原文来源：Mint Ventures
弁言
在我的上一篇文章中，提到本轮加密牛市周期与前两轮周期比较，短缺足够有影响力的新商业和新资产叙事。AI是本轮Web3领域少有的新叙事之一，本文笔者将结合今年的热点AI项目IO.NET，考试测验梳理关于以下2个问题的思考：
其次，笔者将梳理AI分布式算力的代表项目：IO.NET项目的关键信息，包括产品逻辑、竞品情形和项目背景，并就项目的估值进行推演。
本文关于AI和Web3结合一节的部分思考，受到了Delphi Digital研究员Michael rinko所写的《The Real Merge》的启示。本文的部分不雅观点存在对该文章的消化和引述，推举读者阅读原文。
本文为笔者截至揭橥时的阶段性思考，未来可能可能发生改变，且不雅观点具有极强的主不雅观性，亦可能存在事实、数据、推理逻辑的缺点，请勿作为投资参考，欢迎同行的批评和磋商。
以下为正文部分。
1.商业逻辑：AI和Web3的结合点1.1 2023：AI造就的新“奇迹年”
回看人类发展史，一旦科技实现了打破性进展，从个体日常生活，到各个家当格局，再到全体人类文明，都会随着发生天翻地覆的变革。
人类历史中有两个主要年份，分别是1666年和1905年，如今它们被称为科技史上的两大“奇迹年”。
1666年作为奇迹年，是由于牛顿的科学成果在该年集中式地呈现。这一年，他开辟了光学这个物理分支，创立了微积分这个数学分支，导出了引力公式这个当代自然科学的根本定律。这当中无论哪一项都是未来百年人类科学发展的奠基式贡献，大大加速了整体科学的发展。
第二个奇迹年是1905年，彼时仅仅26岁的爱因斯坦在《物理学年鉴》上连续揭橥4篇论文，分别涉及光电效应（为量子力学奠基）、布朗运动（成为剖析随机过程的主要引用）、狭义相对论和质能方程（也便是那个有名公式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均匀水平（爱因斯坦本人也由于光电效应论文得到了诺贝尔奖），人类文明的历史进程再一次被大大推进了好几步。
而刚刚过去的2023年，大概率也会由于ChatGPT，而被称之为又一个“奇迹年”。
我们把2023年看做人类科技史上的有一个“奇迹年”，不仅是由于GPT在自然措辞理解和天生上的巨大进步，更是由于人类从GPT的进化中摸清了大措辞模型能力增长的规律——即通过扩大模型参数和演习数据，就能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措辞和天生对话，还能被广泛地交叉用于各种科技领域，以大措辞模型在生物领域的运用为例：
2018年，诺贝尔化学奖得主弗朗西斯·阿诺德在颁奖仪式上才说道：“本日我们在实际运用中可以阅读、写入和编辑任何 DNA 序列，但我们还无法通过它创作（compose it）。”仅仅在他讲话的5年后，2023年，来自斯坦福大学和硅谷的AI创业企业Salesforce Research的研究者，在《自然-生物技能》揭橥论文，他们通过基于GPT3微调而成的大措辞模型，从0创造出了全新的100万种蛋白质，并从中探求到2种构造截然不同、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。也便是说：在AI的帮助下，蛋白质“创造”的瓶颈打破了。而在此前，人工智能AlphaFold算法在18个月内，把地球上险些所有的2.14亿种蛋白质构造都做了预测，这项成果是过往所有人类构造生物学家事情成果的几百倍。有了基于AI的各种模型，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，必将迎来翻天覆地的变革，而2023正是这统统的元年。
我们都知道，近百年来人类在财富上的创造能力是指数级别增长的，而AI技能的快速成熟，一定会进一步加速这一进程。
环球GDP总量走势图，数据来源：天下银行
1.2 AI与Crypto的结合
要从实质上理解AI与Crypto结合的必要性，可以从两者互补的特性开始。
AI和Crypto特性的互补
AI有三个属性：
随机性：AI具有随机性，其内容生产的机制背后是一个难以复现、探查的黑盒，因此结果也具有随机性资源密集：AI是资源密集型家当，须要大量的能源、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%，间隔及格线50%仅差9%，同项目人类测试成绩为63%。本图灵测试的含义为有百分之多少的人认为和他谈天的那个工具是真人。如果超过50%，就解释人群中至少有一半以上的人认为那个交谈工具是人，而不是机器，即视作通过图灵测试。
AI在为人类创造新的超过式的生产力的同时，它的这三个属性也给人类社会带来的巨大的寻衅，即：
如何验证、掌握AI的随机性，让随机性成为一种上风而非毛病如何知足AI所须要的巨大能源和算力缺口如何分辨人和机器而Crypto和区块链经济的特性，或许恰好是办理AI带来的寻衅的良药，加密经济具有以下3个特色：
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，什么输入就有什么结果，高度确定性资源配置高效：加密经济构建了一个弘大的环球自由市场，资源的定价、召募、流转非常快速，且由于代币的存在，可以通过勉励加速市场供需的匹配，加速到达临界点免信赖：账本公开，代码开源，大家可便捷验证，带来“去信赖（trustless）”的系统，而ZK技能则避免验证同时的隐私暴露接下来通过3个例子来解释AI和加密经济的互补性。
例子A：办理随机性，基于加密经济的AI代理
AI代理（AI Agent）即卖力基于人类意志，替人类实行事情的人工智能程序（代表性项目有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美元的BTC”。AI代理可能面临两种情形：
情形一，它要对接传统金融机构（比如贝莱德），购入BTC ETF，这里面临着大量的AI代理和中央化机构的适配问题，比如KYC、资料审查、登录、身份验证等等，目前来说还是非常麻烦。
情形二，它基于原生加密经济运行，情形会变得大略得多，它会通过Uniswap或是某个聚合交易平台，直接用你的账户署名、下单完成交易，收到WBTC（或是其他封装格式的BTC），全体过程快捷大略。实际上，这便是各种Trading BOT在做的事情，它们实际上已经扮演了一个低级的AI代理的角色，只不过事情专注于交易而已。未来各种交易BOT随着AI的融入和蜕变，一定能实行更多繁芜的交易意图。比如：跟踪100个链上的聪明钱地址，剖析它们的交易策略和成功率，用我地址里的10%资金在一周内实行类似交易，并在创造效果不佳时停滞，并总结失落败的可能缘故原由。
AI在区块链的系统中运行会更加良好，实质上是由于加密经济规则的清晰性，以及系统访问的无容许。在限定的规则下实行任务，AI的随机性带来的潜在风险也将更小。比如AI在棋牌比赛、电子游戏的表现已经碾压人类，便是由于棋牌和游戏是一个规则清晰的封闭沙盒。而AI在自动驾驶上的进展会相对缓慢，由于开放的外部环境的寻衅更大，我们也更难容忍AI处理问题的随机性。
例子B：塑造资源，通过代币勉励聚拢资源
BTC背后的环球的算力网络，其当前的总算力（Hashrate: 576.70 EH/s）超过了任何一个国家的超级打算机的综合算力。其发展动力来自于大略、公正的网络勉励。
BTC网络算力走势，来源：https://www.coinwarz.com/
除此之外，包括Mobile在内的DePIN项目们，也正在考试测验通过代币勉励塑造供需两端的双边市场，实现网络效应。本文接下来将重点梳理的IO.NET，则是为了汇聚AI算力设计的平台，希望通过代币模型，引发出更多的AI算力潜力。
例子C：开源代码，引入ZK，保护隐私的情形下分辨人机
作为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色，通过ZK技能天生专属且匿名的哈希值，用于验证身份，差异人和机器。今年3月初，Web3艺术项目Drip就开始利用Worldcoin的ID，来验证真人用户和发放褒奖。
此外，Worldcoin也在近日开源了其虹膜硬件Orb的程序代码，就用户生物特色的安全和隐私供应担保。
总体来说，加密经济由于代码和密码学的确定性、无容许和代币机制带来的资源流转和召募上风，和基于开源代码、公开账本的去信赖属性，已经成为人类社会面临AI寻衅的一个主要的潜在办理方案。
而且个中最迫不及待，商业需求最兴旺的寻衅，便是AI产品在算力资源上的极度饥渴，环绕芯片和算力的巨大需求。
这也是本轮牛市周期，分布式算力项目的涨势冠绝整体AI赛道的紧张缘故原由。
分布式打算（Decentralized Compute）的商业必要性
AI须要大量的打算资源，无论是用于演习模型还是进行推理。
而在大措辞模型的演习实践中，有一个事实已经得到确认：只要数据参数的规模足够大，大措辞模型就会呈现出一些之前没有的能力。每一代GPT的能力比较上一代的指数型跃迁，背后便是模型演习的打算量的指数级增长。
DeepMind和斯坦福大学的研究显示，不同的大措辞模型，在面对不同的任务（运算、波斯语问答、自然措辞理解等）时，只要把模型演习时的模型参数规模加大（对应地，演习的打算量也加大了），在演习量达不到10^22 FLOPs（FLOPs指每秒浮点运算量，用于衡量打算性能）之前，任何任务的表现都和随机给出答案是差不多的；而一旦参数规模超越那个规模的临界值后，任务表现就急剧提升，不论哪个措辞模型都是这样。
来源：Emergent Abilities of Large Language Models
来源：Emergent Abilities of Large Language Models
也正是在算力上“大力失事业”的规律和实践的验证，让OpenAI的创始人Sam Altman提出了要召募7万亿美金，构建一个超过目前台积电10倍规模的前辈芯片厂（该部分估量花费1.5万亿），并用剩余资金用于芯片的生产和模型演习。
除了AI模型的演习须要算力之外，模型的推理过程本身也须要很大的算力（只管比较演习的打算量要小），因此对芯片和算力的饥渴成为了AI赛道参与者的常态。
相对付中央化的AI算力供应方如Amazon Web Services、Google Cloud Platform、微软的Azure等，分布式AI打算的紧张代价主见包括：
可访问性：利用 AWS、GCP 或 Azure 等云做事获取算力芯片的访问权限常日须要几周韶光，而且盛行的 GPU 型号常常无货。此外为了拿到算力，消费者每每须要跟这些大公司签订长期、短缺弹性的条约。而分布式算力平台可以供应弹性的硬件选择，有更强的可访问性。定价低：由于利用的是闲置芯片，再叠加网络协议方对芯片和算力供给方的代币补贴，分布式算力网络可能可以供应更为低廉的算力。抗审查：目前尖端算力芯片和供应被大型科技公司所垄断，加上以美国为代表确当局正在加大对AI算力做事的审查，AI算力能够被分布式、弹性、自由地获取，逐渐成为一个显性需求，这也是基于web3的算力做事平台的核心代价主见。如果说化石能源是工业时期的血液，那算力或将是由AI开启的新数字时期的血液，算力的供应将成为AI时期的根本举动步伐。正如稳定币成为法币在Web3时期的一个茁壮成长的旁支，分布式的算力市场是否会成为快速发展的AI算力市场的一个旁支？
由于这还是一个相称早期的市场，统统都还有待不雅观察。但是以下几个成分可能会对分布式算力的叙事或是市场采取起到刺激浸染：
GPU持续的供需紧张。GPU的持续供应紧张，或许会推动一些开拓者转向考试测验分布式的算力平台。监管扩展。想从大型的云算力平台获取AI算力做事，必须经由KYC以及层层审查。这反而可能匆匆成分布式算力平台的采取，尤其是一些受到限定和制裁的地区。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供给真个补贴代价，进而吸引更多供给方进入市场，提高市场的规模，降落消费者的实际购买价格。但同时，分布式算力平台的寻衅也相称明显：
技能和工程难题事情验证问题：深度学习模型的打算，由于层级化的构造，每层的输出都作为后一层的输入，因此验证打算的有效性须要实行之前的所有事情，无法大略有效地进行验证。为理解决这个问题，分布式打算平台须要开拓新的算法或利用近似验证技能，这些技能可以供应结果精确性的概率担保，而不是绝对的确定性。并行化难题：分布式算力平台汇聚的是长尾的芯片供给，也就注定了单个设备所能供应的算力比较有限，单个芯片供给方险些短韶光独立完成AI模型的演习或推理任务，以是必须通过并行化的手段来拆解和分配任务，缩短总的完成韶光。而并行化又一定面临任务如何分解（尤其是繁芜的深度学习任务）、数据依赖性、设备之间额外的通信本钱等一系列问题。隐私保护问题：如何担保采购方的数据以及模型不暴露给任务的吸收方？监管合规难题分布式打算平台由于其供给和采购双边市场的无容许性，一方面可以作为卖点吸引到部分客户。另一方面则可能随着AI监管规范的完善，成为政府整顿的工具。此外，部分GPU的供应商也会担心自己出租的算力资源，是否被供应给了被制裁的商业或个人。总的来说，分布式打算平台的消费者大多是专业的开拓者，或是中小型的机构，与购买加密货币和NFT的加密投资者们不同，这类用户对付协议所能供应的做事的稳定性、持续性有更高的哀求，价格未必是他们决策的紧张动机。目前来看，分布式打算平台们要得到这类用户的认可，仍旧有较长的路要走。
接下来，我们就一个本轮周期的新分布式算力项目IO.NET进行项目信息的梳理和剖析，并基于目前市场上同赛道的AI项目和分布式打算项目，测算其上市后可能的估值水平。
2.分布式AI算力平台：IO.NET2.1 项目定位
IO.NET是一个去中央化打算网络，其构建了一个环绕芯片的双边市场，供给端是分布在环球的芯片（GPU为主，也有CPU以及苹果的iGPU等）算力，需求端是希望完成AI模型演习或推理任务的人工智能工程师。
在IO.NET的官网上，它这样写道：
Our MissionPutting together one million GPUs in a DePIN – decentralized physical infrastructure network.其义务是把百万数量级的GPU整合到它的DePIN网络中。与现有的云AI算力做事商比较，其对外强调的紧张卖点在于：
弹性组合：AI工程师可以自由挑选、组合自己所须要的芯片来组成“集群”，来完本钱身的打算任务支配迅速：无需数周的审批和等待（目前AWS等中央化厂商的情形），在几十秒内就可以完成支配，开始任务做事低价：做事的本钱比主流厂商低90%此外，IO.NET未来还操持上线AI模型商店等做事。
2.2 产品机制和业务数据产品机制和支配体验
与亚马逊云、谷歌云、阿里云一样，IO.NET供应的打算做事叫IO Cloud。IO Cloud是一个分布式的、去中央化的芯片网络，能够实行基于Python的机器学习代码，运行AI和机器学习程序。
IO Cloud的基本业务模块叫做集群（Clusters），Clusters是一个可以自我折衷完成打算任务的GPU群组，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的产品界面的用户友好度很高，如果你要支配属于自己的芯片集群，来完成AI打算任务，在进入它的Clusters（集群）产品页面后，就可以开始按需配置你要的芯片集群。
页面信息：https://cloud.io.net/cloud/clusters/create-cluster，下同
首先你须要选择自己的任务场景，目前有三个类型可供选择：
General（通用型）：供应了一个比较通用的环境，适宜早期不愿定详细资源需求的项目阶段。Train（演习型）：专为机器学习模型的演习和微调而设计的集群。这个选项可以供应更多的GPU资源、更高的内存容量和/或更快的网络连接，以便于处理这些高强度的打算任务。Inference（推理型）：专为低延迟推理和重负载事情设计的集群。在机器学习的高下文中，推理指的是利用演习好的模型来进行预测或剖析新数据，并供应反馈。因此，这个选项会专注于优化延迟和吞吐量，以便于支持实时或近实时的数据处理需求。然后，你须要选择芯片集群的供应方，目前IO.NET与Render Network以及Filecoin的矿工网络达成了互助，因此用户可以选择IO.NET或其余两个网络的芯片来作为自己打算集群的供应方，相称于IO.NET扮演了一个聚合器的角色（但截至笔者撰文时，Filecon做事暂时下线中）。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+。
再接下来就进入了集群的芯片硬件选择环节，目前IO.NET列出可供选择的硬件类型仅有GPU，不包括CPU或是苹果的iGPU(M1、M2等），而GPU也紧张以英伟达的产品为主。
在官方列出、且可用的GPU硬件选项中，根据笔者测试确当日数据，IO.NET网络总在线的可用数量的GPU数量为206001张。个中可用量最多的是GeForce RTX 4090（45250张），其次是GeForce RTX 3090 Ti（30779张）。
此外，在处理AI打算任务如机器学习、深度学习、科学打算上更为高效的A100-SXM4-80GB芯片（市场价15000$+），在线数有7965张。
而英伟达从硬件设计开始就专为AI而生的H100 80GB HBM3显卡（市场价40000$+），其演习性能是A100的3.3倍，推理性能是A100的4.5倍，实际在线数量为86张。
在选定集群的硬件类型后，用户还须要选择集群的地区、通信速率、租用的GPU数量和韶光等参数。
末了，IO.NET根据综合的选择，会为你供应一个账单，以笔者的集群配置为例：
通用（General）任务场景16张A100-SXM4-80GB芯片最高连接速率（Ultra High Speed）地理位置美国租用韶光为1周该总账单价格为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$（数据来源：https://cloud-gpus.com/，实际价格会根据合约细节条款产生变革）。
因此仅就价格来说，IO.NET的芯片算力确实比主流厂商便宜不少，且供给的组合与采购也非常有弹性，操作也很随意马虎上手。
业务情形
供给端情形
截至今年4月4日，根据官方数据，IO.NET在供应真个GPU总供给为371027张，CPU供给为42321张。此外，Render Network作为其互助伙伴，还有9997张GPU和776张CPU接入了网络的供给。
数据来源：https://cloud.io.net/explorer/home，下同
笔者撰文时，IO.NET接入的GPU总量中的214387处于在线状态，在线率达到了57.8%。来自Render Network的GPU的在线率则为45.1%。
以上供应真个数据意味着什么？
为了进行比拟，我们再引入另一个上线韶光更久的老牌分布式打算项目Akash Network来进行比拟。
Akash Network早在2020年就上线了主网，最初紧张专注于CPU和存储的分布式做事。2023年6月，其推出了GPU做事的测试网，并于同年9月上线了GPU分布式算力的主网。
数据来源：https://stats.akash.network/provider-graph/graphics-gpu
根据Akash官方数据，其GPU网络推出以来，供应端只管持续增长，但截至目前为止GPU总接入数量仅为365张。
从GPU的供应量来看，IO.NET要比Akash Network赶过了好几个数量级，已经是分布式GPU算力赛道最大的供应网络。
需求端情形
不过从需求端来看，IO.NET依旧处于市场造就的早期阶段，目前实际利用IO.NET来实行打算任务的总量不多。大部分在线的GPU的任务负载量为0%，只有A100 PCIe 80GB K8S、RTX A6000 K8S、RTX A4000 K8S、H100 80GB HBM3四款芯片有在处理任务。且除了A100 PCIe 80GB K8S之外，其他三款芯片的负载量均不到20%。
而官方当日表露的网络压力值为0%，意味着大部分芯片供应都处于在线待机状态。
而在网络用度规模上，IO.NET已经产生了586029$的做事用度，近一日的用度为3200$。
数据来源：https://cloud.io.net/explorer/clusters
以上网络结算用度的规模，无论是总量还是日交易量，均与Akash处在同一个数量级，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/
此外，IO.NET还表露了网络处理的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， 不过这部分业务量大部分都产生于IO.NET所资助的项目BC8.AI。
数据来源：https://cloud.io.net/explorer/inferences
从目前的业务数据来看，IO.NET的供给端扩展顺利，在空投预期和代号“Ignition”的社区活动刺激下，让其迅速地汇聚起了大量的AI芯片算力。而其在需求真个拓展仍处于早期阶段，有机需求目前还不敷。至于目前需求真个不敷，是由于消费真个拓展还未开始，还是由于目前的做事体验尚不稳定，因此短缺大规模的采取，这点仍须要评估。
不过考虑到AI算力的落差短期内较难补充，有大量的AI工程师和项目在寻求替代方案，可能会对去中央化的做事商产生兴趣，加上IO.NET目前尚未开展对需求真个经济和活动刺激，以及产品体验的逐渐提升，后续供需两端的逐渐匹配仍旧是值得期待的。
2.3 团队背景和融资情形团队情形
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，他们一贯专注于为股票和加密资产开拓机构级的量化交易系统。出于系统后端对打算能力的需求，团队开始探索去中央化打算的可能性，并且终极把目光落在了降落GPU算力做事的本钱这个详细问题上。
创始人&CEO：Ahmad Shadid
Ahmad Shadid在IO.NET之前一贯从事量化和金融工程干系的事情，同时还是以太坊基金的志愿者。
CMO&首席计策官：Garrison Yang
Garrison Yang在今年3月才正式加入IO.NET，他此前是Avalanche的计策和增长VP，毕业于加州大学圣巴巴拉分校。
COO：Tory Green
Tory Green 是 io.net 首席运营官，此前是 Hum Capital 首席运营官、Fox Mobile Group 企业发展与计策总监，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，目前团队职员规模在50人以上。
融资情形
IO.NET截至目前仅表露了一轮融资，即今年3月完成的A轮估值10亿美金融资，共召募了3000万美金，由Hack VC领投，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，或许是由于收到了Aptos基金会的投资，原来在Solana上进行结算记账的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
根据此前创始人兼CEO Ahmad Shadid的说法，IO.NET将在4月尾推出代币。
IO.NET有两个可以作为估值参考的标的项目：Render Network和Akash Network，它们都是代表性的分布式打算项目。
我们可以用两种办法推演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16.7亿~59.3亿美金。
但考虑到IO.NET项目更新，叙事更热，加上早期流利市值较小，以及目前更大的供应端规模，其FDV超过Render的可能性并不小。
再看另一个比拟估值的角度，即“市芯比”。
在AI算力求大于供的市场背景下，分布式AI算力网络最主要的要素是GPU供应真个规模，因此我们可以以“市芯比”来横向比拟，用“项目总市值与网络内芯片的数量之比”，来推演IO.NET可能的估值区间，供读者作为一个市值参考。
如果以市芯最近推算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206亿~1975亿美金。
相信再看好IO.NET项目读者，都会认为这是一个极度乐不雅观的市值推算。
而且我们须要考虑到，目前IO.NET如此弘大的芯片在线张数，有受到空投预期以及勉励活动的刺激，在项目正式上线后其供应真个实际在线数仍旧须要不雅观察。
因此总体来说，从市销比的角度进行的估值测算可能更有参考性。
IO.NET作为叠加了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。
3.参考信息Dephi Digital：The Real MergeGalaxy：Understanding the Intersection of Crypto and AI
