TokenPocket官方网址|AI、DePIN、Sol生态三重光环，即刻了解io.net深入发币

本文讨论了AI和Web3领域的结合，以IO.NET项目为例，探讨了AI+Web3在商业上的必要性和多元化力算服务的需求性和挑战。具体分析了IO.NET的商业逻辑、产品机制、团队背景和融资情况，并根据市销比和市芯比的角度进行了估值推算，认为IO.NET可能是一个备受关注的项目。文章指出，AI算力将在未来成为新数字时代的基础设施，而IO.NET作为一个AI算力项目可能会受到市场的欢迎。

撰文：Alex Xu

引言

在我的上一篇文章中，提到本轮加密货币牛市周期与前两轮周期相比，缺乏足够的影响力的新商业和新资产叙述。AI是本轮Web3领域少有的新叙述之一，论文将结合今年的热点AI项目IO.NET，尝试梳理关于以下2个问题的思考：

• AI+Web3在商业上的必要性
• 多元化力算服务的需求性和挑战

其次，创始人将梳理AI算力的代表项目：IO.NET项目的关键信息，包括产品逻辑、竞品情况和项目背景，并就项目的估值进行推演。

本文关于AI和Web3结合上文的部分思考，受到了Delphi Digital研究员Michael rinko所写的《The Real Merge》的启发。本文的部分观点存在文章的消化和引述，推荐读者阅读原文。

本文为作者截至发表时的阶段性思考，未来可能发生改变，且观点具有极强的价值，亦可能存在事实、数据、推理逻辑的错误，请勿作​​为投资参考，欢迎同业的批评和讨论。

以下为正文部分。

1.商业逻辑：AI和Web3的结合点

1.1 2023：AI造就了新的「奇迹年」

回看人类发展史，一旦科技实现了突破性进展，从个体日常生活，到各个产业格局，再到整个人类文明，都会跟随发生天翻地覆的变化。

人类历史上有两个重要的年份，分别是1666年和1905年，如今它们被称为科技史上的“奇迹年”。

1666年作为奇迹年，是因为牛顿的科学成果在该年中心化得到了地面支撑。这一年，他开拓了光学这个物理分支，创立了微积分这个数学分支，推导出了引力公式这个现代自然科学的基础这无论哪一项都是未来百年人类科学发展的基础式贡献，极大地加速了整体科学的发展。

第二个奇迹年是1905年，彼时26岁的爱因斯坦在《物理学年鉴》上连续发表4篇论文，分别涉及光电效应（为量子力学基础）、布朗运动（成为分析随机过程的）重要引用）、狭义相对论和质能方程（著名公式E=MC^2）。在后世评价中，这四篇论文每一篇都超过诺贝尔物理学奖的平均水平（本人爱因斯坦）也因为光电效应论文获得了诺贝尔奖），人类文明的历史进程再一次被大大推进了好几个月。

而过去的2023年，大概率因为ChatGPT，而又被称为又一个「奇迹年」。

我们把2023年看做人类科技史上的一个“奇迹年”，不仅是因为GPT在自然语言的理解和生成上的巨大进步，更是因为人类从GPT的进化中摸索了大语言模型能力的增长规律——即通过扩大模型参数和训练数据，可以指数级别提升模型的能力——且这一进程短期还看不到瓶颈（只要算力够用的话）。

该能力远不至于理解语言和生成对话，还能被广泛地交叉用于各类科技领域，以大语言模型在生物领域的应用为例：

• 2018年，诺贝尔化学奖得主弗朗西斯·阿诺德在颁奖典礼上才说道：“今天我们在实际应用中可以读取、写入和编辑任何DNA序列，但我们还无法通过它创作（撰写它）。”在他演讲的5年后，2023年，来自斯坦福大学和硅谷的AI创业企业Salesforce Research的中断，在《自然 – 生物技术》发表论文，他们通过基于GPT3搞成的大语言模型，从0创造培育出全新的100万种蛋白质，并寻找到2种结构不同、却都具有杀菌能力的蛋白质，有希望成为抗生素之外的细菌对抗方案。 其次：在AI的帮助下，蛋白质「创造」的瓶颈被突破了。
• 而在国外，人工智能AlphaFold算法在18个月内，把地球上几乎所有的2.14亿种蛋白质结构都做了预测，这一成果是过去所有人类结构生物学家工作成果的几倍。

基于AI的大众模型的出现，从生物科技、材料科学、药物研发等硬科技，再到法律、艺术等人文领域，必将迎来令人振奋的翻天覆地的变革，而2023年正是这一切的元年。

我们都知道，近百年来财富上的创造能力正在呈指数级增长，而人工智能技术的快速成熟，必然会进一步加速人类的这一进程。

全球GDP总体走势图，数据来源：世界银行

1.2 AI与加密的结合

要从本质上理解AI与加密货币结合的必要性，可以从两者互补的特性开始。

AI 和 加密货币特性的互补

AI有三个属性：

• 随机性：AI具有随机性，其内容生产的背后是一个难以复现、探查的黑盒，因此结果机制也具有随机性
• 资源密集：AI是资源密集型产业，需要大量的能源、芯片、算力
• 类人智能：AI（很快将）能够通过图灵测试，此后，人机难辨 *

※2023年10月30日，美国加州大学圣迭戈分校的研究小组发布了关于GPT-3.5和GPT-4.0的图灵测试结果（测试报告）。GPT4.0成绩为41%，距离及格线仅50%相差9%，同项目人类测试成绩为63%。本图灵测试的意向为有百分之多少的人认为和他聊天的那个对象是真人。如果超过50%，就说明人群中至少有一半以上的人认为对话对象是人，而不是机器，即通过图灵测试进行视作。

人工智能在为人类创造新的跨越式生产力的同时，它的这三个属性也给人类社会带来了巨大的挑战，即：

• 如何验证、控制AI的随机性，让随机性成为优势缺陷
• 如何满足人工智能所需要的巨大能源和力算缺口
• 如何辨别人和机器

而加密货币和区块链经济的特性，或许正是解决人工智能带来的挑战的良药，加密货币经济具有以下 3 个特征：

• 确定性：业务基于区块链、代码和智能合约运行，规则和边界清晰，什么输入存在什么结果，高度确定性
• 资源配置：加密货币经济构建了一个庞大的全球自由市场，资源的定价、募集、流转非常迅速，且由于代币的存在，可以通过加速激励市场供需的匹配，加速到达临界点
• 免信任：本账公开，代码开源，人人可便捷验证，带来「去信任（trustless）」的系统，而 ZK 技术则避免验证同时的隐私暴露

接下来通过3个例子来说明AI和加密货币经济的互补性。

例子A：解决随机性、基于加密货币经济的AI代理

AI代理（AI Agent）即负责基于人类意志，替人​​类执行工作的人工智能程序（典型项目有Fetch.AI）。假设我们要让自己的AI代理处理一笔金融交易，比如「买入1000美元」 AI代理可能面临两种情况：

情况一，它要对接传统金融机构（比如贝莱德），购买BTC ETF，这里面临大量的AI代理和中心化机构的改装问题，比如KYC、审查、登录、身份验证等等，目前来说还是非常麻烦。

情况二，它是基于初步加密货币经济运行，情况会变得简单，它会通过Uniswap一些聚合交易平台，直接用你的账户签名、下单完成交易，接收WBTC（或者其他封装）实际上，这就是大众交易 BOT 在做的事情，他们实际上已经扮演了一个初级的 AI 代理的角色，只是工作重点放在交易上面。未来大众交易BOT随着AI的安装和建立，必然能执行更复杂的交易原理。比如：跟踪100个链上的聪明钱地址，分析它们的交易策略和成功率，用我地址里的10%资金在一周内内执行类似交易，并在发现效果不佳时停止，并总结失败的可能原因。

AI在区块链的系统中运行会更加良好，本质上是因为加密货币经济规则的清晰性，以及系统访问的无许可。在限定的规则下执行任务，AI的随机性带来的潜在风险也将更小一些。比如AI在棋牌比赛、电子游戏的表现已经碾压人类，就是因为棋牌和游戏是一个规则的封闭沙盒。而AI在自动驾驶上的进展会相对缓慢，因为开放的外部环境的挑战更大，我们也更难以忍受AI处理问题的随机性。

示例B：加工资源，通过代币激励聚集资源

BTC背后的全球算力网络，其当前的总算力（算力：576.70 EH/s）超过了任何一个国家的超级计算机的综合算力。其发展动力来自于简单、公平的网络激励。

BTC网络算力走势，来源：https://www.coinwarz.com/

除此之外，包括Mobile在内的DePIN们，也正在尝试通过代币刺激供给需两端的双向市场，实现网络效应。本文接下来将重点梳理IO.NET，以便汇聚AI算力设计的平台，希望通过代币模型，激发出更多的AI算力潜力。

示例C：开源代码，引入ZK，保护隐私的情况下分辨人机

OpenAI 创始人 Sam Altman 参与的 Web3项目，Worldcoin 通过硬件设备 Orb，基于人的虹膜生物特征，通过 ZK 技术生成唯一且匿名的哈希值，用于验证身份，区分人和机器。今年 3 月初， Web3 艺术项目 Drip 就开始使用 Worldcoin 的 ID，来验证真人用户并发放奖励。

此外，Worldcoin持续不断地推出了其开源解决方案Orb的程序代码，就用户生物特征的安全和隐私提供保证。

总体来说，加密货币经济由于代码和密码学的确定性、无许可和代币机制带来的资源流转和募集优势，以及基于开源代码、公开账本的去信任属性，已经成为人类社会面临人工智能挑战的一个重要的潜在解决方案。

其中，最紧迫的热点人群、商业需求最旺盛的挑战，就是AI产品在算力资源上的极度饥渴，围绕芯片和算力的巨大需求。

这也是本轮项目牛市周期，全方位力算的涨势冠绝整体AI终结的关键。

去中心化计算（Decentralized Compute）的商业需求性

AI需要大量的计算资源，无论是用于训练模型还是进行推理。

而在大语言模型的训练实践中，有一个事实已经得到了确认：只要数据参数的规模足够大，大语言模型就能体现出一些以前没有的能力。每一代GPT的能力相比上一代的指数型跃迁，背后就是模型训练的计算量的指数级增长。

DeepMind 和斯坦福大学的研究显示，不同的大语言模型，在面对不同的任务（侵犯、波斯语问答、自然语言理解等）时，只要把模型训练时的模型参数放大（对应地，训练）的计算量也加大了），在训练量达到小于 10^22 FLOPs（FLOPs 指每秒浮点磨损量，用于缓慢计算性能）之前，任何任务的表现都和随机答案给出的是差不多的；而一旦参数规模超过那个规模的临界值后，任务表现就开始提升，无论哪个语言模型都是这样。

来源：大型语言模型的涌现能力

来源：大型语言模型的涌现能力

也正是在算力上「大力出奇迹」的规律和实践的验证，让 OpenAI 的创始人 Sam Altman 筹集了要募集 7 万亿美元，构建一个超过目前台积电 10 倍规模的先进芯片厂（该部分）预计花费 1.5 万亿），并用剩余资金用于芯片的生产和模型。

除了AI模型的训练算力之外，模型的推理过程本身也需要很大的算力（虽然相比训练的计算量要小），因此对芯片和算力的渴求成为了AI输入的参与者的常态。

相对于中心化的人工智能力提供方如亚马逊网络服务、谷歌云平台、微软的Azure等，人工智能计算的主要价值计算包括：

• 可访问性：使用AWS、GCP或Azure等云服务获取算力芯片的访问权限通常需要几周时间，而且流行的GPU型号经常无货。此外为了获得算力，消费者往往需要关注这些大公司满足长期、缺少弹性的合约。而转型算力平台可以提供弹性的选择硬件，具有更强的可访问性。
• 定价低：是利用闲置芯片，再由于增强网络协议方对芯片和算力供给方的代币重置，加权网络可能可以提供更高的算力。
• 抗审查：目前尖端算力芯片和供应被大型科技公司所垄断，加上以美国为代表的政府正在加大对AI算力服务的审查，AI算力能够被灵活、自由地获取，逐渐成为显着性需求，这也是基于web3的算力服务平台的核心价值。

如果说化石能源是工业时代的血液，那算力或将是由AI开启的新数字时代的血液，算力的供应将成为AI时代的基础设施。 正如稳定币成为法币在Web3时代的一个茁壮成长的旁支，多元化的算力市场是否会成为快速成长的AI算力市场的一个旁支？

由于这还是一个相当早期的市场，一切还有待观察。但是以下几个因素可能对叙述力进行多重计算或者市场采用了刺激作用：

• GPU的持续供应紧张。GPU的持续供应紧张，或许会推动一些开发者转向尝试的算力平台。
• 监管拓展。想要从大型的云力平台获得AI算力服务，必须经过KYC以及层层审查。这反而可能开始多元化算力平台的采用，尤其是一些受到限制和制裁的算力领域。
• 代币价格的刺激。牛市周期代币价格的上涨，会提高平台对GPU募集端的价值吸引力，进一步吸引更多的募集方进入市场，市场规模，降低消费者的实际购买价格。

但同时，全球计算力平台的挑战也相当明显：

技术与工程问题

• 工作验证问题：深度学习模型的计算，由于结构化的结构，每一层的输出都作为后面一层的输入，因此验证计算的有效性需要在所有工作之前执行，无法简单有效地进行验证。为了解决这个问题，全局计算平台需要开发新的算法或使用近似验证技术，这些技术可以提供结果正确性的概率保证，而不是绝对的确定性。
• 道具化难题：遍布算力平台汇聚的是长尾的芯片供电，因此单个芯片供电方所能提供的算力比较有限，单个芯片供电方几乎短时间独立完成AI模型的训练或推理任务，因此必须通过玩具化的手段来拆解和分配任务，每周总的完成时间。而玩具化又必然面临任务如何拆分（尤其是复杂的深度学习任务）、数据需求、设备之间额外的通信成本等等一系列问题。
• 隐私保护问题：如何保证采购方的数据以及模型不给接收方暴露任务？

监管合规问题

• 全方位计算平台由于其营收和采购交易市场的无许可性，可以作为卖点吸引到部分客户。另外则可能随着人工智能监管规范的完善，成为整个政府的对象。此外，部分GPU的供应商预计自己出租的资源是否被提供给了被制裁的商业或个人。

总的来说，所有计算平台的消费者主要是专业的开发者，或者中小型的机构，与购买加密货币和 NFT 的加密货币投资者不同，此类为用户协议所能提供的服务的稳定性、持续性有更高的要求，价格不一定是他们决策的主要动机。目前来看，所有计算平台他们要获得此类用户的认可，仍然有相当多的路要走。

接下来，我们对一个本轮周期的新周期算力项目IO.NET进行项目信息的整理和分析，并基于目前市场上同模拟的AI项目和周期计算项目，测算其上市后可能的估值水平。

2.多元AI算力平台：IO.NET

2.1项目定位

IO.NET是一个去中心化的计算网络，其构建了一个围绕芯片的双向市场，增加端是分布在全球的芯片（GPU为主，也有CPU以及苹果的iGPU等）计算力，希望端是完成AI模型训练或推理任务的人工智能工程师。

在 IO.NET 的官网上，它是这样写的：

我们的任务

将 100 万个 GPU 组合到 DePIN（去中心化物理基础设施网络）中。

其使命是将百万级的 GPU 整合到其 DePIN 网络中。

与现有的云AI算力服务商相比，其外部强调的主要卖点在于：

• 弹性组合：AI工程师可以自由挑选、组合自己所需要的芯片来组成「集群」，来完成自己的计算任务
• 部署迅速：消耗数周的雅典和等待（目前AWS等中心化厂商的情况），在几十秒内就可以完成部署，开始任务
• 服务价格：服务成本比主流厂商低90%

另外，IO.NET未来还计划上线AI模型商店等服务。

2.2 产品机制和业务数据

产品机制及使用体验

与亚马逊云、谷歌云、阿里云一样，IO.NET提供的计算服务称为IO Cloud。IO Cloud是一个多元化的、去中心化的芯片网络，能够运行基于Python的机器学习代码，运行AI和机器学习程序。

IO Cloud的基本业务模块称为集群（Clusters），集群是一个可以自我协调完成计算任务的GPU集群，人工智能工程师可以根据自己的需求来自定义想要的集群。

IO.NET 的产品界面的用户界面度非常高，如果你要部署属于自己的芯片集群，来完成 AI 计算任务，在进入它的集群（集群）产品页面后，就开始配置你要的芯片供应。

页面信息：https://cloud.io.net/cloud/clusters/create-cluster，下同

你首先需要选择自己的任务场景，目前有三种类型的供给选择：

通用型（通用型）：提供了一个比较通用的环境，适合早期不确定具体资源需求的项目阶段。

Train（训练型）：专为机器学习模型的训练和配置而设计的负载。该选项可以提供更多的GPU资源、更高的内存容量和/或更快的网络连接，便于处理这些高强度的计算任务。

Inference（推理型）：专为低延迟推理和重负载工作设计的负载。在机器学习的上下文中，推理指的是使用训练好的模型来进行预测或分析新数据，并提供反馈。因此，这个选项将关注优化延迟和吞吐量，以便支持实时或近实时的数据处理需求。

然后，你需要选择芯片集群的供应方，目前 IO.NET 与 Render Network 以及 Filecoin 的矿工网络达成了合作，因此用户可以选择 IO.NET 或另外两个网络的芯片来作为自己计算集群的供应方，实际上 IO.NET 扮演了一个聚合器的角色（但截至作者撰文时，Filecon 服务暂时下线中）。值得一提的是，根据页面显示，目前 IO.NET 在线可用 GPU 数量为 20 万 +，而Render Network的可用GPU数量为3700+。

接下来就进入了负载的芯片硬件选择阶段，目前 IO.NET 上市选择的硬件类型只有 GPU，不包括 CPU 或者苹果的 iGPU（M1、M2 等），而 GPU 也主要以英伟达的产品为主。

在官方首发、且可用的GPU硬件选项中，根据笔者测试的当日数据，IO.NET网络总在线的可用数量的GPU数量为206001张。其中可用数量最多的是GeForce RTX 4090（45250张），其次是GeForce RTX 3090 Ti（30779张）。

另外，在处理 AI 计算任务如机器学习、深度学习、科学计算上更为高效的 A100-SXM4-80GB 芯片（市场价 15000$+），在线数量有 7965 张。

英伟达从硬件设计开始就专门为AI而生的H100 80GB HBM3显卡（市场价40000$+），其训练性能是A100的3.3倍，推理性能是A100的4.5倍，实际而在线数量为86张。

在选定集群的硬件类型后，用户还需要选择集群的地区、通信速度、租用的GPU数量和时间等参数。

最后，IO.NET 根据综合的选择，将为您提供一份文档，以文献的集群配置为例：

• 通用（General）任务场景
• 16 张 A100-SXM4-80GB 芯片
• 最高连接速度（Ultra High Speed）
• 断层美国
• 租用时间为1周

总账单价格为3311.6$，单张卡的时租单价为1.232$

而 A100-SXM4-80GB 在亚马逊云、谷歌云和微软 Azure 的单卡时租赁价格分别为 5.12$、5.07$和 3.67$（数据来源：https://cloud-gpus.com/，实际价格会根据合约细节条款产生变化）。

因此仅就价格而言，IO.NET的芯片算力确实比主流厂商便宜不少，且融资的组合与采购也非常有弹性，操作也很容易上手。

业务情况

供给端情况

今年4月4日，根据官方数据，IO.NET在供应端的GPU总负载为371027张，CPU负载为42321张。此外，渲染网络作为其合作伙伴，还有9997张GPU和776张CPU接入了网络的供给。

数据来源：https://cloud.io.net/explorer/home，下同

文章撰文时，IO.NET接入的GPU概览中的214387在线状态，在线率达到了57.8%。来自渲染网络的GPU的在线率则为45.1%。

以上供应端的数据意味着什么？

为了进行对比，我们再引入另一个上线时间更久的老牌多个计算项目 Akash Network 来进行对比。

Akash Network 早在 2020 年就上线了主网，最初主要关注于 CPU 和存储的分布服务。2023 年 6 月，其推出了 GPU 服务的测试网，并于同年 9 月上线了 GPU 分布算力的主网。

数据来源：https://stats.akash.network/provider-graph/graphics-gpu

根据 Akash 官方数据，其 GPU 网络推出以来，供应端虽然增长，但截至目前为止持续持续 GPU 总接入数量 365 张。

从 GPU 的供应量来看，IO.NET 或 Akash Network 高增长了好几个数量级，已经是全球 GPU 算力相当于最大的供应网络。

需求端情况

从需求端来看，IO.NET仍是一个市场培育的早期阶段，目前实际使用IO.NET来执行计算任务的首要任务。大部分在线GPU的任务负载量为0%，而只有A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、H100 80GB HBM3 四款芯片正在处理任务。且除 A100 PCIe 80GB K8S 之外，其他三款芯片的负载量均低于 20%。

而官方当天披露的网络压力为0%，意味着大部分芯片供应都处于在线状态。

而在网络费用规模上，IO.NET已经产生了586029$的服务费用，近一日的费用为3200$。

数据来源：https://cloud.io.net/explorer/clusters

以上网络结算费用的规模，无论是总体还是日交易量，均与 Akash 达到同一个数量级，不过 Akash 的大部分网络收入来自于 CPU 的部分，Akash 的 CPU 供应量有 2 万多张。

数据来源：https://stats.akash.network/

另外，IO.NET还披露了网络处理的AI推理任务的业务数据，截至目前其已经处理和验证的推理任务数量超过23万个，而这部分业务量大部分都产生于IO.NET所赞助的项目BC8.AI。

数据来源：https://cloud.io.net/explorer/inferences

从目前的业务数据来看，IO.NET的芯片端扩展顺利，在空投预期和代号「点火」的社区活动刺激下，使其迅速汇聚起大量的AI芯片力算。而其在端的需求扩大仍是早期阶段，有机需求体验目前还不足。至于目前需求端的不足，是由于消费端的拓展股票开始，还是由于目前的服务尚不稳定，因此需求大规模的需求，这仍需要评估。

考虑到AI计算力的落差短期内较难完成，有大量的AI工程师和项目在寻求替代方案，可能会去中心化的服务商产生兴趣，加上IO.NET目前尚未开展针对需求端的经济和活动刺激，以及产品体验的逐步提升，后续供需下游的逐步匹配仍然是值得期待的。

2.3 团队背景和融资情况

团队情况

IO.NET的核心团队成立之初的业务是量化交易，在2022年6月之前，他们一直专注于为股票和加密货币资产开发机构级的量化交易系统。由此系统涉及到计算能力的需求，团队开始探索去中心化计算的可能性，并最终把目光中心化到了降低GPU算力服务的成本这个具体问题上。

创始人兼首席执行官：艾哈迈德·沙迪德

Ahmad Shadid 在 IO.NET 之前一直从事量化和金融工程相关的工作，同时还是以太坊基金的志愿者。

CMO&首席战略官：Garrison Yang

Garrison Yang于今年3月才正式加入IO.NET，他是Avalanche的战略和增长副总裁，从加州大学圣巴巴拉分校毕业。

首席运营官：托里·格林

Tory Green 是 io.net 首席运营官，英国是 Hum Capital 首席运营官、Fox Mobile Group 企业发展与战略指导，毕业于斯坦福。

从 IO.NET 的 Linkedin 信息来看，团队总部位于美国纽约，在旧金山有分公司，目前团队人员规模在 50 人以上。

融资情况

IO.NET 目前仅披露了惊人的融资，即今年 3 月完成的 A 轮估值 10 亿美元融资，共募集了 3000 万美元，由被黑 VC LinkedIn 投资，其他参投方包括 Multicoin Capital、Delphi Digital 、Foresight Ventures、Animoca Brands、Continue Capital、Solana Ventures、Aptos、LongHash Ventures、OKX Ventures、Amber Group、SevenX Ventures 和 ArkStream Capital 等。

值得一说的是，可能是因为收到了 Aptos 基金会的投资，知道在 Solana 上进行结算记的 BC8.AI项目，已经转换到了同样的高性能 L1 Aptos 上进行。

2.4 估值推算

根据创始人兼首席执行官 Ahmad Shadid 的说法，IO.NET 将在 4 月底推出代币。

IO.NET 有两个可以作为估值参考的项目：Render Network 和 Akash Network，它们都是典型的循环计算项目。

我们可以用两种方式推演 IO.NET 的市值区间：1.市销比，即：市值 / 收入比；2.市值 / 网络芯片数比。

先来看基于市销比的估值推演：

从市销比的角度来看，Akash 可以作为 IO.NET 的估值区间的下限，而 Render 则作为估值的高位定价参考，其 FDV 区间为 16.7 亿~59.3 亿左右。

但考虑到 IO.NET项目更新，叙述更热，加上早期流通市值较小，以及目前较大的供应端规模，其 FDV 超过渲染的可能性并不小。

再看另一个对比估值的角度，即「市芯比」。

在AI算力求最大供给的市场背景下，整体AI算力网络最重要的要素是GPU供应端的规模，因此我们可以以「市芯比」来横向对比，用「项目总市值与网络内芯片的算力」数量之比》，来推演IO.NET可能的估值区间，供读者一个市值参考。

如果以市芯比来算推 IO.NET 的市值区间，IO.NET 以 Render Network 的市芯比为上限，以 Akash Network 为下限，其 FDV 区间为 206 亿~1975 亿左右。

相信再看好的IO.NET项目读者，都会认为这是一个乐观极大的市值推算。

而且我们需要考虑到，目前IO.NET如此庞大的芯片在线数，受到了空投预期以及刺激活动的刺激，在项目正式上线后其供应端的实际在线数仍需观察。

因此总体来说，从市销比的角度进行估值测算可能更具参考性。

IO.NET作为一个承载了AI+DePIN+Solana生态三重光环的项目，其上线后的市值表现究竟如何，让我们拭目以待。

参考信息

Dephi Digital：真正的合并

Galaxy：理解加密货币与人工智能的交叉点

Tags：

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处“来源演示站”。