IO価格(IO)

IO.netは、定量取引システムおよび高頻度取引インフラにおいて豊富な経験を持つチームによって設立されました。IO.netが2022年6月にローンチする以前、このグループは、リアルタイムで1,000以上の株式および150以上の暗号資産（cryptocurrencies）を監視可能な機関向けグレードの取引システムを構築しました。彼らの専門分野にはMLOps、DevOps、分散型システムが含まれ、大規模な分散コンピューティング用途におけるRay.io技術の実装経験も有しています。こうした高性能取引インフラ構築の背景が、IO.netのアーキテクチャおよび提供される機能に影響を与えています。

IO.net は、分散型環境向けに修正された Ray フレームワークのカスタマイズ実装上で動作します。スケジューリングアルゴリズムとオートスケーリングを活用し、世界中の GPU・CPU リソース供給に対してワークロードを割り当てます。これは、デバイスのパフォーマンス、稼働時間（uptime）、セキュリティ準拠状況を継続的に追跡するワーカー管理レイヤーによって支えられています。ネットワークデバイスは厳格な稼働時間基準を満たす必要があり、信頼性の高いサービスを確保するために、定期的なプルーフ・オブ・ワーク（PoW）検証を通じてチェックされます。また、このスタックには、リアルタイムでのネットワーク活動の監視および可視化を可能にする「IO Explorer」が含まれており、同時に機密情報の保護も図られています。IO.net は、コンシューマー向けグラフィックスカードからデータセンター級ユニットまで、多数の GPU カテゴリをサポートしており、モデルごとに異なる乗数（multiplier）およびステーキング要件を適用することで、参加者の構造を最適化しています。信頼性およびセキュリティは、SOC 2 準拠チェック、プルーフ・オブ・タイムロック（PoTL）メカニズム、継続的なパフォーマンス監視といった層別制御によって強化されています。この設計により、単一 GPU のタスクから数千台のプロセッサにまたがる分散型ジョブまでスケール可能であり、個人による AI ワークロードから大規模なモデル学習まで、あらゆるユースケースに対応できます。

ネットワーク経済はIOコインを基盤としており、IOコインは取引および参加者への報酬のための主要トークンとして機能します。対象となるデバイスは、1時間ごとのスケジュールでブロック報酬を受け取り、その報酬の95％がGPUに、5％がCPUに割り当てられます。IO.netでは、IOトークンによるステーキング要件も適用されており、必要なステーク量はGPUモデルによって異なります。たとえば、H100 80GB HBM3では2000 IOトークンのステーキングが必要ですが、RTX 4060では200 IOトークンのみが必要です。参加者は、複数のチャネルを通じて収益を創出できます：ハードウェアのレンタルによる収益、ネットワーク上で可用性を維持することによるブロック報酬、およびパフォーマンスやアップタイム目標の達成に応じた追加インセンティブです。報酬の配分は、接続レベル（Connectivity Tier）、ハードウェア性能、およびプルーフ・オブ・ワーク検証を考慮したスコアリングシステムに基づいて行われます。

IO.netのロードマップでは、分散型GPUインフラのスケーリングとプラットフォーム機能の拡張が最優先事項です。計画中の機能には、サーバーレス推論（serverless inference）、クラウドゲーム、およびピクセルストリーミングが含まれます。また、AIモデル統合の改善や、デプロイを容易にするための事前構築済みテンプレートライブラリの拡充も予定されています。その他の取り組みとしては、自動スケーリングの強化およびより高度なリソース割り当てアルゴリズムの導入が焦点となっています。長期的には、IO.netはAIコンピューティングへのアクセスをさらに広げ、AIアプリケーションおよび分散コンピューティング全般における需要増加に対応する新しいツールを提供することを目指しています。

IO.netは、GPUコンピューティングのための分散型ネットワークを開発しており、高性能コンピューティングをインターネットと同様に簡単に利用できるようにすることを目指しています。このプラットフォームを通じて、顧客は従来のプロバイダーと比較して最大90％低いコストでGPUおよびCPUのリソースをレンタルできます。一方、ハードウェアを所有する人々は、自身のコンピューティングリソースを提供することで報酬を得ることができます。本プロジェクトは、OpenAIがGPTモデルで採用しているRayフレームワーク技術に基づいて構築されており、分散型かつグローバルなリソースプールを、AIコンピューティングへのアクセス拡大の手段として位置づけています。