紐約——全球最大的去中心化 GPU 網絡io.net今日發佈了 Agent Compute，這是一個開創性的平臺，允許 AI 代理自主配置自己的計算資源。
—
通過此次發佈，AI 代理可以啟動 GPU 集群、運行工作負載並動態擴展資源，而無需以往阻礙小型團隊的企業入職和採購流程。
io.net首席執行官 Gaurav Sharma表示：“目前的雲模式是為企業預算而設計的。代理計算消除了這一障礙。代理可以獨立找到最適合任務的 GPU，進行配置，並端到端地管理基礎設施——這樣開發人員就可以把時間花在構建應用上，而不是比較雲定價或配置服務器。”
經濟高效的按需計算
與 AWS 或 Google Cloud 等傳統雲平臺不同，Agent Compute 完全繞過了這些障礙，無需冗長的註冊流程、複雜的計費方式和最低消費承諾。AI 代理可以直接與 io.net 的市場進行交互，該市場擁有遍佈 130 多個國家/地區 138 個區域的 10,000 多臺 GPU，計算成本比傳統提供商低 70%。資源可以按需配置，並在任務完成後立即釋放。
正在加載推文……
查看推文
該平臺利用模型上下文協議 (MCP)，使代理能夠了解可用的計算資源（包括 GPU 規格、成本和可用性），從而做出明智的資源配置決策。這有助於防止代價高昂的錯誤：此前的案例包括亞馬遜 AI 購物代理刪除生產環境導致長達 13 小時的服務中斷，以及 OpenClaw 用戶因失控的工作流而每月累積超過 3600 美元的賬單。
“這是邁向真正自主智能體的重要一步，”Sharma補充道。“目前，智能體仍然依賴人類提供基礎設施。隨著它們能力的提升，這種依賴性將成為瓶頸。如果智能體要獨立運行——做出決策、執行任務、實時擴展資源——它們就需要具備配置自身計算能力。這正是我們努力構建的未來。”
對開發者友好的自動化
實際上，開發者可以讓代理程序自動分析數據、啟動 GPU 集群、處理工作負載並終止資源。無需手動設置，也不會產生額外費用。支出限額和資源上限確保開發者始終掌控全局。
其影響遠不止於便利性。藉助自主計算管理，限制因素從基礎設施訪問轉變為想象力。如今，獨立開發者也能構建以往需要企業級資源才能實現的系統——例如能夠全球擴展、處理海量數據集或按需部署模型的代理。
正在加載推文……
查看推文
io.net 的全棧生態系統結合了 io.cloud 經濟高效且可編程的基礎設施與 io.intelligence 統一的、可通過 API 訪問的工具包，為 AI 初創公司和開發者提供了一個統一的平臺，用於訓練模型、運行代理以及擴展 LLM 基礎設施。代理計算功能現已推出早期訪問版本，計劃於今年晚些時候全面推廣。
