Un proyecto inicialmente originado como un sistema de comercio cuantitativo de alto nivel para criptomonedas y acciones evolucionó en una red distribuida que aprovecha la capacidad de procesamiento de unidades de procesamiento gráfico (GPU) para atender la creciente demanda de servicios relacionados con inteligencia artificial (IA) y aprendizaje automático.
La startup Io.net creó una red de prueba que se nutre de la capacidad de procesamiento de GPU proveniente de diversos centros de datos, mineros de criptomonedas y proveedores de almacenamiento descentralizado.
Io.net mostró su próxima red de infraestructura de GPU descentralizada
La consolidación de esta potencia de procesamiento de GPU reduce significativamente los costos asociados al arrendamiento de estos recursos, los cuales tienden a encarecerse a medida que avanza la inteligencia artificial y el aprendizaje automático.
El director ejecutivo y co-fundador Ahmad Shadid explicó los pormenores de la red, cuyo propósito fundamental es ofrecer una plataforma descentralizada para el alquiler potencia de cómputo a una fracción del costo de las alternativas centralizadas que existen actualmente.
Shadid comentó cómo surgió la idea del proyecto a fines de 2022 durante un hackathon de Solana.
En ese momento, la empresa estaba inmersa en el desarrollo de una plataforma de comercio cuantitativo que dependía de la potencia de procesamiento de unidades de procesamiento gráfico (GPU) para llevar a cabo sus operaciones de alta frecuencia, pero se encontró con el obstáculo de los costos exorbitantes asociados al arrendamiento de esta capacidad de procesamiento.
La plataforma io.net permitirá a los proveedores de potencia de GPU destinar recursos a los clusters para las necesidades de IA y aprendizaje automático.
El equipo describió en detalle el desafío que implica el alquiler de hardware de GPU de alto rendimiento en su documentación principal, y remarcó que el costo promedio de alquiler de una sola tarjeta NVIDIA A100 asciende a aproximadamente u$s80 al día.
En caso de necesitar más de 50 de estas tarjetas para operar durante 25 días al mes, el costo superaría los u$s100.000.
Sin embargo, encontraron una solución en el descubrimiento de Ray.io, una biblioteca de código abierto que OpenAI utilizó para distribuir el proceso de entrenamiento de ChatGPT en más de 300.000 CPU y GPU.
Esta biblioteca optimizó la infraestructura del proyecto, y lograron desarrollar su backend en un sorprendentemente breve período de dos meses.
Shadid exhibió el funcionamiento de la red experimental de io.net durante la Cumbre Ray Summit, centrada en la inteligencia artificial, que tuvo lugar en septiembre de 2023.
Destacó cómo el proyecto consolida recursos informáticos y los presenta a los usuarios de unidades de procesamiento gráfico (GPU) en forma de conjuntos (clústeres) diseñados para satisfacer necesidades específicas en los ámbitos de la inteligencia artificial y el aprendizaje automático.
Según el equipo, resaltó que el desafío que implica el alquiler de hardware de GPU de alto rendimiento y precisó que el costo promedio de una tarjeta NVIDIA A100 es de u$s80 por día
"Este modelo permite que io.net provisione computación con GPU hasta un 90% más barata que los proveedores tradicionales y permite una potencia informática virtualmente ilimitada", comentó Shadid.
De qué se trata el proyecto de la startup
La red distribuida utilizará la tecnología de la cadena de bloques de Solana para efectuar pagos en SOL y USD Coin (USDC) a los profesionales de la inteligencia artificial y a los mineros que arriendan o proveen capacidad de procesamiento.
El plan de desarrollo del proyecto abarca el lanzamiento de un sistema de tokens nativos duales, denominados IO e IOSD.
Este modelo de tokens recompensará a los mineros por llevar a cabo tareas relacionadas con el aprendizaje automático y mantener la disponibilidad de la red, considerando los costos en dólares asociados al consumo de electricidad.
Shadid diferenció a io.net respecto a los servicios de nube centralizados como Amazon Web Services (AWS): por lo general, cualquier firma que requiera realizar cálculos relacionados con la IA recurre a proveedores externos, ya que carecen de unidades de procesamiento gráfico (GPU) necesarias para gestionar estas operaciones de forma interna.
Ahmad Shadid, director ejecutivo y co-fundador de Io.net.
Con una demanda de GPU que se pronosticó que aumentará 10 veces cada 18 meses, Hadid subrayó que "a menudo, no existe suficiente capacidad para satisfacer dicha demanda, lo que conlleva prolongados tiempos de espera y costos elevados".
Este problema se ve exacerbado por lo que describe como una utilización ineficiente de los centros de datos que "no están optimizados" para el tipo de tareas relacionadas con la inteligencia artificial y el aprendizaje automático que están en constante crecimiento.
La ventaja radica en que el minero común de criptomonedas tiene la oportunidad de alquilar su hardware y competir con gigantes como AWS.
Hadid destacó que un minero promedio que utiliza una tarjeta NVIDIA A100 de 40 GB gana u$s0,52 al día, mientras que AWS vende la misma tarjeta para cálculos de inteligencia artificial a u$s59,78 por día.
Las cifras compartidas estimaron que los mineros con acceso a recursos de GPU podrían obtener un aumento del 1.500% en sus ingresos en comparación con la minería tradicional de una variedad de criptomonedas, de acuerdo a una publicación de Cointelegraph.