去中心化云计算：AI算力资源的新篇章

随着全球科技的飞速发展，人工智能领域的巨头公司市值在近年来呈现爆发式增长。Crypto x AI已成为当前市场周期的核心叙事，引发了市场情绪高涨和大量资金涌入。在AI发展大背景下，去中心化作为推动AI进步的有力工具，确实拥有巨大的吸引力和想象空间。尽管在实际应用方面与中心化模式仍存在较大差距，但利用web3优势拓展AI的四大核心领域（数据、模型、训练和推理），并通过持续优化发挥更大潜能，已成为web3参与者的共同目标。

本文将围绕"算力"这一核心要素，探讨Crypto x AI x DePIN生态框架及其经济模型。

一、DePIN与去中心化算力生态框架

痛点：高质量算力作为AI研发的必需品，这种稀缺资源已被传统巨头垄断，导致初创公司和个人用户难以获得性价比合理的算力，高昂的价格对多数购买方而言难以承受。

去中心化解决方案：目前DePIN赛道的项目多采用P2P经济模型，为资源需求方提供高质量资源，同时允许每位用户作为物理设施资源提供者获得token回报。

随着去中心化AI算力需求激增，为更好满足客户需求，去中心化AI算力供给生态已形成平衡全面的框架。头部项目如某网络平台、某供应商和某聚合平台等在生态中担任不同的重要角色，这些项目的技术壁垒和对去中心化算力未来发展的布局令人震撼。

去中心化AI算力生态主要由三个部分组成，分别充当资源代理商、资源提供商和渠道商的角色：

资源代理商

某网络平台是一个去中心化的计算网络，以算力代理商的角色将高质量AI算力以较低价格提供给客户。在供应端拥有分布全球的GPU，客户端主要面向seed轮到B轮、专注AI推理的初创公司。

该项目近期完成3000万美元A轮融资，由多家知名投资机构参与。作为顶级AI算力资源代理商，该平台致力于聚合100万个GPU形成庞大的DePIN算力网络，为客户提供更低价的算力。用户可将闲置GPU/CPU算力贡献到平台上获得token激励。

该平台提供的计算服务采用cluster构建模块，使所有GPU保持相互连接状态，实现训练和推理过程中的大规模协调工作。这使GPU能集中算力访问更大数据库并计算更复杂模型，AI初创公司通过使用该产品可以以中心化价格十分之一的成本完成计算硬件部署。

目前，该平台聚合的GPU集群数量居行业第一，线上可用GPU数量超过20万个，其中GeForce RTX 4090约5万张，GeForce RTX 3090 Ti超过3万张。

资源提供商

某供应商作为最具潜力的AI算力提供商，能提供充足芯片进行深度机器学习。其团队在传统AI算力资源方面堪称独一档存在，曾作为AI巨头公司的一级代理商。凭借技术资源壁垒，该供应商可直接访问数百个机房，拥有A/H100、RTX4090和A6000等高端机器的访问权。

该供应商为web3算力巨头提供大规模机器学习算力。相比某客户每月需花费14万美元获取云服务，迁移到该供应商后，月均云服务费用降至4万美元左右，不仅减少70%以上开销，还提高了30%效率。

该供应商致力于通过独特的算力供给渠道，为客户提供最快、最优质和最可靠的算力，在节约用户成本的同时提供全方位服务选择。其提供的AI算力质量已获多家AI算力代理商认可，现已与多个算力巨头达成合作。

资源渠道商

某聚合平台作为DePIN资源渠道商，通过需求匹配提供服务。该平台采用开放协议，提供底层聚合资源后再提供服务。其目标是成为DePIN的服务聚合器，可理解为DePIN领域的聚合交易平台。

服务提供方式：该平台通过控制层获取各网络和策略、资源情况、性能、稳定性等方面信息提供SDK，再通过路由算法将SDK提供给用户。

痛点：各DePIN网络中资源和服务有限，全球化资源配置因地区集中导致服务质量不佳。

解决方案：路由算法 - 获取数据、网络基本信息和机器信息等，聚合后产生策略，并根据客户要求匹配提供服务。目的是提升DePIN应用层质量和服务，在资源不足情况下寻找最优价格的算力网络。

二、解析去中心化算力生态

某网络平台和某供应商已达成战略合作，后者作为拥有丰富GPU机器库的供应端，致力提升前者网络的速度和稳定性。前者将后者提供的高质量算力以代理商方式允许客户直接在其网络上购买和租赁。双方一致认为，去中心化计算行业的成功以及web3与AI的结合需要早期行业领导者紧密合作才能实现。

随着计算能力需求不断增长，传统云计算面临一些问题：

• 有限可用性：使用主流云服务通常需数周获得硬件访问权限，且常用GPU型号经常不可用。
• 选择局限：用户在GPU硬件、位置、安全级别、延迟等方面选择受限。
• 高成本：优质GPU价格昂贵，项目每月训练和推理开销容易达到数十万美元。

去中心化计算旨在提供开放、可访问且负担得起的替代方案，解决中心化云服务提供商的核心问题。然而，挑战云计算巨头地位仍需创新者共同努力和相互支持。

资产模式

重资产模式

某供应商作为供应端，拥有顶级芯片制造商支持的绝对壁垒。机器学习算力中最有价值的机器如A100、RTX4090和H100，单台价格约30万美元，且极其稀缺，长期被传统AI巨头垄断。该供应商在供应端对接到的资源十分可贵。由于散户共享个人GPU闲置算力质量不足以支持大规模AI模型计算和处理，该供应商在去中心化算力生态中扮演着至关重要且难以替代的角色。

该供应商采取的重资产模式需要大量固定资产投入，这种规模的资本和技术投入使初创公司难以复制模仿。若能与更多去中心化算力代理商合作，不断扩充供应端，提供足够的算力资源，有望在B2B去中心化算力领域实现行业垄断和规模效应。

然而，最大风险在于投入大量资本后无法持续为算力代理商提供资源。供应端能否大规模盈利极度依赖于算力代理商是否能持续获得客户。无论算力代理商是谁，只要有客户和需求，该供应商作为供应端的价值会随需求增长而增长。

轻资产模式

某网络平台作为目前最出色的算力代理商，依靠全球分布的GPU形成庞大的去中心化计算网络。从商业角度看，该平台采取轻资产运营模式，通过社区运营和建立高度共识在AI算力代理领域建立强大品牌。

核心业务：

1. 聚合散户GPU算力并奖励token
2. 从供应端获取高质量算力出售给AI创业公司

企业角度：

1. 从供应端低买高卖高质量算力给C端客户
2. 帮助用户通过共享闲置GPU算力赚取token
3. 为客户提供算力挖矿和staking平台，但前期需投入约4000美元才能获得较好收益

客户角度：

1. 网络算力价格比其他中心化云计算服务便宜约80%
2. Stake to earn & Share to earn
3. 客户投入一定资本后可利滚利

作为典型轻资产模式公司，最大优势是风险较低，团队无需像供给端那样前期投入大量机器成本。由于资金投入较少，公司和投资人更容易获得较高利润率。然而，行业进入门槛低导致商业模式容易被抄袭复制，这是长期价值投资人需慎重考虑的一点。

三、从10到100？

假设某供应商和某网络平台的合作能帮助去中心化算力生态从1走到10，那么加入某聚合平台或许有机会走到100。

某聚合平台目标是成为最大的DePIN服务聚合器，直接对标web2的共享经济平台。作为渠道商，通过聚合各类资源实时情况，将客户对接给价格和质量最优的资源。该平台采用B2B2C轻资产商业模式，第一个B端是供应端，第二个B端是资源代理商，C端是通过信息提供给客户最优资源选择。

渠道商作为平台，若能发展成可发行资产的平台将使产品更有价值。该平台通过路由算法提供的SDK可计算资源创建AI Agent，转换新金融资产的同时，通过SDK动态帮助使用应用的客户进行动态挖矿，专注挖掘对计算资源有用的算力。这种"Assets on assets"模式可极大增强资源和资金流动性。

对该平台而言，他们希望看到更多供应商和代理商进入去中心化算力生态，以凸显自身优势并拓展更长业务线、获得更多客户。简单理解，某搜索引擎和某点评平台之所以能主导信息领域，是因为有更多商家和信息上传到互联网，从而使客户对渠道商产生高度需求。

四、未来可期

去中心化云计算正在稳步发展。虽然其生态框架和模式已变得清晰，各角色龙头也在履行生态责任，但要撼动传统云计算巨头地位仍需时日。与传统中心化云计算相比，去中心化确实在概念上能很好解决客户诸多问题，但这个市场的整体资源和体量相比之下仍然很小。在支撑AI发展的算力资源远远不够的情况下，市场需要另一股清流或新模式来解除困境。目前，去中心化云计算确实能满足初创AI公司的部分需求。未来何去何从，让我们共同见证、参与这场颠覆性革命的演变！