撰文：Shayon Sengupta，Mult ICO in Capital

编译：JIN，Techub News

2024 年 6 月 6 日，币安宣布 Launchpool 将上线 io.net 代币 IO ，用户于香港时间 6 月 7 日 8 时在 Launchpool 网站将 BNB、FDUSD 投入到 IO 挖矿 池中获得 IO 奖励，IO 共计可挖矿 4 天。网站预计将于此公告的大约五小时内，挖矿活动开放前更新。

此外，币安将于香港时间 6 月 11 日 20 时 上市 io.net 代币 IO，并开通 IO/BTC、IO/ USDT 、IO/BNB、IO/FDUSD 和 IO/TRY 交易市场。

IO 代币解锁和奖励

根据 io.net 官方文档，IO 代币总供应量为 8 亿枚，将在发布时释放 5 亿枚 IO，并在未来 20 年内逐步发行 3 亿枚 IO，直到达到 8 亿代币的上限。最初的 5 亿供应量解锁和奖励如下图所示，分为五类：种子投资者、A 轮投资者、核心贡献者、研发和生态系统以及社区；

IO 代币解锁和奖励

IO 代币预估分配

• 种子投资者：12.5%

• A 轮投资者：10.2%

• 核心贡献者：11.3%

• 研发：16%

• 生态系统与社区：50%

IO 代币预估分配

以下 io.net 介绍内容 为此前 io.net 3000 万美元 A 轮融资的参投方 Multicoin Capital 撰写：

我们很高兴宣布对 io.net 进行了投资， io.net 是提供 AI 算力租借服务的分布式网络。我们不仅领投了种子轮，还参与了 A 轮融资。io.net 共筹集了 3000 万美元，参投方包括 Multicoin、Hack VC、6th Man Ventures、Modular Capital 以及由天使投资者组成的财团，旨在构建按需、随时可用的 AI 算力需求市场 。

我第一次见到 io.net 的创始人 Ahmad Shadid ，是在2023 年 4 月 Solana 黑客松活动 Austin Hacker House ，立即被他对于 ML （机器学习）的算力基础设施去中心化方面的独特见解所吸引。

从那以后，io.net 团队便开始展现强大的执行力。如今，这个网络已经聚合了数以万计的分布式 GPU，并为 AI 企业提供了 超过 57,000 小时的计算时间 。我们很高兴与他们合作，为未来十年的 AI 复兴助力。

一、全球算力短缺

AI 计算需求正以惊人的速度增长；这种需求目前并无法满足。2023 年，为 AI 需求提供算力的数据中心收入超过了 1000 亿美元 ，但即便在最保守的情况下，对 AI 的需求也超过了芯片供应。

在高利率和现金流缺失的时期，能够容纳此类硬件的新数据中心在前期需要大量的投资。问题的核心在于如 NVidia A100 和 H100 等先进芯片的生产受到限制。虽然 GPU 性能不断提升且成本稳步降低，但其制造流程无法提速，这是因为原材料、组件和产能的短缺限制了增长速度。

尽管 AI 充满前景广阔，但支持其运行的物理占用空间每天都在增加，这就对空间、电力和尖端设备的需求大幅增加。而 io.net 为我们开辟了一条道路，算力不再会受到这些约束。

io.net 是 DePIN 在现实世界应用的经典案例：通过使用代币激励来结构性降低获取供应侧资源的成本，为最终 GPU 算力需求者降低成本。将分布在全球各地的闲置 GPU 资源汇集到一个共享池中，供 AI 开发者和公司使用。如今，该网络由来自数据中心、矿场和消费级设备的数千个 GPU 提供支持。

尽管可以将这些有价值的资源整合起来，但它们并不会自动扩展到分布式网络。在 加密货币 技术的历史上，已经有过几次构建分布式 GPU 计算网络的尝试，但都因为不满足需求方的需求而失败。

在具有不同内存、带宽和存储配置的异构硬件上完成协调和调度算力工作，这是实现分布式 GPU 网络的关键一步。我们相信 io.net 团队拥有当今市场上最实用的解决方案，可以使这种硬件聚合对最终客户有用，并具有经济效益。

二、为集群铺平道路

在计算机发展历史中，软件框架和设计模式会围绕市场上可用的硬件配置进行自我调整。大多数用于 AI 开发的框架和库都严重依赖于集中式硬件资源，但在过去的十年里，分布式的算力基础设施在实际应用中取得了显著进展。

io.net 利用现有闲置的硬件资源，通过部署定制的网络和编排层来将它们联网，创建一个超可扩展的 GPU 互联网。这个网络利用 Ray、Ludwig、Kubernetes 以及其他各种开源的分布式计算框架，以便机器学习工程和运营团队能够在已有 GPU 网络上扩展其工作负载。

ML 团队能够通过启动算力设备集群来并行化 io.net GPU 上的工作负载，并利用这些库来处理编排、调度、容错和扩展。例如，如果一组动态图形设计师将他们家中的 GPU 贡献给网络，io.net 可以构建一个集群，精心设计，使世界各地的图像模型开发人员可以租用集体计算资源。

BC8.ai ，就是一个例子，经过微调的稳定扩散变体模型，而这一模型是完全在 io.net 网络上进行训练。 io.net 浏览器 显示实时推理以及对网络贡献者的激励。

人工智能超级计算机

每个图像的生成信息都是 记录在链上 。所有的费用支付给了 6 个 RTX 4090 集群 ，这是用于游戏的消费级 GPU。

如今，网络上有数以万计的设备，遍布矿场、未充分利用的数据中心和 Render Network 消费者节点。除了创造新的 GPU 供应之外，io.net 还能够在成本上与传统云服务提供商竞争，通常提供更便宜的资源。

他们通过将 GPU 协调和运营外包给去中心化协议来实现成本的降低。另一方面，云服务提供商则因为员工开支、硬件维护和数据中心运营成本而对产品进行加价。消费级显卡集群和矿场的成本远低于超大规模计算中心（Hyperscalers）愿意接受的成本，因此存在一种结构性套利，使得 io.net 上的资源定价动态地低于不断上涨的云服务费率。

三、构建 GPU 互联网

io.net 具有独特的优势，保持轻资产运营，并将服务任何特定客户的边际成本降低到几乎为零，同时与市场的需求方和供应方直接建立关系，能够服务成千上万需要访问 GPU 以构建有竞争力的 AI 产品，将来每个人都会与之互动。