AI\DePIN\Sol生态三重光环加身：浅析发币在即的IO.NET

원저자: Mint Ventures의 연구 파트너 Alex Xu

소개

내이전 기사, 이전 두 주기와 비교할 때 이번 암호화폐 강세장 주기에는 영향력 있는 새로운 비즈니스와 새로운 자산 내러티브가 부족하다고 언급했습니다. AI는 Web3 분야에서 몇 안 되는 새로운 이야기 중 하나입니다. 이 글에서 저자는 올해 가장 핫한 AI 프로젝트인 IO.NET을 기반으로 다음 두 가지 이슈에 대한 자신의 생각을 정리하려고 합니다.

• AI+Web3의 상업적 필요성

• 분산 컴퓨팅 서비스의 필요성과 과제

둘째, 저자는 AI 분산 컴퓨팅 파워의 대표적인 프로젝트인 IO.NET 프로젝트의 제품 로직, 경쟁 제품, 프로젝트 배경 등 주요 정보를 정리하고 프로젝트의 가치를 추론해 본다.

AI와 Web3의 결합에 대한 이 기사의 생각 중 일부는 Delphi Digital의 연구원인 Michael rinko에게서 영감을 받았습니다.《The Real Merge》영감. 본 기사의 견해 중 일부는 해당 기사를 소화하고 인용한 것이므로, 독자들은 원문을 읽어 보시기 바랍니다.

본 글은 게재 당시 작성자의 연출된 생각으로, 향후 변경될 수 있으며, 견해가 지극히 주관적이며, 사실, 데이터, 추론에 오류가 있을 수 있으니 투자 참고용으로 활용하지 마시기 바랍니다. . 동료들의 의견과 토론을 환영합니다. .

다음은 본문입니다.

1. 비즈니스 로직: AI와 Web3의 결합

1.1 2023년: AI가 만들어가는 새로운 기적의 해

인류 발전의 역사를 되돌아보면, 기술이 획기적인 발전을 이루면 개인의 일상은 물론 다양한 산업구조, 그리고 인류문명 전체에 엄청난 변화가 뒤따를 것입니다.

인류 역사에는 1666년과 1905년이라는 중요한 두 해가 있는데, 이 해는 현재 과학기술사에서 두 번의 기적의 해로 알려져 있습니다.

1666년은 뉴턴의 과학적 업적이 집중된 해이기 때문에 기적의 해로 간주됩니다. 올해 그는 광학의 물리분과를 개척하고, 미적분학의 수학적 분과를 창시했으며, 현대 자연과학의 기본법칙인 중력 공식을 도출했다. 이들 각각은 향후 100년 동안 인류 과학 발전에 근본적인 기여를 하여 전반적인 과학 발전을 크게 가속화할 것입니다.

두 번째 기적의 해는 1905년이었다. 당시 고작 26세였던 아인슈타인은 광전효과(양자역학의 기초를 다짐)와 브라운 운동(방법이 됨)을 다루면서 『물리학연보』에 4편 연속 논문을 게재했다. 중요 참고자료), 특수 상대성 이론 및 질량-에너지 방정식(즉, 유명한 공식 E=MC^2)을 참조하세요. 후대의 평가에서는 이 네 편의 논문이 각각 노벨 물리학상의 평균 수준을 넘어섰고(아인슈타인 자신도 광전효과에 관한 논문으로 노벨상을 수상했다), 인류 문명의 역사적 과정은 다시 한 번 크게 발전했다. 고급 여러 단계.

이제 막 지나간 2023년은 ChatGPT 덕분에 또 다른 기적의 해로 불릴 가능성이 높습니다.

우리는 2023년을 인류 과학 기술 역사상 기적의 해로 간주합니다. 이는 GPT의 자연어 이해 및 생성 분야의 엄청난 발전뿐만 아니라 인간이 언어의 진화를 통해 대규모 언어 모델 역량의 성장을 알아냈기 때문입니다. GPT 규칙 - 즉, 모델 매개변수와 훈련 데이터를 확장함으로써 모델의 기능이 기하급수적으로 향상될 수 있으며, 이 프로세스에서 단기적으로(컴퓨팅 성능이 충분한 한) 병목 현상이 발생하지 않습니다.

이 능력은 언어를 이해하고 대화를 생성하는 것과는 거리가 멀며 다양한 과학 기술 분야에서도 널리 사용될 수 있습니다. 생물학 분야에서 대규모 언어 모델의 적용을 예로 들어 보겠습니다.

• 2018년 노벨 화학상 수상자 프란시스 아놀드(Francis Arnold)는 시상식에서 현재 우리는 실제 응용 분야에서 모든 DNA 서열을 읽고 쓰고 편집할 수 있지만 아직 구성할 수는 없습니다.라고 말했습니다. 그의 연설이 있은 지 5년 후인 2023년, 연구자들은 스탠포드 대학과 실리콘밸리 AI 스타트업 세일즈포스 리서치(Salesforce Research)가 Nature-Biotechnology에 논문을 게재했는데, GPT 3~0을 기반으로 미세 조정된 대규모 언어 모델을 사용해 100만 개의 새로운 단백질을 생성했고, 전혀 구조가 다른 두 개의 단백질을 발견했다. 그러나 둘 다 살균 능력을 갖고 있어 항생제 외에 박테리아와 싸우는 솔루션이 될 것으로 기대된다. 즉, AI의 도움으로 단백질 생성의 병목 현상이 해결되었습니다.

• 앞서 인공지능 알파폴드(AlphaFold) 알고리즘은 지구상의 거의 모든 2억1400만개 단백질의 구조를 18개월 이내에 예측했는데, 이는 과거 모든 인간 구조생물학자들의 연구 성과의 수백 배에 달하는 성과다.

AI를 기반으로 한 다양한 모델을 통해 생명공학, 재료과학, 의약품 연구개발 등 하드기술부터 법률, 예술 등 인문학 분야까지 모든 것이 지각변동의 변화를 가져올 것이며, 2023년은 이 모든 것의 원년이다.

우리 모두는 지난 세기 동안 인류의 부 창출 능력이 기하급수적으로 성장했으며 AI 기술의 급속한 성숙으로 인해 이 과정이 필연적으로 더욱 가속화될 것이라는 점을 알고 있습니다.

글로벌 GDP 추세 차트, 데이터 출처: World Bank

1.2 AI와 암호화폐의 결합

AI와 암호화폐 결합의 필요성을 본질적으로 이해하기 위해 두 가지의 상호 보완적인 특성부터 시작할 수 있습니다.

AI와 암호화폐의 보완 기능

AI에는 세 가지 속성이 있습니다.

• 무작위성: AI는 무작위입니다. 콘텐츠 제작 메커니즘 뒤에는 재현 및 감지가 어려운 블랙박스가 있으므로 결과도 무작위입니다.

• 자원 집약적: AI는 많은 에너지, 칩, 컴퓨팅 성능이 필요한 자원 집약적 산업입니다.

• 인간과 유사한 지능: AI는 (곧) 튜링 테스트를 통과할 수 있게 되며, 그 이후에는 인간과 기계를 구별할 수 없게 됩니다*

※ 2023년 10월 30일 캘리포니아대학교 샌디에고 캠퍼스 연구팀이 GPT-3.5와 GPT-4.0에 대한 튜링 테스트 결과를 발표했습니다.테스트 보고서). GPT 4.0 점수는 41%로 합격선 50%와 불과 9% 차이가 나며, 동일 프로젝트의 휴먼 테스트 점수는 63%이다. 이 튜링 테스트의 의미는 몇 퍼센트의 사람들이 자신과 채팅하고 있는 사람이 실제 사람이라고 생각하는지입니다. 50%를 넘으면 군중 중 절반 이상이 대화 상대를 기계가 아닌 인간이라고 생각한다는 뜻으로, 이는 튜링 테스트를 통과한 것으로 간주된다.

AI는 인류에게 새로운 도약의 생산성을 창출하지만, AI의 세 가지 속성은 인류 사회에 큰 도전을 가져옵니다.

• 무작위성이 결함이 아닌 장점이 되도록 AI의 무작위성을 검증하고 제어하는 ​​방법

• AI가 요구하는 엄청난 에너지 및 컴퓨팅 성능 격차를 충족하는 방법

• 인간과 기계를 구별하는 방법

암호화폐와 블록체인 경제의 특성은 AI가 가져온 과제를 해결하는 데 적합한 약일 수 있습니다.암호경제는 다음과 같은 세 가지 특성을 가지고 있습니다.

• 결정론: 비즈니스는 블록체인, 코드 및 스마트 계약을 기반으로 운영됩니다. 규칙과 경계가 명확합니다. 입력 내용은 높은 수준의 확실성을 가져옵니다.

• 효율적인 자원 배분: 암호화폐 경제는 거대한 글로벌 자유 시장을 구축했습니다. 자원의 가격 책정, 수집 및 순환이 매우 빠릅니다. 그리고 토큰의 존재로 인해 인센티브를 사용하여 시장 수요와 공급의 일치를 가속화할 수 있습니다. 임계점을 가속화합니다.

• 무신뢰(Trust-free): 원장은 공개되어 있고 코드는 오픈 소스이며 누구나 쉽게 확인할 수 있어 무신뢰 시스템을 가져오며 ZK 기술은 검증과 동시에 개인정보 노출을 방지합니다.

다음으로 AI와 암호경제학의 보완성을 설명하기 위해 세 가지 예가 사용됩니다.

예시 A: 무작위성 해결, 암호경제학 기반 AI 에이전트

AI Agent는 인간의 의지에 따라 인간을 위한 작업을 수행하는 인공지능 프로그램이다(대표 프로젝트로는 Fetch.AI가 있다). AI 에이전트가 BTC로 1,000달러 구매와 같은 금융 거래를 처리하기를 원한다고 가정해 보겠습니다. AI 에이전트는 두 가지 상황에 직면할 수 있습니다.

시나리오 1: BlackRock과 같은 전통적인 금융 기관과 연결하여 BTC ETF를 구매하려고 하며, KYC, 정보 검토, 로그인, 신원 확인 등 AI 에이전트와 중앙 기관 간의 많은 적응 문제에 직면합니다. 현재로서는 여전히 매우 고민스럽습니다.

두 번째 경우는 네이티브 암호화 경제를 기반으로 운영되며 상황이 훨씬 단순해질 것입니다. Uniswap 또는 통합 거래 플랫폼을 통해 거래를 완료하기 위해 귀하의 계정을 직접 사용하여 서명하고 주문하고 WBTC(또는 기타 캡슐화) BTC 형식) 전체 프로세스가 빠르고 쉽습니다. 실제로 다양한 트레이딩 봇(Trading BOT)이 이런 일을 하고 있는데 실제로는 후배 AI 에이전트 역할을 해왔지만 업무는 트레이딩에만 집중되어 있다. 앞으로는 AI의 통합과 진화로 다양한 유형의 거래 BOT가 필연적으로 더욱 복잡한 거래 의도를 실행할 수 있게 될 것입니다. 예: 체인에 있는 100개의 스마트머니 주소를 추적하고, 그들의 거래 전략과 성공률을 분석하고, 내 주소에 있는 자금의 10%를 사용하여 일주일 이내에 유사한 거래를 수행하고, 효과가 좋지 않을 때 중지하고 가능성을 요약합니다. 실패 이유.

AI는 암호화폐 경제 규칙의 명확성과 시스템에 대한 무허가 액세스로 인해 블록체인 시스템에서 더 잘 작동할 것입니다. 제한된 규칙에 따라 작업을 수행하면 AI의 무작위성으로 인해 발생하는 잠재적 위험도 줄어듭니다. 예를 들어 체스와 카드 대회, 비디오 게임에서 AI의 성능은 인간을 능가했습니다. 체스와 카드 게임은 명확한 규칙이 있는 폐쇄형 샌드박스이기 때문입니다. 자율주행 분야에서 AI의 발전은 상대적으로 느릴 것입니다. 개방된 외부 환경의 과제가 더 크고 AI 처리 문제의 무작위성을 용인하기가 더 어렵기 때문입니다.

예시 B: 토큰 인센티브를 통한 자원 형성 및 자원 수집

현재 BTC(해시율: 576.70 EH/s)를 뒷받침하는 글로벌 컴퓨팅 파워 네트워크의 총 컴퓨팅 파워는 모든 국가의 슈퍼컴퓨터의 포괄적인 컴퓨팅 파워를 초과합니다. 개발 동기는 단순하고 공정한 네트워크 인센티브에서 비롯됩니다.

BTC 네트워크 컴퓨팅 파워 동향, 출처: https://www.coinwarz.com/

또한, 모바일을 포함한 DePIN 프로젝트 역시 토큰 인센티브를 활용하여 수요와 공급 양면의 양면 시장을 형성하여 네트워크 효과를 달성하려고 노력하고 있습니다. 다음 글에서 중점적으로 다룰 IO.NET은 AI 컴퓨팅 파워를 모으기 위해 설계된 플랫폼으로, 토큰 모델을 통해 더 많은 AI 컴퓨팅 파워 잠재력이 자극될 것으로 기대된다.

예시 C: 오픈소스 코드, ZK 도입, 개인정보를 보호하면서 인간과 기계를 구별

OpenAI 창시자 Sam Altman이 참여한 Web3 프로젝트로 Worldcoin은 하드웨어 장치 Orb를 사용하여 인간 홍채 생체 인식 및 ZK 기술을 기반으로 독점 및 익명 해시 값을 생성하여 신원을 확인하고 인간과 기계를 구별합니다. 올해 3월 초 Web3 아트 프로젝트 Drip은 월드코인 ID를 사용해 실제 사용자를 검증하고 보상을 지급하기 시작했습니다.

또한 Worldcoin은 최근 사용자 생체 인식의 보안 및 개인 정보 보호를 보장하기 위해 홍채 하드웨어 Orb의 프로그램 코드를 오픈 소스로 공개했습니다.

일반적으로 코드와 암호화의 확실성, 무허가 및 토큰 메커니즘이 가져오는 자원 순환 및 자금 조달의 이점, 오픈 소스 코드 및 공개 원장을 기반으로 하는 무신뢰 속성으로 인해 암호화 경제는 인류에게 주요 과제가 되었습니다. AI 문제에 직면한 사회 중요한 잠재적 솔루션

그 중에서도 가장 강력한 상업적 수요와 함께 가장 시급한 과제는 칩과 컴퓨팅 성능에 대한 막대한 수요를 둘러싼 컴퓨팅 리소스에 대한 AI 제품의 극도의 굶주림입니다.

이는 또한 이번 강세장 주기에서 분산 컴퓨팅 파워 프로젝트의 성장이 전체 AI 트랙을 초과하는 주된 이유이기도 합니다.

분산형 컴퓨팅의 비즈니스 필요성

AI에는 모델 훈련과 추론 수행을 위해 막대한 컴퓨팅 리소스가 필요합니다.

대규모 언어 모델의 훈련 실습에서 한 가지 사실이 확인되었습니다. 데이터 매개변수의 규모가 충분히 큰 한 이전에는 사용할 수 없었던 일부 기능을 갖춘 대규모 언어 모델이 나타날 것입니다. 이전 세대에 비해 각 세대의 GPT 기능이 기하급수적으로 증가한 이면에는 모델 훈련에 필요한 계산량이 기하급수적으로 증가했기 때문입니다.

DeepMind와 Stanford University의 연구에 따르면 다양한 대형 언어 모델이 다양한 작업(운영, 페르시아어 질문 응답, 자연어 이해 등)에 직면할 때 모델 학습 중에 모델 매개변수의 크기만 늘리면 됩니다(따라서 학습 계산량도 늘어났습니다.) 학습량이 10^22 FLOP(FLOP는 초당 부동 소수점 연산을 말하며 컴퓨팅 성능을 측정하는 데 사용됨)에 도달하지 않을 때까지 모든 작업의 ​​성능은 무작위로 답변을 제공하는 것과 거의 같습니다. ; 그리고 매개변수 척도가 해당 척도의 임계값을 초과하면 어떤 언어 모델에 관계없이 작업 성능이 급격히 향상됩니다.

출처: 대규모 언어 모델의 새로운 능력

출처: 대규모 언어 모델의 새로운 능력

OpenAI 창업자인 샘 알트먼(Sam Altman)이 현재 TSMC 규모보다 10배 더 큰 첨단 칩 공장을 건설하기 위해 7조 달러를 조달하자고 제안한 것도 컴퓨팅 파워의 큰 기적의 법칙과 실천에 대한 검증이다. 1조5000억 달러(약 1조5000억 원)가 소요될 것으로 예상되며, 남은 자금은 칩 생산과 모델 훈련에 사용할 예정이다.

AI 모델 훈련에 필요한 컴퓨팅 파워 외에도 모델 자체의 추론 과정에도 많은 컴퓨팅 파워가 필요하기 때문에(훈련에 비해 계산량은 적지만) 칩과 컴퓨팅 파워에 대한 갈망이 크다. 사람의 정상적인 상태가 AI 트랙에 참여하는 데 중요한 요인이 되었습니다.

Amazon Web Services, Google Cloud Platform, Microsoft Azure 등과 같은 중앙 집중식 AI 컴퓨팅 제공업체와 비교할 때 분산 AI 컴퓨팅의 주요 가치 제안은 다음과 같습니다.

• 접근성: AWS, GCP 또는 Azure와 같은 클라우드 서비스를 사용하여 컴퓨팅 칩에 액세스하려면 몇 주가 걸리며 인기 있는 GPU 모델은 품절되는 경우가 많습니다. 또한, 컴퓨팅 성능을 확보하기 위해 소비자는 이러한 대기업과 장기적이고 유연한 계약을 체결해야 하는 경우가 많습니다. 분산 컴퓨팅 플랫폼은 유연한 하드웨어 선택과 향상된 접근성을 제공할 수 있습니다.

• 낮은 가격: 유휴 칩의 사용과 네트워크 프로토콜 당사자가 칩 및 컴퓨팅 전력 공급업체에 제공하는 토큰 보조금으로 인해 분산 컴퓨팅 전력 네트워크는 더 저렴한 컴퓨팅 전력을 제공할 수 있습니다.

• 검열에 대한 저항: 현재 최첨단 컴퓨팅 파워 칩과 공급품은 대형 기술 기업이 독점하고 있으며, 미국으로 대표되는 정부는 AI 컴퓨팅 파워 서비스에 대한 감시를 강화하고 있습니다. AI 컴퓨팅 파워는 유연하고 자유롭게 배포될 수 있습니다. 이는 점차 명시적인 요구가 되고 있으며, 이는 web3 기반의 컴퓨팅 파워 서비스 플랫폼의 핵심 가치 제안이기도 합니다.

화석에너지가 산업시대의 혈액이라면, 컴퓨팅 파워는 AI가 열어가는 새로운 디지털 시대의 혈액일 수 있으며, 컴퓨팅 파워의 공급은 AI 시대의 인프라가 될 것이다. Web3 시대에 스테이블코인이 법정화폐의 번창하는 부류가 된 것처럼, 분산 컴퓨팅 파워 시장도 빠르게 성장하는 AI 컴퓨팅 파워 시장의 부수가 될 것인가?

아직은 초기 시장이기 때문에 모든 것이 남아 있습니다. 그러나 다음 요소는 분산 컴퓨팅 성능의 내러티브 또는 시장 채택을 자극할 수 있습니다.

• GPU 수급은 계속 타이트합니다. 지속적으로 부족한 GPU 공급으로 인해 일부 개발자는 분산 컴퓨팅 플랫폼을 시도하게 될 수 있습니다.

• 규제 확장. 대규모 클라우드 컴퓨팅 파워 플랫폼에서 AI 컴퓨팅 파워 서비스를 얻으려면 KYC와 여러 단계의 검토를 거쳐야 합니다. 이는 특히 제한과 제재가 적용되는 영역에서 분산 컴퓨팅 플랫폼의 채택을 촉진할 수 있습니다.

• 토큰 가격 자극. 강세장 주기 동안 토큰 가격의 상승은 GPU 공급 측면에 대한 플랫폼의 보조금 가치를 증가시켜 더 많은 공급업체가 시장에 진입하도록 유도하고 시장 규모를 확대하며 소비자의 실제 구매 가격을 낮추게 됩니다.

그러나 동시에 분산 컴퓨팅 플랫폼의 과제도 매우 분명합니다.

• 기술 및 엔지니어링 과제

• 작업 검증 문제: 딥러닝 모델 계산의 계층적 구조로 인해 각 레이어의 출력이 다음 레이어의 입력으로 사용되므로 계산의 유효성을 검증하려면 이전 작업을 모두 실행해야 하며, 쉽고 효과적으로 검증할 수 없습니다. 이 문제를 해결하기 위해 분산 컴퓨팅 플랫폼은 새로운 알고리즘을 개발하거나 절대적인 확실성보다는 결과의 정확성에 대한 확률론적 보장을 제공할 수 있는 대략적인 검증 기술을 사용해야 합니다.

• 병렬화 문제: 분산 컴퓨팅 성능 플랫폼은 롱테일 칩 공급을 수집하므로 단일 장치가 제공하는 컴퓨팅 성능은 상대적으로 제한됩니다. 단일 칩 공급업체는 AI 모델의 훈련 또는 추론 작업을 거의 완료할 수 있습니다. 따라서 짧은 시간에 독립적으로 작업을 수행하므로 병렬화를 통해 작업을 해체하고 분산하여 전체 완료 시간을 단축해야 합니다. 병렬화는 작업(특히 복잡한 딥러닝 작업)을 어떻게 분해해야 하는지, 데이터 종속성, 기기 간 추가 통신 비용 등 일련의 문제에 필연적으로 직면하게 됩니다.

• 개인정보 보호 문제: 구매자의 데이터와 모델이 작업 수신자에게 노출되지 않도록 하려면 어떻게 해야 합니까?

• 규정 준수 문제

• 분산 컴퓨팅 플랫폼은 공급과 조달이라는 양면 시장의 무허가 특성으로 인해 일부 고객을 유치하기 위한 판매 포인트로 사용될 수 있습니다. 반면, AI 규제기준이 개선되면서 정부의 시정 대상이 될 수도 있다. 또한 일부 GPU 공급업체는 임대한 컴퓨팅 리소스가 제재 대상 기업이나 개인에게 제공되는지 여부에 대해서도 우려하고 있습니다.

일반적으로 분산 컴퓨팅 플랫폼의 소비자는 대부분 전문 개발자나 중소 기관이며, 암호화폐나 NFT를 구매하는 암호화폐 투자자와 달리 이러한 사용자는 프로토콜이 제공할 수 있는 서비스에 거의 또는 전혀 관심이 없습니다. 안정성과 지속 가능성, 가격이 의사 결정의 주요 동기가 아닐 수도 있습니다. 현재 분산 컴퓨팅 플랫폼이 이러한 사용자로부터 인정을 받기 위해서는 아직 갈 길이 멀다.

다음으로, 이번 주기에 새로운 분산 컴퓨팅 프로젝트인 IO.NET의 프로젝트 정보를 정리 및 분석했으며, 현재 시장에서 동일한 트랙에 있는 AI 프로젝트와 분산 컴퓨팅 프로젝트를 기반으로 상장 후 가능한 잠재력을 계산했습니다. 평가수준.

2. 분산 AI 컴퓨팅 플랫폼: IO.NET

2.1 프로젝트 포지셔닝

IO.NET은 칩을 중심으로 양면 시장을 구축하는 분산 컴퓨팅 네트워크로, 공급 측면은 전 세계에 분산된 칩(주로 GPU뿐만 아니라 CPU 및 Apple의 iGPU 등)의 컴퓨팅 성능이고, 수요 측면은 AI 모델 훈련이나 추론 작업을 위한 인공 지능 엔지니어를 양성하기를 희망하고 있습니다.

IO.NET의 공식 웹사이트에는 다음과 같이 적혀 있습니다.

Our Mission

Putting together one million GPUs in a DePIN – decentralized physical infrastructure network.

그 임무는 수백만 개의 GPU를 DePIN 네트워크에 통합하는 것입니다.

기존 클라우드 AI 컴퓨팅 파워 서비스 제공업체와 비교하여 강조되는 주요 판매 포인트는 다음과 같습니다.

• 유연한 조합: AI 엔지니어는 자신의 컴퓨팅 작업을 완료하기 위해 클러스터를 형성하는 데 필요한 칩을 자유롭게 선택하고 결합할 수 있습니다.

• 신속한 배포: 몇 주 동안 승인 및 대기가 필요하지 않으며(현재 AWS와 같은 중앙 집중식 공급업체의 상황) 수십 초 내에 배포를 완료하고 작업을 시작할 수 있습니다.

• 저가 서비스: 서비스 비용은 주류 제조업체보다 90% 저렴합니다.

또한 IO.NET은 향후 AI 모델 스토어 등의 서비스도 출시할 예정이다.

2.2 제품 메커니즘 및 비즈니스 데이터

• 제품 메커니즘 및 배포 경험

Amazon Cloud, Google Cloud, Alibaba Cloud와 마찬가지로 IO.NET에서 제공하는 컴퓨팅 서비스를 IO Cloud라고 합니다. IO Cloud는 Python 기반 기계 학습 코드를 실행하고 AI 및 기계 학습 프로그램을 실행할 수 있는 분산형 분산형 칩 네트워크입니다.

IO Cloud의 기본 비즈니스 모듈을 클러스터(Cluster)라고 합니다. 클러스터는 컴퓨팅 작업을 완료하기 위해 자체 조정이 가능한 GPU 그룹입니다. 인공지능 엔지니어는 자신의 필요에 따라 원하는 클러스터를 맞춤 설정할 수 있습니다.

IO.NET의 제품 인터페이스는 매우 사용자 친화적입니다.AI 컴퓨팅 작업을 완료하기 위해 자체 칩 클러스터를 배포하려는 경우 클러스터 제품 페이지에 들어간 후 필요에 따라 원하는 구성을 시작할 수 있습니다.칩 클러스터.

페이지 정보: https://cloud.io.net/cloud/clusters/create-cluster, 아래 동일

먼저 자신만의 임무 시나리오를 선택해야 합니다. 현재 선택할 수 있는 유형은 세 가지입니다.

• 일반: 특정 리소스 요구 사항이 불확실한 초기 프로젝트 단계에 적합한 보다 일반적인 환경을 제공합니다.

• 훈련: 기계 학습 모델의 훈련 및 미세 조정을 위해 설계된 클러스터입니다. 이 옵션은 이러한 집약적인 컴퓨팅 작업을 처리하기 위해 더 많은 GPU 리소스, 더 높은 메모리 용량 및/또는 더 빠른 네트워크 연결을 제공할 수 있습니다.

• 추론: 지연 시간이 짧은 추론 및 로드가 많은 워크로드를 위해 설계된 클러스터입니다. 기계 학습의 맥락에서 추론은 훈련된 모델을 사용하여 예측을 하거나 새로운 데이터를 분석하고 피드백을 제공하는 것을 의미합니다. 따라서 이 옵션은 실시간 또는 거의 실시간에 가까운 데이터 처리 요구 사항을 지원하기 위해 대기 시간 및 처리량을 최적화하는 데 중점을 둡니다.

그런 다음 칩 클러스터 공급업체를 선택해야 합니다. 현재 IO.NET은 Render Network 및 Filecoin의 채굴기 네트워크와 협력 관계에 있으므로 사용자는 IO.NET 또는 다른 두 네트워크의 칩을 자체 컴퓨팅 공급업체로 선택할 수 있습니다. 클러스터. 집계자 역할을 하는 IO.NET과 동일합니다(그러나 이 글을 쓰는 시점에서 Filecon 서비스는 일시적으로 오프라인 상태입니다). 페이지에 따르면 현재 IO.NET에 사용 가능한 GPU 수가 200,000개 이상인 반면, Render Network에 사용 가능한 GPU 수는 3,700개 이상이라는 점을 언급할 가치가 있습니다.

다음으로 클러스터 칩 하드웨어 선택 과정에 들어갑니다.현재 IO.NET에서는 CPU나 Apple의 iGPU(M 1, M 2 등)를 제외하고 GPU만 사용 가능한 하드웨어 유형으로 나열하고 있으며, GPU도 주로 NVIDIA 제품이 많습니다.

공식적으로 나열되고 사용 가능한 GPU 하드웨어 옵션 중 작성자가 당일 테스트한 데이터에 따르면 IO.NET 네트워크에서 사용 가능한 GPU 수는 206,001개입니다. 가장 많이 사용 가능한 제품은 GeForce RTX 4090(사진 45,250장)이고, GeForce RTX 3090 Ti(사진 30,779장)가 그 뒤를 따릅니다.

또한 머신러닝, 딥러닝, 과학 컴퓨팅 등 AI 컴퓨팅 작업 처리에 더욱 효율적인 A 100-SXM 4~80GB 칩(시가 15,000달러 이상)의 온라인 사진은 7,965장이다.

하드웨어 설계 초기부터 AI를 위해 특별히 설계된 엔비디아의 H 100 80GB HBM 3 그래픽 카드(시가 4만달러 이상)는 A 100 대비 훈련 성능은 3.3배, 추론 성능은 4.5배다. A 100의 것입니다. 온라인 실제 개수는 86 장입니다.

클러스터의 하드웨어 유형을 선택한 후 사용자는 클러스터 지역, 통신 속도, 임대 GPU 수 및 시간과 같은 매개변수도 선택해야 합니다.

마지막으로 IO.NET은 포괄적인 선택을 기반으로 한 청구서를 제공합니다. 작성자의 클러스터 구성을 예로 들어 보겠습니다.

• 일반 작업 시나리오

• 16A 100-SXM 4-80GB 칩

• 최대 연결 속도(초고속)

• 위치 미국

• 대여기간은 1주일입니다

총 청구 금액은 3311.6$이며, 단일 카드의 시간당 임대 가격은 1.232$입니다.

Amazon Cloud, Google Cloud 및 Microsoft Azure에서 A 100-SXM 4-80GB 단일 카드의 시간당 임대 가격은 각각 5.12$, 5.07$ 및 3.67$입니다(데이터 출처: https://cloud-gpus.com/, 실제 가격은 계약 세부사항에 따라 달라질 수 있습니다.

따라서 가격만 놓고 보면 IO.NET의 칩 컴퓨팅 성능은 실제로 주류 제조업체보다 훨씬 저렴하고 공급 조합 및 조달도 매우 유연하며 작업 시작도 쉽습니다.

사업조건

• 공급측 상황

공식 데이터에 따르면 올해 4월 4일 현재 IO.NET의 공급측 GPU 총 공급량은 371,027개, CPU 공급량은 42,321개입니다. 또한, Render Network를 파트너로 사용하면 9997개의 GPU와 776개의 CPU가 네트워크 공급 장치에 연결됩니다.

데이터 소스: https://cloud.io.net/explorer/home, 아래와 동일

저자가 이 글을 작성할 당시 IO.NET에 연결된 전체 GPU 수 중 214,387개가 온라인 상태였으며, 온라인 비율은 57.8%에 달했습니다. 렌더 네트워크의 GPU 온라인 비율은 45.1%입니다.

위의 공급측면 데이터는 무엇을 의미하나요?

비교를 위해 오랫동안 온라인에 있었던 또 다른 분산 컴퓨팅 프로젝트 Akash Network를 소개합니다.

Akash Network는 이르면 2020년에 메인넷을 출시했으며 초기에는 CPU 및 스토리지에 대한 분산 서비스에 중점을 두었습니다. 2023년 6월 GPU 서비스 테스트 네트워크를 출시했고, 같은 해 9월 GPU 분산 컴퓨팅 성능의 메인 네트워크를 출시했습니다.

데이터 소스: https://stats.akash.network/provider-graph/graphics-gpu

Akash의 공식 데이터에 따르면 GPU 네트워크 출시 이후 공급 측면은 지속적으로 성장했지만 지금까지 총 GPU 연결 수는 365개에 불과합니다.

GPU 공급으로 볼 때 IO.NET은 Akash Network보다 몇 배 더 높으며 이미 분산 GPU 컴퓨팅 파워 트랙에서 가장 큰 공급 네트워크입니다.

• 수요측 상황

그러나 수요 측면에서 볼 때 IO.NET은 아직 시장 개척 초기 단계에 있으며 컴퓨팅 작업을 수행하기 위해 실제로 IO.NET을 사용하는 총 횟수는 그리 많지 않습니다. 대부분의 온라인 GPU의 작업 부하는 0%이며, A100 PCIe80GB K8S, RTX A6000K8S, RTX A4000K8S, H100 80GB HBM 3 4개의 칩만이 작업을 처리하고 있습니다. 그리고 A100 PCIe80GB K8S를 제외한 나머지 3개 칩의 로드 용량은 20% 미만이다.

이날 공개된 공식 네트워크 압력 값은 0%로, 이는 칩 공급의 대부분이 온라인 대기 상태임을 의미한다.

네트워크 비용 규모 측면에서 IO.NET은 586029 $의 서비스 수수료를 발생시켰으며 지난 날 비용은 3200 $였습니다.

데이터 소스: https://cloud.io.net/explorer/clusters

위의 네트워크 정산 수수료 규모는 총 거래량과 일일 거래량을 모두 합해 Akash와 같은 규모이지만, Akash의 네트워크 수익의 대부분은 CPU 부분에서 발생하며 Akash의 CPU 공급량은 20,000이 넘습니다.

데이터 소스: https://stats.akash.network/

또한, IO.NET은 네트워크에서 처리한 AI 추론 작업의 비즈니스 데이터도 공개했는데, 지금까지 230,000개 이상의 추론 작업을 처리하고 검증했지만, 이 비즈니스 볼륨의 대부분은 IO.NET이 후원하는 프로젝트에서 생성됩니다. BC 8.AI.

데이터 소스: https://cloud.io.net/explorer/inferences

현재 비즈니스 데이터로 볼 때 IO.NET의 공급 측면은 순조롭게 확장되고 있으며 코드명 Ignition이라는 에어드랍 기대와 커뮤니티 활동에 자극을 받아 빠르게 많은 양의 AI 칩 컴퓨팅 성능을 확보했습니다. 수요 측면의 확대는 아직 초기 단계이고, 현재 유기적 수요도 부족하다. 수요 측면의 현재 단점에 대해서는 소비자 측면의 확장이 아직 시작되지 않았기 때문인지, 현재 서비스 경험이 아직 안정적이지 않아 대규모 채택이 부족하기 때문인지 여전히 평가가 필요합니다.

그러나 AI 컴퓨팅 성능의 격차가 단기적으로 메워지기 어렵다는 점을 고려하면 많은 AI 엔지니어와 프로젝트가 대안을 찾고 있으며 분산형 서비스 제공업체에 관심을 가질 수도 있습니다. 수요 측면의 경제 발전, 활동 활성화, 제품 경험의 점진적인 개선, 그에 따른 수요 공급의 점진적인 일치를 통해 여전히 기대할만한 가치가 있습니다.

2.3 팀 배경 및 자금 조달 상황

• 팀 상황

IO.NET의 핵심 팀은 양적 거래 분야에서 설립되었으며, 2022년 6월 이전에는 주식 및 암호화폐 자산에 대한 기관 수준의 양적 거래 시스템 개발에 주력해 왔습니다. 시스템 백엔드의 컴퓨팅 성능에 대한 수요로 인해 팀은 분산 컴퓨팅의 가능성을 탐색하기 시작했으며 마침내 GPU 컴퓨팅 서비스 비용을 절감하는 구체적인 문제에 집중했습니다.

창립자 겸 CEO: 아마드 샤디드

Ahmad Shadid는 IO.NET 이전에 양적 및 금융 엔지니어링 관련 업무에 종사했으며 Ethereum Foundation에서도 자원 봉사자로 활동하고 있습니다.

CMO 겸 최고 전략 책임자: Garrison Yang

Garrison Yang은 올해 3월 공식적으로 IO.NET에 합류했으며, 이전에는 Avalanche에서 전략 및 성장 담당 부사장을 역임했으며 University of California, Santa Barbara를 졸업했습니다.

COO：Tory Green

Tory Green은 io.net의 최고운영책임자(COO)로, 이전에는 Hum Capital의 최고운영책임자(COO), Fox Mobile Group의 기업 개발 및 전략 이사를 역임했으며 스탠포드를 졸업했습니다.

IO.NET의 Linkedin 정보에 따르면 팀은 미국 뉴욕에 본사가 있고 샌프란시스코에 지사가 있으며 현재 팀 규모는 50명 이상입니다.

• 자금조달 상황

IO.NET은 지금까지 한 차례의 자금 조달, 즉 올해 3월 완료된 시리즈 A 자금 조달(평가액 10억 달러, Hack VC 및 기타 참여 투자자 주도로 총 3천만 달러 조달)만 공개했습니다. Multicoin Capital, Delphi Digital, Foresight Ventures, Animoca Brands, Continue Capital, Solana Ventures, Aptos, LongHash Ventures, OKX Ventures, Amber Group, SevenX Ventures 및 ArkStream Capital 등이 포함됩니다.

앱토스 재단의 투자 덕분인지, 원래 솔라나에서 정산과 회계를 위해 사용되던 BC 8.AI 프로젝트가 동일한 고성능 L1 앱토스로 전환되었다는 점은 언급할 만하다.

2.4 평가 계산

이전 창립자이자 CEO인 Ahmad Shadid에 따르면 IO.NET은 4월 말에 토큰을 출시할 예정입니다.

IO.NET에는 가치 평가의 참고 자료로 사용할 수 있는 두 가지 대상 프로젝트가 있습니다. Render Network와 Akash Network는 모두 대표적인 분산 컴퓨팅 프로젝트입니다.

IO.NET의 시장 가치 범위는 두 가지 방법으로 추론할 수 있습니다: 1. 시장 대비 매출 비율, 즉 시장 가치/수익 비율 2. 시장 가치/네트워크 칩 수 비율.

먼저 가격 대비 매출액 비율에 따른 가치 공제를 살펴 보겠습니다.

가격 대비 판매 비율의 관점에서 Akash는 IO.NET 평가 범위의 하한으로 사용될 수 있는 반면 Render는 평가를 위한 고급 가격 참조로 사용될 수 있으며 FDV 범위는 US$16억 7천만 ~ 59억 3천만 달러.

그러나 IO.NET 프로젝트가 업데이트되고 서사가 더 뜨거워지고, 초기 유통 시장 가치가 낮아지고 현재 공급 측면 규모가 커지는 점을 고려하면 FDV가 Render를 초과할 가능성은 적지 않습니다.

가치 평가를 비교할 수 있는 또 다른 각도, 즉 핵심 가격 대비 가격 비율을 살펴보겠습니다.

AI 컴퓨팅 파워에 대한 수요가 공급을 초과하는 시장 맥락에서 분산 AI 컴퓨팅 파워 네트워크의 가장 중요한 요소는 GPU 공급 측면의 규모입니다. 비율을 사용하고 프로젝트의 총 시장 가치와 네트워크의 칩 수 수량 비율을 사용하여 독자가 시장 가치 참조로 사용할 수 있는 IO.NET의 가능한 평가 범위를 추론합니다.

IO.NET의 시장 가치 범위를 시장 대 코어 비율을 기준으로 계산하면 IO.NET은 Render Network의 시장 대 코어 비율을 상한으로 사용하고 Akash Network를 하한으로 사용합니다. 206억~1,975억 달러에 달합니다.

IO.NET 프로젝트에 대해 낙관적인 독자들은 이것이 매우 낙관적인 시장 가치 계산이라고 생각할 것이라고 믿습니다.

그리고 현재 IO.NET의 엄청난 수의 온라인 칩 수가 에어드랍 기대와 인센티브 활동에 의해 자극된다는 점을 고려해야 합니다. 프로젝트가 공식적으로 시작된 후에도 공급 측면의 실제 온라인 칩 수는 여전히 필요합니다. 관찰됨.

따라서 일반적으로 주가매출비율 관점에서 가치평가를 계산하는 것이 더 유익할 수 있습니다.

AI+DePIN+Solana 생태학의 삼중 후광을 갖춘 프로젝트로서 IO.NET은 출시 후 시장 가치 성과가 어떻게 될지 기다려 볼 것입니다.

3. 참고정보

Dephi Digital：The Real Merge

Galaxy：Understanding the Intersection of Crypto and AI