背景
隨著 OpenAI 推出 GPT 4 LLM，各種 AI Text-to-Image 模型的潛力被見證，基於成熟 AI 模型的應用的日益增加，對 GPU 等算力資源的需求水漲船高。
GPU Utils 2023 年一篇探討Nvidia H 100 GPU 供需情況的文章中指出涉足AI 業務的大型企業都對GPU 有著強烈的需求，Meta、Tesla 和Google 等科技巨頭都購買了大量的Nvidia GPU 用於構建面向AI 的資料中心。 Meta 擁有約 21,000 個 A 100 GPU，Tesla 擁有約7, 000 個A 100 ，Google 的資料中心也有大量GPU 投資，儘管沒有提供具體數字。受訓練大型語言模型(LLM) 和其他AI 應用程式的需求推動，對GPU（尤其是H 100）的需求持續成長。
同時根據Statista 的數據顯示，AI 市場規模從2022 年的134.8 Billion 增長到了2023 年的241.8 Billion，並預計會在2030 年達到738.7 Billion，而雲服務的市值也由633 Billion 增長大約14% ，不乏其中的一部分歸因於AI 市場對GPU 算力的需求迅速增長。
對於快速成長並且蘊含巨大潛力的 AI 市場，我們可以從什麼角度解構並且挖掘與之相關的投資切入點呢？根據 IBM 的一篇報告，我們總結了其中提到的創建和部署人工智慧應用程式和解決方案所需的基礎架構。可以說，AI 基礎設施主要是為了處理並優化訓練模型所依賴的大量資料集和算力資源而存在的，從硬體和軟體兩方面解決資料集處理效率、模型可靠性和應用可擴展性的問題。
AI 訓練模型和應用中需要用到的大量算力資源，偏好低延遲的雲端環境和 GPU 的算力，在軟體堆疊方面也包含了分散式運算平台（Apache Spark/Hadoop）。 Spark 透過將需要處理的工作流程分散到各個大型運算叢集中，並具有內建的平行機制和容錯設計。區塊鏈天然的去中心化設計想法使得分散式節點成為常態，而BTC 創立的POW 共識機制確立了礦工需要透過算力（工作量）競爭來贏取出區塊結果，這與AI 同需算力來產生模型/推理問題有著類似的工作流程。於是傳統的雲端伺服器廠商開始擴展新的生意模式像出租伺服器一樣出租顯示卡，販售算力。而模仿區塊鏈的思路，AI 算力採用分散式系統設計，可以利用閒置的 GPU 資源，降低新創公司的算力成本。
IO.NET 專案簡介
Io.net是一個結合了 Solana 區塊鏈的分散式算力供應商，旨在利用分散式算力資源（GPU CPU）來解決AI 和機器學習領域的運算需求挑戰。 IO 透過整合來自獨立資料中心和加密貨幣礦工的閒置顯示卡，聯合 Filecoin/Render 等 crypto 項目，匯集了100 多萬個GPU 的資源來實現解決 AI 計算資源短缺的問題。
技術層面，io.net 基於實現分散式運算的機器學習框架 ray.io 構建，為 AI 應用提供從強化學習，深度學習到模型調優，模型運行等需要算力環節的分散式運算資源。任何人都可以以 worker 或 developer 的角色加入 io 的算力網絡而無需額外許可，同時網絡會根據計算工作的複雜性、緊急程度和算力資源供應情況調整算力價格，根據市場動態定價。基於算力分散式的特點，io 的後端也會根據GPU 需求類型、目前可用量、請求者的位置和聲譽，將GPU 供應商與開發人員配對。
$IO 是 io.net 系統的原生代幣，在算力提供者和算力服務購買者之間充當交易媒介，使用$IO 與$USDC 相比可以減免% 2 的訂單手續費。同時$IO 對確保網路的正常運作也起到重要的激勵作用：$IO 代幣持有人可以質押一定數量的$IO 到節點，節點運行也需要在有$IO 代幣質押的情況下才能獲得機器空閒時期對應的收益。
$IO 代幣目前市值約為 3.6 億美元，FDV 約為$ 30 億。
$IO 代幣經濟學
$IO 的最大總供應量為800 million，其中500 million 枚在代幣TGE 時就進行了各方對應的分配，剩餘300 million 枚代幣會在20 年內逐步遞減釋放（釋放量每月遞減1.02% ，約為每年遞減12% ）。目前 IO 流通量為 95 million，其中由 TGE 時為生態研發和社區建設解鎖的 75 million 和幣安 Launchpool 20 million 的挖礦獎勵組成。
IO 測試網期間算力提供者的獎勵分配如下：
第1 季（截至4 月25 日） - 17, 500, 000 IO
第2 季（5 月1 日- 5 月31 日） - 7, 500, 000 IO
第3 季（6 月1 日- 6 月30 日） - 5, 000, 000 IO
除了測試網算力獎勵之外，IO 還給予了參與建構社群的創作者部分空投：
（首輪）社群/ 內容創作者/ Galxe / Discord - 7, 500, 000 IO
第3 季（6 月1 日- 6 月30 日）Discord 和Galxe 參與者- 2, 500, 000 IO
其中第一季測試網算力獎勵和首輪社群創作/Galxe 獎勵在 TGE 時已完成空投。
根據官方文檔，$IO 總體分配如下：
$IO 代幣銷毀機制
Io.net 根據一套固定的預設程序執行$IO 代幣的回購與銷毀，具體的回購與銷毀數量取決於執行時的$IO 價格。用於回購$IO 的資金來自IOG(The Internet of GPUs - GPU 互聯網)的營運收益，從IOG 中的算力購買者和算力提供者中各收取0.25% 的訂單預定費用，以及用$USDC進行算力購買的2% 手續費。
競品分析
與 io.net 類似的項目有 Akash，Nosana，OctaSpace，Clore.AI 等專注於解決 AI 模型計算需求的去中心化算力市場。
Akash Network 透過一個去中心化的市場模型，利用閒置的分散式運算資源，匯集和出租多餘的運算能力，並透過動態折扣和激勵機制來應對供需失衡，基於智慧合約實現高效、無需信任的資源分配，從而提供安全、經濟高效且去中心化的雲端運算服務。它允許以太坊礦工和其他擁有未充分利用的GPU 資源的用戶將這些資源租賃出去，從而創建一個雲端服務市場。在這個市場中，服務的定價透過反向拍賣機制進行，買家可以出價租用這些資源，推動價格競爭性降低。
Nosana 是 Solana 生態中的去中心化算力市場項目，主要意圖是藉助閒置算力資源形成 GPU 網格，滿足 AI 推理環節的運算需求。此專案籍由 Solana 上的程式定義其算力市場運作情況，並確保參與網路的 GPU 節點合理完成任務。目前除在第二階段的測試網運行中，提供針對LLama 2和Stable Diffusion模型推理過程的算力服務。
OctaSpace 是一個開源可擴展的分散式運算雲端節點基礎設施，允許存取分散式運算、資料儲存、服務、VPN 等。 OctaSpace 包含CPU 與GPU 算力，服務用於ML 任務的磁碟空間、AI 工具、影像處理和使用Blender 渲染場景等。 OctaSpace 2022 年啟動，在其自己的Layer 1 EVM 相容區塊鏈上運行。該區塊鏈採用雙鏈系統，結合了工作量證明（PoW）和權威證明（PoA）共識機制。
Clore.AI 是一個分散式GPU 超算平台，讓使用者可以從全球提供算力的節點取得高階GPU 算力資源。它支援AI 訓練、加密貨幣挖礦和電影渲染等多種用途。該平台提供低成本、高效能的GPU 服務，用戶可以透過租賃GPU 獲得Clore 代幣獎勵。 Clore.ai 注重安全性，遵守歐洲法律，並提供強大的API 以實現無縫整合。從專案品質上來說，Clore.AI 的網頁較為粗糙，沒有詳細的技術文件驗證專案自我簡介的真實性和資料真實性，我們對該專案的顯示卡資源和真實參與程度保持存疑。
和這幾個同屬去中心算力市場賽道中的其他產品對比，io.net 是目前唯一一個任何人都可以無准入加入提供算力資源的項目，用戶可以使用最低30 系消費級GPU 參與網絡的算力貢獻，也有諸如Macbook M 2 ，Mac Mini 等Apple 晶片資源。更充足的 GPU 和 CPU 資源和豐富的 API 建置使 IO 能夠支援各種AI 運算需求，如大量推理、平行訓練、超參數調優以及強化學習等。而其後端基礎設施則是由一系列模組化層構成的，能夠實現資源的有效管理和自動化定價。 其他的分散式算力市場項目多為企業導向的顯示卡資源進行合作，用戶參與存在一定門檻。因此 IO 可能具備使用代幣經濟學的加密飛輪撬動更多顯示卡資源的能力。
以下是 io.net 和競品目前的市值/FDV 對比
回顧與結語
$IO 上線幣安可謂是給這個開局就備受關注，測試網的火爆全網以及在實測延期中漸漸被眾人攻擊、質疑積分規則不透明的重磅項目的畫上了一個配得的開局句號。代幣在市場回檔期間上線，低開高走，最終回歸相對理性的估值區間。但對於因io.net 強大的投資陣容慕名而來的測試網參與者，幾家歡喜幾家愁，大部分租賃了GPU 但沒有堅持參與每一季測試網的用戶並沒如願獲得理想的超額收益，反而面臨「反擼」的現實。測試網期間， io.net將每一期的獎池分為GPU 和高性能CPU 兩個pool 來分別計算，season 1 由於出現黑客事件積分公佈推遲，但最終TGE 時GPU 池的積分兌換比例確定在近90 ： 1 ，在各大雲端平台廠商租GPU 參與的用戶成本遠超過空投收益。 season 2 期間官方完整的實現了PoW 驗證機制，近3 w 個GPU 設備成功參與並通過PoW 驗證，最終積分兌換比例為100 ： 1 。
在萬眾矚目的開局之後，io.net 是否能實現它所宣稱的為 AI 應用提供各種環節運算需求的目標，測試網後又還存留多少真正的需求，也許只有時間能給予最好的證明。
參考:
https://blockcrunch.substack.com/p/rndr-akt-ionet-the-complete-guide
https://www.odaily.news/post/5194118
https://www.theblockbeats.info/news/53690
https://www.binance.com/en/research/projects/ionet
https://www.ibm.com/topics/ai-infrastructure
https://gpus.llm-utils.org/nvidia-h100-gpus-supply-and-demand/
https://www.statista.com/statistics/941835/artificial-intelligence-market-size-revenue-comparisons/
https://www.grandviewresearch.com/press-release/global-cloud-ai-market
