DePIN GPU چیست؟ راهنمای جامع io.net و مقایسه با Akash و Render

در سال‌های اخیر با رشد چشمگیر هوش مصنوعی (AI) و نیاز روزافزون به توان پردازشی، به‌ویژه GPU‌ها (واحدهای پردازش گرافیکی)، مفهومی نو به نام DePIN (شبکه‌های زیرساخت فیزیکی غیرمتمرکز) شکل گرفته است. DePIN به پروژه‌هایی گفته می‌شود که با استفاده از فناوری بلاک‌چین، زیرساخت‌های فیزیکی مانند سخت‌افزارها (از پردازنده گرفته تا اینترنت اشیاء) را به‌صورت غیرمتمرکز سازمان‌دهی می‌کنند و به مشارکت‌کنندگان بابت تامین این زیرساخت پاداش می‌دهند. در حوزه محاسبات غیرمتمرکز GPU، پروژه‌های شاخصی ظهور کرده‌اند که هدفشان تامین قدرت پردازشی گرافیکی به شکل مقیاس‌پذیر و مقرون‌به‌صرفه است. از میان این پروژه‌ها، سه نام بیش از بقیه مطرح شده‌اند: io.net، Akash Network و Render Network. در این مقاله به این می‌پردازیم که DePIN GPU چیست و چگونه io.net به عنوان یک پلتفرم جدید در این حوزه عمل می‌کند؛ همچنین مقایسه io.net با Akash و Render را خواهیم داشت و در پایان یک آموزش استفاده از io.net به‌صورت گام‌به‌گام ارائه می‌دهیم.

DePIN GPU چیست و چرا مهم است؟

اصطلاح DePIN GPU اشاره به شبکه‌های غیرمتمرکزی دارد که زیرساخت فیزیکی آن‌ها را سخت‌افزارهای پردازشی گرافیکی (GPU) تشکیل می‌دهد. این شبکه‌ها تلاش می‌کنند توان پردازشی GPU را که در نقاط مختلف دنیا پراکنده و اغلب بلااستفاده است، جمع‌آوری کرده و در اختیار متقاضیان قرار دهند. در واقع به‌جای اینکه تنها چند ارائه‌دهنده متمرکز (مثل سرویس‌های ابری بزرگ) منبع GPU باشند، هر فرد یا شرکتی می‌تواند سخت‌افزار گرافیکی مازاد خود را به شبکه متصل کرده و از آن درآمد کسب کند. از سوی دیگر، مصرف‌کنندگان (نظیر استارتاپ‌های AI یا هنرمندان گرافیکی) می‌توانند به‌صورت در لحظه و بدون مجوز (permissionless) از این قدرت پردازشی استفاده کنند.

نیاز به چنین شبکه‌هایی از آنجا ناشی می‌شود که تقاضای عظیمی برای GPU جهت آموزش مدل‌های هوش مصنوعی، رندرگیری گرافیکی و محاسبات سنگین وجود دارد. این تقاضا به کمبود GPU در بازار و افزایش شدید قیمت‌ها انجامیده است؛ به‌طوری‌که قیمت برخی کارت‌های پیشرفته مانند NVIDIA H100 به ده‌ها هزار دلار نیز رسیده است. حتی غول‌های ابری نظیر AWS، Azure و Google Cloud نیز همیشه پاسخگوی این نیاز نیستند و صف‌های انتظار طولانی برای دسترسی به GPU شکل گرفته است. پروژه‌های DePIN GPU مانند io.net، Akash و Render با مدل غیرمتمرکز خود تلاش دارند از منابع پنهان (مثل کارت‌های گرافیک idle در دیتاسنترها یا ماینرها) استفاده کرده و این شکاف را پر کنند.

io.net چیست؟

io.net یک پلتفرم ابری غیرمتمرکز GPU است که به‌طور خاص برای محاسبات یادگیری ماشین (ML) و هوش مصنوعی طراحی شده است. این شبکه با گردآوری قدرت پردازشی از منابع مختلف – از دیتاسنترهای سازمانی گرفته تا ریگ‌های استخراج رمزارز و GPUهای خانگی – یک «اینترنت از GPUها» ایجاد کرده است. io.net بر بستر بلاک‌چین Solana ساخته شده و با استفاده از این شبکه، دسترسی شفاف و آنی به هزاران GPU را فراهم می‌کند.

ویژگی‌ها و مزایای io.net:

• خوشه‌های GPU غیرمتمرکز: io.net به کاربران اجازه می‌دهد خوشه‌هایی متشکل از چندین GPU را به‌صورت توزیع‌شده ایجاد کنند. این خوشه‌ها برای وظایف سنگینی مثل آموزش مدل‌های AI در مقیاس بزرگ ایده‌آل هستند و به لطف معماری پیشرفته، مانند یک ابررایانه واحد عمل می‌کنند. برای مثال، می‌توان ده‌ها یا حتی صدها کارت گرافیک را در یک خوشه ترکیب کرد تا یک مدل یادگیری عمیق را سریع‌تر آموزش داد. این توانایی که «Mega-Ray Cluster» نیز نامیده شده، یکی از تمایزات اصلی io.net است.
• تمرکز بر AI/ML: بر خلاف سرویس‌های ابری عمومی، io.net از ابتدا با در نظر داشتن نیازهای AI طراحی شده است. این بدان معناست که زیرساخت نرم‌افزاری آن با چارچوب‌هایی مثل TensorFlow و PyTorch سازگار و بهینه شده و حتی کتابخانه اختصاصی توزیع کارها (IO-SDK) بر پایه Ray.io دارد. در نتیجه، توسعه‌دهندگان AI به راحتی می‌توانند فرآیندهای آموزش (Training)، تنظیم مدل (Fine-tuning) و استقرار (Inference) را به‌صورت موازی روی GPUهای متعدد در شبکه io.net انجام دهند.
• کاهش چشمگیر هزینه‌ها: io.net مدعی است هزینه محاسبات GPU را تا ۹۰٪ کمتر از سرویس‌های متمرکز کاهش می‌دهد. این صرفه‌جویی با بهره‌گیری از GPUهای بدون استفاده و حذف واسطه‌های گران‌قیمت به‌دست می‌آید. حتی اگر این ادعا کاملاً محقق نشود، صرف کاهش بخش قابل توجهی از هزینه (مثلاً ۴۰٪ یا ۵۰٪) می‌تواند برای استارتاپ‌های کوچک تفاوت بزرگی ایجاد کند. همچنین io.net مدل قیمت‌گذاری منعطفی دارد که بر اساس عرضه و تقاضای لحظه‌ای GPU، نوع سخت‌افزار و حجم کار تعیین می‌شود. به‌عنوان مثال، اگر در زمانی خاص تعداد GPU زیادی آنلاین باشند، هزینه اجاره آنها برای کاربران کاهش می‌یابد و بالعکس. این مکانیزم قیمت‌گذاری پویا کمک می‌کند همیشه قیمت منصفانه و رقابتی حفظ شود.
• دسترسی آنی و بدون مجوز: برخلاف برخی ارائه‌دهندگان ابری که فرایندهای ثبت‌نام پیچیده یا ظرفیت محدود دارند، در io.net هر زمان که بخواهید می‌توانید یک یا چند GPU را رزرو و استفاده کنید. هیچ مجوز خاص یا قرارداد درازمدتی نیاز نیست؛ کافیست موجودی حساب خود را شارژ کنید و خوشه مدنظر را ایجاد نمایید. زیرساخت شبکه به گونه‌ایست که راه‌اندازی خوشه GPU در کمتر از یک دقیقه انجام می‌شود. این ویژگی برای پروژه‌هایی که سرعت عمل برایشان حیاتی است (مثلاً یک آزمایش تحقیقاتی یا رندر فوری) بسیار ارزشمند خواهد بود.

توکن $IO و اقتصاد شبکه:
ارز دیجیتال بومی این پلتفرم، توکن IO نام دارد که بر بستر شبکه Solana منتشر شده و نقش توکن کاربردی (Utility Token) را ایفا می‌کند. توسعه‌دهندگان می‌توانند هزینه استفاده از GPU را با IO بپردازند (البته پرداخت با USDC و برخی توکن‌های دیگر نیز ممکن است)؛ تأمین‌کنندگان GPU اما همواره پاداش خود را به صورت IO دریافت می‌کنند. پرداخت با توکن IO مزایایی مانند کارمزد نزدیک به صفر دارد، در حالی که پرداخت با سایر رمزارزها کارمزدی ~۲٪ خواهد داشت. مجموع عرضه IO برابر ۸۰۰ میلیون واحد است و در زمان عرضه اولیه (۲۰۲۴) حدود ۵۰۰ میلیون از آن در گردش بود. شبکه io.net همچنین مکانیزم استیکینگ (Staking) دارد که طی آن دارندگان IO می‌توانند با قفل کردن توکن‌هایشان، در امنیت و عملیات شبکه مشارکت کرده و پاداش بگیرند. حاکمیت شبکه و تصمیم‌گیری‌های کلان نیز توسط بنیاد IOG انجام می‌شود که متشکل از تیم پروژه و سرمایه‌گذاران اصلی است.

پشتیبانان و سرمایه‌گذاری:
io.net در مدت کوتاه عمر خود توانسته توجه سرمایه‌گذاران مطرحی را جلب کند. این پروژه ابتدا در هکاتون Solana Hyperdrive در مارس 2023 برنده شد و سپس در مارس 2024 طی مرحله Series A حدود ۳۰ میلیون دلار سرمایه جذب کرد. سرمایه‌گذاران این مرحله شامل صندوق‌هایی مانند Hack VC، Multicoin Capital، Solana Ventures و … بوده‌اند. همچنین افراد سرشناسی نظیر آناتولی یاکوونکو (خالق Solana) و Mo Shaikh (بنیان‌گذار Aptos) به‌عنوان سرمایه‌گذار فرشته از io.net حمایت کرده‌اند. چنین پشتوانه مالی قدرتمندی نشان می‌دهد بازار به مشکل کمبود GPU و راه‌حل‌های DePIN آن بسیار خوش‌بین است.

همکاری با پروژه‌های دیگر:
یکی از نقاط قوت io.net رویکرد هم‌افزایی با سایر شبکه‌های غیرمتمرکز است. برای مثال، io.net با Render Network مشارکت راهبردی دارد و ۳۰۰٬۰۰۰ توکن RNDR را به برنامه تشویقی تأمین‌کنندگان اولیه اختصاص داده است. این یعنی افرادی که زودتر GPUهای خود را به io.net وصل کنند، علاوه بر IO مقداری RNDR نیز پاداش می‌گیرند. هدف از این همکاری، جذب جامعه تأمین‌کنندگان باکیفیت Render به io.net و ارائه فرصت درآمدزایی جدید به آنهاست. در مقابل، شبکه Render نیز از این طریق کاربرد GPUهای خود را فراتر از رندر گرافیکی به حوزه AI گسترش می‌دهد. افزون بر Render، شبکه Filecoin (بزرگ‌ترین پلتفرم ذخیره‌سازی غیرمتمرکز) نیز مازاد توان پردازشی خود را در اختیار io.net قرار داده است. این همکاری‌ها باعث شده io.net در مدت کوتاهی ظرفیت خود را به‌شدت افزایش دهد؛ به طوری که با ترکیب منابع خود و منابع شرکا توانسته به هزاران GPU در سراسر دنیا دسترسی یابد.

Akash Network چیست؟

Akash Network یک پلتفرم ابر غیرمتمرکز عمومی است که طیف گسترده‌ای از خدمات محاسباتی را ارائه می‌دهد. بر خلاف io.net که صرفاً بر GPU متمرکز است، Akash یک بازار آزاد برای انواع منابع مانند CPU، GPU و فضای ذخیره‌سازی می‌باشد. این شبکه که بر پایه بلاک‌چین مستقل خود (مبتنی بر کازموس) اجرا می‌شود، به اجاره‌دهندگان (کسانی که سخت‌افزار دارند) و اجاره‌کنندگان (کسانی که دنبال منابع‌اند) امکان می‌دهد مستقیماً با هم معامله کنند.

نحوه کار: مدل کسب‌وکار Akash به صورت حراج معکوس (Reverse Auction) است. یعنی کاربران متقاضی یک کار (مثلاً میزبانی یک وب‌سایت، اجرای یک برنامه یا حتی آموزش یک مدل AI) مشخصات منابع مورد نیاز و حداکثر قیمتی که مایل‌اند بپردازند را در شبکه ثبت می‌کنند. سپس ارائه‌دهندگان منابع (دیتاسنترهای دارای ظرفیت) پیشنهادات خود را برای اجرای آن کار ارائه می‌دهند و در نهایت پایین‌ترین قیمت برنده و کار روی آن سخت‌افزار اجرا می‌شود. این رویکرد باعث ایجاد رقابت در قیمت‌گذاری می‌شود و معمولاً هزینه‌ها را نسبت به سرویس‌های متمرکز پایین‌تر نگه می‌دارد. پرداخت‌ها در Akash عمدتاً با توکن بومی شبکه یعنی AKT صورت می‌گیرد که واحد پایه برای قیمت‌گذاری محسوب می‌شود. AKT همچنین برای استیکینگ و حاکمیت شبکه کاربرد دارد؛ مجموعه‌ای از ولیدیتورها با استیک کردن AKT امنیت زنجیره Akash را تأمین کرده و در رأی‌گیری‌ها مشارکت می‌کنند.

تمرکز کاربردی: Akash در اصل یک زیرساخت همه‌کاره است. شما می‌توانید برای موارد متنوعی از آن استفاده کنید: میزبانی وب‌سرویس‌ها، اجرای سرور بازی، استقرار نودهای بلاک‌چین، پردازش‌های سبک یا سنگین و حتی کارهای GPU مانند آموزش مدل‌ها. با اینکه Akash اخیراً توجه بیشتری به افزودن ظرفیت GPU داشته (به‌خصوص با موج تقاضای AI در ۲۰۲۳-۲۰۲۴)، اما هنوز هم رویکردش عمومی و غیرمتخصصانه باقی مانده است. این مزیت و عیب خودش را دارد: از یک سو انعطاف‌پذیری بالا (One-stop-shop برای همه چیز) ارائه می‌دهد، اما از سوی دیگر در هیچ زمینه‌ای بهینه‌ترین نیست. مثلاً برای کار خیلی تخصصی AI شاید عملکرد یا سهولت استفاده io.net را نداشته باشد.

وضعیت فعلی: شبکه اصلی Akash از سال 2021 فعال است و در طول زمان رشد پایداری داشته است. طبق گزارش‌ها، پس از اضافه شدن GPUها به پلتفرم در نیمه دوم 2023، استفاده از شبکه افزایش محسوسی یافت و تعداد اجاره‌های فعال در هر فصل رشد کرد. Akash تاکنون جامعه کاربران و توسعه‌دهندگان خود را ساخته و توکن AKT نیز در صرافی‌های متعددی معامله می‌شود. به طور خلاصه، Akash انتخاب مناسبی برای کسانی است که به دنبال سرویس ابری غیرمتمرکز چندمنظوره با قیمت رقابتی هستند؛ هرچند برای کاربردهای صرفاً GPUمحور (AI یا رندر سنگین) ممکن است بهترین گزینه بازار نباشد.

Render Network چیست؟

Render Network (RNDR) یک پلتفرم غیرمتمرکز مبتنی بر GPU است که به طور ویژه برای رندرینگ گرافیکی (به‌ویژه در حوزه تولید محتوای سه‌بعدی، جلوه‌های بصری و انیمیشن) طراحی شده است. این پروژه توسط شرکت OTOY راه‌اندازی شده و هدف آن اتصال هنرمندان و طراحان گرافیک به شبکه‌ای از GPUهای توزیع‌شده جهت انجام رندرهای پیچیده با هزینه کمتر است. Render در واقع یکی از اولین نمونه‌های DePIN در حوزه GPU به شمار می‌رود که کار خود را در سال 2017 آغاز کرد. مدل کاری Render شبیه یک مارکت‌پلیس همتابه‌همتا است؛ به این صورت که صاحبان کارت‌های گرافیک (مثلاً یک گرافیست با کارت قدرتمند یا یک ماینر) می‌توانند قدرت پردازشی خود را در اختیار شبکه بگذارند و در مقابل، کاربران نیازمند رندر پروژه‌هایشان (مثلاً یک انیماتور) با پرداخت توکن RNDR از این قدرت استفاده می‌کنند.

• شبکه رندر (RNDR) چیست؟ و این ارز دیجیتال چه کاربردی دارد؟

ویژگی‌ها:

• تخصص در رندرینگ: تمرکز Render تنها بر کارهای گرافیکی سنگین مانند رندر تصاویر و ویدیوها است. این تمرکز به معنی بهینه بودن ساختار شبکه برای این نوع وظایف است. برای مثال، Render از نرم‌افزارهای رایج طراحی سه‌بعدی (مثل Cinema4D یا Blender) پشتیبانی می‌کند و ادغام‌های مخصوص با این ابزارها دارد تا طراحان به‌راحتی پروژه‌هایشان را به شبکه Render بفرستند.
• قیمت‌گذاری چندلایه: Render مدل قیمت‌گذاری چندبخشی (Tiered Pricing) دارد که بر اساس سرعت، امنیت، هزینه و سابقه گره‌ها تعیین می‌شود. گره‌های ارائه‌دهنده GPU در سطوح مختلف (از معمولی تا پریمیوم) طبقه‌بندی شده‌اند. هرچه سطح بالاتر باشد، هزینه دریافتی بیشتر است اما احتمالاً سرعت انجام کار و امنیت (اعتماد) هم بالاتر خواهد بود. این ساختار به مشتریان امکان می‌دهد بین قیمت و کیفیت تعادل مورد نظرشان را انتخاب کنند.
• پرداخت و توکن: تمام تسویه‌حساب‌ها در Render از طریق توکن RNDR انجام می‌شود. برخلاف io.net که پذیرای چندین نوع ارز (IO، استیبل‌کوین و …) است، در Render شبکه با RNDR کار می‌کند و عرضه/سوزاندن این توکن هم بخشی از مدل اقتصادی آن است. به عنوان مثال، برای جلوگیری از تورم بیش از حد، طرح‌هایی برای سوزاندن بخشی از کارمزدهای RNDR در ازای استفاده از شبکه وجود دارد که به افزایش ارزش توکن در بلندمدت کمک کند.
• تحول به سمت AI: با ظهور موج جدید کاربردهای AI، Render نیز اعلام کرده پشتیبانی از وظایف یادگیری ماشین و هوش مصنوعی را به شبکه خود اضافه خواهد کرد. در واقع Render متوجه شده که GPUهای شبکه‌اش علاوه بر رندر، می‌توانند در زمان闲闲 برای پردازش‌های AI استفاده شوند. از این رو، همکاری با io.net (که پیش‌تر ذکر شد) و افزودن قابلیت‌های ML به Render، نشان از تغییر استراتژی تدریجی آن از یک سرویس صرفاً رندرینگ به یک پلتفرم چندمنظوره GPU دارد. با این حال، DNA اصلی Render همچنان جامعه خلاقان و طراحان است و این پلتفرم بیشتر برای افرادی مناسب است که در حوزه‌های گرافیک کامپیوتری فعالیت دارند.

مقایسه io.net با Akash و Render

هر سه پروژه‌ی مذکور تلاش می‌کنند منابع محاسباتی غیرمتمرکز را در اختیار کاربران قرار دهند، اما رویکردها و حوزه تمرکز آن‌ها متفاوت است. در ادامه، جدول مقایسه‌ای ارائه شده که دید سریعی از تفاوت‌ها و شباهت‌های کلیدی این سه پلتفرم به دست می‌دهد:

ویژگی	io.net (تمرکز بر AI/ML)	Akash (سرویس ابری همه‌منظوره)	Render (تمرکز بر رندرینگ)
تمرکز اصلی	توان پردازشی GPU برای هوش مصنوعی و یادگیری ماشین	رایانش ابری عمومی (شامل CPU، GPU و ذخیره‌سازی)	قدرت GPU برای رندرینگ گرافیکی و محتوای دیجیتال
نوع منابع	فقط GPU (خوشه‌های چندگانه GPU؛ پشتیبانی از CPU محدود)	همه موارد – CPU، GPU، فضای ذخیره (تنوع سخت‌افزاری)	صرفاً GPU (برای پردازش‌های گرافیکی و محاسبات موازی)
موارد استفاده شاخص	آموزش مدل‌های AI، استنتاج ML، پردازش موازی داده‌ها	میزبانی وب و سرور، اجرای نود بلاک‌چین، آموزش مدل‌های کوچک AI، …	رندر انیمیشن و جلوه‌های ویژه، طراحی سه‌بعدی، پروژه‌های گرافیکی
مدل دسترسی	آنی و بدون مجوز – خوشه GPU در چند کلیک آماده می‌شود	مارکت‌پلیس غیرمتمرکز – نیازمند پیشنهاد قیمت و مناقصه	همتابه‌همتا – اتصال مستقیم طراحان و تأمین‌کنندگان GPU
مدل قیمت‌گذاری	پویا بر اساس عرضه/تقاضا و مشخصات سخت‌افزار (هدف: تا ۹۰٪ ارزان‌تر از کلود)	رقابتی از طریق حراج معکوس (تعادل توسط بازار)	تعرفه چندلایه بر مبنای کیفیت و سرعت رندر (پرداخت فقط با RNDR)
مقیاس‌پذیری	بسیار بالا (پتانسیل ده‌ها هزار GPU در خوشه‌های توزیع‌شده)	بالا اما پیچیده‌تر (چندمنظوره بودن نیاز به تنظیمات متنوع دارد)	بالا در حوزه رندرینگ؛ مناسب برای پروژه‌های عظیم گرافیکی
انجام وظایف AI	بهینه‌شده برای AI (معماری نرم‌افزاری تخصصی، IO-SDK و … )	ممکن است اما اختصاصی نشده (نیاز به پیکربندی توسط کاربر)	در حال اضافه شدن؛ در اصل برای AI طراحی نشده بود (در همکاری با io.net)

همان‌طور که مشاهده می‌شود، هر پلتفرم جایگاه خاص خود را دارد و شاید بتوان گفت رقیب مستقیم یکدیگر به‌حساب نمی‌آیند. io.net برای تیم‌ها و شرکت‌هایی ایده‌آل است که درگیر پروژه‌های هوش مصنوعی بوده و به‌دنبال توان GPU ارزان و مقیاس‌پذیر هستند. در مقابل، Akash طیف گسترده‌تری از نیازها را پوشش می‌دهد و مناسب افرادی است که یک زیرساخت ابری غیرمتمرکز منعطف می‌خواهند، هرچند ممکن است برای حداکثر کارایی در کاربرد خاصی بهینه نباشد. Render نیز انتخاب اول برای متخصصان حوزه گرافیک و رندر است که می‌خواهند بدون صرف هزینه گزاف، پروژه‌های سنگین رندرگیری را انجام دهند.

آموزش استفاده از io.net (مرحله‌به‌مرحله)

در این بخش به صورت گام‌به‌گام توضیح می‌دهیم که چگونه می‌توان از پلتفرم io.net استفاده کرد. این راهنما هم برای مصرف‌کنندگان (کسانی که می‌خواهند از توان GPU شبکه استفاده کنند) و هم تأمین‌کنندگان (کسانی که می‌خواهند سخت‌افزار خود را به اشتراک بگذارند و کسب درآمد کنند) مفید خواهد بود. زبان پلتفرم io.net انگلیسی است، اما مراحل کار ساده بوده و نیازی به دانش تخصصی برنامه‌نویسی ندارد.

1. ایجاد حساب کاربری (IO ID)

برای شروع، به وب‌سایت رسمی io.net مراجعه و ثبت‌نام کنید. io.net از سیستمی به نام IO ID استفاده می‌کند که مرکز کنترل حساب شماست. در صفحه ثبت‌نام گزینه‌هایی برای ورود با حساب Google، Apple، اکانت X (توییتر سابق) یا Worldcoin ارائه شده است. پس از انتخاب روش دلخواه و ایجاد حساب، حتماً یک کیف پول بلاک‌چین نیز متصل کنید. io.net فعلاً از کیف پول Solana (مانند Phantom یا Solflare) و کیف پول Aptos پشتیبانی می‌کند. این اتصال جهت پرداخت هزینه‌ها و دریافت پاداش‌ها ضروری است. اگر کیف پول ندارید، می‌توانید به سادگی یکی ایجاد و چند دلار USDC یا مقداری توکن IO به آن واریز کنید.

💡 نکته: در زمان نگارش این مقاله، استفاده از شبکه io.net تنها از طریق کیف پول‌های فوق ممکن است. بنابراین حتی اگر قصد پرداخت با استیبل‌کوین (USDC) را دارید باید کیف پول Solana/Aptos متصل کنید. موجودی شما به صورت خودکار از طریق Solana Pay در لحظه استفاده کسر خواهد شد.

2. شارژ حساب و تهیه اعتبار

قبل از رزرو GPU، مطمئن شوید که حساب شما اعتبار کافی دارد. شما می‌توانید توکن $IO را از صرافی‌های معتبر تهیه کرده و به کیف پول متصل به حساب خود منتقل کنید. همچنین امکان واریز استیبل‌کوین (مثلاً USDC) به حساب وجود دارد که معادل دلاری برای پرداخت‌ها محسوب می‌شود. به عنوان مثال اگر پیش‌بینی می‌کنید ۱۰ ساعت از کارت گرافیک A100 استفاده کنید و نرخ ساعتی آن 2 دلار است، حداقل ۲۰ دلار (یا معادل آن IO) در کیف پولتان داشته باشید. io.net یک داشبورد مالی در IO ID دارد که موجودی، هزینه‌های مصرف‌شده و پاداش‌های کسب‌شده شما را به صورت شفاف نشان می‌دهد.

3. ایجاد یک خوشه GPU (برای مصرف‌کنندگان)

پس از آماده‌سازی حساب، اکنون می‌توانید خوشه GPU دلخواه خود را ایجاد کنید. مراحل کلی به شرح زیر است:

1. به بخش IO Cloud در داشبورد io.net وارد شوید. در این بخش امکان مدیریت خوشه‌ها برای کاربران فراهم شده است.
2. روی گزینه‌ای مانند “Deploy Cluster” یا “ایجاد خوشه جدید” کلیک کنید. یک فرم یا پنل باز می‌شود که باید مشخصات خوشه را تعیین کنید.
3. انتخاب نوع GPU: بسته به نیاز خود، نوع کارت گرافیک را انتخاب کنید. io.net انواع GPU از رده مصرف‌کننده (مثل NVIDIA RTX 3090) تا رده دیتاسنتر (مثل NVIDIA A100 یا H100) را در اختیار دارد. هر کدام قدرت و هزینه متفاوتی دارند. مثلاً برای رندر گرافیکی معمولی شاید یک RTX 3090 کافی باشد، اما برای آموزش یک مدل زبانی بزرگ ممکن است به چندین A100 نیاز داشته باشید.
4. تعیین تعداد GPU و مکان جغرافیایی: می‌توانید مشخص کنید چند کارت گرافیک می‌خواهید و اگر نزدیکی یا منطقه خاصی مد نظر است (مثلاً اروپا یا آسیا)، آن را انتخاب کنید. نزدیکی مکانی می‌تواند تأخیر (Latency) را کاهش دهد، اگرچه io.net با بهره‌گیری از شبکه Mesh VPN سعی کرده تأخیر ارتباطی را حداقل کند.
5. انتخاب مدت زمان رزرو: مشخص کنید برای چه مدتی به خوشه نیاز دارید (مثلاً ۲ ساعت، ۱ روز یا ۱ هفته). io.net به صورت اجاره ساعتی/دقیقه‌ای کار می‌کند و هر زمان که کارتان زودتر تمام شد می‌توانید خوشه را آزاد کنید تا هزینه اضافی نپردازید. حتی اگر خوشه را زودتر از موعد خاموش کنید، هزینه باقیمانده به شما بازگردانده می‌شود که یک مزیت نسبت به اجاره ثابت است.
6. انتخاب پیکربندی نرم‌افزاری: اگر io.net گزینه‌ای برای انتخاب استک ML آماده دارد، آن را مطابق نیاز برگزینید. مثلاً ممکن است الگوهای آماده‌ای برای TensorFlow + Python یا PyTorch + Jupyter Notebook ارائه دهد تا شما بدون تنظیم دستی، محیط دلخواهتان را داشته باشید. در غیر این صورت شاید نیاز باشد خودتان تصویر Docker مربوط به پروژه‌تان را بارگذاری کنید.
7. راه‌اندازی خوشه: پس از تنظیمات فوق، روی دکمه نهایی (مثلاً Launch یا Deploy) کلیک کنید. طی چند ثانیه تا چند دقیقه، شبکه io.net منابع مورد نیاز را از میان کارگرهای متصل انتخاب کرده و خوشه شما را تشکیل می‌دهد.

پس از ایجاد خوشه، اطلاعاتی نظیر آدرس دسترسی (IP یا دامنه)، کلیدهای API/SSH و سایر جزئیات در داشبورد به شما نمایش داده می‌شود. اکنون می‌توانید کار خود (مثلاً اجرای کد آموزش مدل یا رندر) را روی خوشه آغاز کنید. در طول اجرای کار، از بخش داشبورد می‌توانید وضعیت خوشه (میزان استفاده CPU/GPU، حافظه، زمان باقی‌مانده و …) را پایش کنید.

💡 توصیه امنیتی: قبل از سپردن داده‌های حساس خود به هر سرویس ابری (چه متمرکز چه غیرمتمرکز)، حتماً اقدامات امنیتی لازم را انجام دهید. io.net اعلام کرده که از رمزنگاری انتهابه‌انتها و استانداردهای امنیتی (مانند SOC2) بهره می‌برد، اما شما نیز باید اتصالات خود را امن نگه دارید (برای مثال اگر از Jupyter روی خوشه io.net استفاده می‌کنید، حتماً رمز عبور برای نوت‌بوک تعیین کنید).

4. پایانی کار و تسویه حساب

پس از اتمام کارتان، فراموش نکنید خوشه را متوقف (Terminate) کنید تا زمان رزرو اضافی محاسبه نشود. io.net به محض توقف خوشه، کارمزد استفاده‌شده را حساب کرده و اگر زمانی از رزرو باقی مانده باشد آن را به صورت اعتبار به کیف پول شما برمی‌گرداند. به این ترتیب شما فقط به اندازه‌ای که از GPU استفاده کرده‌اید هزینه می‌پردازید (Pay-as-you-go). گزارش دقیق هزینه و مصرف را می‌توانید در بخش صورتحساب داشبورد IO ID مشاهده کنید. همچنین در صورت تمایل می‌توانید رسید تراکنش‌ها را روی بلاک‌چین Solana رهگیری کنید که نشان‌دهنده شفافیت کامل سیستم است.

5. اتصال سخت‌افزار و کسب درآمد (برای تأمین‌کنندگان)

اگر شما دارای یک یا چند کارت گرافیک(یا حتی سرور مجهز به چند GPU/CPU) هستید، می‌توانید با اتصال آنها به شبکه io.net، درآمد غیرفعال کسب کنید. مراحل اصلی به شرح زیر است:

1. از طریق داشبورد IO ID به بخش IO Worker بروید. این بخش ویژه تأمین‌کنندگان سخت‌افزار است و در آنجا می‌توانید نرم‌افزار نود io.net را دریافت کنید.
2. نرم‌افزار IO Worker را روی سیستمی که کارت گرافیک دارد نصب و اجرا کنید. این نرم‌افزار روی سیستم‌عامل‌های مختلف (ویندوز، لینوکس، مک) در دسترس است و سخت‌افزار شما را به شبکه متصل می‌کند. قبل از نصب، حداقل مشخصات سخت‌افزاری را در مستندات بررسی کنید تا مطمئن شوید کارت شما پشتیبانی می‌شود (مثلاً کارت باید حتماً NVIDIA با درایور به‌روز باشد و اتصال اینترنت پایدار داشته باشد).
3. پس از نصب Worker، لازم است کیف پول کریپتویی که در آن توکن IO دارید را به Worker متصل کرده و مقداری از توکن‌هایتان را استیک (Stake) کنید. استیک کردن تضمینی است بر تعهد شما به شبکه؛ مبلغ مورد نیاز بسته به نوع دستگاه متفاوت است (مثلاً برای کارت‌های قوی‌تر ممکن است حداقل استیک بیشتری نیاز باشد تا فرد انگیزه خرابکاری نداشته باشد). این وثیقه در صورت عملکرد صحیح شما دست‌نخورده می‌ماند و در زمان خروج از شبکه قابل برداشت است.
4. در اولین اتصال، شبکه io.net سخت‌افزار شما را به مدت ~۱۲ ساعت تحت آزمون و کالیبراسیون قرار می‌دهد. طی این مدت، چندین پازل اثبات کار (PoW) بر روی GPU شما اجرا می‌شود تا توانایی و صحت عملکرد آن تأیید شود. همچنین اثبات زمان-قفل (PoTL) بررسی می‌کند که GPU شما در طول دوره اجاره قفل باقی می‌ماند و به کار دیگری مشغول نمی‌شود. این رویه‌ها برای اطمینان از قابل اعتماد بودن گره‌های شبکه ضروری هستند. ممکن است فن‌های کارت شما در این دوره با حداکثر توان کار کنند، نگران نباشید این بخشی از تست استرس است.
5. پس از گذشت دوره آزمایشی، دستگاه شما رسماً به جمع کارگران فعال شبکه می‌پیوندد. از این پس هر زمان خوشه‌ای ایجاد شود که به نوع و مشخصات کارت شما نیاز داشته باشد، احتمال دارد سیستم شما انتخاب شود و شروع به سرویس‌دهی کند. شما می‌توانید از طریق داشبورد IO Explorer یا بخش Workers در حساب خود، مشاهده کنید چند ساعت کارت شما مشغول کار بوده، چه درآمدی کسب کرده‌اید و وضعیت لحظه‌ای آن چگونه است.

مثالی از لیست برخی ورکرها (Workers) در یک منطقه جغرافیایی در شبکه io.net. همان‌طور که دیده می‌شود انواع سخت‌افزارها از کارت‌های مصرفی (مانند GeForce RTX 3090) تا چیپ‌های سروری پیشرفته (مثل NVIDIA H100 80GB با تعداد ۸ عدد) و حتی پردازنده‌های Apple Silicon (M3 Pro) در شبکه حضور دارند. io.net تنوع بالایی از دستگاه‌ها را یکپارچه کرده است.

6. درآمد شما به صورت ساعتی محاسبه و در قالب توکن IO به کیف پول متصل واریز می‌شود. حتی در ساعاتی که کارت شما اجاره نمی‌شود، ممکن است به خاطر آنلاین بودن و آماده‌به‌کار بودن، پاداش پایه‌ای دریافت کنید (این مکانیزم برای تشویق تامین‌کنندگان به آنلاین نگه‌داشتن مستمر دستگاه‌هاست). برای مشاهده دقیق درآمد هر بلوک و هر دستگاه می‌توانید به بخش Block Rewards در IO Explorer مراجعه کنید.
7. هر زمان که مایل بودید از شبکه خارج شوید، می‌توانید Worker را متوقف کرده و درخواست برداشت وثیقه استیک‌شده را ثبت کنید. دقت کنید که برداشت کامل ۱۴ روز زمان انتظار دارد (Cooldown) تا شبکه مطمئن شود کارهای احتمالی ناتمامی به دستگاه شما سپرده نشده باشد. پس از آن توکن‌های استیک‌شده به کیف پول شما بازگردانده می‌شود و دیگر گره شما در لیست تامین‌کنندگان نخواهد بود.

💡 بهینه‌سازی درآمد: برای اینکه درآمد حداکثری از io.net کسب کنید، آنلاین بودن مداوم و عملکرد پایدار دستگاه بسیار مهم است. شبکه به دستگاه‌هایی که uptime بالاتر و سابقه انجام کار موفق دارند، امتیاز اعتبار (Reputation Score) بیشتری می‌دهد و احتمال انتخاب شدنشان در خوشه‌های جدید بیشتر است. همچنین می‌توانید با ارتقاء درایورهای گرافیک، بهینه‌سازی تنظیمات (مثلاً تنظیم صحیح PCIe lane) و حتی تأمین سخت‌افزارهای متنوع (چند مدل GPU) شانس مشارکت خود را افزایش دهید.

جمع‌بندی و آینده DePIN GPU

شبکه‌های DePIN مبتنی بر GPU نظیر io.net، Akash و Render نشان می‌دهند که آینده تأمین توان محاسباتی ممکن است به‌سمت غیرمتمرکز شدن پیش برود. هر روز ده‌ها هزار GPU در دنیا وجود دارد که می‌تواند به جای خاک خوردن، صرف پیشبرد پروژه‌های علمی، هنری و تجاری شود. io.net با تمرکز بر هوش مصنوعی و ساختار نوآورانه خود (استفاده از بلاک‌چین Solana برای پرداخت‌های خرد و Ray برای ارکستراسیون) یکی از پیشتازان این عرصه به شمار می‌آید. Akash با رویکرد همه‌کاره‌اش و Render با جامعه خلاقانش نیز هر یک گوشه‌ای از این اکوسیستم را پوشش می‌دهند. احتمال می‌رود در آینده شاهد همکاری‌ها و حتی ادغام‌های بیشتری میان این پروژه‌ها باشیم تا یک ابررایانه جهانی غیرمتمرکز شکل گیرد. برای کاربران – چه توسعه‌دهندگان AI و چه هنرمندان یا حتی افراد عادی – این به معنای دسترسی ارزان‌تر و آسان‌تر به قدرت پردازش است؛ و برای صاحبان سخت‌افزار، فرصتی برای کسب درآمد غیرفعال و مشارکت در اقتصاد دیجیتال نوظهور. اگر شما هم علاقه‌مند به این حوزه‌اید، اکنون زمان خوبی برای آزمایش این پلتفرم‌ها و آماده شدن برای موج جدید محاسبات ابری غیرمتمرکز است.

سوالات متداول