撰文：Raghav Agarwal、Roy Lu，LongHash Ventures
編譯：Elvin,ChainCatcher
AI
人類正處於一個 AI 奧本海默時刻。
埃隆·馬斯克指出：「隨著我們技術的進步，確保 AI 服務於人民的利益，而不僅僅是權力者的利益，這是至關重要的。人民擁有的 AI 提供了一條前進的道路。」
在與加密貨幣的交匯處，AI 可以實現自身的民主化。從開源模型開始，然後是人民的 AI，由人民，為人民服務。雖然 Web3 x AI 的目標是高尚的，但其實際採用取決於其可用性和與現有 AI 軟件棧的兼容性。這就是 IO.NET 獨特方法和技術棧發揮作用的地方。
IO.NET 的去中心化 Ray 框架是向 web3 及更廣範圍推出無需許可的 AI 計算市場的特洛伊木馬。
IO.NET 在帶來 GPU 豐富性方面處於領先地位。與其他通用計算聚合器不同，IO.NET 通過重寫 Ray 框架，將去中心化計算與行業領先的 AI 棧橋接起來。這種方法為在 web3 內外的更廣泛採用鋪平了道路。
AI 民族主義背景下的計算能力競賽
在人工智能棧中，對資源的競爭愈演愈烈。過去幾年，人工智能模型大量湧現。在 Llama 3 發佈後的幾小時內，Mistral 和 OpenAI 發佈了他們前沿人工智能模型的新版本。
人工智能棧中正在進行資源競爭的三個層次是：1) 訓練數據，2) 先進算法，3) 計算單元。算力允許人工智能模型通過擴展訓練數據和模型大小來提高性能。根據 OpenAI 對基於變換器的語言模型的經驗性研究，隨著我們增加用於訓練的計算量，性能會平穩提高。
在過去 20 年中，計算使用量激增。Epoch.ai 對 140 個模型的分析顯示，自 2010 年以來，具有里程碑意義的系統的培訓計算每年增加了 4.2 倍。最新的 OpenAI 模型，GPT-4，需要的計算量是 GPT-3 的 66 倍，大約是 GPT 的 120 萬倍。
AI 民族主義明顯
美國、中國和其他國家的鉅額投資，總計約 400 億美元。大部分資金將專注於生產 GPU 和人工智能芯片工廠。OpenAI 的 CEO Sam Altman 計劃籌集高達 7 萬億美元的資金，以增強全球人工智能芯片製造，強調「計算將成為未來的貨幣」。
聚合長尾計算資源可能會顯著擾亂市場。中心化雲服務提供商如 AWS、Azure 和 GCP 面臨的挑戰包括長時間的等待、有限的 GPU 靈活性和繁瑣的長期合同，特別是對於較小的實體和初創公司而言困難更大。
數據中心、加密貨幣礦工和消費級 GPU 的未充分利用的硬件可以滿足需求。2022 年 DeepMind 的一項研究發現，在更多數據上訓練較小的模型通常比使用最新、最強大的 GPU 更有效，這表明朝著使用可訪問的 GPU 進行更有效的人工智能訓練的轉變。
IO.NET 結構性地顛覆了人工智能計算市場
IO.NET 結構性地顛覆了全球人工智能計算市場。IO.NET 的全球分佈式人工智能訓練、推理和微調的端到端平臺，聚合了長尾 GPU，以解鎖廉價的高性能訓練。
GPU 市場：
IO.NET 從全球的數據中心、礦工和消費者那裡聚合 GPU。人工智能初創公司可以在幾分鐘內部署去中心化的 GPU 集群，只需指定集群位置、硬件類型、機器學習棧（Tensorflow、PyTorch、Kubernetes），並立即在 Solana 上支付。
集群：
沒有適配的並行基礎設施的 GPU 就好比沒有電源線的反應堆，雖然存在但無法使用。正如 OpenAI 博客所強調的，硬件和算法並行性的限制顯著影響了每個模型的計算效率，限制了模型的大小和訓練期間的有用性。
IO.NET 利用 Ray 框架將數千個 GPU 集群轉換為一個統一整體。這一創新使 IO.NET 能夠組建 GPU 集群，而不受地理位置分散的影響，進而解決了計算市場上的一大難題。
Ray 框架脫穎而出
作為一個開源的統一計算框架，Ray 簡化了人工智能和 Python 工作負載的擴展。Ray 被 Uber、Spotify、LinkedIn 和 Netflix 等行業領導者所採用，促進了人工智能集成到他們的產品和服務中。微軟為客戶提供在 Azure 上部署 Ray 的機會，而 Google Kubernetes Engine (GKE) 通過支持 Kubeflow 和 Ray，簡化了開源機器學習軟件的部署。
Ahmad 在 2023 年 Ray 峰會上展示他關於去中心化 Ray 框架的工作
去中心化 Ray - 擴展 Ray 以進行全球推理（視頻鏈接：https://youtu.be/ie-EAlGfTHA?）
我們最初是在 Tory 擔任金融科技高增長初創公司的 COO 時遇見他的，我們知道他是一個具有數十年經驗的高級運營者，能夠將初創公司擴展到卓有成效的程度。與 Ahmad 和 Tory 交談後，我們立即意識到這是將去中心化人工智能計算帶到 web3 及更廣範圍的夢想團隊。
Ahmad 的創意結晶，IO.NET，是在實際應用中的一個頓悟時刻誕生的。開發 Dark Tick，一種用於超低延遲高頻交易的算法，需要大量的 GPU 資源。為了應對成本問題，Ahmad 開發了一個去中心化的 Ray 框架版本，從加密貨幣礦工那裡集群 GPU，無意中打造了一個解決更廣泛人工智能計算挑戰的彈性基礎設施。
發展勢頭：
通過利用代幣激勵，截至 2024 年中期，IO.NET 已經上線了超過 10 萬個 GPU 和 2 萬個集群就緒的 GPU，包括大量的 NVIDIA H100 和 A100。Krea.ai 已經在利用 io.net 的去中心化雲服務，IO Cloud，來驅動他們的人工智能模型推理。IO.NET 最近宣佈與 NavyAI、Synesis One、RapidNode、Ultiverse、Aethir、Flock.io、LeonardoAI、Synthetic AI 等多個項目合作。
通過依賴全球分佈式的 GPU 網絡，IO.NET 可以：
- 與中心化雲服務提供商相比，通過允許推理更接近其終端用戶，從而降低客戶的推理時間
- 通過高度集成的網絡骨幹連接多個數據中心，將資源組織成區域，從而提高彈性
- 降低計算資源的成本和訪問時間
- 允許公司動態擴展和縮小槓桿資源的規模
- 使 GPU 提供者能夠從他們的硬件投資中獲得更好的收益
IO.NET 通過去中心化 Ray 框架站在了創新的前沿。利用 Ray Core 和 Ray Serve，他們的分佈式 GPU 集群在去中心化 GPU 上高效地編排任務。
結論
推動開源人工智能模型是對原始互聯網協作精神的認可，人們可以無需許可地接入 HTTP 和 SMTP。
眾包 GPU 網絡的出現是無需許可精神的自然演變。通過眾包長尾 GPU，IO.NET 正在打開通往寶貴計算資源的閘門，創造一個公平透明的市場，防止權力集中在少數人手中。
我們相信 IO.NET 通過去中心化的 Ray 集群技術實現人工智能計算即貨幣的願景。在這個日益由「富人」和「窮人」組成的世界裡，IO.NET 最終將「讓互聯網再次開放」。
