撰文：Shayon Sengupta，Mult ICO in Capital

編譯：JIN，Techub News

2024 年 6 月 6 日，幣安宣布 Launchpool 將上线 io.net 代幣 IO ，用戶於香港時間 6 月 7 日 8 時在 Launchpool 網站將 BNB、FDUSD 投入到 IO 挖礦 池中獲得 IO 獎勵，IO 共計可挖礦 4 天。網站預計將於此公告的大約五小時內，挖礦活動开放前更新。

此外，幣安將於香港時間 6 月 11 日 20 時 上市 io.net 代幣 IO，並开通 IO/BTC、IO/ USDT 、IO/BNB、IO/FDUSD 和 IO/TRY 交易市場。

IO 代幣解鎖和獎勵

根據 io.net 官方文檔，IO 代幣總供應量為 8 億枚，將在發布時釋放 5 億枚 IO，並在未來 20 年內逐步發行 3 億枚 IO，直到達到 8 億代幣的上限。最初的 5 億供應量解鎖和獎勵如下圖所示，分為五類：種子投資者、A 輪投資者、核心貢獻者、研發和生態系統以及社區；

IO 代幣預估分配

• 種子投資者：12.5%

• A 輪投資者：10.2%

• 核心貢獻者：11.3%

• 研發：16%

• 生態系統與社區：50%

以下 io.net 介紹內容 為此前 io.net 3000 萬美元 A 輪融資的參投方 Multicoin Capital 撰寫：

我們很高興宣布對 io.net 進行了投資， io.net 是提供 AI 算力租借服務的分布式網絡。我們不僅領投了種子輪，還參與了 A 輪融資。io.net 共籌集了 3000 萬美元，參投方包括 Multicoin、Hack VC、6th Man Ventures、Modular Capital 以及由天使投資者組成的財團，旨在構建按需、隨時可用的 AI 算力需求市場 。

我第一次見到 io.net 的創始人 Ahmad Shadid ，是在2023 年 4 月 Solana 黑客松活動 Austin Hacker House ，立即被他對於 ML （機器學習）的算力基礎設施去中心化方面的獨特見解所吸引。

從那以後，io.net 團隊便开始展現強大的執行力。如今，這個網絡已經聚合了數以萬計的分布式 GPU，並為 AI 企業提供了 超過 57,000 小時的計算時間 。我們很高興與他們合作，為未來十年的 AI 復興助力。

一、全球算力短缺

AI 計算需求正以驚人的速度增長；這種需求目前並無法滿足。2023 年，為 AI 需求提供算力的數據中心收入超過了 1000 億美元 ，但即便在最保守的情況下，對 AI 的需求也超過了芯片供應。

在高利率和現金流缺失的時期，能夠容納此類硬件的新數據中心在前期需要大量的投資。問題的核心在於如 NVidia A100 和 H100 等先進芯片的生產受到限制。雖然 GPU 性能不斷提升且成本穩步降低，但其制造流程無法提速，這是因為原材料、組件和產能的短缺限制了增長速度。

盡管 AI 充滿前景廣闊，但支持其運行的物理佔用空間每天都在增加，這就對空間、電力和尖端設備的需求大幅增加。而 io.net 為我們开闢了一條道路，算力不再會受到這些約束。

io.net 是 DePIN 在現實世界應用的經典案例：通過使用代幣激勵來結構性降低獲取供應側資源的成本，為最終 GPU 算力需求者降低成本。將分布在全球各地的闲置 GPU 資源匯集到一個共享池中，供 AI 开發者和公司使用。如今，該網絡由來自數據中心、礦場和消費級設備的數千個 GPU 提供支持。

盡管可以將這些有價值的資源整合起來，但它們並不會自動擴展到分布式網絡。在 加密貨幣 技術的歷史上，已經有過幾次構建分布式 GPU 計算網絡的嘗試，但都因為不滿足需求方的需求而失敗。

在具有不同內存、帶寬和存儲配置的異構硬件上完成協調和調度算力工作，這是實現分布式 GPU 網絡的關鍵一步。我們相信 io.net 團隊擁有當今市場上最實用的解決方案，可以使這種硬件聚合對最終客戶有用，並具有經濟效益。

二、為集群鋪平道路

在計算機發展歷史中，軟件框架和設計模式會圍繞市場上可用的硬件配置進行自我調整。大多數用於 AI 开發的框架和庫都嚴重依賴於集中式硬件資源，但在過去的十年裏，分布式的算力基礎設施在實際應用中取得了顯著進展。

io.net 利用現有闲置的硬件資源，通過部署定制的網絡和編排層來將它們聯網，創建一個超可擴展的 GPU 互聯網。這個網絡利用 Ray、Ludwig、Kubernetes 以及其他各種开源的分布式計算框架，以便機器學習工程和運營團隊能夠在已有 GPU 網絡上擴展其工作負載。

ML 團隊能夠通過啓動算力設備集群來並行化 io.net GPU 上的工作負載，並利用這些庫來處理編排、調度、容錯和擴展。例如，如果一組動態圖形設計師將他們家中的 GPU 貢獻給網絡，io.net 可以構建一個集群，精心設計，使世界各地的圖像模型开發人員可以租用集體計算資源。

BC8.ai ，就是一個例子，經過微調的穩定擴散變體模型，而這一模型是完全在 io.net 網絡上進行訓練。 io.net 瀏覽器 顯示實時推理以及對網絡貢獻者的激勵。

每個圖像的生成信息都是 記錄在鏈上 。所有的費用支付給了 6 個 RTX 4090 集群 ，這是用於遊戲的消費級 GPU。

如今，網絡上有數以萬計的設備，遍布礦場、未充分利用的數據中心和 Render Network 消費者節點。除了創造新的 GPU 供應之外，io.net 還能夠在成本上與傳統雲服務提供商競爭，通常提供更便宜的資源。

他們通過將 GPU 協調和運營外包給去中心化協議來實現成本的降低。另一方面，雲服務提供商則因為員工开支、硬件維護和數據中心運營成本而對產品進行加價。消費級顯卡集群和礦場的成本遠低於超大規模計算中心（Hyperscalers）愿意接受的成本，因此存在一種結構性套利，使得 io.net 上的資源定價動態地低於不斷上漲的雲服務費率。

三、構建 GPU 互聯網

io.net 具有獨特的優勢，保持輕資產運營，並將服務任何特定客戶的邊際成本降低到幾乎為零，同時與市場的需求方和供應方直接建立關系，能夠服務成千上萬需要訪問 GPU 以構建有競爭力的 AI 產品，將來每個人都會與之互動。