Multicoin Capital我們為什麼投資 ionet

　　2024 年 6 月 6 日，幣安宣佈 Launchpool 將上線 io.net 代幣 IO，用戶於香港時間 6 月 7 日 8 時在 Launchpool 網站將 BNB、FDUSD 投入到 IO 挖礦池中獲得 IO 獎勵，IO 共計可挖礦 4 天。網站預計將於此公告的大約五小時內，挖礦活動開放前更新。

　　此外，幣安將於香港時間 6 月 11 日 20 時 上市 io.net 代幣 IO，並開通 IO/BTC、IO/USDT、IO/BNB、IO/FDUSD 和 IO/TRY 交易市場。

　　IO 代幣解鎖和獎勵

　　根據 io.net 官方文檔，IO 代幣總供應量為 8 億枚，將在發佈時釋放 5 億枚 IO，並在未來 20 年內逐步發行 3 億枚 IO，直到達到 8 億代幣的上限。最初的 5 億供應量解鎖和獎勵如下圖所示，分為五類：種子投資者、A 輪投資者、核心貢獻者、研發和生態系統以及社區;

　　IO 代幣解鎖和獎勵

　　IO 代幣預估分配

　　種子投資者：12.5%

　　A 輪投資者：10.2%

　　核心貢獻者：11.3%

　　研發：16%

　　生態系統與社區：50%

　　IO 代幣預估分配

　　以下 io.net 介紹內容為此前 io.net 3000 萬美元 A 輪融資的參投方 Multicoin Capital 撰寫：

　　我們很高興宣佈對 io.net 進行瞭投資， io.net 是提供 AI 算力租借服務的分佈式網絡。我們不僅領投瞭種子輪，還參與瞭 A 輪融資。io.net 共籌集瞭 3000 萬美元，參投方包括 Multicoin、Hack VC、6th Man Ventures、Modular Capital 以及由天使投資者組成的財團，旨在構建按需、隨時可用的 AI 算力需求市場 。

　　我第一次見到 io.net 的創始人 Ahmad Shadid ，是在2023 年 4 月 Solana 黑客松活動 Austin Hacker House，立即被他對於 ML (機器學習)的算力基礎設施去中心化方面的獨特見解所吸引。

　　從那以後，io.net 團隊便開始展現強大的執行力。如今，這個網絡已經聚合瞭數以萬計的分佈式 GPU，並為 AI 企業提供瞭超過 57.000 小時的計算時間。我們很高興與他們合作，為未來十年的 AI 復興助力。

　　一、全球算力短缺

　　AI 計算需求正以驚人的速度增長;這種需求目前並無法滿足。2023 年，為 AI 需求提供算力的數據中心收入超過瞭 1000 億美元，但即便在最保守的情況下，對 AI 的需求也超過瞭芯片供應。

　　在高利率和現金流缺失的時期，能夠容納此類硬件的新數據中心在前期需要大量的投資。問題的核心在於如 NVidia A100 和 H100 等先進芯片的生產受到限制。雖然 GPU 性能不斷提升且成本穩步降低，但其制造流程無法提速，這是因為原材料、組件和產能的短缺限制瞭增長速度。

　　盡管 AI 充滿前景廣闊，但支持其運行的物理占用空間每天都在增加，這就對空間、電力和尖端設備的需求大幅增加。而 io.net 為我們開辟瞭一條道路，算力不再會受到這些約束。

　　io.net 是 DePIN 在現實世界應用的經典案例：通過使用代幣激勵來結構性降低獲取供應側資源的成本，為最終 GPU 算力需求者降低成本。將分佈在全球各地的閑置 GPU 資源匯集到一個共享池中，供 AI 開發者和公司使用。如今，該網絡由來自數據中心、礦場和消費級設備的數千個 GPU 提供支持。

　　盡管可以將這些有價值的資源整合起來，但它們並不會自動擴展到分佈式網絡。在加密貨幣技術的歷史上，已經有過幾次構建分佈式 GPU 計算網絡的嘗試，但都因為不滿足需求方的需求而失敗。

　　在具有不同內存、帶寬和存儲配置的異構硬件上完成協調和調度算力工作，這是實現分佈式 GPU 網絡的關鍵一步。我們相信 io.net 團隊擁有當今市場上最實用的解決方案，可以使這種硬件聚合對最終客戶有用，並具有經濟效益。

　　二、為集群鋪平道路

　　在計算機發展歷史中，軟件框架和設計模式會圍繞市場上可用的硬件配置進行自我調整。大多數用於 AI 開發的框架和庫都嚴重依賴於集中式硬件資源，但在過去的十年裡，分佈式的算力基礎設施在實際應用中取得瞭顯著進展。

　　io.net 利用現有閑置的硬件資源，通過部署定制的網絡和編排層來將它們聯網，創建一個超可擴展的 GPU 互聯網。這個網絡利用 Ray、Ludwig、Kubernetes 以及其他各種開源的分佈式計算框架，以便機器學習工程和運營團隊能夠在已有 GPU 網絡上擴展其工作負載。

　　ML 團隊能夠通過啟動算力設備集群來並行化 io.net GPU 上的工作負載，並利用這些庫來處理編排、調度、容錯和擴展。例如，如果一組動態圖形設計師將他們傢中的 GPU 貢獻給網絡，io.net 可以構建一個集群，精心設計，使世界各地的圖像模型開發人員可以租用集體計算資源。

　　BC8.ai，就是一個例子，經過微調的穩定擴散變體模型，而這一模型是完全在 io.net 網絡上進行訓練。io.net 瀏覽器顯示實時推理以及對網絡貢獻者的激勵。

　　人工智能超級計算機

　　每個圖像的生成信息都是記錄在鏈上。所有的費用支付給瞭 6 個 RTX 4090 集群，這是用於遊戲的消費級 GPU。

　　如今，網絡上有數以萬計的設備，遍佈礦場、未充分利用的數據中心和 Render Network 消費者節點。除瞭創造新的 GPU 供應之外，io.net 還能夠在成本上與傳統雲服務提供商競爭，通常提供更便宜的資源。

　　他們通過將 GPU 協調和運營外包給去中心化協議來實現成本的降低。另一方面，雲服務提供商則因為員工開支、硬件維護和數據中心運營成本而對產品進行加價。消費級顯卡集群和礦場的成本遠低於超大規模計算中心(Hyperscalers)願意接受的成本，因此存在一種結構性套利，使得 io.net 上的資源定價動態地低於不斷上漲的雲服務費率。

　　三、構建 GPU 互聯網

　　io.net 具有獨特的優勢，保持輕資產運營，並將服務任何特定客戶的邊際成本降低到幾乎為零，同時與市場的需求方和供應方直接建立關系，能夠服務成千上萬需要訪問 GPU 以構建有競爭力的 AI 產品，將來每個人都會與之互動。