شريك Multicoin: فهم GPU Internet io.net

صحافة: في 6 مارس 2024، أعلن بروتوكول DePIN البيئي الخاص بـ Solana io.net عن استكمال تمويل من الفئة A بقيمة 30 مليون دولار أمريكي. وذكرت io.net أن الأموال التي تم جمعها سيتم استخدامها لبناء أكبر شبكة GPU لامركزية في العالم و ولحل مشكلة نقص حوسبة الذكاء الاصطناعي، شاركت Multicoin Capital في الاستثمار. كتب شريك Multicoin Capital، Shayon Sengupta، عن سبب استثماره في io.net. الترجمة الذهبية للتمويل شياوزو.

يسعدنا أن نعلن عن استثمارنا في io.net، سوق الحوسبة الموزعة الرائد لأحمال عمل الذكاء الاصطناعي. لقد قمنا بقيادة جولتها التأسيسية وشاركنا في تمويل السلسلة A. في الوقت الحاضر، نجحت io.net في جمع 30 مليون دولار أمريكي من Multicoin وHack VC و6th Man Ventures وModular Capital ومستثمر ملاك كبير يتمتع بعلاقات جيدة لإنشاء سوق حوسبة حسب الطلب.

كان أول لقاء لي مع مؤسس io.net أحمد شديد في Austin Solana Hacker House (Solana Hacker House) في أبريل 2023. وكان تركيزه على الوصول إلى موارد الحوسبة لأعباء عمل ML، وقد انجذبت على الفور إلى هذا الجانب. من الديمقراطية.

منذ ذلك الحين، ظل فريق io.net ينفذ هذا المفهوم بسرعة الضوء. واليوم، جمعت الشبكة عشرات الآلاف من وحدات معالجة الرسومات الموزعة، مما يوفر أكثر من 57000 ساعة حوسبة لمؤسسات الذكاء الاصطناعي. نحن متحمسون للدخول في شراكة معهم وهم يقودون العقد القادم من نهضة الذكاء الاصطناعي.

1، النقص العالمي في الحوسبة

يتزايد الطلب على الحوسبة للذكاء الاصطناعي بمعدل ينذر بالخطر، ولا يمكن تلبية الطلب. تتجاوز إيرادات مركز بيانات عبء عمل الذكاء الاصطناعي 100 مليار دولار في عام 2023، وحتى في ظل السيناريو الأكثر تحفظًا، يتجاوز الطلب على الذكاء الاصطناعي عرض الرقائق.

في وقت ارتفاع أسعار الفائدة وندرة رأس المال، تتطلب مراكز البيانات الجديدة القادرة على استيعاب هذا النوع من الأجهزة استثمارًا مقدمًا كبيرًا. جوهر الأمر هو أن الرقائق المتقدمة مثل NVidia A100 وH100 لها قيود على الإنتاج. على الرغم من استمرار تحسن أداء وحدة معالجة الرسومات وانخفاض التكاليف بشكل مطرد، إلا أن عملية التصنيع المادية لا تتسارع بالسرعة الكافية، كما أن النقص في المواد الخام والمكونات وقدرات الإنتاج يحد من وتيرة التطوير.

على الرغم من أن الذكاء الاصطناعي يحمل وعدًا كبيرًا، إلا أن بصمته المادية الآخذة في التوسع ومتطلباته على المساحة والطاقة والمعدات المتطورة ترهق الميزانيات في جميع أنحاء العالم. يمهد io.net الطريق لنا لخلق عالم لا تكون فيه وتيرة التنمية مقيدة بسلاسل التوريد الحالية.

يعد io.net مثالًا كلاسيكيًا لنظرية DePIN: استخدام آليات الحوافز الرمزية لتقليل تكلفة الحصول على موارد جانب العرض والاحتفاظ بها بشكل هيكلي، وفي النهاية تقليل التكلفة على المستهلك النهائي. تجمع الشبكة عددًا كبيرًا من وحدات معالجة الرسومات غير المتجانسة في مجموعة مشتركة لاستخدامها من قبل مطوري وشركات الذكاء الاصطناعي. واليوم، تضم الشبكة الآلاف من وحدات معالجة الرسومات من مراكز البيانات ومزارع التعدين والأجهزة الاستهلاكية.

على الرغم من أهمية تجميع الموارد هذا، إلا أن أعباء عمل الذكاء الاصطناعي لن تتوسع تلقائيًا من الأجهزة المركزية على مستوى المؤسسة إلى الشبكات الموزعة. في تاريخ التشفير، كانت هناك عدة محاولات لبناء شبكات حوسبة موزعة، ومعظمها فشل في إنتاج حجم كبير من جانب الطلب.

إن تنسيق وجدولة أعباء العمل عبر أجهزة غير متجانسة مع تكوينات مختلفة للذاكرة وعرض النطاق الترددي والتخزين ليست مهمة سهلة. نحن نؤمن بأن فريق io.net لديه الحل الأكثر عملية في السوق اليوم لجعل تجميع الأجهزة هذا مفيدًا للعملاء النهائيين وفعالاً من حيث التكلفة.

2، تمهيد الطريق للمضي قدمًا للمجموعات

في تاريخ الحوسبة، تطورت أطر البرامج وأنماط التصميم حول تكوينات الأجهزة المتوفرة في السوق .شكل. تعتمد معظم الأطر والمكتبات الخاصة بتطوير الذكاء الاصطناعي بشكل كبير على موارد الأجهزة المركزية، لكن العقد الماضي شهد تقدمًا كبيرًا في توزيع أعباء العمل عبر الأجهزة الموزعة جغرافيًا.

تستفيد io.net من الأجهزة الأساسية في العالم، وتنشر طبقات الشبكات والتنسيق المخصصة فوقها، وتجعلها متصلة بالإنترنت، مما يؤدي إلى إنشاء إنترنت GPU قابل للتطوير بشكل فائق. تستفيد الشبكة من Ray وLudwig وKubernetes والعديد من أطر الحوسبة الموزعة الأخرى مفتوحة المصدر للسماح لفرق هندسة التعلم الآلي والعمليات بتوسيع نطاق أعباء العمل الخاصة بهم مع تعديلات طفيفة فقط على شبكة GPU.

يمكن لفرق تعلم الآلة موازنة أعباء العمل على وحدات معالجة الرسومات io.net من خلال إطلاق مجموعات عند الطلب والاستفادة من هذه المكتبات للتعامل مع التنسيق والجدولة والتسامح مع الأخطاء والقياس. على سبيل المثال، إذا ساهمت مجموعة من مصممي الرسومات المتحركة بوحدات معالجة الرسومات المنزلية الخاصة بهم في الشبكة، فيمكن لـ io.net إنشاء مجموعة تمنح مطوري نماذج نشر الصور في أي مكان في العالم إمكانية الوصول إلى موارد الحوسبة الجماعية.

BC8.ai هو نسخة معدلة بدقة من Stable Diffusion، تم تدريبه بالكامل على أجهزة io.net، وهو مثال جيد. يعرض متصفح io.net الاستدلال والمدفوعات في الوقت الفعلي للمساهمين في الشبكة.

يتم تسجيل كل استنتاج على السلسلة لتوفير إمكانية التتبع. يكتمل توليد الصور الخاص هذا بواسطة 6 وحدات معالجة رسومات GPU RTX 4090 المخصصة للألعاب.

يوجد اليوم آلاف الأجهزة على الشبكة، والتي تشمل مزارع التعدين ومراكز البيانات غير المستغلة بشكل كافٍ وعقد عملاء شبكة Render. بالإضافة إلى إنشاء إمدادات جديدة من وحدات معالجة الرسومات، فإن io.net قادرة على التنافس من حيث التكلفة مع موفري الخدمات السحابية التقليديين من خلال تقديم موارد أرخص غالبًا.

إنها تحقق وفورات في التكاليف من خلال الاستعانة بمصادر خارجية لتنسيق وحدة معالجة الرسومات والنفقات العامة للبروتوكول. من ناحية أخرى، يضع مقدمو الخدمات السحابية علامة على تكاليف البنية التحتية لأن لديهم أيضًا تكاليف الموظفين ورسوم صيانة الأجهزة والنفقات العامة لمركز البيانات. تعد تكلفة الفرصة البديلة لمجموعات المستهلكين ومزارع التعدين أقل بكثير من التكلفة المقبولة للكيانات واسعة النطاق، لذلك توجد مراجحة هيكلية، كما أن التسعير في الوقت الفعلي للموارد على io.net أقل من معدلات السحابة المتزايدة باستمرار.

3، بناء وحدة معالجة الرسوماتالإنترنت

يتمتع Io.net بميزة فريدة، وهي الحفاظ على الأصول الخفيفة ودمج التخفيض التكلفة الحدية لخدمة أي عميل معين تصل إلى الصفر تقريبًا مع إقامة علاقات مباشرة مع جانبي العرض والطلب في السوق. إنهم في وضع جيد لخدمة الآلاف من الشركات الجديدة التي تحتاج إلى استخدام وحدات معالجة الرسومات لبناء منتجات تنافسية يتفاعل معها الجميع في المستقبل.

يسعدنا أن نتشارك مع أحمد وفريقه أثناء قيامهم ببناء وتسريع تقدم الذكاء الاصطناعي حول العالم. إذا كنت تقوم بإنشاء تطبيق يتطلب حوسبة مكثفة، فيمكنك التسجيل للوصول إلى موارد io.net. إذا كانت لديك وحدات معالجة رسومات خاملة، فيمكنك أيضًا المساهمة بها في الشبكة للحصول على نقاط المكافأة.