La conversazione intorno al calcolo AI spesso inizia parlando di carenze. Le GPU sono costose, la capacità del cloud è limitata e i team più piccoli faticano a competere con le aziende che possono riservare enormi quantità di potenza di calcolo. Tuttavia, il vero problema alla radice è la coordinazione.
Grandi quantità di hardware restano inutilizzate all’interno del mercato. Gli operatori indipendenti hanno spesso GPU inattive, mentre gli sviluppatori cercano potenza di calcolo per inference, embeddings, elaborazione in batch o ottimizzazione dei modelli.
Ocean Network si concentra nel collegare questi due mondi. Mette in relazione l’offerta frammentata con la reale domanda tramite una rete peer-to-peer dove i job containerizzati vengono eseguiti su nodi remoti e i risultati sono inviati all’utente.
L’idea di Ocean è che l’hardware inutilizzato possa entrare a far parte di un mercato liquido quando la coordinazione funziona bene.
L’esempio di AirBnB è calzante: le stanze libere sono diventate economicamente utili quando sono apparsi strumenti di scoperta, prenotazione e fiducia. Ocean punta a fare lo stesso per il calcolo, trasformando macchine sparse in un mercato indirizzabile a cui data scientist e sviluppatori possono accedere su richiesta.
Che cos’è Ocean Network?
Ocean Network segue un workflow semplice. Un utente seleziona un ambiente di calcolo, invia un job containerizzato e riceve i risultati al termine dell’esecuzione.
Prima che l’esecuzione inizi su Ocean Orchestrator, gli utenti di solito scoprono la potenza di calcolo disponibile tramite la Dashboard di Ocean Network, che è il punto di ingresso principale per consultare il catalogo dei nodi, esaminare le specifiche hardware e gestire job e pagamenti.
Include anche ambienti di calcolo di test come un veloce test CPU e l’accesso a workload GPU supportato da grant, permettendo così a data scientist e sviluppatori di valutare la piattaforma con meno ostacoli prima di eseguire job più grandi.
Ocean Orchestrator è uno strumento basato su editor che consente agli sviluppatori di creare progetti, inviare job, monitorare l’avanzamento e scaricare gli output direttamente dal proprio ambiente di sviluppo.
L’estensione funziona all’interno di tool come VS Code, Cursor e altri editor simili. Invece di rilevare un file Python o JavaScript già esistente, il processo parte da una nuova configurazione di progetto, in cui gli sviluppatori generano i file necessari dai template, inclusi un file dell’algoritmo, il Dockerfile, il file delle dipendenze e il file .env. Una volta configurato, il job può essere eseguito su nodi remoti senza dover configurare manualmente le macchine.
I principali provider cloud già offrono prezzi basati sull’uso per potenza di calcolo e GPU. Tuttavia, questi sistemi richiedono all’utente di scegliere le istanze e gestire gli ambienti. Ocean invece punta maggiormente sulla definizione ed esecuzione diretta del job.
Gli sviluppatori selezionano un ambiente remoto, eseguono un workload e pagano le risorse consumate da quella esecuzione.
Per i task containerizzati come l’inference dei modelli o l’elaborazione in batch, il processo si avvicina più all’esecuzione di un job che all’affitto di una macchina.
Il livello di orchestrazione di Ocean
Ocean Orchestrator è il fulcro dell’esperienza. La potenza di calcolo distribuita è sicuramente potente, ma gestire sistemi remoti può diventare rapidamente complesso. Ocean cerca di mantenere il workflow simile allo sviluppo tradizionale.
L’estensione permette agli sviluppatori di creare un progetto, inviare un job di calcolo, monitorare l’esecuzione e ricevere gli output nella cartella del progetto. Supporta Python, JavaScript e container personalizzati e funziona su editor come VS Code, Cursor, Antigravity e Windsurf.
Questo approccio fa percepire l’esecuzione remota come un’estensione dell’ambiente di sviluppo. Un job lascia l’editor, viene eseguito su un nodo selezionato e restituisce output che gli sviluppatori possono visionare o elaborare ulteriormente. L’orchestratore aiuta a coordinare la rete, affinché le macchine sparse si comportino come un pool di potenza di calcolo realmente utilizzabile.
L’architettura di sicurezza Compute-to-Data
Sicurezza e sovranità dei dati sono elementi fondamentali nella progettazione. Il modello Compute-to-Data di Ocean permette di eseguire gli algoritmi dove i dati già risiedono. I job vengono eseguiti in container isolati e solo gli output vengono restituiti all’utente.
Questa soluzione è essenziale per dataset sensibili. Cartelle cliniche, dati aziendali e dataset di ricerca spesso non possono essere liberamente trasferiti tra le parti. Compute-to-Data consente l’analisi lasciando al proprietario il pieno controllo dei dati di origine.
Per i flussi di lavoro di AI e data science, ciò apre nuovi modi di collaborazione. Ricercatori o sviluppatori possono eseguire algoritmi approvati mentre il proprietario dei dati mantiene il controllo territoriale dei propri asset. La rete funziona quindi sia come mercato liquido per il calcolo che come piattaforma sicura per computazione decentralizzata.
Pay-per-use rispetto all’infrastruttura riservata
L’economia di Ocean segue la stessa logica. Le piattaforme cloud come AWS e GCP già fanno pagare in base all’uso, ma gli sviluppatori devono comunque riservare le macchine e gestire gli ambienti. Anche in questo caso, Ocean si concentra direttamente sul job.
Un utente seleziona un ambiente di calcolo in base alle GPU, CPU, RAM, spazio disco, durata massima del job e al token di pagamento disponibili, quindi invia un workload containerizzato a quel nodo tramite Ocean Orchestrator.
Il job viene eseguito da remoto, con aggiornamenti di stato e log in tempo reale, e l’utente paga in base alle risorse effettivamente consumate da quella singola esecuzione. Il flow di Ocean comprende anche il finanziamento del job in escrow prima dell’avvio, con una stima dei costi fornita in anticipo, così da offrire una visione più chiara delle spese prima di iniziare.
Invece di riservare capacità in anticipo, gli utenti abbinano un workload a un ambiente con limiti noti, lasciando che sia la rete a gestire l’esecuzione. Dal lato dei provider, le fee possono essere ancorate all’uso effettivo della potenza di calcolo (inclusi variabili come tempo e ambiente), rendendo così l’hardware disperso più quantificabile e accessibile in modo granulare.
Cosa significa questo per due tipi di pubblico
Ocean Network si rivolge a due gruppi.
- I data scientist e gli sviluppatori ottengono l’accesso a un catalogo di ambienti di calcolo dove possono eseguire workload containerizzati direttamente dal proprio editor. Job come generazione di embedding, inference di modelli o elaborazione dati possono essere eseguiti da remoto e restituire i risultati nel progetto locale.
- Gli operatori di nodo hanno la possibilità di monetizzare la potenza di calcolo inattiva. Gestendo gli Ocean Nodes possono eseguire job per il network e ricevere pagamenti per i lavori completati. Questa opportunità di monetizzazione verrà aperta anche ai runner indipendenti di nodi nella fase Beta.
Insieme, questi elementi costituiscono un mercato di calcolo coordinato. Gli sviluppatori ottengono accesso flessibile al calcolo distribuito, mentre i proprietari dell’hardware si creano un’opportunità di guadagno dalle macchine inutilizzate.
Ecco come il team di Ocean Network mira a trasformare una capacità frammentata in qualcosa che gli utenti AI possano scoprire, utilizzare e a cui possano affidarsi.
