io.net lance un réseau bêta pour exploiter la puissance mondiale des GPU pour l’informatique basée sur l’IA
Summary:
La start-up io.net a lancé une version bêta d’un réseau d’infrastructure physique décentralisé (DePIN), qui devrait intégrer plus de 100 000 GPU provenant de centres de données et de clusters privés. La plate-forme offre une nouvelle solution pour exploiter la puissance de calcul GPU de diverses sources afin de faire progresser l’IA et l’apprentissage automatique. L’entreprise a collaboré avec Render, permettant l’accès à une vaste gamme de ressources informatiques. Principalement destinée aux ingénieurs et aux entreprises de machine learning, cette innovation permet aux utilisateurs de personnaliser leurs exigences en matière de GPU afin d’améliorer l’efficacité et de répondre à des besoins spécifiques.
Une nouvelle plate-forme bêta pour un réseau d’infrastructure physique décentralisé (DePIN) devrait intégrer plus de 100 000 GPU provenant de divers centres de données et clusters privés, comme l’a révélé le io.net de la start-up. L’entreprise technologique pionnière a créé un réseau unique, qui collecte la puissance de calcul GPU des centres de données mondiaux, des mineurs de crypto-monnaie et des fournisseurs de stockage décentralisés pour améliorer les capacités de calcul de l’apprentissage automatique et de l’IA. Le lancement de la plate-forme bêta a été annoncé lors de la conférence Solana Breakpoint d’Amsterdam, en tandem avec un nouveau partenariat avec Render Network.
Le directeur de l’exploitation de io.net, Tory Green, aux côtés d’Angela Yi, responsable du développement commercial, a donné une explication détaillée à Cointelegraph sur ce qui distingue le DePIN d’io.net du peloton sur le marché du cloud et de l’informatique GPU. Le vert délimite les organisations comme AWS et Azure en tant qu’entités qui possèdent leurs propres fournitures de GPU et les louent. D’autre part, les agrégateurs de GPU peer-to-peer ont été développés pour remédier aux pénuries de GPU, mais comme l’a expliqué Green, ils ont rapidement été confrontés à des problèmes similaires.
Green soutient que les fournisseurs d’infrastructure existants dans l’industrie du Web2 au sens large tentent d’exploiter le calcul GPU à partir de sources inutilisées. Cependant, aucun d’entre eux ne regroupe les GPU de la même manière qu’Ahmad Shadid, le fondateur de io.net a innové. Green fait remarquer que ces fournisseurs fonctionnent généralement comme une seule instance et se regroupent rarement. Souvent, si une option de clustering est répertoriée sur les sites Web des fournisseurs, un vendeur doit rechercher manuellement ce qui est disponible dans différents centres de données.
En revanche, les entreprises Web3 comme Render, Filecoin et Storj fournissent des services décentralisés qui se concentrent sur autre chose que l’apprentissage automatique, et c’est là que les offres d’io.net peuvent apporter une contribution substantielle à la sphère Web3. Selon Green, les concurrents proches en termes de fonctionnalités sont des solutions orientées vers l’IA comme le réseau Akash, qui regroupe entre 8 et 32 GPU, et GenSyn, qui développe son propre protocole de calcul d’apprentissage automatique pour fournir un « supercluster » de ressources peer-to-peer.
Green a présenté la solution d’io.net comme unique en son genre, avec la capacité de se regrouper sur divers sites géographiques en quelques minutes. C’est ce qu’a démontré Yi, qui a réussi à former un cluster GPU à partir de différents réseaux et emplacements pour une démonstration en direct.
En ce qui concerne leur utilisation de la blockchain Solana pour traiter les paiements aux fournisseurs de calcul GPU, Green et Yi ont convenu qu’aucun autre réseau ne pouvait gérer le volume de transactions et d’inférences que io.net faciliterait. Leur partenariat avec Render, un réseau DePIN bien établi de fournisseurs de GPU distribués, offrira aux io.net un accès à une vaste gamme de ressources informatiques déjà déployées sur la plate-forme de Render. Destiné à fournir des solutions de rendu GPU plus rapides et plus économiques que les solutions cloud centralisées, le réseau de Render bénéficiera des capacités de clustering d’io.net.
Afin d’encourager les fournisseurs de ressources GPU, io.net lançons un programme de 700 000 $. Cela permettra également aux nœuds de Render d’étendre leur capacité GPU au-delà du rendu graphique aux applications d’IA et d’apprentissage automatique. Le public cible de ce programme est celui qui possède des GPU grand public, en particulier le matériel Nvidia RTX 4090 et inférieur. M. Yi a souligné que de nombreux centres de données mondiaux n’utilisent qu’entre 12 % et 18 % de leur capacité GPU en raison de marchés inefficaces. Ces centres de données sous-utilisés sont au centre des préoccupations de l’équipe io.net.
Les principales cibles de l’infrastructure d’io.net sont les ingénieurs et les entreprises d’apprentissage automatique, offrant une interface utilisateur entièrement modulaire qui adapte les exigences du GPU, l’emplacement, les paramètres de sécurité et d’autres mesures essentielles aux besoins des utilisateurs.
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.