Über 100.000 GPUs aus Rechenzentren und privaten Clustern sollen an eine neue Betaversion des dezentralen physischen Infrastrukturnetzwerks (DePIN) angeschlossen werden, die von io.net gestartet wurde.
Wie Cointelegraph zuvor berichtete, hat das Startup ein dezentrales Netzwerk entwickelt, das GPU-Rechenleistung von verschiedenen geografisch verteilten Rechenzentren, Kryptowährungs-Minern und dezentralen Speicheranbietern bezieht, um maschinelles Lernen und KI-Computing voranzutreiben.
Das Unternehmen kündigte den Start seiner Beta-Plattform während der Solana Breakpoint-Konferenz in Amsterdam an, die mit einer neu gegründeten Partnerschaft mit Render Network zusammenfiel.
Tory Green, Chief Operating Officer von io.net, sprach nach einer Grundsatzrede zusammen mit Angela Yi, Leiterin der Geschäftsentwicklung, exklusiv mit Cointelegraph. Das Paar skizzierte die entscheidenden Unterscheidungsmerkmale zwischen DePIN von io.net und dem breiteren Cloud- und GPU-Computing-Markt.
Verwandte Themen: Google Cloud erweitert das Web3-Startup-Programm um 11 Blockchain-Unternehmen
Green identifiziert Cloud-Anbieter wie AWS und Azure als Einheiten, die ihre GPU-Vorräte besitzen und diese vermieten. In der Zwischenzeit wurden Peer-to-Peer-GPU-Aggregatoren entwickelt, um GPU-Mängel zu beheben, aber „stießen schnell auf die gleichen Probleme“, wie der Geschäftsführer erklärte.
Stolz zu präsentieren @ionet_official bei @Solana #Haltepunkt2023 gestern!
Egal, ob Sie ein GPU-Anbieter oder ein ML-Ingenieur sind – nehmen Sie an der Live-Demonstration der Plattform teil und machen Sie mit https://t.co/WLXlHkv6f1 Jetzt.
Sehen Sie sich das vollständige Video an pic.twitter.com/E1XsgJLJNu
– io.net (@ionet_official) 4. November 2023
Die breitere Web2-Branche versucht weiterhin, GPU-Computing aus nicht ausreichend genutzten Quellen zu erschließen. Dennoch behauptet Green, dass keiner dieser bestehenden Infrastrukturanbieter GPUs auf die gleiche Weise gruppiert, wie es der Gründer von io.net, Ahmad Shadid, getan hat.
„Das Problem ist, dass sie sich nicht wirklich bündeln. Es handelt sich in erster Linie um Einzelinstanzen, und obwohl sie auf ihren Websites über eine Cluster-Option verfügen, ist es wahrscheinlich, dass ein Verkäufer alle ihre verschiedenen Rechenzentren anruft, um zu sehen, was verfügbar ist“, fügt Green hinzu.
Mittlerweile verfügen Web3-Firmen wie Render, Filecoin und Storj über dezentrale Dienste, die nicht auf maschinelles Lernen ausgerichtet sind. Dies ist Teil des potenziellen Nutzens von io.net für den Web3-Bereich als Grundlage für die Erschließung des Bereichs durch diese Dienste.
Green verweist auf KI-fokussierte Lösungen wie das Akash-Netzwerk, das durchschnittlich 8 bis 32 GPUs bündelt, sowie GenSyn als die nächstgelegenen Dienstanbieter in Bezug auf die Funktionalität. Die letztgenannte Plattform erstellt ein eigenes Rechenprotokoll für maschinelles Lernen, um einen Peer-to-Peer-„Supercluster“ von Rechenressourcen bereitzustellen.
Mit einem Überblick über die etablierte Branche ist Green davon überzeugt, dass die Lösung von io.net in ihrer Fähigkeit, innerhalb von Minuten über verschiedene geografische Standorte zu gruppieren, neu ist. Diese Aussage wurde von Yi getestet, der einen Cluster von GPUs aus verschiedenen Netzwerken und Standorten erstellte während einer Live-Demo auf der Bühne im Breakpoint.
Was die Verwendung der Solana-Blockchain zur Erleichterung von Zahlungen an GPU-Computing-Anbieter betrifft, weisen Green und Yi darauf hin, dass das schiere Ausmaß an Transaktionen und Schlussfolgerungen, das io.net ermöglichen wird, von keinem anderen Netzwerk verarbeitet werden könnte.
„Wenn Sie eine generative Kunstplattform sind und eine Benutzerbasis haben, die Ihnen jedes Mal, wenn diese Schlussfolgerungen gezogen werden, Hinweise gibt, stecken Mikrotransaktionen dahinter“, erklärt Yi.
„Jetzt können Sie sich die schiere Größe und den Umfang der Transaktionen vorstellen, die dort getätigt werden. Und deshalb hatten wir das Gefühl, dass Solana der beste Partner für uns wäre.“
Die Partnerschaft mit Render, einem etablierten DePIN-Netzwerk verteilter GPU-Anbieter, stellt io.net bereits auf seiner Plattform bereitgestellte Rechenressourcen zur Verfügung. Das Netzwerk von Render zielt in erster Linie darauf ab, GPU-Rendering-Computing zu geringeren Kosten und schnelleren Geschwindigkeiten als zentralisierte Cloud-Lösungen bereitzustellen.
Yi beschrieb die Partnerschaft als eine Win-Win-Situation, bei der das Unternehmen die Clustering-Fähigkeiten von io.net nutzen möchte, um das GPU-Computing zu nutzen, auf das es Zugriff hat, das es aber nicht zum Rendern von Anwendungen nutzen kann.
Io.net wird ein 700.000-Dollar-Anreizprogramm für GPU-Ressourcenanbieter durchführen, während Render-Knoten ihre bestehende GPU-Kapazität von grafischem Rendering auf KI- und maschinelle Lernanwendungen erweitern können. Das Programm richtet sich an Benutzer mit Consumer-GPUs, die als Hardware ab Nvidia RTX 4090s und darunter kategorisiert werden.
Was den breiteren Markt betrifft, betont Yi, dass viele Rechenzentren weltweit auf einem erheblichen Prozentsatz nicht ausreichend genutzter GPU-Kapazität sitzen. An einigen dieser Standorte sind „Zehntausende GPUs der Spitzenklasse“ im Leerlauf:
„Sie nutzen nur 12 bis 18 % ihrer GPU-Kapazität und hatten keine Möglichkeit, ihre ungenutzte Kapazität zu nutzen. Es ist ein sehr ineffizienter Markt.“
Die Infrastruktur von Io.net richtet sich in erster Linie an Ingenieure und Unternehmen für maschinelles Lernen, die auf eine hochmodulare Benutzeroberfläche zugreifen können, die es einem Benutzer ermöglicht, auszuwählen, wie viele GPUs er benötigt, Standort, Sicherheitsparameter und andere Metriken.
Magazin: Jenseits von Krypto: Zero-Knowledge-Beweise zeigen Potenzial von Abstimmungen bis hin zu Finanzen