Exklusiv: io.net-CEO Tory Green über die Skalierung von GPU-Leistung für das KI-Zeitalter

Cryptopolitan hatte die Freude, mit Tory Green, dem nicht mehr ganz neuen CEO von io.net, über die Details seiner Vision für das Unternehmen und seine Mission in dieser Branche zu sprechen.

io.net ist ein dezentrales Netzwerk, das sich darauf konzentriert, GPU-Leistung für alle zugänglicher zu machen.

Es ist darauf ausgelegt, Kosten zu senken und Projekte für Ingenieure und Unternehmen zu beschleunigen, indem es schnellen Zugang zu einem riesigen Pool von GPUs bietet, wann immer sie benötigt werden.

Das Netzwerk, das als Internet of GPUs (IOG) bezeichnet wird, bündelt GPUs aus der ganzen Welt und ermöglicht es Nutzern, auf enorme Rechenleistung für Dinge wie KI, maschinelles Lernen und Cloud-Gaming zuzugreifen.

Hier ist alles, was wir von Tory erfahren haben:

FRAGE: Schön, Sie kennenzulernen, Tory. Lassen Sie uns direkt einsteigen. Sie sind in einer einzigartig wichtigen Zeit für io.net in die CEO-Rolle eingestiegen. Welche Schritte haben Sie unternommen oder unternehmen Sie, um sicherzustellen, dass alles reibungslos läuft und auf Kurs bleibt, während dieser Führungswechsel stattfindet?

ANTWORT: Ich bin offiziell im Juni in die CEO-Rolle eingestiegen, habe aber während der vorherigen 15 Monate die meisten operativen Aspekte des Geschäfts geleitet. Dies ermöglichte mir einen nahtlosen Übergang in die neue Rolle. Meine erste Priorität als CEO war es, eine klare Strategie zu etablieren. Ich habe mir die Zeit genommen, unsere langfristige Vision und die erforderlichen Schritte zu ihrer Verwirklichung dem globalen IO-Team zu verdeutlichen. Ohne diese Ausrichtung wäre es sehr schwierig, alle auf Kurs zu halten, um unsere Ziele zu erreichen.

Als Nächstes wollte ich ein starkes Führungsteam aufbauen, daher habe ich die verschiedenen Rollen überprüft und mich darauf konzentriert, die richtigen Profile mit den Fähigkeiten und Talenten zu finden, die wir benötigen, um als Organisation zu wachsen. Dies sind unglaublich talentierte Menschen, die Herausforderungen gemeistert haben und aus renommierten Organisationen stammen.

Ich glaube auch stark daran, sicherzustellen, dass es ein hohes Maß an Transparenz und Kommunikation gibt. Daher haben wir, um die Menschen in die richtige Richtung zu treiben, starke Rhythmen für Check-ins etabliert, um den Fokus aufrechtzuerhalten. Nicht nur intern, sondern das Führungsteam stellt sich wöchentlich der Community zur Verfügung und ist sichtbar, um regelmäßig Transparenz und Vision zu kommunizieren. Wir konzentrieren uns auch stark auf Berichterstattung, um sicherzustellen, dass wir die notwendigen Daten haben, um das Team informiert zu halten, was es uns ermöglicht, während des Führungswechsels agil zu bleiben.

Schließlich habe ich sichergestellt, dass wir den Fokus auf die Ausführung behalten. Übergangsphasen können manchmal herausfordernd sein; jedoch waren wir in der Lage, die Dynamik aufrechtzuerhalten, indem wir unsere operativen Ziele priorisierten, während wir weiterhin IO.net innovierten und skalierten.

FRAGE: Io.net hat sein dezentrales GPU-Netzwerk wirklich schnell ausgebaut. Welche spezifischen technischen Probleme sind aufgetreten, als Sie versucht haben, alles reibungslos am Laufen zu halten, insbesondere bei niedriger Latenz und hoher Zuverlässigkeit, während Sie skalieren, um Hunderttausende von GPUs auf der ganzen Welt zu verwalten?

ANTWORT: Als Innovator in diesem Bereich ist es nur natürlich, dass wir einige technische Hürden überwinden müssen, zum Beispiel, wenn wir unser dezentrales GPU-Netzwerk skalieren. Eines unserer Ziele bei io.net ist es, stets eine konsistente GPU-Leistung über geografisch verteilte Knoten hinweg zu gewährleisten. Wir konnten dies durch Datenverarbeitung lösen und gleichzeitig die Latenz minimieren, wobei wir einen starken Fokus auf Echtzeit-KI-Aufgaben behielten.

Ein weiterer Bereich, auf den wir viel Wert legten, war die Zuverlässigkeit. Wir haben fortschrittliche Überwachungs-, Validierungs- und Redundanzsysteme implementiert, um Knotenausfälle zu verhindern und den hohen Leistungsstandard von io aufrechtzuerhalten. Diese Strategien sind bei der Verwaltung eines globalen Netzwerks unerlässlich.

Skalierbarkeit ist für uns ebenfalls eine sehr wichtige Priorität. Unser Technikteam hat hart daran gearbeitet, Algorithmen zu entwickeln, um Ressourcen effizient zuzuweisen und Lasten auszugleichen, und dadurch können wir ein nahtloseres Kundenerlebnis gewährleisten, während wir wachsen.

All diese Herausforderungen wurden direkt angegangen, wir sind sehr stolz darauf, einen hohen Standard für unsere Kunden aufrechtzuerhalten, während wir unser dezentrales GPU-Netzwerk ausbauen.

FRAGE: Wie sehen Sie die Rolle von DePin in anderen Branchen wie Gesundheitswesen und Energie, jenseits von KI und Cloud-Gaming?

ANTWORT: Gute Frage! Wir glauben, dass das Potenzial von DePIN weit über konventionelle KI & Cloud-Computing hinausgeht. Es gibt weltweit viele Innovationen; zum Beispiel habe ich transformative Anwendungen in Branchen wie dem Gesundheitswesen und der Energieversorgung entwickelt gesehen, was sehr aufregend ist.

Dezentralisierung ist im Gesundheitswesen von enormer Bedeutung, da sie nicht nur die Datenfreigabe verbessert, sondern auch Zugang zu Rechenleistung für kritische Aufgaben wie medizinische Bildgebung, Genomik und KI-gestützte Diagnosen bietet.

Das Potenzial zur Transformation des Gesundheitswesens ist enorm, wenn es gelingt, ungenutzte Rechenleistung global zu nutzen. Dies wird es Gesundheitsorganisationen ermöglichen, große Datensätze effizient zu verarbeiten, was wiederum die Geschwindigkeit und Genauigkeit der Patientenversorgung verbessern kann.

Ich würde auch argumentieren, dass es im Energiesektor Möglichkeiten gibt. Zum Beispiel können Unternehmen DePin nutzen, um intelligentere Energienetze und sogar das Management erneuerbarer Energien zu unterstützen.

Dezentrale Netzwerke haben die Kraft, Branchen dabei zu unterstützen, Angebot und Nachfrage durch den Einsatz verteilter Rechenleistung auszugleichen. Dies ermöglicht es ihnen, den Energieverbrauch zu überwachen, die Verteilung zu optimieren und sogar Speicherlösungen in Echtzeit zu verwalten. Dies kann nicht nur potenziell Kosten senken, sondern auch die Nachhaltigkeit und die Resilienz des Netzes verbessern.

Ich würde auch hinzufügen, dass das DePin-Dezentralisierungsmodell erhebliche Flexibilität und Skalierbarkeit bietet, was eine starke Kostenkontrolle und Kosteneffizienz ermöglicht und es daher zu einer idealen Lösung für Branchen wie das Gesundheitswesen, die Energieversorgung und potenziell viele weitere macht, die eine robuste Infrastruktur zur Verarbeitung komplexer und datenintensiver Aufgaben benötigen.

FRAGE: Welche neuen Innovationen bringen Sie ein, um sicherzustellen, dass Ihr Netzwerk die zunehmend komplexen Aufgaben bewältigen kann, die von KI- und Machine-Learning-Anwendungen benötigt werden?

ANTWORT: Bei io.net gibt es viele aufregende Innovationen! Wir konzentrieren uns auf die Implementierung zahlreicher Innovationen, um KI-Aufgaben und -Anwendungen so zu verarbeiten, dass Kunden innerhalb unseres leistungsorientierten dezentralen GPU-Netzwerks skalieren können.

Zum Beispiel haben wir unser proprietäres Proof-of-Work-System entwickelt, das eine detaillierte und robuste Hardware-Verifizierung, VRAM-Prüfungen und strengere CPU-Anforderungen umfasst, um Leistung und Stabilität im gesamten Netzwerk aufrechtzuerhalten.

Darüber hinaus optimieren wir die Skalierbarkeit. Durch die Bündelung globaler Rechenressourcen in dezentrale Cluster ermöglichen wir uns, flexibel auf die Nachfrage zu reagieren und eine dynamische Expansion zu ermöglichen, während wir gleichzeitig die Latenz, insbesondere für Inferenzprozesse, reduzieren. Da KI-Aufgaben zunehmend komplexer werden, kann unser Netzwerk skalieren und somit die erforderliche Rechenleistung liefern, um diesen Anforderungen gerecht zu werden.

Um sicherzustellen, dass wir hochwertige Rechenressourcen bereitstellen, führen wir auch ein Stufensystem ein, das eine Verifizierung durch Unternehmensanbieter erfordert. Daher verbessern Stufung sowie Staking- und Slashing-Mechanismen nicht nur die Integrität, sondern auch die Zuverlässigkeit des io-Netzwerks. Solche Innovationen werden es uns ermöglichen, Hunderttausende von GPUs bereitzustellen und zu verwalten.

Unser Fokus liegt darauf, stets eine robuste Plattform im Unternehmensstandard zu erhalten, die die Leistungsstandards der traditionellen Cloud-Anbieter in diesem Bereich gleichwertig erfüllt oder übertrifft. Wir erreichen dies, indem wir eine überlegene Leistung und Zuverlässigkeit für KI- und Machine-Learning-Anwendungen zu einem Bruchteil der Kosten bieten.

FRAGE: Sie haben kürzlich einige Personen von Top-Tech-Unternehmen in Ihr Führungsteam geholt. Was sind Ihre persönlichen Erwartungen an das aktuelle Personal von io.net?

ANTWORT: Wir stellen Talente von Top-Tech-Unternehmen ein, um io.net zu skalieren und unsere ehrgeizigen Ziele zu erreichen. Meine persönlichen Erwartungen an unser Team konzentrieren sich auf drei Schlüsselbereiche: Verantwortungsbewusstsein, Innovation und Zusammenarbeit.

Verantwortungsbewusstsein ist nicht verhandelbar. Jedes Team hat nun eine KPI, die sie erfüllen müssen. Jeder Einzelne muss die Verantwortung für seine KPIs übernehmen und hochwertige Arbeit liefern. Um dies zu erreichen, muss man wie ein Eigentümer denken. Jeder Einzelne bei io hat eine Rolle zu spielen, um den Erfolg unseres Unternehmens zu gewährleisten. Unsere Kultur legt mehr Wert auf Ergebnisse als auf alles andere.

Innovation ist wichtig. Unsere Branche entwickelt sich schnell weiter. Exzellenz erfordert, dass wir agil und proaktiv bleiben und gleichzeitig die Grenzen durch kreatives Problemlösen erweitern. Wenn wir diese Kultur weiterhin pflegen und diese Werte leben, wird io.net in der Lage sein, die Cloud- und KI-Märkte zu stören.

Zusammenarbeit ist wichtig für unseren Erfolg. Unsere Talente kommen aus vielen verschiedenen Hintergründen, sei es aus Web3, KI oder Top-Cloud-Anbietern wie AWS und GCP. Eine Möglichkeit, diese Lücken zu schließen, ist die Zusammenarbeit. Ich erwarte von unserem Personal, dass es nicht nur sein Fachwissen einbringt, sondern auch eine kollaborative Kultur fördert, in der Ideen offen und zeitnah ausgetauscht werden.

Meine Erwartung ist, dass jedes Mitglied des io.net-Teams diese Werte verkörpert und uns voranbringt, während wir weiterhin im Bereich dezentraler Computing-Ressourcen wachsen und innovieren.

FRAGE: Sie haben viel darüber gesprochen, sich auf operative Exzellenz und Disziplin zu konzentrieren. Können Sie einige echte Beispiele dafür geben, wie Sie diese Ideen in der dezentralen Struktur von io.net in die Praxis umsetzen, wo die übliche Top-down-Struktur nicht so stark ausgeprägt ist?

ANTWORT: Der Erfolg von io.net basiert auf operativer Exzellenz und Disziplin, insbesondere in Bezug auf unser dezentrales Netzwerk. Wir haben keine traditionelle hierarchische Struktur, schaffen aber dennoch Verantwortung, indem wir KPIs für alle verlangen.

Transparenz ist ein wichtiger Unternehmenswert. Unser Erfolg basiert auf Transparenz auf jeder Ebene des Geschäfts. Bei io bedeutet Transparenz, dass jeder Stakeholder Statusupdates und Blockaden melden muss. Wenn es Blockaden oder Herausforderungen gibt, kommt das Team zusammen, um sie schnell zu lösen.

Zur Verwaltung unseres Netzwerks nutzen wir Automatisierungs- und Überwachungstools. Dies gibt uns einen Überblick darüber, wie gut das Netzwerk performt. Dieser Ansatz ermöglicht es uns, die Netzwerkgesundheit mit minimalem manuellem Eingriff aufrechtzuerhalten. Dieser effiziente Ansatz ermöglicht es uns, Disziplin zu wahren, während wir das Unternehmen ausbauen.

io.net fördert eine Kultur der Verantwortung, Transparenz und intelligenten Technologie, um unsere dezentrale Umgebung zu erhalten und zu skalieren.

FRAGE: Ihr Ziel, GPU-Rechenleistung für alle zugänglich zu machen, steht im Mittelpunkt von io.net. Wie stellen Sie sicher, dass dieser Zugang nicht bestimmte Regionen gegenüber anderen bevorzugt, insbesondere in weniger entwickelten Gebieten?

ANTWORT: io.net ist der Überzeugung, dass GPU-Rechenleistung der gesamten Welt, einschließlich weniger entwickelter Gebiete, zur Verfügung stehen sollte; dies ist zentral für die Mission von io.net. Unser dezentrales Netzwerk nutzt weltweit ungenutzte GPUs. Dies ermöglicht es uns, Rechenleistung gerecht auf über 138 Länder zu verteilen, anstatt alle unsere Bemühungen auf entwickelte Regionen zu konzentrieren.

Wir haben ein gestuftes System mit KYC/KYB-Verifizierung implementiert, um hochwertige Rechenleistung auf einen globalen Markt zu liefern. Unsere Staking-Anforderung ist fair und ermöglicht breite Teilnahme und Belohnungen, unabhängig vom Standort.

Durch die Zusammenarbeit mit lokalen Partnern passen wir den Zugang weiter an, um die individuellen Bedürfnisse verschiedener Regionen zu erfüllen. Keine Region wird bei unserer Expansion ausgeschlossen.

Unser dezentrales Netzwerk bietet einen gerechten Zugang zu GPU-Leistung. Hochwertige Rechenleistung ist jederzeit und überall für alle verfügbar, um die Bedürfnisse von KI und Machine Learning zu erfüllen.

FRAGE: Io.net hat eine erhebliche Anzahl von GPUs onboarded, um KI-Startups zu helfen. Welche Hauptmetriken verwenden Sie, um zu messen, wie gut diese Bereitstellungen funktionieren, und wie beeinflusst das Ihre Pläne zur Expansion?

ANTWORT: Wir messen den Erfolg unserer GPU-Bereitstellungen mit Metriken: bereitgestellte Rechenstunden, Auslastungsraten und Uptime. Diese Metriken geben uns einen detaillierten Einblick darin, wie GPUs die Rechenbedürfnisse von KI-Startups bedienen. Die Benchmarks für diese Metriken ermöglichen es io, hochleistungsfähige GPUs bereitzustellen.

Wir verfolgen auch Kundenfeedback und Kundenbindungsquoten. Zum Beispiel liefern unsere Kundenzufriedenheitsmetriken oft umsetzbare Daten, die Verbesserungsmöglichkeiten in verschiedenen Teilen des Produkts aufzeigen. Diese Daten ermöglichen es uns, die Kundenzufriedenheit zu überwachen und Probleme schnell zu lösen, während wir skalieren, unter der Kenntnis, dass wir hochwertige Netzwerke bereitstellen.

Wenn wir diese Metriken überwachen, können wir intelligente Entscheidungen bezüglich der Anpassung des Netzwerks treffen, die Ressourcennutzung optimieren und bestimmen, wann und wo zusätzliche GPUs onboarded werden sollen, wenn die Nachfrage wächst.

FRAGE: Die Zusammenarbeit zwischen io.net und Chainbase beinhaltet die Integration eines omnichain-Datennetzwerks in Ihre KI-Projekte. Welche spezifischen Herausforderungen haben Sie bei der nahtlosen Zusammenarbeit verschiedener Blockchain-Netzwerke erlebt?

ANTWORT: Es gibt viele Herausforderungen, mit denen disruptive Startups konfrontiert sind; in unserem Fall stellt die Integration eines omnichain-Datennetzwerks wie Chainbase in unsere KI-Projekte einige interessante Hürden dar, die es zu überwinden gilt, zusammen mit der Schaffung einer nahtlosen Kommunikation zwischen verschiedenen Blockchain-Netzwerken und Interoperabilität. Unser Technikteam ist jedoch ständig und konsequent innovativ und bricht die Konventionen, um kontinuierlich Fortschritte zu erzielen.  

FRAGE: Wie stellen Sie sicher, dass die Rechenleistung über eine so vielfältige und manchmal instabile Lieferantenbasis hinweg zuverlässig und konsistent bleibt, insbesondere bei mission-kritischen Anwendungen?

ANTWORT: Die Zuverlässigkeit und Konsistenz der GPU-Versorgung in unserem Netzwerk ist offensichtlich eine unserer höchsten Prioritäten. Wir haben fortschrittliche Überwachungs- und Validierungssysteme implementiert, die kontinuierlich die Leistung und Gesundheit jedes Knotens in unserem Netzwerk verfolgen. Es ist unsere Verantwortung, hochwertige Rechenleistung zu liefern, und das von uns entwickelte Validierungssystem hilft uns, unterperformende oder instabile Lieferanten schnell zu identifizieren und anzusprechen.

Wir haben auch Redundanzen in unser Netzwerk eingebaut. Diese Redundanzen ermöglichen es, Workloads dynamisch auf andere Knoten zu verschieben, wenn Störungen in der Servicequalität auftreten. Wie ich bereits erwähnt habe, haben wir ein gestuftes System eingesetzt, das eine Verifizierung für hochwertige Lieferanten erfordert und diejenigen priorisiert, die eine nachgewiesene Zuverlässigkeit vorweisen können.

INTERVIEWER: Nun gut, das war unsere Zeit. Danke, dass Sie sich die Zeit genommen haben, Tory.

TORY: Danke.