PinGo 是一个连接闲置计算能力的媒介，旨在解决资源碎片化和闲置的问题。通过利用 AI、DePin（去中心化基础设施）和 Decloud 解决方案，PinGo 为构建 AI 模型提供计算能力基础。^[1][2]

概述

PinGo 解决了诸如闲置和碎片化的计算能力可用性、可扩展性和快速集群、传统云计算的高成本以及企业解决方案中缺乏定制化和灵活性等痛点。^[3]

“许多数据中心和去中心化存储提供商拥有大量的闲置 CPU 容量。PinGo 通过将这些未充分利用的资源聚合到一个去中心化网络中来解决这个问题。这种方法最大限度地提高了它们的利用率，并为 AI 和机器学习需求提供了一种经济高效的解决方案。” - 团队表示^[3]

PinGo 的用户界面允许定制 CPU 资源、位置和安全参数，为各种 AI 和机器学习项目提供量身定制的解决方案。^[3]

2024 年 8 月，PinGo 与商业应用程序的 区块链 实体 Metabit Network 合作，以扩展人工智能、DePIN 和 Web3 技术的功能。^[8]

技术

PinGo 网络和点对点架构

PinGo 网络使用点对点 (P2P) 架构，该架构在其参与者（称为“Pins”）之间分配任务和数据存储，而不依赖于中央服务器或管理员。这种设置允许分布式所有权，其中控制权在整个网络中共享，而不是集中化。网络中的节点自行组织，从而实现分布式存储和处理系统，从而克服了传统所有权模型的局限性。^[5]

云存储和点对点网络

PinGo 利用点对点网络来提供基于分布式 CPU 框架的云平台。这种架构将各种 CPU 集成到一个统一的网络中，从而增强了集群规模和基础设施弹性。通过利用这种分布式方法，PinGo 为计算需求提供可扩展且灵活的解决方案，确保资源利用率并提高 AI 和机器学习应用程序的性能。^[6]

AI 推理成本降低

为了解决随着用户数量的增长而增加的 AI 推理成本，PinGo Cloud 采用分布式云方法来优化性能和可扩展性。通过聚合大量中低端 GPU（例如 RTX 4090），PinGo 创建了一个广泛的分布式 GPU 计算网络。该策略旨在降低计算成本，同时有效地处理 meme 币 社区的动态和图像传播挑战。^[7]

团队

• Sophia Chang 博士 - 首席技术官 (CTO)
• David Miller 先生 - 首席运营官 (COO)
• Emily Wang 女士 - 营销主管^[4]

合作伙伴

• Upton
• Cluster Protocol
• Loxodrome
• Metabit Network
• Laika
• PoP Planet
• Trend
• Armeda