io.net lancia la rete beta per sfruttare la potenza globale delle GPU per l'elaborazione basata sull'intelligenza artificiale
Summary:
La start-up io.net ha lanciato una versione beta per una rete di infrastruttura fisica decentralizzata (DePIN), destinata a incorporare oltre 100.000 GPU provenienti da data center e cluster privati. La piattaforma offre una nuova soluzione per sfruttare la potenza di calcolo della GPU da diverse fonti per far progredire l'intelligenza artificiale e l'apprendimento automatico. L'azienda ha collaborato con Render, consentendo l'accesso a una vasta gamma di risorse informatiche. Rivolta principalmente agli ingegneri e alle aziende di machine learning, questa innovazione consente agli utenti di personalizzare i requisiti della GPU per migliorare l'efficienza e soddisfare esigenze specifiche.
Una nuova piattaforma beta per una rete di infrastrutture fisiche decentralizzate (DePIN) è destinata a incorporare oltre 100.000 GPU provenienti da vari data center e cluster privati, come rivelato dalla start-up io.net. L'azienda tecnologica pionieristica ha creato una rete unica, che raccoglie la potenza di calcolo della GPU da data center globali, miner di criptovalute e fornitori di archiviazione decentralizzata per migliorare l'apprendimento automatico e le capacità di calcolo AI. Il lancio della piattaforma beta è stato annunciato alla conferenza Solana Breakpoint di Amsterdam in tandem con una nuova partnership con Render Network.
Il COO di io.net, Tory Green, insieme ad Angela Yi, responsabile dello sviluppo aziendale, ha spiegato in dettaglio a Cointelegraph cosa distingue il DePIN di io.net dal mercato del cloud computing e del GPU computing. Il verde delimita organizzazioni come AWS e Azure come entità che possiedono le proprie forniture di GPU e le affittano. D'altra parte, gli aggregatori di GPU peer-to-peer sono stati sviluppati per affrontare la carenza di GPU, ma, come ha spiegato Green, hanno prontamente affrontato problemi simili.
Green sostiene che i fornitori di infrastrutture esistenti nel più ampio settore Web2 stanno tentando di attingere al GPU computing da fonti inutilizzate. Tuttavia, nessuno di loro raggruppa le GPU nel modo in cui Ahmad Shadid, il fondatore di io.net, ha innovato. Green commenta che questi provider in genere funzionano come una singola istanza e raramente si raggruppano. Spesso, se c'è un'opzione di clustering elencata sui siti Web del provider, un venditore deve scoprire manualmente cosa è disponibile nei diversi data center.
Al contrario, aziende Web3 come Render, Filecoin e Storj forniscono servizi decentralizzati che si concentrano su qualcosa di diverso dall'apprendimento automatico, ed è qui che le offerte di io.net possono dare un contributo sostanziale alla sfera Web3. Secondo Green, i concorrenti più vicini in termini di funzionalità sono le soluzioni orientate all'intelligenza artificiale come la rete Akash, che raggruppa da 8 a 32 GPU, e GenSyn, che sta sviluppando il proprio protocollo di calcolo di apprendimento automatico per fornire un "supercluster" di risorse peer-to-peer.
Green ha presentato la soluzione di io.net come unica nel suo genere, con la capacità di raggrupparsi in diverse posizioni geografiche in pochi minuti. Ciò è stato dimostrato da Yi, che ha formato con successo un cluster GPU da diverse reti e posizioni per una demo dal vivo.
Per quanto riguarda l'utilizzo della blockchain di Solana per l'elaborazione dei pagamenti ai fornitori di GPU computing, sia Green che Yi concordano sul fatto che nessun'altra rete è in grado di gestire il volume di transazioni e inferenze che io.net faciliterà. La loro partnership con Render, una consolidata rete DePIN di fornitori di GPU distribuite, offrirà io.net accesso a una vasta gamma di risorse informatiche già implementate sulla piattaforma di Render. Con l'obiettivo di approvvigionarsi di rendering GPU computing in modo più rapido ed economico rispetto alle soluzioni cloud centralizzate, la rete di Render beneficerà delle capacità di clustering di io.net.
Al fine di incentivare i fornitori di risorse GPU, io.net stanno avviando un programma da 700.000 dollari. Ciò consentirà anche ai nodi di Render di estendere la loro capacità GPU oltre il rendering grafico alle applicazioni di intelligenza artificiale e apprendimento automatico. Il pubblico di destinazione di questo programma è quello con GPU di livello consumer, in particolare hardware di Nvidia RTX 4090s e inferiori. Yi ha sottolineato che molti data center globali utilizzano solo tra il 12% e il 18% della loro capacità GPU a causa di mercati inefficienti; Questi data center sottoutilizzati sono un punto focale per il team io.net.
Gli obiettivi principali dell'infrastruttura di io.net sono gli ingegneri e le aziende di machine learning, che offrono un'interfaccia utente ampiamente modulare che adatta i requisiti della GPU, la posizione, i parametri di sicurezza e altre metriche essenziali alle esigenze degli utenti.
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.