机器学习

NetMind Power通过整合全球闲置GPU资源构建去中心化AI计算平台，原生代币NMT（总量1.4757亿枚）用于支付、奖励及治理。平台采用数据并行和联邦学习技术提升训练效率，结合NetMind Chain区块链实现任务调度与质押激励。提供GPU租赁（成本降低90%）、模型API、微调工具及无服务器推理服务，并与剑桥大学达成合作推动AI民主化。用户可通过交易所购买NMT参与生态。

转发原文标题《MIIX Capital: io.net项目研究报告》 1、项目情况 1.1 业务概要 io.net是去中心化的 GPU 网络，旨在为 ML（机器学习） 提供计算。通过组装来自独立数据中心、加密货币矿工和 Filecoin 或 Render 等项目的 100 万多个 GPU 来获取计算能力。 它的目标是将 100 万个 GPU 组合到 DePIN（去中心化物理基础设施网络）中，打造一个企业级、去中心化的分布式计算网络，通过汇聚全球闲散的网络计算资源（目前主要是GPU），为人工智能工程师们提供价格更低、更易获得、更灵活适配的网络计算资源服务。 对于用户来说，它就相当于一个去中心全球闲散GPU资源的集市，让人工智能工程师或团队可以在这里按照他们的需求定制化搭配和购买所需的GPU计算服务。 1.2 团队背景 Ahmad Shadid 是创始人兼首席执行官，此前是 WhalesTrader 量化系统工程师。 Garrison Yang 是首席战略官兼首席营销官，此前是 Ava Labs 增长与战略副总裁。 Tory Green 是首席运营官，此前是 Hum Capital 首席运营官、Fox Mobile Group 企业发展与战略总监。 Angela Yi 是商务拓展副总裁，毕业于美国哈佛大学，负责规划并执行销售、伙伴关系和供应商管理等关键战略。 2020 年Ahmad Shadid 为机器学习量化交易公司 Dark Tick 构建 GPU 计算网络时，因为交易策略接近于高频交易，所以需要大量的算力，云服务厂商高昂的GPU服务费用成为了他们的难题。 对算力的巨大需求以及所面临的高昂成本促使他们他们决定去做去中心化分布式计算资源这件事，随后又在 Austin Solana Hacker House 获得关注度。因此，io.net属于该团队从自身面临的痛点出发，提出解决方案并进行业务落地和拓展。 1.3 产品/技术 市场用户面临的问题： 可用性有限，使用 AWS、GCP 或 Azure 等云服务访问硬件通常需要数周时间，而且市场上流行的 GPU 模型通常不可用。 选择余地很少，如在 GPU 硬件、位置、安全级别、延迟等方面用户几乎没有选择余地。 成本较高：获得优质 GPU 非常昂贵，每月很花费数十万美元用于训练和推理。 解决方案： 通过聚合未充分利用（例如独立数据中心、加密矿工以及 Filecoin、Render 等加密项目）的 GPU ，把这些资源整合到DePIN 中，使工程师能够在系统中获得大量计算能力。它允许 ML 团队跨分布式 GPU 网络构建推理和模型服务工作流程，并利用分布式计算库，来编排和批量训练作业，以便可以使用数据和模型并行性在许多分布式设备上并行化。 此外，io.net 利用具有高级超参数调整的分布式计算库来检查最佳结果、优化调度并简单地指定搜索模式。它还使用开源强化学习库，该库支持生产级、高度分布式的 RL （强化学习）工作负载以及简单的 API。 产品组成： IO Cloud，目的是部署和管理按需来分配去中心化的 GPU 集群，与IO-SDK无缝集成，提供扩展人工智能和Python应用程序的全面解决方案。可提供无限的计算能力，同时简化了GPU/CPU资源的部署和管理。 IO Worker，为用户提供一个全面且用户友好的界面，通过直观的网络应用程序高效管理他们的GPU节点操作。该产品的范围包括与用户账户管理、计算活动监控、实时数据显示、温度和功耗跟踪、安装辅助、钱包管理、安全措施和盈利能力计算相关的功能。 IO Explorer，主要为用户提供全面统计数据和 GPU 云各个方面的可视化图，让用户轻松即时监控、分析和了解io.net网络的复杂细节，提供对网络活动、重要统计数据、数据点和奖励交易的全面可见性。 产品特点： 去中心化计算网络：io.net 采用去中心化的计算模式，将计算资源分布在全球各地，从而提高了计算效率和稳定性。 低成本访问：相较于传统的集中式服务，io.net Cloud 提供了更低的访问成本，使更多的机器学习工程师和研究人员能够获得计算资源。 分布式云集群：平台提供了一个分布式的云集群，用户可以根据自己的需求选择合适的计算资源，并将任务分配到不同的节点上进行处理。 支持机器学习任务：io.net Cloud专注于为机器学习工程师提供计算资源，使他们能够更轻松地进行模型训练、数据处理等任务。 1.4 发展路线图 https://developers.io.net/docs/product-timeline 根据io.net白皮书公布的信息，项目产品的路线图是：2024年1月-4月，V1.0全面发布，致力于io.net生态系统的去中心化，使其能够实现自我托管和自我复制。 1.5 融资信息 根据公开新闻信息显示，2024年3月5日，io.net对外宣布完成 3000 万美元 A 轮融资，Hack VC 领投，Multicoin Capital、6th Man Ventures、M13、Delphi Digital、Solana Labs、Aptos Labs、Foresight Ventures、Longhash、SevenX、ArkStream、Animoca Brands、Continue Capital、MH Ventures、Sandbox Games等参与。【1】值得注意的是，这轮融资后，io.net整体估值10亿美元。 2、市场数据 2.1 官方网站 从2024年1月 至 2024年3月的官网数据看，总访问量为5.212M，月均访问1.737M，跳出率为18.61%（较低），各区域用户访问数据较均匀，且直接访问和搜索访问占比超过80%，可能说明访问用户数据中脏数据占比不高，他们对io.net有基本了解，并且愿意进一步了解和在网站进行交互。 2.2 社媒社群 3、竞争分析 3.1 竞争格局 io.net的核心业务是跟去中心AI算力有关，它最大的竞争对手就是以AWS、Google Cloud、微软智能云业务（Azure为代表）为代表的传统云服务厂商。根据国际数据公司(IDC)、浪潮信息和清华大学全球产业研究院联合编制的《2022–2023年全球算力指数评估报告》，全球人工智能计算市场规模预计将从2022年的195亿美元增长到2026年的346.6亿美元。【2】 对比全球主流云计算厂商的销售收入：2023年AWS云服务销售收入90.8亿美元，Google Cloud销售收入33.7亿美元，微软智能云业务销售收入96.8亿美元。【3】三者市场份额占到全球66%左右，同时这三家巨无霸公司市值均在万亿美元以上。 https://www.alluxio.io/blog/maximize-gpu-utilization-for-model-training/ 与云服务厂商高额收入形成鲜明对比的是，如何提升GPU利用率成为一个焦点问题。根据AI infrastructure的一项调查显示，大多数GPU资源被低估利用 — — 53%左右的人认为51~70%的GPU资源被低估利用，25%的人认为利用率达到85%，只有7%的人认为利用率超过85%。对io.net来说，对云计算的巨大需求以及GPU资源有效利用不足的问题是其面临的市场机会。 3.2 优势分析 https://twitter.com/eli5_defi/status/1768261383576289429 io.net最大的竞争优势体现在生态位优势或者说先发优势上。根据官方提供的数据：目前io.net拥有的GPU集群总量大于40K，CPU总量大于5600，Woker Nodes大于69K，部署10,000GPU的时间小于90s，价格比竞争对手便宜90%，估值10亿美元。io.net不仅为客户提供了相比起中心化云服务提供商 1–2 折的低价和无需许可的即时上线服务，更为算力提供者通过即将推出的 IO 代币提供了额外的启动激励，共同助力达成连接 100 万 GPU 的目标。 另外，与其他 DePIN 计算项目相比，io.net专注于 GPU 计算能力，其 GPU 网络的规模已经领先于同类项目超 100 倍。io.net还是区块链界第一个将最先进的 ML 技术栈（如 Ray 集群、Kubernetes 集群和巨型集群）融入 GPU DePIN 项目并投入大规模实践的，这使得其不仅在 GPU 数量上，更在技术应用和模型训练的能力上处于领先地位。 随着io.net 的不断发展，如果能够把GPU容量提升到与中心化云服务商竞争的 500,000 个全网并发 GPU，将可以用更低的成本提供与 Web 2 相似的服务，并有机会通过与主要 DePIN 和 AI 玩家（包括 Render Network、Filecoin、Solana、Ritual 等）建立的紧密合作关系，逐步确立其在该领域的核心地位成为去中心化 GPU 网络的龙头和结算层，为整个 Web 3xAI 生态带来活力。 3.3 风险和问题 io.net是一个新兴的，与Web3深度结合的计算资源整合与分发平台，并且所涉及的业务与传统的云服务厂商高度重合，这让它在技术和市场方面都面临着位置的风险和阻碍。 技术安全风险， io.net 作为新兴平台，并没有经历过大规模的应用测试，也没有体现出防范和应对恶意攻击的能力。面对巨量的算力资源接入、分发和管理并没有相应的经验或实践验证，容易出现技术产品常见的兼容性、健壮性、安全性等问题。并且一旦出现问题，很可能对 io.net 是致命的，因为客户更在意自己的安全和稳定，且不愿意为这些买单。 市场拓展缓慢， io.net与传统的云服务厂商高度重合，这让它必须与传统的AWS、Google Cloud、Alicloud等直接竞争，甚至与二线或三线的服务商直接竞争，尽管io.net有着更优惠的成本，但它面向B类客户的服务体系和市场体系是刚刚开始，这与现有Web3行业的市场运营有着很大的差别，所以，在目前来看它在市场拓展方面的进度并不理想，这很可能直接影响其项目估值和代币的市值表现。 最新安全事件 4月25日 io.net 创始人兼 CEO Ahmad Shadid 在发推称，io.net 元数据 API 遭遇安全事件，攻击者利用用户 ID 到设备 ID 的可访问映射，导致未经授权的元数据被更新，此漏洞并未影响 GPU 访问，但确实影响了前端向用户显示的元数据。io.net 不收集任何 PII，也不会泄露敏感的用户或设备数据。 Shadid 表示，io.net 系统设计允许自我修复，不断更新每个设备，帮助恢复任何错误更改的元数据。鉴于此事件，io.net 加快了 OKTA 的用户级身份验证集成的部署，该部署将在接下来 6 小时内完成。此外，io.net 还推出 Auth0 Token 进行用户验证，阻止未经授权的元数据更改。数据库恢复期间，用户将暂时无法登录。所有正常运行时间记录均不受影响，并且这不会影响供应商的计算奖励。 4、代币估值 4.1 代币模型 io.net 代币经济模型在创世时将拥有 5 亿枚 IO 的初始供应量，分为五个类别：种子投资者（12.5%）、A 轮投资者（10.2%）、核心贡献者（11.3%）、研发与生态系统（16%）以及社区（50%）。随着 IO 的发行以激励网络增长和采用，将在 20 年内增长至 8 亿枚的固定最大供应量。 奖励采用通缩模型，从第一年的 8% 开始，每月减少1.02%（每年约 12%），直到达到8亿枚 IO上限。随着发放奖励，早期支持者和核心贡献者的份额将持续减少，在所有奖励分配完成后，社区的份额将增长到 50%。【4】 其代币功用包括给予 IO Worker 分配激励、奖励 AI 与 ML 部署团队持续使用网络、平衡部分需求和供给、为 IO Worker 计算单位定价以及社区治理等。 io.net 为了避免因 IO 币价波动产生的支付问题，专为开发了稳定币 IOSD，与美元挂钩。1IOSD 始终等于 1 美元。IOSD 只能通过销毁 IO 来获得。此外，io.net 正考虑部分机制来改善网络功能。例如，可能允许 IO Workers 通过抵押原生资产来提高被租用的概率。在这种情况下，他们投入的资产越多，他们被选择到的概率就越大。此外，质押原生资产的人工智能工程师可以优先使用高需求的 GPU。 4.2 代币机制 IO 代币主要用于需求方和供应方两大群体，对于需求方而言，每个计算作业均以美元定价，网络将保留付款直至作业完成。一旦节点运营商以美元和代币配置其奖励份额，所有美元金额将直接分配给节点运营商，而分配给代币的份额将用于燃烧 IO 币。然后，在该期间作为计算奖励铸造的所有 IO 币都会根据其优惠券代币（计算积分）的美元价值分配给用户。 对于供应方而言，包括可用性奖励与计算奖励。其中，计算奖励是对于提交到网络的作业，用户可以选择时间偏好「以小时为单位部署集群的持续时间」，并从 io.net 定价预言机接收成本估算。可用性奖励方面，则是网络将随机提交小型测试作业，以评估哪些节点定期运行并且能够很好地接受来自需求方的作业。 值得一提的是，不论是供应方还是需求方，都设置有一套声誉系统，根据计算性能、对网络参与度来累计分数，获得奖励或优惠。 除此以外，io.net 还设置生态增长机制，包括质押、邀请奖励和网络费用。IO 币持有者可以选择将其代币 IO 质押给节点运营商或用户。一旦质押，质押

Datai Network 是一个去中心化的数据与分析平台，整合来自50多条区块链的数据，提供DeFi、NFT、RWA、GameFi等领域的深度洞察。其模块化三层架构（数据源层、数据精炼层、应用层）结合AI/ML技术，将原始数据转化为可操作的智能洞察。平台采用节点网络协作机制，索引器通过代币激励维护数据实时性，已获Ledger、Solana基金会等机构采用。核心代币$DATAI用于服务访问、贡献激励及治理，2025年路线图将推出用户行为API和AI训练数据等产品。

2024年AI加密货币领域呈现爆发式增长，SingularityNET、Fetch.ai和Ocean Protocol等十大项目成为行业标杆。这些项目通过去中心化AI市场、自主经济代理和数据货币化协议等创新应用，推动区块链与人工智能的深度融合。核心应用场景涵盖智能合约优化、高频交易算法、数据隐私保护及去中心化云计算，显著提升区块链网络的安全性与效率。评估AI加密货币需重点关注技术可行性、团队实力及实际用例，尽管存在市场波动风险，但该领域在金融、医疗等行业的变革潜力巨大，正重塑去中心化技术的未来图景。

本文探讨Web3与AI Agent结合的新兴趋势，分析其市场潜力及代表性项目。2024年上半年加密市场增长37.3%，AI成为仅次于Memecoin的热门叙事。文章重点介绍两类Web3 x AI Agent项目：具备链上操作能力的Spectral（转型为机器智能网络，推出Syntax、Nova等产品）和不具备链上操作能力的GaiaNet（分布式AI基础设施）。二者均通过去中心化解决传统AI的审查、所有权问题，同时为Web3带来信息检索简化和交互方式革新。另列举Zotto、AgentLayer等早期项目，展现该赛道的多样性和发展潜力。

平台转变，迎接平台转变…… 人工智能与区块链的融合代表了一个变革性时刻，类似于电报、铁路和互联网等重大技术突破。区块链技术为人工智能提供了开源、可信的中立数据和计算系统，能够推动协作创新。当前AI市场存在集中化趋势，但开源和区块链技术的结合有望打破这一局面，创造去中心化的替代方案。 加密货币和人工智能的互惠关系体现在多个方面：区块链可以建立高效的数据和计算市场，提升AI模型的透明度和质量；AI则能改善加密货币的用户体验和功能。此外，区块链的去中心化基础设施（如DePINs）为AI提供了更高效的计算和存储解决方案。 零知识证明（ZK）技术在AI领域也有广泛应用，例如验证模型推理和保护敏感数据。区块链还能帮助区分真实数据和合成数据，提升数据质量。未来，AI与区块链的结合将重塑数字内容、金融基础设施和长尾资产市场，推动去中心化未来的发展。

2025 年最新更新 截至 2025 年，Bittensor 网络取得显著发展，其原生代币 TAO 位列全球加密货币第 29 位，价格达 455.37 美元，市值 3.97 亿美元。流通量 872 万枚，占最大供应量 41.54%。 市场表现 当前价格：455.37 美元 24 小时交易量：1.62 亿美元 24 小时跌幅：2.77% 技术亮点 Bittensor 通过 Yuma 共识、专家混合模型和智能证明机制，构建去中心化机器学习网络。其子网系统支持文本、图像等 AI 服务，TAO 代币用于激励、质押和治理，总量恒定为 2100 万枚。 生态进展 网络集成 Gate 钱包等主流平台，社区评分达 3.7 分，覆盖 AI、DePIN 和生成式 AI 领域。作为去中心化机器学习协议，Bittensor 正推动全球 AI 模型的协同训练与价值交换。

2023年GambleFi因熊市盛行，但2024年模因币热潮转移了玩家注意力。随着AI技术发展，GambleFAI（AI驱动的去中心化博彩）应运而生，通过机器学习提升胜率至55%-60%。主要项目包括：@AskBillyBets（体育预测Agent）、@thedkingdao（体育博彩DAO）、@aion5100（多场景预测模型）和@RoboNetHQ（政治交易Agent）。这些AI Agent依托Bittensor和Allora网络，展现收入能力与市场整合趋势，或将成为加密市场新叙事。

2025年CVD指标应用的最新趋势 2025年加密货币市场的CVD指标迎来重大升级，机器学习整合实现多时间框架分析、自动背离警报和动态参数调整。跨交易所数据聚合提供全局市场视图，可视化技术升级为热图展示多维度动量。移动端普及带来定制化推送通知和简化界面，标准化API支持自动化交易系统整合。CVD与其他技术指标的无缝集成显著提升加密货币市场交易决策精度。

摘要 Gensyn是基于区块链的去中心化GPU算力网络，通过整合全球闲置计算设备（如个人电脑、小型数据中心）为机器学习提供低成本算力解决方案。其协议采用概率学习证明和加密货币激励机制，实现任务分配、验证和结算的链上链下协同。相比传统云服务（如AWS），成本降低80%至0.4美元/小时，主要服务小微企业和个人开发者等价格敏感群体。目前获a16z等机构投资，但面临设备异构性、数据隐私及网络延迟等挑战，市场规模仍有待验证。