io.net Re-poster
120 Beiträge
io.net Re-poster
The intelligent stack for powering AI workloads | https://t.co/hIYFLxle8l: decentralized GPUs | io.intelligence: inference & agents | https://t.co/EinR91I0wl
0 Following
6 Follower
5 Like gegeben
Beiträge
Alle
Videos
Übersetzung ansehen
AI needs more than models.
It needs compute, storage, connectivity, and data.
And all of that is being coordinated on @solana.
Helium → connectivity
Hivemapper → data
Shadow Drive → storage
http://io.net → GPU compute
This is what a full DePIN stack looks like.
Not another cloud. An open infrastructure layer for AI, globally distributed.
https://io.net/blog/io-net-on-solana-the-place-for-depin-in-2026-and-beyond
It needs compute, storage, connectivity, and data.
And all of that is being coordinated on @solana.
Helium → connectivity
Hivemapper → data
Shadow Drive → storage
http://io.net → GPU compute
This is what a full DePIN stack looks like.
Not another cloud. An open infrastructure layer for AI, globally distributed.
https://io.net/blog/io-net-on-solana-the-place-for-depin-in-2026-and-beyond
Übersetzung ansehen
AI has a data center problem.
A proposed 10GW AI data center campus in Ohio would consume as much electricity as 8 million US homes.
8 million.
Opposition to data centers is quickly becoming a political issue around the world.
AI needs more compute. But that doesn't mean building more data centers is the only answer.
There's already GPU capacity sitting underutilized around the world.
It needs to be connected, coordinated, and put to work.
That's exactly what @ionet is doing.
A proposed 10GW AI data center campus in Ohio would consume as much electricity as 8 million US homes.
8 million.
Opposition to data centers is quickly becoming a political issue around the world.
AI needs more compute. But that doesn't mean building more data centers is the only answer.
There's already GPU capacity sitting underutilized around the world.
It needs to be connected, coordinated, and put to work.
That's exactly what @ionet is doing.
Übersetzung ansehen
H200 beats H100 for AI inference.
But not for the reason you think.
We ran the same DeepSeek model on both GPUs with the same traffic for 10 days. The H200 delivered 2.5× more tokens for just 33% more rental cost.
But the biggest lesson wasn't about the GPUs. It was about how they're connected.
NVSwitch vs PCIe changed which workloads and configurations were actually possible.
So, when you're choosing AI infrastructure, don't just read the GPU spec sheet. Check the interconnect.
But not for the reason you think.
We ran the same DeepSeek model on both GPUs with the same traffic for 10 days. The H200 delivered 2.5× more tokens for just 33% more rental cost.
But the biggest lesson wasn't about the GPUs. It was about how they're connected.
NVSwitch vs PCIe changed which workloads and configurations were actually possible.
So, when you're choosing AI infrastructure, don't just read the GPU spec sheet. Check the interconnect.
Die Token-Preise fallen.
Aber die Kosten für KI steigen immer noch.
Das nennt man das „Inference-Paradox“. Günstigere Tokens werden durch komplexere Workflows wieder ausgeglichen.
Chatbots beantworten eine Anfrage. KI-Agenten denken nach, prüfen sich selbst und iterieren. Das kann bedeuten, dass die Inferenzkosten um das 5-fache steigen.
Günstigere Tokens senken die KI-Kosten nicht, weil Teams einfach weiter größere Systeme bauen.
Die Lösung sind nicht günstigere Tokens. Was du brauchst, ist eine Infrastruktur, die dich nicht dafür bestraft, mehr davon zu verwenden.
https://www.techradar.com/pro/there-is-no-reliable-economical-one-size-fits-all-model-on-the-horizon-experts-claim-ai-costs-will-grow-fivefold-by-2028-as-demand-continues-to-soar
Aber die Kosten für KI steigen immer noch.
Das nennt man das „Inference-Paradox“. Günstigere Tokens werden durch komplexere Workflows wieder ausgeglichen.
Chatbots beantworten eine Anfrage. KI-Agenten denken nach, prüfen sich selbst und iterieren. Das kann bedeuten, dass die Inferenzkosten um das 5-fache steigen.
Günstigere Tokens senken die KI-Kosten nicht, weil Teams einfach weiter größere Systeme bauen.
Die Lösung sind nicht günstigere Tokens. Was du brauchst, ist eine Infrastruktur, die dich nicht dafür bestraft, mehr davon zu verwenden.
https://www.techradar.com/pro/there-is-no-reliable-economical-one-size-fits-all-model-on-the-horizon-experts-claim-ai-costs-will-grow-fivefold-by-2028-as-demand-continues-to-soar
Ihre GPU-Rechnung sagt: 10.000 US-Dollar.
Ihre tatsächlichen Kosten: 25.000–65.000 US-Dollar.
So rechnet die Mehrheit der Teams nicht.
Eine 72-Stunden-H100-Wartezeit taucht in der Rechnung als 0 US-Dollar auf. Keine GPU-Stunden, nichts wird abgerechnet. Sieht nach „kostenlos“ aus.
Aber Ihr ML-Team hat gerade 5.400+ US-Dollar an Gehältern verbrannt, während es untätig war.
Ihr Fine-Tuning ist um 3 Tage ins Hintertreffen geraten. Ihre Investor-Demo wurde verschoben. Ihr Wettbewerber hat in diesem Quartal 30% mehr Experimente durchgeführt, weil deren Compute nicht in der Warteschlange hängen blieb.
Nichts davon steht auf der Rechnung. Aber alles davon trifft das Business.
Es ist Zeit, nicht länger nach „dem Preis pro GPU“ zu fragen, sondern sich darauf zu konzentrieren, „was Unverfügbarkeit kostet“.
https://io.net/blog/what-happens-when-you-cant-get-a-gpu-the-hidden-cost-of-cloud-wait-times
Ihre tatsächlichen Kosten: 25.000–65.000 US-Dollar.
So rechnet die Mehrheit der Teams nicht.
Eine 72-Stunden-H100-Wartezeit taucht in der Rechnung als 0 US-Dollar auf. Keine GPU-Stunden, nichts wird abgerechnet. Sieht nach „kostenlos“ aus.
Aber Ihr ML-Team hat gerade 5.400+ US-Dollar an Gehältern verbrannt, während es untätig war.
Ihr Fine-Tuning ist um 3 Tage ins Hintertreffen geraten. Ihre Investor-Demo wurde verschoben. Ihr Wettbewerber hat in diesem Quartal 30% mehr Experimente durchgeführt, weil deren Compute nicht in der Warteschlange hängen blieb.
Nichts davon steht auf der Rechnung. Aber alles davon trifft das Business.
Es ist Zeit, nicht länger nach „dem Preis pro GPU“ zu fragen, sondern sich darauf zu konzentrieren, „was Unverfügbarkeit kostet“.
https://io.net/blog/what-happens-when-you-cant-get-a-gpu-the-hidden-cost-of-cloud-wait-times
Übersetzung ansehen
We were just named one of the Top 5 Decentralized AI Compute Networks to Watch in 2026 by @cryptodailyuk.
Here's the scale behind that. Thousands of GPUs across 130+ countries, 32M compute hours delivered, and nearly $27M in total network earnings.
The future of AI compute is being built on @ionet.
https://cryptodaily.co.uk/2026/08/top-5-decentralized-ai-compute-networks-to-watch-in-2026
Here's the scale behind that. Thousands of GPUs across 130+ countries, 32M compute hours delivered, and nearly $27M in total network earnings.
The future of AI compute is being built on @ionet.
https://cryptodaily.co.uk/2026/08/top-5-decentralized-ai-compute-networks-to-watch-in-2026
http://io.net wurde von @cryptodailyuk 2026 als eines der Top 5 dezentralen KI-Compute-Netzwerke genannt, die man im Blick behalten sollte.
Hier ist das Ausmaß dahinter: Tausende GPUs in über 130 Ländern, 32 Mio. Compute-Stunden geliefert und nahezu 27 Mio. US-Dollar an gesamten Netzwerkeinnahmen.
So sieht die Zukunft des KI-Computings aus.
https://cryptodaily.co.uk/2026/08/top-5-decentralized-ai-compute-networks-to-watch-in-2026
Hier ist das Ausmaß dahinter: Tausende GPUs in über 130 Ländern, 32 Mio. Compute-Stunden geliefert und nahezu 27 Mio. US-Dollar an gesamten Netzwerkeinnahmen.
So sieht die Zukunft des KI-Computings aus.
https://cryptodaily.co.uk/2026/08/top-5-decentralized-ai-compute-networks-to-watch-in-2026
KI-Infrastruktur hat ein Konzentrationsproblem.
Selbst Neoclouds, die darauf ausgelegt sind, die Vorherrschaft der Hyperscaler herauszufordern, bauen mit der gleichen Art von zentralisierter, kapitalintensiver Infrastruktur.
Unser eigener @ilkh0m hat sich mit TechArena zusammengesetzt, um die Preiskante zu beleuchten, die Neoclouds bieten, die Abwägungen und wie http://io.net eine echte Alternative darstellt.
Selbst Neoclouds, die darauf ausgelegt sind, die Vorherrschaft der Hyperscaler herauszufordern, bauen mit der gleichen Art von zentralisierter, kapitalintensiver Infrastruktur.
Unser eigener @ilkh0m hat sich mit TechArena zusammengesetzt, um die Preiskante zu beleuchten, die Neoclouds bieten, die Abwägungen und wie http://io.net eine echte Alternative darstellt.
250 Mrd. US-Dollar auf 120 Mrd. US-Dollar gesenkt.
Nicht, weil die Nachfrage schrumpfte. Sondern weil das Risiko real wurde.
NVIDIA hat sein Garantieversprechen für das OpenAI-Rechenzentrum in Ohio aufgrund des Drucks von Aktionären zurückgenommen.
Selbst der größte Chiphersteller muss neu berechnen, wie viel zentralisiertes Wetten-Engagement er verkraften kann.
Mehr Rechenleistung aufzubauen muss nicht bedeuten, dass man auch größere, stärker zentralisierte Infrastruktur errichten muss.
Die GPU-Kapazitäten sind bereits weltweit verteilt. Die eigentliche Chance liegt darin, sie zu verbinden.
https://blockonomi.com/nvidia-nvda-slashes-openai-data-center-backing-by-more-than-half-amid-investor-concerns/
Nicht, weil die Nachfrage schrumpfte. Sondern weil das Risiko real wurde.
NVIDIA hat sein Garantieversprechen für das OpenAI-Rechenzentrum in Ohio aufgrund des Drucks von Aktionären zurückgenommen.
Selbst der größte Chiphersteller muss neu berechnen, wie viel zentralisiertes Wetten-Engagement er verkraften kann.
Mehr Rechenleistung aufzubauen muss nicht bedeuten, dass man auch größere, stärker zentralisierte Infrastruktur errichten muss.
Die GPU-Kapazitäten sind bereits weltweit verteilt. Die eigentliche Chance liegt darin, sie zu verbinden.
https://blockonomi.com/nvidia-nvda-slashes-openai-data-center-backing-by-more-than-half-amid-investor-concerns/
KI-Ablehnungen sind nicht neutral.
Sie sind die Risikotoleranz einer anderen Person, die in ein Modell eingebaut ist, das du nur mietest.
Geschlossene Modelle: teilweise Kontrolle und null Transparenz.
Open-Weights: deine Regeln und deine Infrastruktur.
Und es selbst zu betreiben ist günstiger als die API-Rechnung.
Open-Modelle und Open Computing sind die Grundlage für bessere KI.
Sie sind die Risikotoleranz einer anderen Person, die in ein Modell eingebaut ist, das du nur mietest.
Geschlossene Modelle: teilweise Kontrolle und null Transparenz.
Open-Weights: deine Regeln und deine Infrastruktur.
Und es selbst zu betreiben ist günstiger als die API-Rechnung.
Open-Modelle und Open Computing sind die Grundlage für bessere KI.
Die Zukunft der KI sollte nicht von zwei Unternehmen abhängen.
Aber im Moment tut sie es.
70% der KI-Umsätze und 25–35% der Cloud-Umsätze der vier größten Tech-Konzerne setzen auf dieselbe Wette: auf @AnthropicAI und @OpenAI .
Doch während sich die Modelle vervielfachen und der Open-Source-Wettbewerb sich beschleunigt, wird diese Wette von Tag zu Tag riskanter.
Was der Markt jetzt braucht, ist Rechenleistung, die flexibel, offen und global verteilt ist – und nicht konzentriert.
Genau das baut @ionet.
https://qz.com/steve-eisman-ai-boom-openai-anthropic-warning-081326
Aber im Moment tut sie es.
70% der KI-Umsätze und 25–35% der Cloud-Umsätze der vier größten Tech-Konzerne setzen auf dieselbe Wette: auf @AnthropicAI und @OpenAI .
Doch während sich die Modelle vervielfachen und der Open-Source-Wettbewerb sich beschleunigt, wird diese Wette von Tag zu Tag riskanter.
Was der Markt jetzt braucht, ist Rechenleistung, die flexibel, offen und global verteilt ist – und nicht konzentriert.
Genau das baut @ionet.
https://qz.com/steve-eisman-ai-boom-openai-anthropic-warning-081326
Die Zukunft von KI sollte nicht von zwei Unternehmen abhängen.
Aber im Moment tut sie es.
70% der KI-Umsätze und 25–35% der Cloud-Umsätze für die vier größten Tech-Unternehmen setzen auf dasselbe Wagnis: Anthropic und OpenAI.
Doch während sich die Modelle vervielfachen und der Wettbewerb durch Open Source an Tempo gewinnt, wird dieses Wagnis von Tag zu Tag riskanter.
Was der Markt jetzt braucht, ist Rechenleistung, die flexibel, offen und global verteilt ist – nicht konzentriert.
Genau das baut @ionet.
https://qz.com/steve-eisman-ai-boom-openai-anthropic-warning-081326
Aber im Moment tut sie es.
70% der KI-Umsätze und 25–35% der Cloud-Umsätze für die vier größten Tech-Unternehmen setzen auf dasselbe Wagnis: Anthropic und OpenAI.
Doch während sich die Modelle vervielfachen und der Wettbewerb durch Open Source an Tempo gewinnt, wird dieses Wagnis von Tag zu Tag riskanter.
Was der Markt jetzt braucht, ist Rechenleistung, die flexibel, offen und global verteilt ist – nicht konzentriert.
Genau das baut @ionet.
https://qz.com/steve-eisman-ai-boom-openai-anthropic-warning-081326
300%.
So hoch läuft die Nachfrage nach KI-Chips derzeit im Vergleich zum aktuellen Angebot.
H100- mieten sind heute teurer als bei ihrem Launch.
Allein mehr Chips sind nicht die Lösung.
Bessere Orchestrierung ist es.
http://io.net ist hier, um das möglich zu machen.
So hoch läuft die Nachfrage nach KI-Chips derzeit im Vergleich zum aktuellen Angebot.
H100- mieten sind heute teurer als bei ihrem Launch.
Allein mehr Chips sind nicht die Lösung.
Bessere Orchestrierung ist es.
http://io.net ist hier, um das möglich zu machen.
Nvidia garantiert die Schulden von OpenAI.
OpenAI least bei SoftBank.
SoftBank wird durch Nvidias Investition finanziert.
$250B-Backstop. $350B Chip-Finanzierung. Dieselben drei Namen.
Das ist kein Weg, um KI zu skalieren oder mehr Zugang zu schaffen.
Es ist zirkuläre Ökonomie, um den Unternehmensgewinn am Fließen zu halten—nicht um dass Entwickler bauen.
@ionet wurde für Builder geschaffen.
OpenAI least bei SoftBank.
SoftBank wird durch Nvidias Investition finanziert.
$250B-Backstop. $350B Chip-Finanzierung. Dieselben drei Namen.
Das ist kein Weg, um KI zu skalieren oder mehr Zugang zu schaffen.
Es ist zirkuläre Ökonomie, um den Unternehmensgewinn am Fließen zu halten—nicht um dass Entwickler bauen.
@ionet wurde für Builder geschaffen.
Drei Unternehmen sollten nicht darüber entscheiden dürfen, wer KI baut.
Aber sie haben es getan.
Nicht, weil sie die besten GPUs hatten. Sondern weil sie die einzige Tür kontrollierten.
Ein Forscher in Lagos mit einem brillanten Modell und ohne AWS-Beziehung bekam einfach keine Rechenleistung – unabhängig davon, ob er zahlen konnte.
Das ist kein Engpass. Das ist ein Tor.
DePIN entfernt den Türsteher.
Tausende unabhängige Betreiber – nicht drei Hyperscaler – konkurrieren darum, Ihre Workload zu erfüllen. Der Preis wird vom Markt bestimmt. Der Zugang ist zustimmungsfrei. Eine Wallet und ein Trainingsskript – mehr braucht es nicht.
Das Rechen-Oligopol war nie unvermeidlich. Es war nur unangefochten.
https://t.co/ZuybGWvjv9 ändert das.
Aber sie haben es getan.
Nicht, weil sie die besten GPUs hatten. Sondern weil sie die einzige Tür kontrollierten.
Ein Forscher in Lagos mit einem brillanten Modell und ohne AWS-Beziehung bekam einfach keine Rechenleistung – unabhängig davon, ob er zahlen konnte.
Das ist kein Engpass. Das ist ein Tor.
DePIN entfernt den Türsteher.
Tausende unabhängige Betreiber – nicht drei Hyperscaler – konkurrieren darum, Ihre Workload zu erfüllen. Der Preis wird vom Markt bestimmt. Der Zugang ist zustimmungsfrei. Eine Wallet und ein Trainingsskript – mehr braucht es nicht.
Das Rechen-Oligopol war nie unvermeidlich. Es war nur unangefochten.
https://t.co/ZuybGWvjv9 ändert das.
64 H100s, 10 Tage.
@awscloud On-Demand: 62.918 $.
@ionet: 22.886 $.
Gleicher Fine-Tune. Zwei Preisschilder.
Hyperscaler schalten Kapazität hinter Enterprise-Vereinbarungen und Quota-Freigaben frei. @ionet greift auf ausrangierte/ungenutzte GPUs über 130+ Länder zu und ist in Minuten einsatzbereit.
Das ist der Unterschied zwischen einer Plattform für Entwickler und einer, die für Unternehmensgewinne gebaut wurde.
@awscloud On-Demand: 62.918 $.
@ionet: 22.886 $.
Gleicher Fine-Tune. Zwei Preisschilder.
Hyperscaler schalten Kapazität hinter Enterprise-Vereinbarungen und Quota-Freigaben frei. @ionet greift auf ausrangierte/ungenutzte GPUs über 130+ Länder zu und ist in Minuten einsatzbereit.
Das ist der Unterschied zwischen einer Plattform für Entwickler und einer, die für Unternehmensgewinne gebaut wurde.
Die KI-Infrastruktur ist kaputt.
Ein paar wenige Unternehmen besitzen sie. Alle anderen stehen in der Schlange.
Die IDE ändert die Spielregeln.
Es ist mehr als ein neues tokenomisches Modell. Es ist das Fundament für eine gerechtere, offene und zugängliche Ära im KI-Computing.
Jeder, überall, sollte Zugang zur KI-Wirtschaft haben.
@ionet macht das möglich.
Ein paar wenige Unternehmen besitzen sie. Alle anderen stehen in der Schlange.
Die IDE ändert die Spielregeln.
Es ist mehr als ein neues tokenomisches Modell. Es ist das Fundament für eine gerechtere, offene und zugängliche Ära im KI-Computing.
Jeder, überall, sollte Zugang zur KI-Wirtschaft haben.
@ionet macht das möglich.
15 Milliarden Dollar pro Jahr.
So viel zahlt @AnthropicAI an SpaceX für Rechenleistung.
Das reicht aus, um die Rechenbedürfnisse von über 25.000 Startups zu decken.
Stattdessen bedeuten hohe Infrastrukturkosten, dass nur 5-10% der KI-Projekte das erste Jahr überstehen werden.
Aber das muss nicht so sein.
@ionet macht es möglich, dass Projekte jeder Größe, überall auf der Welt, sofort Zugang zu Rechenleistung zu bis zu 70% weniger als bei hyperskalierenden Anbietern erhalten.
Wenn das Budget deines Projekts also weniger als 15 Milliarden Dollar pro Jahr beträgt, können wir helfen.
So viel zahlt @AnthropicAI an SpaceX für Rechenleistung.
Das reicht aus, um die Rechenbedürfnisse von über 25.000 Startups zu decken.
Stattdessen bedeuten hohe Infrastrukturkosten, dass nur 5-10% der KI-Projekte das erste Jahr überstehen werden.
Aber das muss nicht so sein.
@ionet macht es möglich, dass Projekte jeder Größe, überall auf der Welt, sofort Zugang zu Rechenleistung zu bis zu 70% weniger als bei hyperskalierenden Anbietern erhalten.
Wenn das Budget deines Projekts also weniger als 15 Milliarden Dollar pro Jahr beträgt, können wir helfen.
Erschwinglichkeit. Check.
Zugänglichkeit. Check.
Ja, @ionet lässt dich GPUs in Sekunden hochfahren und das zu bis zu 70% weniger als bei Hyperscalern.
Aber das ist nur ein Teil der Geschichte.
Wenn du von zentralisierten Berechnungen weggehst, erhöhst du auch die Resilienz, Flexibilität und Datensicherheit.
In einer Zeit globaler Instabilität sind diese Faktoren wichtiger denn je.
@ionet CEO @Gaurav_ionet teilt seine Gedanken darüber, wie verteilte Berechnungen dazu beitragen können, dass kritische Systeme online bleiben, selbst wenn zentrale Rechenzentren ausfallen.
Zugänglichkeit. Check.
Ja, @ionet lässt dich GPUs in Sekunden hochfahren und das zu bis zu 70% weniger als bei Hyperscalern.
Aber das ist nur ein Teil der Geschichte.
Wenn du von zentralisierten Berechnungen weggehst, erhöhst du auch die Resilienz, Flexibilität und Datensicherheit.
In einer Zeit globaler Instabilität sind diese Faktoren wichtiger denn je.
@ionet CEO @Gaurav_ionet teilt seine Gedanken darüber, wie verteilte Berechnungen dazu beitragen können, dass kritische Systeme online bleiben, selbst wenn zentrale Rechenzentren ausfallen.
Die meisten KI-Teams sind nicht durch ihre Ideen limitiert.
Sie sind durch den Zugang zu Rechenleistung limitiert.
Egal wie großartig die Idee, das Team oder die Technik ist, wenn du keinen Zugang zu den richtigen GPUs zu erschwinglichen Preisen bekommst, kann dein Projekt nicht wachsen.
https://t.co/IjHEvTwGWy benötigte Hunderte von GPUs, um die Echtzeit-Bilderzeugung in großem Maßstab zu unterstützen.
Die Nutzung eines Hyperscalers hätte bedeutet, von den traditionellen Cloud-Preisen und Beschaffungsverzögerungen erdrückt zu werden.
Aber mit https://t.co/ZuybGWvjv9 konnten sie:
- GPU-Kosten um 50%+ senken
- Schneller bereitstellen
- Neue Hardware früher testen
- Weiter skalieren, ohne die Produktgeschwindigkeit zu verlangsamen
Das Ergebnis? Sie wuchsen von 14K → 19M Nutzern in einem Jahr.
Sie sind durch den Zugang zu Rechenleistung limitiert.
Egal wie großartig die Idee, das Team oder die Technik ist, wenn du keinen Zugang zu den richtigen GPUs zu erschwinglichen Preisen bekommst, kann dein Projekt nicht wachsen.
https://t.co/IjHEvTwGWy benötigte Hunderte von GPUs, um die Echtzeit-Bilderzeugung in großem Maßstab zu unterstützen.
Die Nutzung eines Hyperscalers hätte bedeutet, von den traditionellen Cloud-Preisen und Beschaffungsverzögerungen erdrückt zu werden.
Aber mit https://t.co/ZuybGWvjv9 konnten sie:
- GPU-Kosten um 50%+ senken
- Schneller bereitstellen
- Neue Hardware früher testen
- Weiter skalieren, ohne die Produktgeschwindigkeit zu verlangsamen
Das Ergebnis? Sie wuchsen von 14K → 19M Nutzern in einem Jahr.
Anmelden und weiter Inhalte entdecken