AI 的奧本海默時刻，IO.NET 如何革新去中心化人工智慧計算市場

WEEX 唯客博客， 作者：Raghav Agarwal、Roy Lu，LongHash Ventures 編譯：Elvin,ChainCatcher   AI  人類正處於一個AI奧本海默時刻。 埃隆·馬斯克指出：「隨著我們技術的進步，確保 AI 服務於人民的利益，而不僅僅是權力者的利益，這是至關重要的。人民擁有的AI提供了一條前進的道路。」 在與加密貨幣的交匯處，AI可以實現自身的民主化。從開源模型開始，然後是人民的AI，由人民，為人民服務。雖然Web3 x AI的目標是高尚的，但其實際採用取決於其可用性和與現有AI軟體棧的兼容性。這就是IO.NET獨特方法和技術棧發揮作用的地方。 IO.NET的去中心化Ray框架是向web3及更廣範圍推出無需許可的AI計算市場的特洛伊木馬。 IO.NET在帶來GPU豐富性方面處於領先地位。與其他通用計算聚合器不同，IO.NET通過重寫Ray框架，將去中心化計算與行業領先的AI棧橋接起來。這種方法為在web3內外的更廣泛採用鋪平了道路。 AI民族主義背景下的計算能力競賽 在人工智慧棧中，對資源的競爭愈演愈烈。過去幾年，人工智慧模型大量湧現。在Llama 3發布后的幾小時內，Mistral和OpenAI發布了他們前沿人工智慧模型的新版本。 人工智慧棧中正在進行資源競爭的三個層次是：1) 訓練數據，2) 先進演算法，3) 計算單元。算力允許人工智慧模型通過擴展訓練數據和模型大小來提高性能。根據OpenAI對基於變換器的語言模型的經驗性研究，隨著我們增加用於訓練的計算量，性能會平穩提高。 在過去20年中，計算使用量激增。Epoch.ai對140個模型的分析顯示，自2010年以來，具有里程碑意義的系統的培訓計算每年增加了4.2倍。最新的OpenAI模型，GPT-4，需要的計算量是GPT-3的66倍，大約是GPT的120萬倍。 AI民族主義明顯 美國、中國和其他國家的巨額投資，總計約400億美元。大部分資金將專註於生產GPU和人工智慧晶元工廠。OpenAI的CEO Sam Altman計劃籌集高達7萬億美元的資金，以增強全球人工智慧晶元製造，強調「計算將成為未來的貨幣」。 聚合長尾計算資源可能會顯著擾亂市場。中心化雲服務提供商如AWS、Azure和GCP面臨的挑戰包括長時間的等待、有限的GPU靈活性和繁瑣的長期合同，特別是對於較小的實體和初創公司而言困難更大。 數據中心、加密貨幣礦工和消費級GPU的未充分利用的硬體可以滿足需求。2022年DeepMind的一項研究發現，在更多數據上訓練較小的模型通常比使用最新、最強大的GPU更有效，這表明朝著使用可訪問的GPU進行更有效的人工智慧訓練的轉變。 IO.NET 結構性地顛覆了人工智慧計算市場 IO.NET結構性地顛覆了全球人工智慧計算市場。IO.NET的全球分散式人工智慧訓練、推理和微調的端到端平台，聚合了長尾GPU，以解鎖廉價的高性能訓練。 GPU市場： IO.NET從全球的數據中心、礦工和消費者那裡聚合GPU。人工智慧初創公司可以在幾分鐘內部署去中心化的GPU集群，只需指定集群位置、硬體類型、機器學習棧（Tensorflow、PyTorch、Kubernetes），並立即在Solana上支付。 集群： 沒有適配的并行基礎設施的GPU就好比沒有電源線的反應堆，雖然存在但無法使用。正如OpenAI博客所強調的，硬體和演算法并行性的限制顯著影響了每個模型的計算效率，限制了模型的大小和訓練期間的有用性。 IO.NET 利用 Ray 框架將數千個 GPU 集群轉換為一個統一整體。這一創新使 IO.NET 能夠組建 GPU 集群，而不受地理位置分散的影響，進而解決了計算市場上的一大難題。 Ray 框架脫穎而出 作為一個開源的統一計算框架，Ray簡化了人工智慧和Python工作負載的擴展。Ray被Uber、Spotify、LinkedIn和Netflix等行業領導者所採用，促進了人工智慧集成到他們的產品和服務中。微軟為客戶提供在Azure上部署Ray的機會，而Google Kubernetes Engine (GKE) 通過支持Kubeflow和Ray，簡化了開源機器學習軟體的部署。 Ahmad在2023年Ray峰會上展示他關於去中心化Ray框架的工作 去中心化Ray – 擴展Ray以進行全球推理（視頻鏈接：https://youtu.be/ie-EAlGfTHA?） 我們最初是在Tory擔任金融科技高增長初創公司的COO時遇見他的，我們知道他是一個具有數十年經驗的高級運營者，能夠將初創公司擴展到卓有成效的程度。與Ahmad和Tory交談后，我們立即意識到這是將去中心化人工智慧計算帶到web3及更廣範圍的夢想團隊。 Ahmad的創意結晶，IO.NET，是在實際應用中的一個頓悟時刻誕生的。開發Dark Tick，一種用於超低延遲高頻交易的演算法，需要大量的GPU資源。為了應對成本問題，Ahmad開發了一個去中心化的Ray框架版本，從加密貨幣礦工那裡集群GPU，無意中打造了一個解決更廣泛人工智慧計算挑戰的彈性基礎設施。 發展勢頭： 通過利用代幣激勵，截至2024年中期，IONET已經上線了超過10萬個GPU和2萬個集群就緒的GPU，包括大量的NVIDIA H100和A100。Krea.ai已經在利用io.net的去中心化雲服務，IO Cloud，來驅動他們的人工智慧模型推理。IO.NET最近宣布與NavyAI、Synesis One、RapidNode、Ultiverse、Aethir、Flock.io、LeonardoAI、Synthetic AI等多個項目合作。 通過依賴全球分散式的GPU網路，IO.NET可以： 與中心化雲服務提供商相比，通過允許推理更接近其終端用戶，從而降低客戶的推理時間 通過高度集成的網路骨幹連接多個數據中心，將資源組織成區域，從而提高彈性 降低計算資源的成本和訪問時間 允許公司動態擴展和縮小槓桿資源的規模 使GPU提供者能夠從他們的硬體投資中獲得更好的收益 IO.NET通過去中心化Ray框架站在了創新的前沿。利用Ray Core和Ray Serve，他們的分散式GPU集群在去中心化GPU上高效地編排任務。 結論 推動開源人工智慧模型是對原始互聯網協作精神的認可，人們可以無需許可地接入HTTP和SMTP。 眾包GPU網路的出現是無需許可精神的自然演變。通過眾包長尾GPU，IO.NET正在打開通往寶貴計算資源的閘門，創造一個公平透明的市場，防止權力集中在少數人手中。 我們相信 IO.NET 通過去中心化的 Ray 集群技術實現人工智慧計算即貨幣的願景。在這個日益由 “富人 “和 “窮人 “組成的世界里，IO.NET 最終將 “讓互聯網再次開放”。  WEEX唯客交易所官網：weex.com