io.net 是什么
一句话总结
一个去中心化的 GPU 算力集市——全球闲置的显卡（游戏卡、挖矿卡）通过它出租给需要跑 AI 训练的人，价格比云厂商便宜 70% 以上。
🤔 为什么会有它 / 解决了什么问题
AI 训练需要大量 GPU，但 AWS/GCP 的 H100 贵到小公司用不起。同时全球有海量闲置的消费级显卡（游戏玩家不玩游戏时、矿难退下来的卡）。io.net 用 Solana+Ray 把它们串成虚拟超算集群，让”闲置算力”卖钱，小公司便宜用。
🔍 具体运作原理 / 运作逻辑
GPU 拥有者装一个客户端，把自己的显卡注册到 io.net 网络。需要算力的人在平台上提交 Ray 任务（分布式训练框架）。io.net 自动找够数量的显卡、组建临时集群、跑完任务自动解散结账。用 Solana 做支付清算（USDC）。
更硬核的技术细节（点击展开）
基于 Ray 框架做分布式调度——把分散在不同物理位置的 GPU 抽象成一个逻辑集群。支持 GPU 共享（一张卡可以同时跑多个推理任务），降低碎片浪费。使用 Solana 区块链做密集结算（每 15 秒出块，低手续费）。兼容 CUDA，原生支持 PyTorch/TensorFlow。推理延迟 50-200ms 不等，取决于节点网络距离。
🧭 什么情况下会用到 / 什么场景会遇到它
- 中小规模的 AI 模型训练（微调、LoRA），预算有限不想被云厂商锁定
- 大规模并行推理（批量处理），不要求实时响应
- 配合 Akash 做互补：Akash 跑通用 CPU 任务，io.net 跑 GPU 密集型
🛠️ 怎么上手 / 在哪操作
去 io.net 注册，连接 Solana 钱包（如 Phantom），选 GPU 类型和数量，提交部署任务。
⚖️ 副作用 / 代价 / 取舍
- 节点网络不稳定：你租的显卡可能中途掉线，任务需要 checkpoint 容错
- 消费级显卡（RTX 4090）算力和显存不如数据中心卡（H100），大模型全参数微调跑不了
- 隐私风险：你的数据在别人的机器上跑，不适合敏感数据
🕰️ 来历
- 谁提出/创造的：Ahmad Shadid 创立，2022 年底成立
- 什么时候出现的：2023 年 Solana Breakpoint 大会上首次公开 Demo，2024 年主网上线
🔗 关联 / 经常一起出现的概念
- Akash Network：同属 DePIN 计算赛道，但 Akash 侧重通用 CPU+K8s 编排，io.net 侧重 GPU 集群。两者互补
- Solana：io.net 的清算和支付层。选择 Solana 而非以太坊，是因为高频小额交易的摩擦成本更低
- Ray：分布式计算框架，io.net 依赖 Ray 做底层任务调度和集群编排
⚠️ 注意事项 / 常见误区
- io.net 不是”用手机挖矿”——必须正经显卡（RTX 3060 起），手机算力不够
- 不适合延迟敏感的场景（实时推理、在线 API）。节点分散在世界各地，网络延迟不可控
- 节点供应商可能同时把一张卡租给多个人（overcommit），跑分虚高。建议小单测试后再加量
📎 记忆锚点
“Airbnb 的 GPU 版——你的游戏卡不玩游戏时也能挣钱。”
📝 更新日志
| 日期 | 改动 | 原因 |
|---|---|---|
| 2026-07-13 | 首次创建 | - |