纽约——全球最大的去中心化 GPU 网络io.net今日发布了 Agent Compute，这是一个开创性的平台，允许 AI 代理自主配置自己的计算资源。
—
通过此次发布，AI 代理可以启动 GPU 集群、运行工作负载并动态扩展资源，而无需以往阻碍小型团队的企业入职和采购流程。
io.net首席执行官 Gaurav Sharma表示：“目前的云模式是为企业预算而设计的。代理计算消除了这一障碍。代理可以独立找到最适合任务的 GPU，进行配置，并端到端地管理基础设施——这样开发人员就可以把时间花在构建应用上，而不是比较云定价或配置服务器。”
经济高效的按需计算
与 AWS 或 Google Cloud 等传统云平台不同，Agent Compute 完全绕过了这些障碍，无需冗长的注册流程、复杂的计费方式和最低消费承诺。AI 代理可以直接与 io.net 的市场进行交互，该市场拥有遍布 130 多个国家/地区 138 个区域的 10,000 多台 GPU，计算成本比传统提供商低 70%。资源可以按需配置，并在任务完成后立即释放。
正在加载推文……
查看推文
该平台利用模型上下文协议 (MCP)，使代理能够了解可用的计算资源（包括 GPU 规格、成本和可用性），从而做出明智的资源配置决策。这有助于防止代价高昂的错误：此前的案例包括亚马逊 AI 购物代理删除生产环境导致长达 13 小时的服务中断，以及 OpenClaw 用户因失控的工作流而每月累积超过 3600 美元的账单。
“这是迈向真正自主智能体的重要一步，”Sharma补充道。“目前，智能体仍然依赖人类提供基础设施。随着它们能力的提升，这种依赖性将成为瓶颈。如果智能体要独立运行——做出决策、执行任务、实时扩展资源——它们就需要具备配置自身计算能力。这正是我们努力构建的未来。”
对开发者友好的自动化
实际上，开发者可以让代理程序自动分析数据、启动 GPU 集群、处理工作负载并终止资源。无需手动设置，也不会产生额外费用。支出限额和资源上限确保开发者始终掌控全局。
其影响远不止于便利性。借助自主计算管理，限制因素从基础设施访问转变为想象力。如今，独立开发者也能构建以往需要企业级资源才能实现的系统——例如能够全球扩展、处理海量数据集或按需部署模型的代理。
正在加载推文……
查看推文
io.net 的全栈生态系统结合了 io.cloud 经济高效且可编程的基础设施与 io.intelligence 统一的、可通过 API 访问的工具包，为 AI 初创公司和开发者提供了一个统一的平台，用于训练模型、运行代理以及扩展 LLM 基础设施。代理计算功能现已推出早期访问版本，计划于今年晚些时候全面推广。
