计算去中心化物联网（DePINs）的理由

关键要点

• 随着机器学习的兴起，以及现在在生成式人工智能开发中深度学习的应用，计算资源变得越来越受到追捧，而这两者都需要大量计算密集型工作负载。然而，由于大型公司和各国政府大规模积累这些资源，初创企业和独立开发者在今天的市场上面临 GPU 短缺，导致过高的成本和/或缺乏可获取性。

• 计算 DePINs 通过允许全球任何人提供其闲置供应以换取货币奖励，实现了 GPU 等计算资源的去中心化市场。这旨在帮助资源不足的 GPU 消费者获取一条新的供应来源，以降低其工作负载所需的开发资源的成本和开销。

• 计算 DePINs 在与传统中心化服务提供商竞争时仍面临许多经济和技术挑战，其中一些将会随着时间的推移自行解决，而另一些则需要新的解决方案和优化措施来前进。

计算是新的石油

自工业革命以来，技术以空前的速度推动了人类的进步，几乎日常生活的每个方面都受到影响或彻底改造。计算机最终成为了许多研究人员、学者和计算机工程师努力的结晶。最初是为了解决用于支持先进军事行动的大规模算术任务而设计，如今，计算机已经演变为现代生活的脊梁。随着计算机对人类影响的不断扩大，这些机器的需求以及为其提供动力的资源需求也在不断增长，超出了可用供应。这进一步造成了市场动态，导致大多数开发者和企业无法获得关键资源，从而使得机器学习和生成式人工智能的开发，可能是在当今最具变革性的技术，被少数资金充足的参与者垄断。与此同时，闲置计算资源的丰富供应提供了一个有利可图的机会，以帮助缓解计算供应与需求之间的不平衡，加大了在交易双方之间建立足够协调机制的必要性。因此，我们相信，由区块链技术和数字资产所支持的去中心化系统对生成式人工智能相关商品和服务的更广泛、更民主、更负责任的发展至关重要。

计算资源

计算可定义为计算机根据给定输入发出明确定义输出的各种活动、应用或工作负载。最终，它是指计算机的计算和处理能力，这是这些机器在当今现代世界中发挥核心效用的基础，在过去一年中创造了多达 $1.1T 的收入。

计算资源是指能够实现计算和处理的各种硬件和软件组件。这些组件变得越来越重要，因为它们所支持的应用和功能的数量持续增长，越来越普遍地出现在人们的日常生活中。这导致国家势力和企业之间进行资源积累的竞争，作为维持生计的一种手段。这在提供这些资源的公司的市场表现中得到了体现（例如，Nvidia 的市值在过去五年中增长了3000%以上）。

GPU

图形处理单元（Graphics Processing Units），或 GPU，都是专业硬件组件，已成为现代高性能计算中最重要的资源之一。在其核心，GPU 作为专业电路工作，采用并行处理来加速计算机图形工作负载。最初为游戏和个人计算机行业服务，GPU 逐渐演变为服务于塑造全球未来的许多新兴技术（如大型计算机和个人计算机、移动设备、云计算、物联网）。然而，机器学习和人工智能的兴起对这些资源的需求尤为加剧——GPU 通过并行执行计算来加速 ML 和 AI 操作，从而增强最终技术的处理能力和能力。

人工智能的崛起

本质上，人工智能是 使计算机和机器能够模拟人类智能和问题解决能力的技术。AI 模型的工作原理是一个由许多不同数据块组成的神经网络。该模型需要处理能力，以识别和学习这些数据之间的关系，并在根据给定输入创建输出时参考这些关系。

人工智能的开发和生产并不是新鲜事；1967 年，Frank Rosenblatt 建造了 Mark 1 Perceptron，这是第一个基于神经网络的计算机，它通过试错学习“学习”。此外，许多建立了我们今天所知的人工智能开发的 学术研究 在90年代末和2000年代初被发表，而该行业自此继续发展。

除了研究和开发工作外，“狭义” AI 模型已在当前使用的各种强大应用中发挥了作用。例子包括社交媒体算法，如苹果的 Siri 和亚马逊的 Alexa，定制的产品推荐等。值得注意的是，深度学习的兴起已改变了人工生成智能（AGI）的开发。深度学习算法利用更大或“更深”的神经网络，与机器学习应用相比，作为可扩展性更强的替代方案，具有更广泛的性能能力。生成型 AI 模型“编码其训练数据的简化表示，并参考它以发出与原始数据相似但不相同的新输出”。

深度学习使开发者能够将生成 AI 模型扩展到图像、语音和其他复杂数据类型，像 ChatGPT 这样的里程碑应用，已经在现代时期开创了最快增长用户基础的记录，依然仅为生成 AI 和深度学习的早期迭代。

考虑到这一点，生成 AI 开发涉及多个计算密集型的工作负载，因此需要大量处理能力和计算资源，这一点并不奇怪。

根据 深度学习应用需求的三重打击，AI 应用开发受到几种关键工作负载的制约；

• 训练 - 模型必须处理和分析大数据集，以学习如何响应给定的输入。

• 调整 - 模型经历一系列重复过程，其中各种超参数被调整和优化，以改进性能和质量。

• 模拟 - 在部署之前，某些模型，如强化学习算法，会经历一系列模拟以进行测试。

计算紧缩：需求 > 供应

在过去的几十年中，无数技术进步引发了对计算和处理能力前所未有的需求激增。因此，对 GPU 等计算资源的需求远超今天的可用供应，造成了人工智能开发中的瓶颈，除非有高效的解决方案，这种情况只会继续增长。

供应的更广泛限制进一步加剧，由于众多公司积极购买超出其实际需求的 GPU，这既是竞争优势，也是现代全球经济生存的一种手段。计算提供商通常采用需要长期资本承诺的合同结构，给予客户的供应往往远超他们的需求。

根据 Epoch 的 研究 显示，计算密集型 AI 模型发布的总体数量正迅速增长，表明支持这些技术的资源需求将继续以快速的速度增长。

FLOP，或浮点运算，是一个度量计算性能的标准，特别是在涉及实数计算的任务中，这些任务在人工智能和机器学习算法中很常见。简而言之，这里所提到的 1023 FLOP 模型表示需要巨大计算能力的模型。

随着 AI 模型的复杂性不断增长，应用开发者对计算和处理能力的需求也会增长。因此，GPU 的性能及其后续可用性将发挥越来越重要的作用。这已在对高端 GPU 的需求中体现出来，例如 Nvidia 所生产的 GPU，它们被称为 AI 行业的“稀土”或“黄金”。

这种快速的 AI 商业化风险将控制权拱手让渡给一小部分大型科技公司，类似于如今的社交媒体行业，对这些模型的伦理基础提出了担忧。一个众所周知的例子是最近与 Google Gemini 的争议。尽管它当时对各种提示的奇怪回复没有构成任何实际威胁，但这一事件却反映了由少数公司主导和支配 AI 开发的内在风险。

如今，科技初创公司在获取计算资源以支持其人工智能模型方面面临越来越大的挑战。这些应用程序在模型可能上架之前执行大量计算密集型过程。积累大量 GPU 对于小型企业来说是一项很难持续的事业，尽管像 AWS 或 Google Cloud 这样的传统云计算服务提供了无缝而便捷的开发者体验，但其有限的运作能力最终导致高昂的成本，使许多开发者望而却步。最终，不是每个人都能提议筹集 7 万亿美元 来支付其硬件成本。

那该怎么办？

Nvidia 曾 估计 超过 4 万家公司正在使用 GPU 进行 AI 和加速计算，且全球超 400 万开发者的社区正在共同参与。展望未来，全球 AI 市场预计将从 2023 年的 5150 亿美元增长到 2032 年的 2.74 万亿美元，复合年增长率为 20.4%。与此同时，GPU 市场 预计在2032年将达到4000亿美元，年复合增长率为25%。

然而，在 AI 革命的背景下，计算资源的供需之间日益失衡，可能会创造一个反乌托邦的未来，在这个未来中，一小部分资金充足的巨头公司主导了大部分变革性技术的开发。因此，我们相信，所有的道路都指向去中心化的替代解决方案，以帮助弥合人工智能开发者的需求与他们可支配资源之间的差距。

DePINs 的角色

什么是 DePINs？

DePIN 是由 Messari 研究团队构造的口语化术语，代表 去中心化的物理基础设施网络 (Decentralized Physical Infrastructure Networks)。简单来说，去中心化是指没有单一实体提取租金和限制访问。而物理基础设施则指的是被利用的“现实生活”物理资源。网络则是指一组参与者共同协调工作，以实现预定的目标或一组目标。目前，DePINs 的总市值大约为 283 亿美元。

从本质上讲，DePINs 是连接物理基础设施资源与区块链的全球节点网络，以实现去中心化市场，连接这些资源的买家和供应商，任何人都可以成为供应商，并为其服务和对网络的增值获得报酬。在这种情况下，限制进入网络的中央中介，由一组智能合约和代码的去中心化协议取代，并由其相应的代币持有者管理。

DePINs 值得投资的原因在于它们提供了去中心化、可访问、低成本和可扩展的替代方案，替代传统的资源网络和服务提供商。它们使得去中心化市场能够实现特定的终极目标；在这个市场中，商品和服务的成本由市场动态决定，任何人都可以在任何时间参与，从而随着供应商数量的增加和利润空间的缩小，逐渐降低单位成本。

使用区块链使 DePINs 建立能够确保网络参与者合理报酬的加密经济激励系统，将关键价值提供者转变为利益相关者。然而，需要注意的是，通过将小型单独网络转变为更大、更有生产力的系统所实现的网络效应，至关重要，以实现 DePINs 的许多好处。此外，尽管代币奖励证明是网络的一个有效启动机制，但建立可持续的激励以帮助用户保留和长期采用，在更广泛的 DePIN 领域中，仍然证明是个关键挑战。

DePINs 如何工作？

为了更好地理解 DePINs 在创造去中心化计算市场中所提供的价值，重要的是要识别不同的结构组件及其如何协同工作以形成去中心化资源网络。让我们来考虑 DePIN 的结构及其参与者。

协议

去中心化协议，比如说建立在基础层区块链网络上方的一组智能合约，旨在促进网络参与者之间的无信任互动。在理想的世界中，该协议将由多样化的利益相关者管理，他们积极致力于贡献于网络的长期成功。这些利益相关者利用他们对协议代币的份额投票，因为他们希望对 DePIN 的变化和发展提出建议。鉴于成功协调一个分布式网络本身就是一项巨大的挑战，核心团队通常会保留最初实施这些更改的能力，然后逐渐转移权力给去中心化自治组织 (DAO)。

网络参与者

资源网络的最终用户是其最有价值的参与者，可以根据他们的功能进行分类。

• 供应商：向网络提供资源的个人或实体，以获取以 DePIN 原生代币支付的货币奖励。供应商通过区块链原生协议“连接”到网络，该协议可能会强制执行一个经过白名单审核的入职流程或一个无权限的入职流程。通过收到代币，供应商获得在网络中的股权，类似于控股公司权益所有者，使他们能够对网络的各种提案和发展进行投票，比如他们认为会推动网络需求和价值的提案，从而逐步提升代币价格。当然，获得代币的供应商同样可能利用 DePINs 作为一种被动收入，并在收到代币后出售它们。

• 消费者：这些是积极寻求 DePIN 提供的资源的个人或实体，比如 AI 初创公司寻求 GPU，代表经济方程中的需求方。如果是今天相较于传统替代方案有实质优势的情况下，消费者会被迫使用 DePIN，比如更低的成本和管理需求，因此代表了网络的有机需求。DePINs 通常要求消费者以其原生代币支付资源，以此方法生成价值并保持稳定的现金流。

资源

DePINs 可以服务不同的市场，并采用不同的商业模型来分配资源。Blockworks 提供了一个很好的框架；定制硬件 DePINs，提供专有硬件供供应商分配，以及 商品硬件 DePINs，允许分发现有闲置资源，包括但不限于计算、存储和带宽。

经济学

在正常运行的 DePIN 中，价值通过消费者为供应商资源支付所生成的收入而积累。网络的持续需求暗示着对原生代币的持续需求，这在经济动机上与供应商和代币持有者是一致的。在早期阶段生成可持续的有机需求对大多数初创公司构成挑战，这就是 DePINs 将提供通货膨胀的代币激励，以激励早期供应商并启动网络供应的原因，这意味着会生成更高的需求，从而带来更多的有机供应。这与风险投资公司在 Uber 的早期阶段补贴乘务员的成本以启动初始客户群，进而吸引司机并增强其网络效应的方式非常相似。

对 DePINs 来说，战略性地管理代币激励是非常重要的，因为它们在网络的整体成功中起着关键作用。当需求和网络收入上升时，代币排放应下降。相反，当需求和收入下降时，代币排放则应用于重新激励供应。

为了更直观地阐述成功 DePIN 网络的样子，可以考虑 “ DePIN 飞轮”，这是一个正向反身循环，用于启动 DePINs。关于总结：

1. DePIN 分发通货膨胀的代币奖励，以激励供应商为网络提供资源，并建立可消费的基础供应水平。

2. 假设供应商数量开始增长，竞争动态开始形成，提升由此网络提供的商品和服务的整体质量，从而使其提供的服务质量优于现有市场解决方案，获得竞争优势。即意味着去中心化系统超越了传统的中心化服务提供商，而这显然不是一件容易的事情。

3. DePIN 的有机需求开始形成，为供应商提供重要的现金流。这为投资者和供应商皆提供了一种诱人的机会，继续推动网络需求，从而也推动代币价格。

4. 代币价格的增长提高了供应商的收益，吸引更多的供应商，并重启飞轮。

这个框架提供了一种引人注目的增长策略，但需要注意的是，这在很大程度上是理论性的，并假设网络在长期内持续提供具有竞争力的资源。

计算 DePINs

去中心化计算市场属于更广泛的运动，称为“共享经济”，这是一种消费者通过在线平台与其他消费者直接分享商品和服务的点对点经济系统。这个模型由 eBay 等开创，如今被 Airbnb 和 Uber 等公司主导，最终随着新一代变革性技术的迅猛进入全球市场而准备好被颠覆。共享经济在 2023 年的价值为 1500 亿美元，预计到 2031 年将在全球价值增长近 8000 亿美元，展示了消费者行为中更广泛的趋势，我们相信 DePINs 将从中受益，以及在推动这一趋势中发挥关键作用。

共享经济（由 FourPillars 提供）

基础知识

计算 DePINs 是点对点网络，通过去中心化市场连接供应商和买家，以促进计算资源的分配。这些网络的一个重要区别在于它们专注于商品硬件资源，这些资源今天已经在许多人手中可用。正如我们讨论的那样，深度学习和生成式 AI 的出现导致对处理能力的需求大增，由于其资源密集型的工作负载，形成了关键资源获取的瓶颈。简单来说，去中心化计算市场旨在通过创造一个新的供应来源来缓解这些瓶颈——一个全球范围内任何人都可以参与的供应。

在计算 DePIN 中，任何个人或实体都可以在瞬息之间借出其闲置资源，并为其服务得到适当的补偿。同时，任何个人或实体都可以通过一个全球的无权限网络，获取所需的资源，其成本低于现有市场供给，并且灵活性更强。因此，我们可以通过一个简单的经济框架来框架涉及计算 DePIN 的参与者：

• 供应方：拥有计算资源并愿意以补贴形式借出或出售其计算资源的个人或实体。

• 需求方：需要计算并愿意为其支付一定费用的个人或实体。**

计算 DePINs 的关键好处

计算 DePINs 提供了许多使其成为传统服务提供商和市场替代方案的优点。首先，让无权限、跨境市场参与的访问，解锁了一条新的供应来源，增加了所需计算密集型工作负载可用的关键资源数量。计算 DePINs 专注于大多数人已经拥有的硬件资源——任何拥有游戏 PC 的人都是拥有可以出租的 GPU。这拓宽了能够参与建设下一代商品和服务的开发者和团队的范围，从而使全球更多的人受益。

进一步说，支撑 DePINs 的区块链基础设施为所需的微支付建立了高度高效和可扩展的结算系统，以促进点对点交易。加密原生金融资产（代币）提供了一个共享价值单位，需求方参与者用该单位支付供应商的费用，通过与当今日益全球化的经济一致的分配机制来对齐经济动机。为了参考我们之前构造的 DePIN 飞轮，战略管理经济激励对增长 DePIN 的网络效应是非常有利的（在供应和需求方两者上），从而增加了供应商之间的竞争。这种动态降低了单位成本，同时提高了服务的质量，从而为 DePIN 创造了可持续的竞争优势，供应商也可以作为代币持有人和关键价值提供者而受益。

DePINs 的功能与云计算服务提供商相似，旨在提供灵活的用户体验，能够按需访问和支付资源。作为参考， Grandview Research 预测 全球云计算市场规模预计将在2030年达到超过 2.4 万亿美元，复合年增长率为 21.2%，这证明了此类商业模式的可行性，因而提供未来计算资源需求预测增长的背景。现代云计算平台利用中心服务器处理客户端设备与服务器之间的所有通信，从而创建出其操作上的单点故障。不过，基于区块链的基础，DePINs 提供了更强的审查抵抗性和韧性。而针对某一组织或实体（即中心化云服务提供商）的攻击，将危及整个基础资源网络，DePINs 则通过其分布式的特性结构来抵御此类事件。例如，区块链本身是全球分布式的专用节点网络，旨在抵御中心化网络权威。此外，计算 DePINs 还允许无权限的网络参与，过境法律和监管障碍。并且根据代币发行的性质，DePINs 也能够运用公平的投票流程来决定对协议的建议变动和发展，以消除单一实体片刻间关闭整个网络的可能性。

当前计算 DePINs 的状态

Render Network

Render Network 是一个计算 DePIN，通过去中心化计算市场连接 GPU 的买家和卖家，交易通过其原生代币进行。有两个关键参与者参与 Render 的 GPU 市场——创建者，他们寻求访问处理能力，以及节点运营商，他们为创建者出租闲置的 GPU，以换取原生 Render 代币的补偿。节点运营商根据声誉系统进行排名，创建者可以在多层定价系统中选择 GPU。证明绘图 (Proof-of-Render，POR) 共识算法协调操作，节点运营商承诺其计算资源（GPU）来处理图形渲染作业。当工作交付后，POR 算法更新节点运营商的状态，包括基于所交付任务质量的声誉评分变化。Render 的区块链基础设施实施工作支付，为供应商和买家在网络代币中进行交易提供透明有效的结算机制。

Render 网络最初于 2009 年由 Jules Urbach 提出，2020 年 9 月在以太坊上投放运营（ RNDR），随后大约三年后迁移至 Solana（ RENDER），以改善网络性能和降低运营成本。

撰写时，Render 网络已经 处理了超过 3300 万个工作（已渲染的帧），自 inception 以来的总节点数已增长至5700个。近 60,000 RENDER 已被销毁，这一过程发生在将工作信贷分发给节点运营商时。

IO Net

Io Net 正在推出一个基于 Solana 的去中心化 GPU 网络，作为一个协调层，将大量闲置计算资源与日益增长的需要这些资源提供处理能力的个人和实体相连接。Io Net 的独特之处在于，它并不是直接与其他市场上的 DePIN 竞争，而是从数据中心、矿工以及其他包括 Render Network 和 Filecoin 的 DePIN 收集 GPU，同时利用互联网-gpu (IoG) 这一专有 DePIN，来协调操作并对市场参与者的动机进行对齐。Io Net 客户可以在 IO Cloud 中通过选择处理器类型、位置、通信速度、合规性和服务持续时间来定制其工作负载集群。相应地，任何拥有支持的 GPU 型号（12 GB RAM，256 GB SSD）的人都可以作为 IO Workers 参与，通过向网络出租其闲置计算。虽然目前服务的支付用法定货币和 USDC 结算，但网络也即将在未来支持用原生 $IO 代币做支付。资源的收费标准根据其供需及各种 GPU 规范和配置算法确定。Io Net 的最终目标是成为主要的 GPU 市场，提供低成本和优于现代云服务提供者的服务质量。

多层 IO 体系结构可描述如下：

用户界面 Layer - 由公共网站、客户区域和 Workers 区域组成。

安全 Layer - 此层由用于网络保护的防火墙、用户验证的身份验证服务，以及跟踪活动的日志服务组成。

API Layer - 此层作为通信层，由公共 API（供网站使用）、私有 API（供 Workers 使用）和用于集群管理、分析、监测和报告的内部 API 组成。

后端 Layer - 后端层负责管理 Workers、集群/GPU 操作、客户互动、计费和使用监控、分析，以及自动扩展。

数据库 Layer - 此层为系统的数据存储库，使用主存储来存储结构化数据，以及缓存临时数据，这些数据能够频繁地被访问。

消息经纪人和任务层 - 这一层提供异步通信和任务管理。

基础设施 Layer - 此层提供 GPU 池，采用适配工具，并管理任务部署。

当前状态 / 路线图

撰写时：

总网络收入 - 108 万美元

总计算小时 - 837.6K 小时

总集群就绪 GPU - 20.4K

总集群就绪 CPU - 5.6K

在链上总交易数 - 167 万

总推理次数 - 335.7K

总创建集群数 - 15.1K

数据来自 Io Net explorer

Aethir

Aethir 是一个云计算 DePIN，促进用于计算密集型领域和应用的高性能计算资源的共享。它采用资源池化来全球分配 GPU，显著降低成本，并通过分布式资源所有权来实现去中心化。Aethir 是针对高性能工作负载，如游戏和 AI 模型训练与推理，专门设计的具有分布式 GPU 框架。通过将 GPU 集群统一为单一网络，Aethir 的设计旨在扩大集群形态，从而提高网络所提供服务的整体性能和可靠性。

Aethir 网络是由矿工、开发者、用户、代币持有人和 Aethir DAO 构成的去中心化经济。在确保成功运营的网络操作中，有三个主要角色参与——容器、索引器和检查员。容器作为网络的动力核心， 工作是专业节点，承担至关重要的操作，包括验证交易和实时渲染数字内容。检查员作为质量保证工作人员，持续监控容器的性能和服务质量，确保可靠高效的操作，以满足 GPU 消费者的要求。索引器则负责将用户与最佳可用的容器连接。在这一整套结构的基础上，建立在 Arbitrum 第二层区块链之上，为Aethir网络内使用原生 $ATH 代币进行商品和服务支付提供去中心化结算层。

渲染证明

Aethir 网络中的节点有两个主要功能 - 渲染能力证明，其中一组工作人员每15分钟随机选择来验证交易，以及 渲染工作证明，后者密切监控网络性能，以确保用户获取最佳的服务，根据需求和地理位置调整资源。矿工奖励是用本地 $ATH 代币分发给在 Aethir 网络上运行节点的参与者，作为他们所借出计算资源所带来的价值回报。

Nosana

Nosana 是建立在 Solana 上的去中心化 GPU 网络。Nosana 允许任何人贡献闲置计算资源，并因此通过 $NOS 代币赚取奖励。该 DePIN 促进了负担得起且高效的 GPU 的分配，可用于运行复杂的人工智能工作负载，而无需传统云解决方案所带来的开销。任何人都可以通过租借闲置 GPU 来运行 Nosana 节点，获得与其提供给网络的 GPU 能力成比例的代币奖励。

该网络连接了与计算资源分配相关的两个方：用户，寻求访问计算，和节点运营商，提供计算。重要的协议决策和升级由 NOS 代币持有者投票决定，并由 Nosana DAO 管理。

Nosana 规划了其未来计划的广泛路线图——Galactica（v1.0 - 2024 年上半年/下半年）将推出主网、发布 CLI 和 SDK，并关注通过消费者 GPU 的容器节点扩展网络规模。Triangulum（v1.X - 2024 年下半年）将整合主要的机器学习协议以及 PyTorch、HuggingFace 和 TensorFlow 的连接器。Whirlpool（v1.X - 2025 年上半年）将扩展支持来自 AMD、Intel 和 Apple Silicon 的多种 GPU。Sombrero（v1.X - 2025 年下半年）将为中小企业加入支持，使法币接入、计费以及团队功能集成。

Akash

Akash 网络是一个开源的权益证明网络，建立在 Cosmos SDK之上，允许去中心化云计算市场的权限取用和参与。$AKT 代币用于保护网络，促进资源支付，并协调网络参与者之间经济利益的对齐。Akash 网络由几个关键组件构成；

1. 区块链层，提供共识，使用 Tendermint 核心和 Cosmos SDK。

2. 应用层，管理部署和资源的分配。

3. 提供商层，管理资源，出价和用户应用部署。

4. 用户层，使用户可以与 Akash 网络交互，管理资源，并使用其 CLI、控制台和仪表板监控应用状态。

最初专注于存储和 CPU 租赁服务，该网络随后扩大其提供，支持与其 AkashML 平台的 GPU 租赁和分配，以应对随着 AI 训练和推理工作负载和其处理能力需求的增加的增长需求。AkashML 利用 "倒逼拍卖 "系统，客户（即名为 Tenants 的租户）提出其对 GPU 的定价要求，而计算供应商（即名为 Providers 的提供商）相应竞争提供所请的 GPU。

截至撰写时，Akash 区块链已实现超过 1290 万笔交易，花费超过 53.5 万美元获取计算资源，并完成了 189,000 次独特部署。

其他值得一提的

计算 DePIN 领域仍在发展中，有许多团队正在竞争带来创新和高效的解决方案到市场。还有其他一些例子值得进一步研究；Hyperbolic 正在建立一个用于 AI 开发的资源共享平台，Exabits 在构建一个基于计算矿工的分布式计算电力网络，而Shaga正建立一个允许 PC 出租和在 Solana 上进行服务器端游戏货币化的网络。

重要考虑与未来展望

现在我们已经了解了计算 DePINs 的基础知识，并审查了几个正在实际运行的补充案例研究，重要的是要考虑这些去中心化网络的影响，包括其积极和消极的方面。

挑战

大规模构建分布式网络通常可能需要在性能与安全性、韧性等方面做出权衡。举例来说，在不具成本效益或时间效率的全球分布商品硬件网络上训练 AI 模型确实成本效率较低和不高效。正如我们之前所提到的，AI 模型及其工作负载日益复杂，需求更多高性能的 GPU 而不仅仅是商品型 GPU。

这就是大型企业为何要大规模囤积高性能 GPU 的原因，而这也是计算 DePINs 想要缓解 GPU 短缺所面临的固有挑战，目标是建立一个无权限市场，任何人都可以出租闲置供应（参考 这条推文 了解去中心化 AI 协议的更多挑战）。协议可以通过两个关键方式来解决这一问题：一是为希望为网络供给提供 GPU 的供应商设定基准要求；二是汇集提供给网络的计算资源以实现更大的整体效果。尽管如此，相较于可以分配更多资本与硬件提供商（如 Nvidia）完成直接交易的中心化服务提供商，这一模型固有构建难度依然显著。这一点是 DePINs 在未来应考虑的地方。如果一个去中心化协议拥有足够大的资金库，DAO 可以表决分配部分资金，以购买高性能 GPU，该设备能够以去中心化的方式进行管理并以高于商品 GPU 的价格出租。

另一个特定于计算 DePIN 的挑战是管理适当的资源利用率。在早期阶段，大多数计算 DePIN 将面临结构性需求不足的局面，正如许多初创公司今天所经历的那样。一般来说，DePIN 面临的挑战是，在早期建立足够的供应，以达到最低可行产品质量。没有供应，网络将不能生成可持续的需求，并且在需求高峰期也无法满足客户需求。在这个方程的另一侧是 供应过剩 的问题。超出某一阈值后，网络中的额外供应只有在其利用率接近或达到满负荷情况下才有帮助。否则，DePIN 将会面临支付过高的供应费用，从而造成资源的利用不足。

就如一个移动通信网络在缺乏广泛的地理覆盖面下是无效的，那么如果一个 DePIN 需要为了获得资源而长时间支付人工成本，将会显得效果微弱。而中心化服务提供商可以预测资源的需求并有效管理供应，但计算 DePIN 缺乏相应的中心权威以管理这些资源的利用效率。因此，DePIN 在设立资源利用率时，尤其有必要进行战略性的规划。一个更大的问题，特别是在去中心化的 GPU 市场中出现，就是 GPU 短缺可能即将结束。马克·扎克伯格最近在一次采访中表示，他相信 能源 将成为新瓶颈，而不是计算资源，因为企业将疯狂地大规模建设数据中心，而不是像现在这样囤积计算资源。当然，这可能意味着由于需求缓解，GPU 的成本可能会降低，但也提出了一个问题：如果构建专有数据中心将人工智能模型性能的整体标准提高到前所未有的水平，AI 初创企业如何在性能和产品与服务质量上与大型企业竞争呢？

计算 DePINs 的案例

重申一下，AI 模型的复杂性与其随后的处理和计算需求之间存在着日益增长的差距，而高性能 GPU 和其他计算资源的数量却不能满足这种需求。

计算 DePINs 将成为计算市场领域的创新颠覆者，目前该领域主要由大型硬件制造商和云计算服务提供商主导，其凭借几个关键的能力脱颖而出：

1) 提供更低的商品和服务成本。

2) 提供更强的审查抵抗和网络弹性保证。

3) 受益于可能要求 AI 模型尽可能开放进行微调和训练的监管指导，并且可以被任何地方的任何人轻松访问。

在美国，拥有计算机和互联网接入的家庭比例呈指数增长，接近 100%。在世界的许多地方，这一比例也显著上升。这表明，存在潜在的计算资源提供者（GPU 拥有者）的丰富供应，他们愿意在充分的经济激励下出借闲置的资源，以及一个无缝的交易流程，具有最低的进入门槛。当然，这只是一个非常、非常 粗略的估计，但它表明，构建可持续的计算资源共享经济的基础可能已经到位。

超越 AI 的思考，未来的计算需求还将来自许多其他行业，例如量子计算。量子计算市场的规模预计将从 2023 年的 9.288 亿美元增长到 2030 年的 65.288 亿美元，年均增长率为 32.1%。这个行业的生产将需要不同类型的资源，但如果任何量子计算 DePINs 推出，值得一看它们将是什么样的。

“一个强大的开放模型生态系统在消费硬件上运行，对于保护未来价值被 AI 超级集中，而多数人类思维变成了由少数人为控制的中心化服务器读取和管理的未来，是一种重要的对冲。这样的模型在面临公司疯狂和军队的灭亡风险时，也要低得多。” - Vitalik Buterin

主要企业可能并不是 DePINs 的目标受众，也不会是。计算 DePINs 带回了个人开发者、拼搏的建设者、资金和资源有限的初创企业。它们使闲置供应转化为创新的想法和解决方案成为可能，而这种转化是由更丰富的计算资源所驱动的。AI 无疑将改变数十亿人的生活。与其担心它会取代每个人的工作，我们应该鼓励这种想法：AI 可以赋予个人和自我创业者、初创公司以及更广泛的公众以权力。

DePINs 并未保证一个公平访问 AI 发展的未来，但它们提供了一个开始构建这样一个未来的最佳机会之一。

参考文献

Akash. (n.d.). Akash Documentation. Akash. https://akash.network/docs/

Akash. (2024, June 11). Akash Network Mainnet Dashboard. Akash. https://stats.akash.network/

Four Pillars. (2024, April 24). Case Study for ‘Better’ Sharing Economy. 4pillars. https://4pillars.io/en/articles/case-study-for-better-sharing-economy-ionet/public

Fortune Business Insights. (2024, May 27). AI Market Size, Share & Industry Analysis. Fortune Business Insights. https://www.fortunebusinessinsights.com/industry-reports/artificial-intelligence-market-100114

Fortune Business Insights. (2024, May 27). Quantum Computing. Fortune Business Insights. https://www.fortunebusinessinsights.com/quantum-computing-market-104855

Gala, S and Kassab, S. (2024, January 5). State of DePIN 2023. Messari. https://messari.io/report/state-of-depin-2023

GMI. (2023 February). GPU Market Size. Gminsights. https://www.gminsights.com/industry-analysis/gpu-market

Grand View Research. (n.d.). Cloud Computing Market Size & Trends. Grand View Research. https://www.grandviewresearch.com/industry-analysis/cloud-computing-industry

IBM. (n.d.). What is artificial intelligence (AI)? IBM. https://www.ibm.com/topics/artificial-intelligence

Io.Net. (2024, June 11). Company Origins. Io Net. https://docs.io.net/docs/inception#domain-specific-hardware-is-not-enough

Kong, R. (2024, April 4). Decentralized Physical Infrastructure Networks: Embracing The Power of Token Incentives To Bootstrap Networks. Blockworks Research. https://app.blockworksresearch.com/unlocked/decentralized-physical-infrastructure-networks-embracing-the-power-of-token-incentives-to-bootstrap-networks

Merritt, R. (2023, December 4). Why GPUs Are Great for AI. Nvidia. https://blogs.nvidia.com/blog/why-gpus-are-great-for-ai/

Nosana. (n.d.). Nosana Documentation. Nosana. https://docs.nosana.io/

Nosana. (2023, October 18). Nosana’s New Direction: AI Inference. Medium. https://medium.com/@nosana/nosanas-new-direction-ai-inference-77b98d78ea06

Render. (n.p.). Render Dashboard. Render Foundation https://stats.renderfoundation.com/

Research and Markets. (2024, May). Thematic Intelligence: Sharing Economy. Research and Markets. https://www.researchandmarkets.com/reports/5973270/thematic-intelligence-sharing-economy?utm_code=pk9p84&utm_exec=carimspi

Robert. (2024, May 29). Evaluating token economics for DePINs: cost estimation. Mirror. https://mirror.xyz/1kx.eth/eixy4sKhLVvexT-PmcBTUCGCR66ET_9iX4cAd-ShOuM

State of AI. (2024 February). State of AI Report Compute Index. State of AI. https://www.stateof.ai/compute

U.S. Census Bureau. Current Population Survey October 1984, 1989, 1993, 1997, 2000, 2001, 2003, 2007, 2009, 2010, 2011.

不是金融或税务建议。 本通讯的目的是纯粹是教育性的，不应被视为投资建议、法律建议、购买或出售任何资产的请求，或建议做出任何金融决策。它不是税务建议的替代品。请咨询你的会计师并进行自己的研究。

• 原文链接： shoal.gg/p/the-case-for-...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～