構建應用程序的 SDK,從而創建一個完全去中心化的人工智能生態系統,幾乎就像一個去中心化的應用商店。
代幣在網絡中扮演什麼角色?
從較高層面來說,這是一個實用性代幣,將用於支付網絡上的計算。這是最簡單的解釋。我還建議你查看網站bc8.ai。
這是我們建立的一個概念驗證,一個 stable diffusion 克隆版,我相信它是目前唯一完全在鏈上的 AI dApp。用戶可以使用 Solana 進行小額交易,通過加密支付創建圖像。每個交易都補償創建圖像的四個關鍵利益相關者:應用程序創建者、模型創建者、我們和使用的 GPU 都會得到報酬。目前,我們讓人們免費使用它,因為我們既是應用程序所有者,也是模型所有者,但這更多是一個概念驗證,而不是一個實際業務。
我們計劃擴展網絡,使其他人能夠托管模型並構建完全去中心化的 AI 應用程序。IO 代幣將不僅為我們的模型提供動力,而且為任何創建的模型提供動力。代幣經濟學仍在最終確定中,可能要等到 4 月左右才會宣布。
為什麼選擇 Solana?
我認為有兩個原因。首先,我們真的很喜歡這個社區,其次,坦率地說,這是唯一能夠支持我們的區塊鏈。如果您查看我們的成本分析,每當有人進行推理時,大約有五個交易。你有推理,然後它支付所有利益相關者。因此,當我們進行成本分析並有 60、70、100,000 次交易時,所有這些交易都必須是 1/100 美分或 1/10 美分。考慮到我們的交易量,Solana 實際上是我們唯一的選擇。另外,他們作為合作夥伴提供了很多幫助,社區也非常強大。這幾乎是個理所當然的選擇。
你認為你的市場規模是多少?
我認為這是無法預測的,你知道的。我們提出了一萬億這樣的數字,但即使是這樣,要完全理解其全面範圍仍然很難。例如,像 Gartner 這樣的公司的預測表明,到 2030 年,模型訓練可能占 GDP 的 1%,相當於約 3000 億美元。這個統計數據相對容易找到。然而,當考慮到 Nvidia 的首席執行官提到,AI 市場只有 10% 用於訓練時,那麼我們的視角就會發生變化。如果推理和訓練合起來代表了 3000 億美元的市場,那麼整個人工智能 GPU 市場,僅計算服務一項,就可能是 3 萬億美元的市場。然後,Kathy Wood 預測認為,整個 AI 市場可能是 80 萬億美元。這顯示了市場潛在規模幾乎超出了我們的理解。
你認為 io.net 發展的最大障礙是什麼?
建立一個市場是很困難的,雖然在加密領域可能會容易一些,但它仍然有它的挑戰。例如,我們的大多數客戶要求 A100,這是一種頂級的、企業級的 GPU,每個成本約為 30,000 美元,而且供應短缺。現在它們非常難以找到。我們的銷售團隊正在努力尋找這些 GPU,這是一個重大的挑戰,因為它們供不應求,成本高昂。
我們還有很多 3090,這更多是一種消費者產品,需求不是那麼高。這意味著我們必須調整我們的戰略,並找到專門尋找這些類型 GPU 的客戶。然而,在任何市場中都會發現這種情況,但我們通過雇用合適的人員和實施有效的營銷策略來解決這個問題。
從戰略角度來看,正如我所提到的,令人擔憂的是,我們是目前唯一能夠跨不同地理位置構建去中心化集群的平台。這現在是我們的護城河。在短期內,我們具有顯著的競爭優勢,我認為這也延伸到中期。對於像 Render 這樣的合作者來說,如果他們可以利用我們的網絡並保留 95% 的價值,那麼嘗試複製我們的模式就沒有意義了。
團隊花了大約兩年的時間才開發出這種功能。因此,這並不是一件容易的事情。不過,未來總有可能有其他人會想出這個方法。到那時,我們希望已經建立了足夠的護城河。我們已經是按數量級最大的去中心化 GPU 網絡,擁有 25000 個 GPU,而 Akash 只有 300 個,Render 只有幾千個。
我們的目標是達到 10 萬個 GPU 和 500 個客戶的水平,創造出類似於 Facebook 的網絡效應,問題就變成了「你還能去哪裡?」我們的目標是成為任何需要 GPU 計算的人的首選平台,就像 Uber 主導了拼車服務和 Airbnb 主導了住宿服務一樣。關鍵是要迅速採取行動,確保我們在市場上的地位,並成為去中心化 GPU 計算的代名詞。
如何獲得 IO 空投?
有兩種主要方式可以符合 IO airdrop 的資格:
他們正在開展名為「Ignition」的 Galaxe 活動。您只需完成任務即可。這將要求您證明您是人類,方法是鑄造一個 Galaxe 護照,這是很好的,因為這不能被仿冒。
為 io.net 提供您的 GPU/CPU。只需按照文檔中陳述的說明操作。即使您不懂技術,也可以在大約 10-15 分鐘內完成,這相當簡單。