Autonomys 中文社区定价模型
目的
为网络中的每张 GPU 卡建立以美元表示的简单小时费率。我们需要为网络内的 GPU/CPU 资源提供一个清晰、公平和去中心化的定价机制。
设计原则
io.net 的核心是一个计算能力的双边市场。
- 从需求方面来看，io.net 旨在应对两大挑战：
- 降低与租用 GPU/CPU 计算能力相关的高成本，这对于扩展 AI 和 ML 应用程序至关重要。因此，我们需要考虑竞争对手的价格和可用性，以在市场上提供具有竞争力和吸引力的替代方案。
- 解决 GPU 云提供商雇用的 GPU 节点短缺问题 因此，我们需要调整高峰时段和低可用性的定价。因此，重要的是要考虑到最终用户。
- 在供应方面，我们正在开拓两个关键市场：
- 游戏玩家
针对 PC 游戏玩家的优势之一是他们目前不参与加密货币挖矿，因此他们没有期望在不使用资源时赚钱。此外，他们还在不断投资高端硬件，包括最新的 GPU、强大的 RAM、CPU、内存和高端主板。这使它们成为 io.net 的合适目标，因为它们可以访问低 ping 值的高速互联网，并且遍布全球每个城市，但是，瞄准这个市场的一个潜在缺点是他们通常只有一张 GPU 卡，而矿工通常拥有 10 倍的数量。 - 加密 GPU 矿工
他们拥有大量的 GPU，为 io.net 的服务提供了充足的资源。此外，他们已经对加密挖矿感兴趣，这使他们自然而然地适合 io.net 的 IO Worker。由于加密货币挖矿的回报率低，他们还面临财务困难，大多数卡每天的收入不到 1 美元。然而，缺点是加密 GPU 矿工的互联网连接性可能很差，因为他们使用的工作量证明算法不需要太多带宽。它们也可能具有有限的存储空间，使用低容量闪存卡，这为 io.net 的软件和软件包留下了很少的空间。加密 GPU 矿工从事这项业务是为了获得经济利益，因此，每笔投资都是经过计算的。当他们购买新卡时，他们希望在 9 到 14 个月内达到盈亏平衡点
定价模型组件多维因素
- 硬件性能 [ 美元 ]
- 由 GPU 的计算能力确定的美元值。
- Tensor Core 张量核心
- GPU 带宽
- 显存 [ GRAM ]
- TLFOPS（英语：TLFOPS）
- GPU 型号
- CPU型号
- CPU 时钟速度
- CPU 内核
- 公羊
- 磁盘 [SSD/HDD]
为了确定这些估值，我们必须查看实体现货卡的价格，并将其与 GPU 云提供商的定价进行比较。GPU 云定价 [ 工作进行中 ]
- 互联网带宽 [ 乘以 1 的系数 ]
- 下载/上传
- 以毫秒为单位的 Ping
- 基于提供的互联网带宽的定价变化
- 竞争对手价格/供应可用性 [ 折扣乘数百分比乘以 1 ]
考虑 AWS 和 PaperSpace 等竞争对手提供的类似 GPU 的定价。并考虑竞争对手平台上 GPU 的可用性，以调整定价并确保竞争优势。 - 高峰时段 [ 乘以 1 的系数 ]
调整 GPU 网络利用率高峰时段的定价。 - 承诺定价 [ 折扣百分比乘以 1 ]
长期预订和大批量用户的折扣和奖励。两种型号按需价格较高，长期合同可享受 -50% 的折扣。 - 位置 [ 美元 ]
根据电力成本和当地市场需求等因素，每个国家/地区的定价不同。稍后，当 AI/ML 团队需要满足数据法规时，将大规模需要这样做。 - 加密货币收益 [ 乘以 1 的系数 ]
在挖掘其他 POW 加密货币时，硬件可以获得的最大利润是多少。
基于持续时间、GPU 速度、互联网带宽、信任评分和地理位置的分层定价
开放性问题
- 如何完全分散定价
- 我们如何为矿工硬件进行 speedtest.net，这将对硬件性能进行基准测试，并根据完成不同类型的 AI/ML 任务所需的时间对其进行定价。
https://lambdalabs.com/gpu-benchmarks
