去中心化雲計算：AI算力資源的新篇章

隨着全球科技的飛速發展，人工智能領域的巨頭公司市值在近年來呈現爆發式增長。Crypto x AI已成爲當前市場週期的核心敘事，引發了市場情緒高漲和大量資金湧入。在AI發展大背景下，去中心化作爲推動AI進步的有力工具，確實擁有巨大的吸引力和想象空間。盡管在實際應用方面與中心化模式仍存在較大差距，但利用web3優勢拓展AI的四大核心領域（數據、模型、訓練和推理），並通過持續優化發揮更大潛能，已成爲web3參與者的共同目標。

本文將圍繞"算力"這一核心要素，探討Crypto x AI x DePIN生態框架及其經濟模型。

一、DePIN與去中心化算力生態框架

痛點：高質量算力作爲AI研發的必需品，這種稀缺資源已被傳統巨頭壟斷，導致初創公司和個人用戶難以獲得性價比合理的算力，高昂的價格對多數購買方而言難以承受。

去中心化解決方案：目前DePIN賽道的項目多採用P2P經濟模型，爲資源需求方提供高質量資源，同時允許每位用戶作爲物理設施資源提供者獲得token回報。

隨着去中心化AI算力需求激增，爲更好滿足客戶需求，去中心化AI算力供給生態已形成平衡全面的框架。頭部項目如某網路平台、某供應商和某聚合平台等在生態中擔任不同的重要角色，這些項目的技術壁壘和對去中心化算力未來發展的布局令人震撼。

去中心化AI算力生態主要由三個部分組成，分別充當資源代理商、資源提供商和渠道商的角色：

資源代理商

某網路平台是一個去中心化的計算網路，以算力代理商的角色將高質量AI算力以較低價格提供給客戶。在供應端擁有分布全球的GPU，客戶端主要面向seed輪到B輪、專注AI推理的初創公司。

該項目近期完成3000萬美元A輪融資，由多家知名投資機構參與。作爲頂級AI算力資源代理商，該平台致力於聚合100萬個GPU形成龐大的DePIN算力網路，爲客戶提供更低價的算力。用戶可將閒置GPU/CPU算力貢獻到平台上獲得token激勵。

該平台提供的計算服務採用cluster構建模塊，使所有GPU保持相互連接狀態，實現訓練和推理過程中的大規模協調工作。這使GPU能集中算力訪問更大數據庫並計算更復雜模型，AI初創公司通過使用該產品可以以中心化價格十分之一的成本完成計算硬件部署。

目前，該平台聚合的GPU集羣數量居行業第一，線上可用GPU數量超過20萬個，其中GeForce RTX 4090約5萬張，GeForce RTX 3090 Ti超過3萬張。

資源提供商

某供應商作爲最具潛力的AI算力提供商，能提供充足芯片進行深度機器學習。其團隊在傳統AI算力資源方面堪稱獨一檔存在，曾作爲AI巨頭公司的一級代理商。憑藉技術資源壁壘，該供應商可直接訪問數百個機房，擁有A/H100、RTX4090和A6000等高端機器的訪問權。

該供應商爲web3算力巨頭提供大規模機器學習算力。相比某客戶每月需花費14萬美元獲取雲服務，遷移到該供應商後，月均雲服務費用降至4萬美元左右，不僅減少70%以上開銷，還提高了30%效率。

該供應商致力於通過獨特的算力供給渠道，爲客戶提供最快、最優質和最可靠的算力，在節約用戶成本的同時提供全方位服務選擇。其提供的AI算力質量已獲多家AI算力代理商認可，現已與多個算力巨頭達成合作。

資源渠道商

某聚合平台作爲DePIN資源渠道商，通過需求匹配提供服務。該平台採用開放協議，提供底層聚合資源後再提供服務。其目標是成爲DePIN的服務聚合器，可理解爲DePIN領域的聚合交易平台。

服務提供方式：該平台通過控制層獲取各網路和策略、資源情況、性能、穩定性等方面信息提供SDK，再通過路由算法將SDK提供給用戶。

痛點：各DePIN網路中資源和服務有限，全球化資源配置因地區集中導致服務質量不佳。

解決方案：路由算法 - 獲取數據、網路基本信息和機器信息等，聚合後產生策略，並根據客戶要求匹配提供服務。目的是提升DePIN應用層質量和服務，在資源不足情況下尋找最優價格的算力網路。

二、解析去中心化算力生態

某網路平台和某供應商已達成戰略合作，後者作爲擁有豐富GPU機器庫的供應端，致力提升前者網路的速度和穩定性。前者將後者提供的高質量算力以代理商方式允許客戶直接在其網路上購買和租賃。雙方一致認爲，去中心化計算行業的成功以及web3與AI的結合需要早期行業領導者緊密合作才能實現。

隨着計算能力需求不斷增長，傳統雲計算面臨一些問題：

• 有限可用性：使用主流雲服務通常需數周獲得硬件訪問權限，且常用GPU型號經常不可用。
• 選擇局限：用戶在GPU硬件、位置、安全級別、延遲等方面選擇受限。
• 高成本：優質GPU價格昂貴，項目每月訓練和推理開銷容易達到數十萬美元。

去中心化計算旨在提供開放、可訪問且負擔得起的替代方案，解決中心化雲服務提供商的核心問題。然而，挑戰雲計算巨頭地位仍需創新者共同努力和相互支持。

資產模式

重資產模式

某供應商作爲供應端，擁有頂級芯片制造商支持的絕對壁壘。機器學習算力中最有價值的機器如A100、RTX4090和H100，單臺價格約30萬美元，且極其稀缺，長期被傳統AI巨頭壟斷。該供應商在供應端對接到的資源十分可貴。由於散戶共享個人GPU閒置算力質量不足以支持大規模AI模型計算和處理，該供應商在去中心化算力生態中扮演着至關重要且難以替代的角色。

該供應商採取的重資產模式需要大量固定資產投入，這種規模的資本和技術投入使初創公司難以復制模仿。若能與更多去中心化算力代理商合作，不斷擴充供應端，提供足夠的算力資源，有望在B2B去中心化算力領域實現行業壟斷和規模效應。

然而，最大風險在於投入大量資本後無法持續爲算力代理商提供資源。供應端能否大規模盈利極度依賴於算力代理商是否能持續獲得客戶。無論算力代理商是誰，只要有客戶和需求，該供應商作爲供應端的價值會隨需求增長而增長。

輕資產模式

某網路平台作爲目前最出色的算力代理商，依靠全球分布的GPU形成龐大的去中心化計算網路。從商業角度看，該平台採取輕資產運營模式，通過社區運營和建立高度共識在AI算力代理領域建立強大品牌。

核心業務：

1. 聚合散戶GPU算力並獎勵token
2. 從供應端獲取高質量算力出售給AI創業公司

企業角度：

1. 從供應端低買高賣高質量算力給C端客戶
2. 幫助用戶通過共享閒置GPU算力賺取token
3. 爲客戶提供算力挖礦和staking平台，但前期需投入約4000美元才能獲得較好收益

客戶角度：

1. 網路算力價格比其他中心化雲計算服務便宜約80%
2. Stake to earn & Share to earn
3. 客戶投入一定資本後可利滾利

作爲典型輕資產模式公司，最大優勢是風險較低，團隊無需像供給端那樣前期投入大量機器成本。由於資金投入較少，公司和投資人更容易獲得較高利潤率。然而，行業進入門檻低導致商業模式容易被抄襲復制，這是長期價值投資人需慎重考慮的一點。

三、從10到100？

假設某供應商和某網路平台的合作能幫助去中心化算力生態從1走到10，那麼加入某聚合平台或許有機會走到100。

某聚合平台目標是成爲最大的DePIN服務聚合器，直接對標web2的共享經濟平台。作爲渠道商，通過聚合各類資源實時情況，將客戶對接給價格和質量最優的資源。該平台採用B2B2C輕資產商業模式，第一個B端是供應端，第二個B端是資源代理商，C端是通過信息提供給客戶最優資源選擇。

渠道商作爲平台，若能發展成可發行資產的平台將使產品更有價值。該平台通過路由算法提供的SDK可計算資源創建AI Agent，轉換新金融資產的同時，通過SDK動態幫助使用應用的客戶進行動態挖礦，專注挖掘對計算資源有用的算力。這種"Assets on assets"模式可極大增強資源和資金流動性。

對該平台而言，他們希望看到更多供應商和代理商進入去中心化算力生態，以凸顯自身優勢並拓展更長業務線、獲得更多客戶。簡單理解，某搜索引擎和某點評平台之所以能主導信息領域，是因爲有更多商家和信息上傳到互聯網，從而使客戶對渠道商產生高度需求。

四、未來可期

去中心化雲計算正在穩步發展。雖然其生態框架和模式已變得清晰，各角色龍頭也在履行生態責任，但要撼動傳統雲計算巨頭地位仍需時日。與傳統中心化雲計算相比，去中心化確實在概念上能很好解決客戶諸多問題，但這個市場的整體資源和體量相比之下仍然很小。在支撐AI發展的算力資源遠遠不夠的情況下，市場需要另一股清流或新模式來解除困境。目前，去中心化雲計算確實能滿足初創AI公司的部分需求。未來何去何從，讓我們共同見證、參與這場顛覆性革命的演變！