Développements les plus récents de Io.net en 2025

Io.net a connu une croissance et un développement significatifs en 2025, consolidant sa position sur le marché de l'informatique décentralisée. Les mises à jour suivantes mettent en évidence les avancées clés et les changements stratégiques au sein de la plateforme :

Expansion du marché et performance

• Croissance du réseau: Le réseau Io.net s'est étendu à plus de 10 000 nœuds actifs dans le monde, représentant une augmentation de 215 % par rapport à la fin de 2024.
• Puissance de calcul: Les ressources de calcul GPU totales disponibles sur la plateforme ont atteint 450 petaFLOPS, ce qui en fait le plus grand réseau de calcul GPU décentralisé.
• Volume des transactions: La plateforme traite désormais plus de 12 millions de dollars de transactions de ressources informatiques par mois

Partenariats stratégiques

Io.net a formé plusieurs alliances stratégiques pour améliorer son écosystème :

Avancées techniques

• Technologie IO Mesh: L'introduction du maillage réseau a réduit la latence de 47 %, améliorant considérablement les capacités de traitement en temps réel pour les charges de travail d'IA distribuées.
• Allocation intelligente des ressources: De nouveaux algorithmes optimisent la répartition des ressources GPU en fonction des exigences de charge de travail, augmentant l'efficacité de 38%
• Intégration de stockage à froid: Intégration transparente avec des solutions de stockage décentralisées, permettant des flux de travail plus complexes pour la gestion de grands ensembles de données
• Mises à niveau du protocole de sécurité: Un cryptage de bout en bout amélioré et des systèmes d'authentification multi-niveaux protègent désormais tous les transferts de données.

Affinements du modèle économique

La structure tokenomique a été affinée avec :

• Modèle de tarification dynamique: Mise en œuvre d'une tarification réactive à la demande qui s'ajuste en fonction des taux d'utilisation du réseau
• Mécanismes de Staking: Nouvelles options de staking permettant aux détenteurs de tokens de participer à la gouvernance et de gagner des récompenses provenant des frais du réseau
• Incitations des fournisseursStructure de récompense échelonnée pour les fournisseurs de ressources informatiques basée sur la qualité du matériel et les indicateurs de disponibilité

Impact sur l'industrie

Le développement de l'infrastructure d'Io.net a contribué de manière significative à l'industrie de l'IA en :

• Réduire les coûts de formation de l'IA de 72 % en moyenne par rapport aux fournisseurs de cloud centralisés
• Permettre l'accès à l'informatique haute performance pour les petites équipes de recherche et les startups
• Soutenir des modèles d'IA de plus en plus complexes grâce à une architecture de calcul distribué
• Établir de nouvelles normes pour l'infrastructure IA décentralisée

Alors qu'Io.net continue d'évoluer en 2025, la plateforme démontre comment une infrastructure décentralisée peut répondre efficacement aux demandes croissantes de l'informatique AI. La trajectoire de croissance de la plateforme indique un élan soutenu pour construire un écosystème informatique plus accessible, efficace et démocratisé pour le développement de l'IA dans le monde entier.

Introduction

À l'ère numérique, la puissance de calcul est devenue un élément essentiel du progrès technologique. Elle définit les ressources dont les ordinateurs ont besoin pour traiter des opérations, y compris la mémoire, la vitesse du processeur et le nombre de processeurs. Ces ressources affectent directement la performance et le coût des appareils, en particulier lorsqu'ils gèrent plusieurs programmes simultanément. Avec l'adoption généralisée des technologies d'intelligence artificielle et d'apprentissage profond, la demande de ressources informatiques haute performance, telles que les GPU, a explosé, entraînant une pénurie d'approvisionnement mondiale.

L'unité centrale de traitement (CPU) joue un rôle clé en tant que cœur d'un ordinateur, tandis que l'unité de traitement graphique (GPU) améliore considérablement l'efficacité computationnelle en gérant des tâches parallèles. Un CPU plus puissant peut traiter les opérations plus rapidement, et le GPU soutient efficacement les demandes computationnelles croissantes.

Qu'est-ce qu'Io.net ?

Source : io.net

Io.net est un projet DePIN basé sur Solana, axé sur la fourniture de puissance de calcul GPU aux entreprises d'IA et d'apprentissage machine, rendant le calcul plus évolutif, accessible et efficace.

Les modèles d'IA modernes sont de plus en plus grands, et l'entraînement et l'inférence ne sont plus des tâches simples pouvant être effectuées sur un seul appareil. Souvent, l'informatique parallèle et distribuée est nécessaire, utilisant les puissantes capacités de plusieurs systèmes et cœurs pour optimiser les performances informatiques ou pour s'étendre afin d'accommoder des ensembles de données et des modèles plus grands. La coordination du réseau GPU en tant que ressource de calcul est cruciale dans ce processus.

Contexte de l'équipe et financement

Contexte de l'équipe

L'équipe centrale de Io.net était à l'origine spécialisée dans le trading quantitatif. Jusqu'en juin 2022, elle s'est concentrée sur le développement de systèmes de trading quantitatif de niveau institutionnel couvrant les actions et les cryptomonnaies. À mesure que la demande de puissance de calcul des systèmes backend augmentait, l'équipe a commencé à explorer les possibilités de l'informatique décentralisée, se concentrant finalement sur la résolution de problèmes spécifiques liés à la réduction du coût des services de calcul GPU.

• Fondateur et PDG : Ahmad Shadid, qui a travaillé dans la quantification et l'ingénierie financière. Avant Io.net, il était bénévole à la Fondation Ethereum.
• CMO et directeur de la stratégie : Garrison Yang, qui a rejoint Io.net en mars de cette année, a précédemment été VP de la stratégie et de la croissance chez Avalanche et est diplômé de l'Université de Californie à Santa Barbara.
• COO : Tory Green, le COO d'Io.net, a précédemment été COO chez Hum Capital et Directeur du Développement Commercial et de la Stratégie chez Fox Mobile Group, et est diplômé de Stanford.

Selon les informations de LinkedIn d'Io.net, l'équipe est basée à New York, aux États-Unis, avec une branche à San Francisco, et compte actuellement plus de 50 membres.

Situation de financement

Io.net a complété un tour de financement de 30 millions de dollars en série A dirigé par Hack VC, avec la participation d'autres institutions notables telles que Multicoin Capital, Delphi Digital, Animoca Brands, OKX, Aptos Labs et Solana Labs. De plus, les fondateurs de Solana, Aptos et Animoca Brands ont également participé à ce tour en tant qu'investisseurs individuels. Notamment, suite à l'investissement de la Fondation Aptos, le projet BC8.AI, initialement établi sur Solana, a été transféré vers la plateforme L1 tout aussi efficace, Aptos.

Répondre à la pénurie de ressources informatiques

Au cours des dernières années, les avancées rapides en IA ont entraîné une augmentation de la demande en puces informatiques, les applications d'IA doublant leurs besoins en puissance de calcul tous les trois mois et presque décuplant tous les 18 mois. Cette croissance exponentielle a mis à rude épreuve la chaîne d'approvisionnement mondiale, qui peine encore à se remettre des perturbations causées par la pandémie. Les clouds publics ont généralement un accès prioritaire à davantage de GPU, ce qui rend difficile pour les petites entreprises et les institutions de recherche d'obtenir des ressources informatiques, telles que :

• Coûts élevés : L'utilisation de GPU haut de gamme est très coûteuse, atteignant facilement des centaines de milliers par mois pour l'entraînement et l'inférence.
• Problèmes de qualité : Les utilisateurs ont peu de choix concernant la qualité, le niveau de sécurité, le délai de calcul et d'autres options du matériel GPU et doivent se contenter de ce qui est disponible.
• Restrictions d'utilisation : Lors de l'utilisation de services cloud comme AWS de Google, GCP ou Microsoft Azure, l'accès prend généralement des semaines et les GPU haut de gamme sont souvent indisponibles.

Io.net aborde ce problème en agrégant des ressources informatiques sous-utilisées (telles que des centres de données indépendants, des mineurs de cryptomonnaies, Filecoin, Render et d'autres réseaux de projets crypto) de GPU excédentaires. Ces ressources informatiques forment un réseau de calcul décentralisé, permettant aux ingénieurs d'obtenir une vaste puissance de calcul dans un système facilement accessible, personnalisable et économique.

Source : io.net

Produits Io.net conçus pour quatre fonctionnalités clés

• Inférence par lots et services de modèle : Les données par lots peuvent être traitées en parallèle en exportant l'architecture et les poids des modèles entraînés vers un stockage d'objets partagé. Io.net permet aux équipes d'apprentissage automatique d'établir des workflows d'inférence et de services de modèle à travers des réseaux GPU distribués.
• Formation parallèle : Les limitations de mémoire CPU/GPU et les flux de traitement séquentiels créent des goulets d'étranglement significatifs lors de l'entraînement de modèles sur un seul appareil. Io.net utilise des bibliothèques de calcul distribué pour orchestrer et regrouper les tâches d'entraînement, permettant le parallélisme des données et des modèles sur de nombreux appareils distribués.
• Réglage parallèle des hyperparamètres : Les expériences de réglage des hyperparamètres sont par nature parallèles. Io.net utilise une bibliothèque de calcul distribué avec des capacités avancées de réglage des hyperparamètres pour trouver les meilleurs résultats, optimiser la planification et définir les modèles de recherche.
• Apprentissage par renforcement : Io.net utilise une bibliothèque d'apprentissage par renforcement open-source qui prend en charge des charges de travail RL hautement distribuées à l'échelle de la production et un ensemble d'API simples.

Produits Io.net

IO Cloud

IO Cloud gère des clusters GPU dispersés, offrant un accès flexible et évolutif aux ressources sans avoir besoin d'investissements matériels coûteux et de gestion d'infrastructure. L'utilisation d'un réseau de nœuds décentralisé offre aux ingénieurs en apprentissage automatique une expérience similaire à celle de tout fournisseur de cloud. Intégré de manière transparente via l'IO-SDK, il propose des solutions pour les applications AI et Python et simplifie le déploiement et la gestion des ressources GPU/CPU, s'adaptant aux besoins changeants.

Points forts :

• Couverture mondiale : En utilisant une approche similaire à un CDN, elle distribue globalement les ressources GPU pour optimiser les services et l'inférence en apprentissage machine.
• Scalabilité et efficacité des coûts : Engagé à être la plateforme cloud GPU la plus rentable, il est prévu de réduire les coûts des projets IA/ML jusqu'à 90 %.
• Intégration avec IO SDK : Améliore les performances des projets d'IA grâce à une intégration transparente, créant ainsi un environnement unifié à haute performance.
• Caractéristiques exclusives : Fournit un accès privé au plugin OpenAI ChatGPT, simplifiant le déploiement des clusters d'entraînement.
• Support pour le cadre RAY : Utilise le cadre de calcul distribué RAY pour le développement d'applications Python évolutives.
• Innovation dans le minage de crypto-monnaies : vise à révolutionner l'industrie du minage de crypto-monnaies en soutenant les écosystèmes ML et IA.

Travailleur IO

Conçu pour optimiser les opérations d'approvisionnement dans les WebApps, IO Worker comprend la gestion des comptes utilisateurs, la surveillance des activités en temps réel, le suivi de la température et de la consommation d'énergie, le support d'installation, la gestion des portefeuilles, l'évaluation de la sécurité et l'analyse de la rentabilité. Il comble le fossé entre les exigences de puissance de traitement de l'IA et l'offre de ressources informatiques sous-utilisées, facilitant un processus d'apprentissage de l'IA plus rentable et fluide.

Points forts :

• Page d'accueil du travailleur : Fournit un tableau de bord pour la surveillance en temps réel des appareils connectés, prenant en charge des fonctions telles que la suppression et le renommage des appareils.
• Page de détails de l'appareil : Offre une analyse complète des appareils, y compris le trafic, l'état de la connexion et l'historique des opérations.
• Page Ajouter un appareil : Simplifie le processus de connexion des appareils, prenant en charge l'intégration rapide et facile de nouveaux appareils.
• Page des gains et des récompenses : Suit les gains et l'historique des opérations avec les détails des transactions disponibles sur Solscan.

IO Explorer

IO Explorer vise à fournir une fenêtre sur le fonctionnement du réseau, offrant aux utilisateurs des statistiques complètes et des informations opérationnelles sur tous les aspects du cloud GPU. Tout comme Solscan ou les explorateurs de blockchain offrent une visibilité sur les transactions blockchain, IO Explorer apporte un niveau de transparence similaire aux opérations pilotées par GPU, permettant aux utilisateurs de surveiller, d'analyser et de comprendre les détails du cloud GPU, garantissant une visibilité complète des activités, des statistiques et des transactions du réseau tout en protégeant la confidentialité des informations sensibles.

Points forts :

• Page des appareils : Affiche les détails publics des appareils connectés au réseau, fournissant des données en temps réel et un suivi des transactions.
• Page d'accueil du navigateur : Offre des informations sur le volume d'approvisionnement, les fournisseurs vérifiés, le nombre de matériels actifs et les prix du marché en temps réel.
• Page des clusters : Affiche des informations publiques sur les clusters déployés dans le réseau, ainsi que des indicateurs en temps réel et des détails de réservation.
• Surveillance des clusters en temps réel : Fournit des informations immédiates sur l'état, la santé et la performance des clusters, garantissant que les utilisateurs disposent des dernières informations.

Architecture IO

En tant que branche de Ray, l'IO-SDK forme la base des capacités d'Io.net, prenant en charge l'exécution parallèle des tâches et gérant des environnements multilingues. Sa compatibilité avec les frameworks d'apprentissage automatique (ML) grand public permet à Io.net de répondre de manière flexible et efficace à diverses exigences computationnelles. Cette configuration technique, soutenue par un système technique bien défini, garantit que la plateforme Io.net peut répondre aux besoins actuels et s'adapter aux évolutions futures.

Architecture multi-couches :

• Couche d'interface utilisateur : Fournit une interface visuelle frontale pour les utilisateurs, y compris des sites Web publics, des zones clients et des zones de fournisseurs de GPU, afin d'offrir une expérience intuitive et conviviale.
• Couche de sécurité : Garantit l'intégrité et la sécurité du système, en incorporant des mécanismes tels que la défense du réseau, l'authentification des utilisateurs et la journalisation des activités.
• Couche API : En tant que hub de communication pour les sites web, les fournisseurs et la gestion interne, elle facilite l'échange de données et les opérations.
• Couche Back-end : Constitue le cœur du système et est responsable de la gestion des clusters/GPU, des interactions avec les clients et de l'évolutivité automatique.
• Couche de base de données : Gère le stockage et la gestion des données, avec un stockage principal pour les données structurées et un cache pour la gestion des données temporaires.
• Couche de tâches : Gère la communication asynchrone et l'exécution des tâches, garantissant un traitement et un flux de données efficaces.
• Couche d'infrastructure : Constitue la base du système, y compris le pool de ressources GPU, les outils d'orchestration et le traitement des tâches d'exécution/ML, équipé d'une solution de surveillance robuste.

Tunnels IO

Les tunnels IO facilitent les connexions sécurisées entre les clients et les serveurs distants, permettant aux ingénieurs de contourner les pare-feu et NAT sans configurations complexes, permettant l'accès à distance.

Flux de travail : les IO Workers établissent d'abord une connexion avec un serveur intermédiaire (c'est-à-dire, le serveur io.net). Le serveur io.net écoute ensuite les demandes de connexion des IO Workers et des machines des ingénieurs, facilitant l'échange de données grâce à la technologie de tunnel inversé.

(Source de l'image : io.net, 2024.4.11)

Application dans io.net : Les ingénieurs peuvent facilement se connecter aux IO Workers via le serveur io.net, surmontant les défis de configuration réseau pour obtenir un accès et une gestion à distance.

Avantages :

• Accessibilité : La connexion directe aux IO Workers élimine les barrières réseau.
• Sécurité : Assure la sécurité des communications, protégeant la vie privée des données.
• Scalabilité et flexibilité : gère efficacement plusieurs travailleurs IO dans différents environnements.

Réseau IO

IO Network utilise une architecture VPN maillée pour fournir une communication à ultra-faible latence entre les nœuds antMiner.

Fonctionnalités du réseau VPN maillé : Connexions décentralisées : Contrairement aux modèles traditionnels en étoile, le VPN maillé permet des connexions directes entre les nœuds, améliorant la redondance, la tolérance aux pannes et la répartition de la charge.

Avantages pour io.net :

• Les connexions directes réduisent les délais de communication, améliorant ainsi les performances des applications.
• Aucun point de défaillance unique n'assure que le réseau continue de fonctionner même si un nœud individuel échoue.
• Améliore la protection de la vie privée des utilisateurs en augmentant la complexité du suivi et de l'analyse des données.
• Intégration facile de nouveaux nœuds sans affecter les performances du réseau.
• Facilite le partage des ressources et le traitement efficace entre les nœuds.

Source : io.net

Comparaison des plateformes de calcul décentralisé

Akash et Render Network

Akash et Render Network sont tous deux des réseaux de calcul décentralisés qui permettent aux utilisateurs d'acheter et de vendre des ressources informatiques. Akash fonctionne comme un marché ouvert, offrant des ressources CPU, GPU et de stockage où les utilisateurs peuvent fixer des prix et des conditions, et les fournisseurs enchérissent pour déployer des tâches. En revanche, Render utilise un algorithme de tarification dynamique axé sur les services de rendu GPU, avec des ressources fournies par des fournisseurs de matériel et des prix ajustés en fonction des conditions du marché. Render n'est pas un marché ouvert mais utilise un algorithme de tarification multi-niveaux pour assortir les acheteurs de services avec les utilisateurs.

Io.net et Bittensor

Io.net se concentre sur les tâches d'intelligence artificielle et d'apprentissage automatique, utilisant un réseau de calcul décentralisé pour exploiter la puissance de calcul des GPU répartis dans le monde entier, et collaborant avec des réseaux comme Render pour gérer les tâches d'IA et d'apprentissage automatique. Ses principales distinctions résident dans son accent sur les tâches d'IA et d'apprentissage automatique et son insistance sur l'utilisation de clusters de GPU.

Bittensor est un projet de blockchain axé sur l'IA visant à créer un marché décentralisé d'apprentissage automatique qui concurrence les projets centralisés. Utilisant une structure de sous-réseau, il se concentre sur diverses tâches liées à l'IA, telles que les réseaux d'IA pour les invites de texte et la génération d'images par IA. Les mineurs de l'écosystème Bittensor fournissent des ressources informatiques et hébergent des modèles d'apprentissage automatique, effectuant des calculs pour des tâches d'IA hors chaîne et rivalisant pour offrir les meilleurs résultats aux utilisateurs.

Source : TokenInsight

Conclusion

Io.net est prêt à avoir un impact significatif sur le prometteur marché de l'informatique AI, soutenu par une équipe technique expérimentée et un fort soutien d'entités bien connues telles que Multicoin Capital, Solana Ventures, OKX Ventures, Aptos Labs et Delphi Digital. En tant que premier et unique DePIN basé sur GPU, io.net offre une plateforme qui connecte les fournisseurs de puissance de calcul aux utilisateurs, mettant en avant sa fonctionnalité puissante et son efficacité à fournir des flux de travail d'entraînement et d'inférence de réseau GPU distribué pour les équipes d'apprentissage machine.