io.net lança rede beta para aproveitar o poder global da GPU para computação de IA
Summary:
A startup io.net lançou um beta para uma rede de infraestrutura física descentralizada (DePIN), definida para incorporar mais de 100.000 GPUs de data centers e clusters privados. A plataforma oferece uma nova solução para aproveitar o poder de computação da GPU de diversas fontes para avançar a IA e o aprendizado de máquina. A empresa colaborou com a Render, permitindo o acesso a uma vasta gama de recursos computacionais. Voltada principalmente para engenheiros de aprendizado de máquina e empresas, essa inovação permite que os usuários personalizem seus requisitos de GPU para aumentar a eficiência e atender a necessidades específicas.
Uma nova plataforma beta para uma rede de infraestrutura física descentralizada (DePIN) deve incorporar mais de 100.000 GPUs de vários data centers e clusters privados, conforme revelado pela startup io.net. A empresa de tecnologia pioneira criou uma rede exclusiva, que coleta poder de computação de GPU de data centers globais, mineradores de criptomoedas e provedores de armazenamento descentralizado para aprimorar os recursos de aprendizado de máquina e computação de IA. O lançamento da plataforma beta foi anunciado na conferência Amsterdam Solana Breakpoint em conjunto com uma nova parceria com a Render Network.
O COO da io.net, Tory Green, ao lado de Angela Yi, chefe de desenvolvimento de negócios, deu uma explicação detalhada ao Cointelegraph sobre o que diferencia o DePIN da io.net do pacote no mercado de computação em nuvem e GPU. O Green demarca organizações como AWS e Azure como entidades que possuem seus próprios suprimentos de GPU e os alugam. Por outro lado, agregadores de GPU peer-to-peer foram desenvolvidos para lidar com a escassez de GPU, mas, como Green explicou, eles prontamente enfrentaram problemas semelhantes.
Green sustenta que os provedores de infraestrutura existentes no setor Web2 mais amplo estão tentando explorar a computação de GPU a partir de fontes não utilizadas. No entanto, nenhuma delas agrupa GPUs da mesma forma que Ahmad Shadid, fundador da io.net inovou. Green comenta que esses provedores normalmente funcionam como uma única instância e raramente se agrupam. Muitas vezes, se houver uma opção de clustering listada nos sites do provedor, um vendedor precisa descobrir manualmente o que está disponível em diferentes data centers.
Em contraste, empresas Web3 como Render, Filecoin e Storj fornecem serviços descentralizados que se concentram em algo diferente de aprendizado de máquina, e é aqui que as ofertas da io.net podem fazer uma contribuição substancial para a esfera Web3. De acordo com Green, concorrentes próximos em termos de funcionalidade são soluções orientadas à IA, como a rede Akash, que agrupa entre 8 e 32 GPUs, e a GenSyn, que está desenvolvendo seu próprio protocolo de computação de aprendizado de máquina para fornecer um "supercluster" peer-to-peer de recursos.
A Green apresentou a solução da io.net como única, com a capacidade de agrupar em diversas localizações geográficas em questão de minutos. Isso foi demonstrado por Yi, que formou com sucesso um cluster de GPU de diferentes redes e locais para uma demonstração ao vivo.
Em termos de uso do blockchain Solana para processar pagamentos a provedores de computação GPU, Green e Yi concordaram que nenhuma outra rede poderia lidar com o volume de transações e inferências que io.net facilitaria. Sua parceria com a Render, uma rede DePIN bem estabelecida de fornecedores de GPU distribuída, oferecerá acesso io.net a uma vasta gama de recursos de computação já implantados na plataforma da Render. Com o objetivo de fornecer computação de renderização de GPU de forma mais rápida e econômica do que as soluções de nuvem centralizadas, a rede da Render se beneficiará dos recursos de clustering do io.net.
Para incentivar os provedores de recursos de GPU, io.net estão iniciando um programa de US$ 700.000. Isso também permitirá que os nós da Render estendam sua capacidade de GPU além da renderização gráfica para aplicativos de IA e aprendizado de máquina. O público-alvo deste programa são aqueles com GPUs de nível de consumo, especificamente hardware da Nvidia RTX 4090s e abaixo. Yi enfatizou que muitos data centers globais estão utilizando apenas entre 12% a 18% de sua capacidade de GPU devido a mercados ineficientes; Esses data centers subutilizados são um foco para a equipe io.net.
Os principais alvos da infraestrutura da io.net são engenheiros de aprendizado de máquina e empresas, oferecendo uma interface de usuário amplamente modular que adapta os requisitos de GPU, localização, parâmetros de segurança e outras métricas essenciais às necessidades do usuário.
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.