撰寫：@rargulati，MartinShkreli
編譯：白話區塊鏈
@ionet 是建立在Solana 上的去中心化算力網絡，屬於Depin 和AI板塊，獲得了Mult1C0in Capital 和Moonhill Capital 的融資，融資金額未披露。
io.net 是一個基於Solana 的用於GPU 上的機器學習訓練的去中心化雲端平台，提供即時、無需許可地存取全球GPU 和CPU 網路。平台擁有25,000 個節點，並採用革命性的技術將GPU 雲端叢集在一起，為大規模AI 新創公司節省了高達90% 的運算成本。
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：
@ionet 有多少GPU（Graphics Processing Unit，圖形處理器) 是用於圖形處理的晶片）？
X 上@MartinShkreli 對四個答案進行了分析：
1）7648（部署時嘗試時）
2）11107（從他們的資源管理器手動計算）
3）69415（無法解釋的數字，不變？）
4）564306（這裡沒有任何支持、透明度或實質的資訊。連CoreWeave 或AWS 都沒有這麼多）
認為真正的答案其實是320 個。
為什麼是320 個呢？
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...
@rargulati表示Martin 在對此事提出質疑是完全正確的。去中心化的人工智慧協定有以下問題：
1）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。
2）在通用硬體上進行推論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 的成長。
3）從正確路由的請求上進行推斷，與請求緊密共存的gpu 集群，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經營真正業務的人。
4）軟體路由演算法必須非常好，不然消費者業者的通用硬體在操作上有許多問題。忘記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對營運帶來困擾，並給需求方請求者帶來不確定性。
這些都是棘手的問題，需要很長很長的時間來解決。所有的投標都只是梗而已。
