io.net startet Beta Network, um globale GPU-Leistung für KI-Computing zu nutzen
Summary:
Das Start-up io.net hat eine Beta-Version für ein dezentrales physisches Infrastrukturnetzwerk (DePIN) gestartet, das über 100.000 GPUs aus Rechenzentren und privaten Clustern umfassen soll. Die Plattform bietet eine neuartige Lösung, um GPU-Rechenleistung aus verschiedenen Quellen für die Weiterentwicklung von KI und maschinellem Lernen zu nutzen. Das Unternehmen hat mit Render zusammengearbeitet, um den Zugriff auf eine Vielzahl von Computerressourcen zu ermöglichen. Diese Innovation richtet sich in erster Linie an Ingenieure und Unternehmen im Bereich des maschinellen Lernens und ermöglicht es Benutzern, ihre GPU-Anforderungen anzupassen, um die Effizienz zu steigern und spezifische Anforderungen zu erfüllen.
Eine neue Beta-Plattform für ein dezentrales physisches Infrastrukturnetzwerk (DePIN) soll über 100.000 GPUs aus verschiedenen Rechenzentren und privaten Clustern umfassen, wie das Start-up-Unternehmen io.net bekannt gibt. Das wegweisende Technologieunternehmen hat ein einzigartiges Netzwerk geschaffen, das GPU-Rechenleistung von globalen Rechenzentren, Kryptowährungs-Minern und dezentralen Speicheranbietern sammelt, um die Fähigkeiten für maschinelles Lernen und KI-Computing zu verbessern. Der Start der Beta-Plattform wurde auf der Amsterdamer Solana Breakpoint-Konferenz zusammen mit einer neuen Partnerschaft mit Render Network angekündigt.
Tory Green, COO von io.net, hat zusammen mit Angela Yi, der Leiterin der Geschäftsentwicklung, gegenüber Cointelegraph ausführlich erklärt, was die DePIN von io.net von der Masse auf dem Cloud- und GPU-Computing-Markt unterscheidet. Green grenzt Organisationen wie AWS und Azure als Entitäten ab, die über eigene GPU-Vorräte verfügen und diese leasen. Auf der anderen Seite wurden Peer-to-Peer-GPU-Aggregatoren entwickelt, um GPU-Engpässe zu beheben, aber wie Green erklärte, sahen sie sich prompt mit ähnlichen Problemen konfrontiert.
Green geht davon aus, dass bestehende Infrastrukturanbieter in der breiteren Web2-Branche versuchen, GPU-Computing aus ungenutzten Quellen zu erschließen. Keiner von ihnen clustert GPUs jedoch so, wie es Ahmad Shadid, der Gründer von io.net, getan hat. Green merkt an, dass diese Anbieter in der Regel als einzelne Instanz und selten als Cluster arbeiten. Wenn auf den Websites des Anbieters eine Clustering-Option aufgeführt ist, muss ein Vertriebsmitarbeiter oft manuell herausfinden, was in verschiedenen Rechenzentren verfügbar ist.
Im Gegensatz dazu bieten Web3-Unternehmen wie Render, Filecoin und Storj dezentrale Dienste an, die sich auf etwas anderes als maschinelles Lernen konzentrieren, und hier können die Angebote von io.net einen wesentlichen Beitrag zur Web3-Sphäre leisten. Enge Konkurrenten in Bezug auf die Funktionalität sind laut Green KI-orientierte Lösungen wie das Akash-Netzwerk, das zwischen 8 und 32 GPUs gruppiert, und GenSyn, das sein eigenes Machine-Learning-Computing-Protokoll entwickelt, um einen Peer-to-Peer-"Supercluster" von Ressourcen bereitzustellen.
Green bewarb die Lösung von io.net als einzigartig, mit der Fähigkeit, innerhalb weniger Minuten über verschiedene geografische Standorte hinweg zu clustern. Dies demonstrierte Yi, der für eine Live-Demo erfolgreich einen GPU-Cluster aus verschiedenen Netzwerken und Standorten bildete.
In Bezug auf die Nutzung der Solana-Blockchain für die Abwicklung von Zahlungen an GPU-Computing-Anbieter waren sich sowohl Green als auch Yi einig, dass kein anderes Netzwerk das Volumen an Transaktionen und Schlussfolgerungen bewältigen kann, die io.net ermöglichen wird. Ihre Partnerschaft mit Render, einem etablierten DePIN-Netzwerk von verteilten GPU-Anbietern, bietet io.net Zugang zu einer Vielzahl von Computerressourcen, die bereits auf der Render-Plattform bereitgestellt werden. Mit dem Ziel, GPU-Rendering-Computing schneller und wirtschaftlicher zu beschaffen als zentralisierte Cloud-Lösungen, wird das Netzwerk von Render von den Clustering-Funktionen von io.net profitieren.
Um Anreize für GPU-Ressourcenanbieter zu schaffen, initiieren io.net ein 700.000-Dollar-Programm. Dies ermöglicht es den Knoten von Render auch, ihre GPU-Kapazität über das grafische Rendering hinaus auf KI- und Machine-Learning-Anwendungen auszuweiten. Die Zielgruppe dieses Programms sind diejenigen mit GPUs der Verbraucherklasse, insbesondere Hardware von Nvidia RTX 4090s und darunter. Yi betonte, dass viele globale Rechenzentren aufgrund ineffizienter Märkte nur zwischen 12 % und 18 % ihrer GPU-Kapazität nutzen. Diese nicht ausgelasteten Rechenzentren sind ein Schwerpunkt für das io.net Team.
Die primären Ziele der Infrastruktur von io.net sind Ingenieure für maschinelles Lernen und Unternehmen, die eine umfassend modulare Benutzeroberfläche bieten, die GPU-Anforderungen, Standort, Sicherheitsparameter und andere wichtige Metriken an die Bedürfnisse der Benutzer anpasst.
Published At
11/7/2023 1:59:12 PM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.