io.net은 솔라나 블록체인을 기반으로 하는 네트워크로, 유휴 연산 능력을 가진 사용자가 이를 자원 집약적인 AI 기업에 제공할 수 있도록 합니다. 앞서 io.net은 멀티코인 캐피털, 애니모카 브랜드, 솔라나 벤처스, 앱토스, OKX 벤처스 등이 참여한 가운데 Hack VC가 주도한 10억 달러 규모의 시리즈 A 펀딩 라운드를 마감하며 3천만 달러를 모금한 바 있습니다. 이번 우 스피크스 잉글리시 팟캐스트 에피소드에서는 io.net의 최고 전략 책임자이자 최고 마케팅 책임자인 개리슨 양(0xHushey)이 io.net의 기술적 강점, 향후 성장 계획, AI 및 클라우드 컴퓨팅 업계의 문제점을 어떻게 해결하고 있는지에 대해 이야기합니다.
이 기사의 내용은 인터뷰 대상자의 견해를 나타내며 우산의 견해를 대변하지 않으며 어떠한 재정적 조언도 제공하지 않으며 독자는 해당 지역의 법률과 규정을 엄격히 준수할 것을 촉구합니다.
텍스트 요약은 GPT에서 처리한 것으로 오류가 있을 수 있으니 팟캐스트에서 전문을 들어보세요:
유튜브: https://youtu.be/HSBBGT5Vqvg
io.net이란?
io.net은 세계 최대의 AI 컴퓨팅 네트워크를 구축하고 있으며, 우리의 목표는 기본적으로 AWS(Amazon Web Services)에 대항할 수 있는 탈중앙화된 경쟁력 있는 라이벌을 구축하는 것입니다. 이 프로젝트는 알고리즘 트레이딩을 위한 정량적 모델을 개발하면서 보다 경제적인 연산 자원을 찾던 창립자와 CEO가 2020년에 시작되었습니다. 2020년 당시에도 AWS와 Azure에서 산술을 구입하는 비용이 너무 비쌌습니다. 그 결과, 그는 사우디아라비아와 아시아 태평양 지역의 독립형 데이터 센터와 사용 중인 암호화폐 채굴장을 포함해 전 세계의 연산 리소스를 탐색했습니다. 그는 이러한 리소스를 상호 연결하여 지리적으로 분산된 다양한 위치에서 GPU를 확보하여 방대한 컴퓨팅 네트워크를 형성했습니다. 이 계획은 성공했습니다. 처음에는 대부분의 사람들이 아마존 웹 서비스에서 홍보하는 쿠버네티스를 선호했기 때문에 당시에는 널리 알려지지 않았던 레이를 사용했습니다. 그는 이 네트워크를 독립적으로 운영하며 2년 반 동안 자신의 거래 모델을 지원했습니다.
2023년 Open AI는 ChatGPT를 출시했고, 전 세계가 갑자기 AI, 특히 엄청난 양의 연산이 필요한 AI에 주목하기 시작했습니다. 2023년 ChatGPT는 하루에 70만 달러를 들여 ChatGPT 모델을 훈련하고 있다고 발표했습니다. 또한 사용자들에게 비용을 청구하지 않고 어떻게 실시간 추론(쿼리에 대한 응답)을 제공할 수 있을지 의문이 생겼습니다. 아마드는 Open AI가 컴퓨팅 네트워크를 확장하기 위해 Ray 아키텍처를 사용한다는 사실을 알게 되었고, 이를 계기로 사업을 시작하게 되었습니다. 아마드는 자신이 AI 업계에서 매우 수요가 많은 자원을 보유하고 있다는 것을 깨달았습니다. 아흐마드는 탈중앙화 및 분산형 노드를 확장하여 더 낮은 비용으로 AI 기업에 연산 능력을 제공할 수 있는 능력이라는 AI 업계에서 매우 수요가 높은 자원을 보유하고 있다는 사실을 깨닫고 io.net을 설립했습니다. 2023년 4월 솔라나 해커톤에서 우승한 io.net의 플랫폼은 2023년 11월 정식으로 공개되었고 4개월여 만에 빠른 발전을 목격할 수 있었습니다.
io.net을 개발한 또 다른 이유는 최대 규모의 AI 컴퓨팅 네트워크를 만들고자 하는 열망 외에도 탈중앙화된 커뮤니티 중심의 커뮤니티 소유 컴퓨팅 네트워크가 전 세계에 존재할 수 있도록 하고자 하는 열망 때문이었습니다. 분산된 컴퓨팅 파워 소스를 제공함으로써 애플리케이션, 데이터 소스, AI 모델, AI 모델 추론이 향후에도 전 세계적으로 검열 없이 접근 가능하고 국경을 넘어 사용할 수 있도록 하는 것이 목표입니다.
io.net은 AI 및 클라우드 컴퓨팅 업계의 문제점을 어떻게 해결하나요?
AI는 꽤 오랫동안 우리 삶의 일부가 되어 왔습니다. 가장 최근의 발전은 소비자들이 볼 수 있는 소비자 대상 AI와 기업용 AI입니다. 예를 들어 ChatGPT는 많은 문을 열었고, 범용 AI 이미지 및 비디오 플랫폼도 일상 생활에서 사용하는 도구가 되었습니다.
대부분의 사람들이 깨닫지 못하는 것은 우리가 오랫동안 AI를 사용해 왔다는 사실입니다. Facebook은 사용자가 게시한 이미지를 스캔하기 위해 AI를 사용하고, Google은 검색 엔진을 강화하기 위해 AI를 사용하며, Siri는 사용자의 질문을 이해하고 응답하기 위해 AI를 사용합니다. 이제 AI가 대중화되고 더 많은 기업이 개발에 AI를 사용하고자 하면서 그 비용도 증가했습니다. 산술은 세계에서 가장 중요하면서도 점점 더 희소해지는 자원 중 하나가 되었습니다. 오늘날 AI는 CPU 컴퓨팅이 아닌 GPU 컴퓨팅에 의존하기 때문에 GPU의 수요가 매우 높습니다.
문제는 연산 공급이 충분하지 않다는 것입니다. 전 세계의 연산 수요는 AWS, Azure, Google Cloud와 같은 중앙 집중식 클라우드 서비스 제공업체가 제공할 수 있는 것보다 2.5배나 더 많습니다. 이러한 대기업들은 많은 그래픽 카드를 보유하고 있지만, 모든 사람에게 서비스를 제공할 만큼 충분한 GPU 연산 능력을 갖추지 못하고 있습니다. 그리고 독립형 데이터 센터, 암호화폐 채굴자, 그리고 맥북이나 게이밍 PC와 같은 소비자 기기에 존재하는 많은 연산이 있습니다. 문제는 이러한 리소스를 집계하고 활용하기가 어렵다는 것입니다.
io.net은 다양한 소스로부터 GPU 성능을 집계합니다. 어떤 소스는 더 높은 품질, 더 신뢰할 수 있고 더 가치 있는 것도 있고 그렇지 않은 것도 있지만, 저희는 모든 소스를 집계하여 AI 회사에 파워 클러스터를 제공합니다. 그 결과, AI 기업은 현재 중앙 집중식 클라우드 서비스 제공업체의 가격보다 최대 90% 저렴하고 더 빠른 속도로 이 연산에 액세스할 수 있습니다. io.net을 사용하면 서명할 계약이나 KYC, 장기 약정이 필요 없으며 노드의 출처와 속도를 선택할 수 있습니다. 이러한 접근 방식은 탈중앙화되고 비용 효율적이며 쉽게 액세스할 수 있는 컴퓨팅 플랫폼을 제공함으로써 AI 및 클라우드 컴퓨팅 업계의 주요 문제점을 해결하는 데 도움이 됩니다.
io.net이 AI 모델 학습을 위해 엔터프라이즈 GPU를 매칭할 수 있나요?
간단히 말해서 전혀 문제 없습니다.
엔터프라이즈 그래픽 카드보다 약간 낮은 여러 대의 그래픽 카드를 함께 모으면 동일한 수준의 컴퓨팅 성능을 훨씬 저렴한 비용으로 제공할 수 있습니다. io.net은 이러한 물리적 인프라를 확장하는 방법의 문제를 해결해야 합니다.
엔터프라이즈 그래픽 카드도 함께 통합할 수 있습니다. 독립형 엔터프라이즈 데이터센터에는 여기 5개의 그래픽 카드와 저기 10개의 그래픽 카드가 있을 수 있으며, 일반적으로 이러한 데이터센터는 단일 고객에게 서비스를 제공하기 위해 서로 조정하지 않습니다. 하지만 io.net에 이러한 리소스를 배치하면 이를 한데 모을 수 있습니다. 이렇게 하면 이러한 엔터프라이즈 GPU의 활용도를 극대화할 뿐만 아니라 수익 창출도 향상됩니다. 기본적으로 io.net은 다양한 소스의 연산을 쉽게 통합할 수 있는 플랫폼 역할을 하며, AI 모델 학습을 위한 보다 효율적이고 생산적인 컴퓨팅 환경을 조성합니다.
모든 곳에 있는 유휴 GPU는 비효율적으로 활용되는 리소스일 뿐이며, 이를 필요한 고객에게 전달하면 최종 고객은 저렴하게 사용할 수 있습니다.
하지만 저희의 목표는 중앙화된 클라우드 서비스 제공업체에 대한 탈중앙화된 대안을 구축하는 것이지만, 기존 인프라를 완전히 대체할 것으로는 생각하지 않는다는 점을 분명히 말씀드리고 싶습니다. 가장 좋은 비교 대상은 전력망과 재생 에너지를 고려하는 것입니다. 시간이 지나도 안정적이고 저렴하며 효율적인 기저부하 발전(예: 원자력 발전)을 대체할 수는 없을 것입니다. 하지만 '기저부하 발전원'인 원자력은 유연하지 않습니다. 그렇기 때문에 그리드를 보완하기 위해 태양광과 배터리가 필요합니다.
조직이 AWS와 5년 계약을 체결하고 일정량의 컴퓨팅 파워에 대한 비용을 지불하면 사용 여부와 관계없이 계속 비용을 지불하는 것도 마찬가지입니다. 이러한 방식으로 중앙 집중식 클라우드 제공업체로부터 고정된 산술을 구입하는 것이 전반적으로 비용 효율적입니다. 그러나 온디맨드 방식으로 제공되는 io.net은 수요가 급증할 때 가치가 있습니다. 예를 들어, 오늘 실험을 실행하고 싶거나 7일 또는 한 달 후에 부하가 급증할 것으로 예상되는 경우 io.net에서 더 비용 효율적인 방식으로 추가 산술을 구매할 수 있습니다. 탈중앙화된 네트워크인 만큼 계약이나 KYC가 필요하지 않으며, 다양한 유형, 소스, 크기, 맞춤형 연산 리소스 중에서 선택해 사용할 수 있습니다. 이는 비즈니스에 다양한 옵션을 제공하고 사람들에게 선택권과 가격 책정권을 제공합니다.
개인과 기업 기여자의 균형을 맞추기 위한 io.net의 과제와 전략은 무엇인가요?
저희의 이상적인 공급업체에는 두 가지 유형의 사람들이 있습니다. 한 유형은 잉여 리소스가 있는 엔터프라이즈 데이터 센터로, 일반적으로 고속 인터넷 대역폭을 갖춘 고품질 프로비저닝 리소스로서 엔터프라이즈 고객에게 우선적으로 서비스를 제공하는 데 가장 적합합니다. 두 번째 유형은 암호화폐 채굴자 범주에 속하며, 보통 평균 이상의 연결 속도와 전용 하드웨어를 갖춘 특수 장비를 구입하여 용량을 제공하거나 암호화폐 채굴 또는 이와 유사한 활동을 위한 GPU를 실행하는 사람입니다.
GPU를 투자 자산인 주택에 비유해 보겠습니다. 집을 임대하여 돈을 벌기 위해 주택에 투자하는 것처럼, GPU도 마찬가지입니다. 최신 칩으로 인한 감가상각이 예상되지만, 현재 공급 부족으로 인해 가격이 상승하고 있습니다. 높은 수요로 인해 A100 GPU는 이제 약 9개월 만에 투자금을 회수할 수 있습니다. 이는 기존의 암호화폐 채굴 경제학에서 예상되는 것과 비교했을 때 매우 매력적인 투자 수익률입니다.
위는 아직 직접적인 수익인 스테이블코인에 대한 것이며, 토큰은 아직 포함되지 않았습니다. 그리고 암호화폐 경제학과 토큰을 도입하면 인센티브는 훨씬 더 커집니다. 이는 블록체인의 검증자 경제와 유사하며, 고객으로부터 고정적인 수입을 얻는 동시에 가변적인 가치를 지닌 토큰을 얻을 수 있습니다.
io.net이 구축하고 있는 대규모 탈중앙화 네트워크에는 다른 기회도 내재되어 있습니다. 예를 들어, 최적의 연결 속도에 미치지 못하거나 단순히 활용도가 낮아 '단위 모델의 경제성'이 비효율적인 컴퓨팅 노드는 항상 존재할 것입니다. 그럼에도 불구하고 이러한 장치는 상대적으로 고급 검증 장치가 될 수 있는 큰 잠재력을 가지고 있습니다. 또한 다른 유형의 작업을 수행하고 다양한 수준의 계산 서비스를 제공할 수 있습니다.
AI/ML의 단위 경제성이 매우 강력하기 때문에 우리는 컴퓨팅 네트워크를 더 넓은 범위로 확장하기 전에 이 분야의 과제를 먼저 해결하기로 결정했습니다. 이 전략은 당면한 문제를 해결하는 것뿐만 아니라 네트워크의 미래 성장을 위한 토대를 마련하는 것이기도 합니다.
블록체인 기회를 구축하는 데 있어서 꼭 우리만의 체인일 필요는 없다고 생각합니다. 향후 SVM(솔라나 가상 머신)이 애플리케이션 체인을 제공하기로 결정하거나 모든 검증자가 솔라나를 직접 지원하게 하는 것도 모두 가능한 방법입니다. 이러한 각 시나리오는 io.net에 유용성을 더하며, 특히 솔라나와 유사한 애플리케이션 체인을 구축할 수 있다면 매우 매력적일 것입니다. 이는 블록체인과 함께 탈중앙화 애플리케이션(DApp)이 진정한 탈중앙화가 될 수 있는 인프라를 제공할 수 있는 컴퓨팅 레이어를 모두 갖추게 된다는 것을 의미하기 때문입니다.
누가 io.net의 좋은 후보라고 생각하시나요?
수요 측면에서 io.net은 현재 주로 엔드투엔드 AI/ML 워크로드에 사용되고 있으며, 이는 모델 트레이닝과 모델 추론이라는 두 가지 주요 요구사항으로 나뉩니다.
먼저, 모델 트레이닝에 대한 요구사항이 있습니다. 현재 모델 트레이닝은 코로케이션 GPU를 사용하고 있지만, 지연 시간이 엄격한 모델 추론과 달리 모델 트레이닝은 실제로 통합 GPU를 사용하지 않고도, 즉 io.net 확장 아키텍처를 사용하여 달성할 수 있으며, 트레이닝 시간이 더 오래 걸리고 궁극적으로 더 낮은 비용으로 모델 트레이닝을 수행할 수 있습니다. 결국, 비용은 모델 훈련에서 가장 가치 있는 부분입니다.
다음은 모델 추론의 필요성입니다. 비용과 동적 부하가 두 가지 주요 문제이며, 두 가지 모두 io.net을 사용하여 해결하기에 적합합니다. 한편으로 모델 추론은 비용이 많이 드는 반면, 앞서 설명한 것처럼 io.net은 비용이 매우 저렴합니다. 반면에 모델 추론 부하 요구 사항은 예측할 수 없을 정도로 빠르게 증가하는 경향이 있으며, 자체 ChatGPT 모델을 게시하는 경우 예측할 수 없는 모든 부하를 고려해야 합니다. 하지만 io.net은 매우 유연하며 필요할 때 언제든지 사용할 수 있습니다. 중앙 집중식 클라우드 제공업체에서 기본 서비스를 구매한 다음 io.net이 부하 급증을 처리하도록 할 수 있습니다. 저희는 기업이 비용 효율적인 방식으로 수요 급증을 관리할 수 있는 유연성을 제공하여 분산된 온디맨드 구매 리소스로 추가 부하 용량을 제공합니다.
더 이상 자체 모델을 트레이닝하는 사람은 많지 않은 것 같습니다. Facebook, Apple, Microsoft 모두 모델 트레이닝에 수백만 달러를 지출하고 있기 때문이죠. 사람들은 대기업에서 개발한 기본 모델을 사용한 다음 기존 모델을 조정하고 추론하는 경우가 더 많습니다. 소량의 모델 훈련, 일정량의 모델 튜닝, 그리고 많은 모델 추론이 업계가 나아가고 있는 방향이라고 생각합니다. 그렇기 때문에 io.net은 개발자를 위한 '라스트 마일'이자 실현하기 쉬운 모델 추론에 초점을 맞추고 있습니다. 저희는 BC8.AI라는 플랫폼에서 하루에 약 25,000건의 트랜잭션이 발생하는 매우 인기 있는 제품을 구축했는데, 모두 모델 추론입니다.
더 넓은 관점에서 볼 때, 저희는 강력한 단위 경제성 때문에 AI/ML로 프로젝트를 시작하기로 선택했지만, io.net의 발전 전망은 단순히 AI용 컴퓨팅 레이어에 국한되지 않고 가장 큰 탈중앙화 범용 컴퓨팅 레이어가 되고자 하며, 기술과 시장의 발전에 따라 이 거대한 탈중앙화 네트워크를 활용하여 다양한 컴퓨팅 요구를 지원할 수 있는 기회가 더 많아질 것입니다. 요구 사항을 충족하여 궁극적으로 더 개방적이고 자유로운 디지털 세상을 구현할 수 있습니다.
io.net 스택의 어떤 부분이 블록체인과 관련이 있나요?
권한이 없는 트랜잭션 간의 권한 관리는 블록체인에서 이루어집니다. 저희는 기본적으로 무허가 방식으로 네트워크에 참여할 수 있도록 허용합니다. 수요와 공급을 매칭하는 데 인간 중개자가 필요하지 않습니다. 여러분은 그것을 사용하고, 비용을 지불하고, 사람들이 돈을 받고 계산 대기열을 제공할 것이라는 것을 알고 있습니다. 실제로 여기에 공급 측이 일정 시간 동안 용량을 제공하겠다고 약속하는 증거가 있습니다. 한 시간 동안 임대하면 한 시간 동안 제공하겠다고 약속합니다. 한 시간 동안 용량을 제공하지 않으면 벌금이 부과됩니다. 이 점에서 경제학과 메커니즘은 검증자와 매우 유사합니다.
또한 체인에 계산 증명을 저장하고, 장부와 같은 실행 로그를 보관합니다. 따라서 모델 추론 결과를 보면 어떤 노드가 해당 연산을 제공했는지, 언제 제공했는지, 얼마나 많은 연산을 제공했는지, 얼마를 지불했는지 항상 정확히 추적할 수 있습니다.
앞으로는 이러한 종류의 투명성과 데이터 저장소가 이러한 계산이 어떻게 생성되었는지 추적하는 데 매우 유용할 것입니다. 이미지를 보고 누가 영향을 주었는지, 누가 계산을 제공했는지, 어떤 모델에서 추론했는지 항상 추적할 수 있게 될 것입니다. AI 산업이 발전함에 따라 이러한 유형의 투명성은 매우 중요해질 것이라고 생각합니다.
또한, 저희는 빠르고 저렴하다는 이유로 블록체인의 필요성에 따라 솔라나를 선택했습니다. 최근 몇 가지 확장성 문제에도 불구하고 우리가 경험한 트랜잭션 부하를 처리할 수 있는 것으로 입증되었습니다. 저희의 목표는 솔라나의 핵심 인프라를 가능한 한 많이 유지하면서 솔라나의 용량과 향후 업데이트 예정인 파이어댄서 등을 활용해 확장성을 높이는 것입니다.
io.net에서 컴퓨팅 클러스터를 선택하는 구매자의 매칭 프로세스는 어떻게 진행되나요?
구매자는 너무 자세히 알아볼 필요가 없습니다. 원하는 기기 유형, 연결 속도, 선호하는 위치를 지정하기만 하면 됩니다. 이는 구매자가 원하는 용량에 따라 필요한 GPU 수를 결정하는 데 필요한 모든 정보를 제공합니다. 업계가 발전함에 따라 지연 시간과 용량이 더 이상 유일한 결정 요인이 아닐 때 구매자는 더 미묘한 선택을 할 것으로 예상합니다. 특정 이유로 특정 위치를 선택하거나 경제적 가치에 따라 저가형과 고급형 디바이스 중 하나를 선택할 수도 있습니다. 현재는 용량이 부족하기 때문에 구매자가 용량이 필요한 경우 자신의 필요에 맞는 것이라면 무엇이든 선택할 것입니다. 그들은 우리 네트워크를 통해 4090이 충분한지 확인한 다음 선택해서 사용합니다.
시장 교육 과정이 있으며, 탈중앙화 클라우드 서비스 제공업체가 성장하고 발전함에 따라 업계 수요는 계속 증가하고 확장될 것이라고 생각합니다.
동전의 다른 면은 품질이 낮은 노드의 관리입니다. 이는 토큰 드롭이나 채굴 프로그램이 시작되면 발생하는 문제입니다. 그래서 저희는 "시간 점수"와 "평판 점수"를 도입했습니다. io.net의 각 노드에는 평판 점수가 있으며, 이를 통해 고객은 노드를 사용할 수 있었던 시간, 가동 시간 및 기타 성능 지표를 확인하여 의사결정에 도움을 받을 수 있습니다. 각 노드를 지속적으로 핑하여 응답이 없으면 노드를 사용할 수 없는 것으로 간주합니다. 사용할 수 없는 노드는 인센티브를 받지 못합니다. 암호경제학적 인센티브는 간단합니다. 노드를 사용할 수 있으면 수요 측에 더 나은 서비스를 제공하고 더 자주 고용되어 더 많은 보상을 받을 수 있습니다. 노드가 고용되었을 때 가용성과 성능을 유지하는 한, 수요 측면에서는 필요한 산술적 이익을 얻게 되어 서로 윈윈할 수 있습니다.
향후 5년 동안 io.net이 어떻게 발전할 것으로 보시나요?
4월 28일에 코인을 출시할 예정인데, 그 이후 세상이 어떻게 변하느냐에 따라 달라질 것이라고 확신합니다.
현재 연산 능력이 매우 가치 있다는 것은 누구나 알고 있지만, GPU를 구매하는 것 외에는 소비자로서 이를 상품으로 거래하고 사용할 수 없습니다. 저희는 접근 가능한 상품으로서 '산술'을 기반으로 하는 제품과 서비스 생태계를 구상하고 있습니다. 사람들이 산술을 거래하고 다른 것들을 구축할 수 있는 토큰화된 방법을 만들어서 말이죠. 저희의 목표는 $IO를 산술의 화폐로 만드는 것입니다. 산술이 디지털 석유라면 석유 달러가 필요한데, 저희는 석유 달러를 구축하려고 합니다. 저희는 사람들이 거래하고, 자산을 가치로 교환하고, 이를 기반으로 구축된 디파이 상품을 사용할 수 있는 마켓플레이스를 만들었습니다. 앞으로 범용 컴퓨팅으로 전환하면 더 많은 산업이 참여할 수 있기 때문에 더 많은 일이 일어날 수 있습니다.
다음으로, 공급 측면을 10배로 늘리고, 수요 측면의 셀프 서비스 경험을 개선하며, 클라우드 게임, 이미지 렌더링, 비디오 렌더링 등 기존 AI 워크로드에 속하지 않는 사용 사례를 확장해야 합니다. 또한 공급과 수요 측면 모두에서 확장하여 저가형 그래픽 카드가 저가형 수요를 충족할 수 있도록 함으로써 고객 유형을 더욱 확장하여 시장 점유율을 높일 수 있습니다.
현재 하루에 약 7,000~8,000달러, 연간으로 환산하면 약 230만 달러의 매출을 올리고 있으며, 이제 겨우 4개월이 지났을 뿐입니다. 따라서 시장의 수요와 공급 측면을 계속 성장시키고 플라이휠을 돌리기만 하면 됩니다. 향후 4~5년 동안 플랫폼이 매우 커지고 많은 연산이 네트워크로 이동하는 것이 저의 희망입니다. 저희의 목표는 DePIN을 점진적으로 커뮤니티로 전환하는 것이며, DePIN은 항상 탈중앙화된 자산이어야 하고, 그 위에 구축되는 다양한 애플리케이션, 즉 io.net이든 DePIN으로 구동되는 다른 프로토콜과 서비스든 모두 완전히 분리되어 있어야 합니다. 하지만 DePIN의 점진적인 탈중앙화는 매우 중요합니다.
io.net과 렌더 및 파일코인의 관계는 어떻게 되나요?
io.net은 더 나은 사용자 경험을 제공하는 UI에서 시작되었습니다. 그런 다음 네트워크 아키텍처와 장치에서 실행되는 클라이언트를 작동하는 운영 소프트웨어라는 두 가지를 렌더, 파일코인 및 기타 디핀에 도입했습니다. 네트워크 아키텍처가 중요한 이유는 모든 디핀이 지리적으로 분산된 수천 개의 GPU를 단일 클러스터로 통합할 수 있는 것은 아니기 때문입니다. DePIN에 GPU를 배치하면 다른 네트워크, 주로 AI에서 필요에 따라 액세스하고 사용할 수 있습니다.
렌더는 이미지 렌더링에 탁월하며, 이것이 네트워크가 구축되고 계측된 이유입니다. 파일코인 역시 마찬가지로 스토리지용으로 구축되었습니다. 이 회사들은 모두 각자의 기능에 탁월하지만, 저희는 AI 워크로드에 더 잘 대응할 수 있으며, 렌더, 파일코인 또는 기타 DeFIN이든 간에, AI 클라이언트를 위해 수익을 창출하기 위해 저희 네트워크에 액세스하고 툴링을 사용할 수 있는 AI 워크로드를 수용할 수 있는 기능을 갖춘 하드웨어를 지원해야 할 필요가 있습니다 - 결국 AI는 강력한 단위 경제를 가지고 있기 때문입니다.
또한 io.net의 미래는 렌더나 파일코인 같은 플랫폼을 대체하기 위한 것이 아니라 협업을 위한 더 많은 가능성을 제공하기 위한 것입니다. 누군가가 자신의 연산을 파일코인이나 렌더와 같은 프로젝트에 사용하고 싶다면, io.net을 플랫폼으로 사용하여 자유롭게 사용할 수 있습니다.
시장 경쟁에 관해서는 저희도 나름의 생각을 가지고 있습니다. 이 분야의 단위 경제성이 워낙 뛰어나기 때문에 경쟁이 불가피합니다. 하지만 마켓플레이스 비즈니스의 장점은 우리가 선점자 우위를 점하고 있다는 점입니다. 우리는 더 일찍 시작했고, 더 크고, 실제로 4~5년 정도 앞서 있기 때문에 관성적으로 큰 이점이 있습니다. 지리적으로 완전히 분산된 6,000개 이상의 노드로 구성된 클러스터를 구축하는 등의 네트워크 아키텍처도 다른 기업이 달성하기 어려운 부분입니다. 또한 경쟁사들은 치솟는 비용을 극복해야 할 것입니다.
io.net만의 기술적 장점은 무엇인가요?
물리적으로 서로 떨어져 있는 GPU를 어떻게 통합할 것인가가 핵심 요소이고, 또 다른 핵심 요소는 얼마나 많은 GPU를 통합할 것인가이며, 동일한 모델이어야 하는지, GPU 간의 허용 거리, 클러스터의 크기, 지연 시간 등과 같은 세부적인 사항도 고려해야 하는 등 DePIN을 구축하는 모든 전략이 크게 다르지 않습니다. 등등.
간단해 보일 수 있지만 이러한 네트워크 기능을 구현하고 장단점을 파악하는 것은 매우 중요합니다. 레이를 포크하고 레이 클러스터를 제공하는 등 우리의 접근 방식을 복제하는 사람은 우리와 동일한 지연 시간을 보장받지 못한다는 것을 알게 될 것입니다. 그리고 산술이 상품이 되는 세상에서 경쟁력은 지연 시간, 가용성, 연결 속도의 작은 차이에 달려 있습니다.
바로 여기에 기술 장벽이 있습니다. 여기에는 네트워크 아키텍처는 물론 개발자의 배포 용이성, 작업자의 연결 용이성, 수많은 UI/UX 결정을 위해 구축된 오케스트레이션 계층이 포함됩니다.
기술적 장벽 외에도 이미지 렌더링, 비디오 렌더링, 스토리지, AI 워크로드, 동기화된 클라우드 게임 또는 픽셀 스트리밍과 같은 영역에서 시작할지 여부를 결정하는 시장 전략 장벽도 존재합니다. 이는 전통적인 의미의 기술적 장벽은 아니지만, 리소스 제약에 따른 장단점을 고려해야 하는 중요한 전략적 선택입니다.
io.net을 좋아하는 사용자는 어떻게 참여할 수 있나요?
io.net에 관심이 있다면 여러 가지 방법으로 참여할 수 있습니다. 집에 MacBook이나 4090 게이밍 PC와 같은 소비자용 디바이스가 있는 분들은 네트워크에 연결하여 산술 연산에 기여하는 것이 좋습니다. 탈중앙화된 물리적 인프라 네트워크가 어떻게 작동하는지 배울 수 있는 좋은 방법이며, 이는 세상의 비효율적인 자원을 최적화하기 위해 존재합니다.
채굴자들에게 io.net은 기여하고 이익을 얻을 수 있는 흥미로운 기회를 제공합니다. GPU를 자산으로 사용하여 수익을 얻는 아이디어에 관심이 있다면 고려해볼 만한 가치가 있습니다. GPU는 일반적으로 집이나 자동차 같은 전통적인 투자보다 더 빠른 수익을 제공하는 소득 창출 자산입니다. 이것은 투자 조언은 아니지만, 산술의 금융화라는 관점에서 고려해볼 만한 가치가 있습니다. 저희는 $IO를 디지털 페트로달러로 전환하여 금융화된 상품, 도구, 서비스의 전체 생태계를 지원하고, 그 위에 전체 탈중앙 금융 생태계를 구축할 것입니다.
개발자는 오늘 제가 3분 만에 6000개의 노드로 클러스터를 배포한 것처럼 io.net에 클러스터를 배포해볼 수 있습니다. 이 정도 규모의 컴퓨팅 파워를 사용해 본 적이 없는 일반인에게는 새롭고 흥미로운 경험입니다.
직접 전력을 제공하지 않더라도 참여할 수 있는 기회는 얼마든지 있습니다. 데이터 가용성, AI 모델 검열에 대한 보호, 추론 등의 주제에 대한 커뮤니티 토론에 참여할 수 있습니다. 트위터를 팔로우하거나 현명하고 지혜로운 분들이 진행하는 Discord에 참여하여 자유롭게 대화에 참여해 주세요.
