io.net真實GPU數量成謎，有鬼？去中心化AI算力網有4大難題待解

io.net 旨在 Solana 生態上打造去中心化算力網路，屬於 DePIN 和 AI 板塊，是社群近期討論熱點，但它有哪些問題需要克服？本文源自 @rargulati 和 @MartinShkreli 所著文章，由白話區塊鏈整理、編譯及撰稿。
（前情提要：一文盤點 Solana 生態值得關注的6個AI加密項目）
（背景補充：io.net公佈代幣經濟模型，快速了解這個AI+Depin的熱點專案）

io.net 是一個基於 Solana 生態，用於 GPU 上的機器學習訓練的去中心化雲平台，提供即時、無需許可地訪問全球 GPU 和 CPU 網路。官方稱平台擁有 25000 個節點，並採用革命性的技術將 GPU 雲集群在一起，為大規模 AI 新創公司節省了高達 90% 的計算成本。

目前建立在 Solana 上，屬於目前比較火熱的 DePIN 和 AI 板塊，今天來看看 X 上兩位對其 GPU 和存在的問題進行了分析：

GPU（Graphics Processing Unit，圖形處理器，是用於圖形處理的晶片）。X 社群上帳號 @MartinShkreli 對四個答案進行了分析：

@MartinShkreli 認為真正的答案實際上是 320 個。

和我一起看一下資源管理器頁面。所有的 GPU 都是「免費」的，但你仍然不能租用一個。如果它們是免費的，為什麼不能租用呢？人們想要得到報酬，對嗎？

你實際上可以租用的只有 320 個。如果你不能租用它們，那它們就不是真實存在的。即使你可以租用，它也會增加…

另一個用戶 @rargulati 表示 Martin 在對此事提出質疑是完全正確的。並提出去中心化的人工智慧協議存在以下問題：

沒有一種成本效益高且時間有效的方式，來在高度分散式的通用硬體架構上進行有用的線上訓練。這需要一個我目前不知道的重大突破。這就是為什麼 FANG 花費的資金比加密貨幣的所有流動性還要多，用於購買昂貴的硬體、網路連線、資料中心維護等。
在通用硬體上進行推斷聽起來是一個很好的應用案例，但硬體和軟體方面的發展如此迅速，以至於通用的去中心化方式在大多數關鍵用例上表現不佳。可以參考最新的 OpenAI 延遲和 Groq 的增長。
從正確路由的請求上進行推斷，與請求緊密共存的 GPU 叢集，並利用去中心化加密貨幣來壓低資金成本，以與 AWS 競爭並激勵愛好者參與。聽起來是個不錯的主意，但由於供應商眾多，GPU 現貨市場的流動性分散，沒有人整合出足夠的供應來提供給營運真正業務的人。
軟體路由演算法必須非常好，不然消費者營運商的通用硬體在操作上存在很多問題。忘掉網路突破和擁塞控制，如果有人決定玩遊戲或使用任何使用 webgl 的內容，你可能會遇到某個運營商的服務中斷。不可預測的供應端會給運營帶來困擾，並給需求方請求者帶來不確定性。

這些都是棘手的問題，需要很長的時間來解決，所有的投標都只是梗而已。