隨着OpenAI陸續推出ChatGPT、Sora等AIGC模型，引領新一輪AI產業革命。在傳統的算力體系中，主流的雲計算服務商，通常是將算力相對封閉地集中在幾十萬臺服務器組成的多個數據中心，以此源源不斷地爲全球網絡提供運算服務。曾經戰勝圍棋高手李世石的Alphago ，單次訓練模型就需要花費幾十萬美元，就像OpenAI這類需要持續對AIGC模型進行訓練的公司，所需要付出的計算成本是我們常人不能想象的天文數字。


在GPU算力領域，Aethir @AethirCloud 是GPU算力領域最具代表性的DePIN項目之一，其通過構建一套以GPU算力爲核心的DePIN體系，致力於應對集中式雲計算的常規挑戰，包括高昂的成本、GPU供給的限制以及延遲等問題，並提供了一種去中心化的GPU雲服務平臺，爲AI和遊戲等迅速增長的、渲染等市場長期提供可擴展的解決方案。


@AethirCloud網絡是目前規模最大的分佈式GPU算力生態之一，計算資源將由企業用戶、Aethir合作伙伴以及個人用戶以分佈式的方式接入網絡，能夠高效地滿足最難搞的AI客戶需求，併爲企業提供全球範圍內最優質的GPU資源。


@AethirCloud本身是一個聚合GPU分佈式算力資源的DePIN網絡，運行在Arbitrum 上。在Aethir網絡中，其允許具備算力資源的用戶將GPU算力接入網絡中，將同樣以分佈式的方式對這些算力進行重新調配。具備算力需求的用戶，能夠以 Wholesale、Retail等方式按需付費，而貢獻GPU資源的用戶則能從Aethir網絡中獲得收入。


在面向供給者端，Aethir的範圍較爲廣泛，無論是電信公司、硬件密集型的數字企業用戶，還是新基礎設施投資者，以及具備閒置GPU算力資源的個人用戶，都能夠接入網絡中爲網絡做出貢獻。

實際上，無論是企業還好個人用戶，GPU設備或多或少的都存在低利用率現象，與此同時，ETH升級對於PoW礦工的發展十分不利，在合併完成後大量的PoW硬件設備處於閒置狀態（目前規模計算，閒置PoW計算資源價值約爲190億美元）。從供需端看，一方面全球算力緊缺，計算資源需求者難以負擔昂貴的計算成本，另一面GPU閒置導致大量算力資源浪費。所以將閒置GPU資源進行整合將會是一個巨大的算力資源池，有望很好的緩解計算領域所面臨的緊缺問題。


事實上，從AI計算的角度出發，其也存在不同的細分場景，這些不同的場景本身對於算力的需求不同，大體可以包含三類：


一種是AI訓練大模型，即我們經常說的機器訓練中的一種最重要的形式。大模型訓練通常對算力有着極高的要求，在該領域只有英偉達獨樹一幟。


一種是AI推理，即利用已經訓練好的AI模型來進行預測或決策的過程，該過程對計算資源的要求相對次之。


還有一個就是一些小型的邊緣類模型，這類AI計算通常對算力要求並不是那麼的高。


就從目前的GPU DePIN賽道格局看，受限於GPU資源以及規模，絕大多數該賽道項目只能夠滿足上述第二種以及第三種計算需求。


Aethir一個明確的目標，即成爲首個推出模型即服務的DePIN項目，將機器學習模型部署到企業端提供給用戶使用。讓AI用戶可以一站式完成開源模型的選擇和快速部署。Aethir MaaS將幫助客戶實現高效智能的數據分析和決策，降低模型部署門檻。


爲了推動生態該方向發展，其正在構建一個以英偉達 H100 GPU爲核心分佈式算力集羣。


相對而言@ionet本身也具備GPU算力供給能力，但在質量以及規模上遠沒有Aethir的規模大 ，其目標用戶是AI初創公司和開發者，大多數只需要進行推理或者邊緣垂類模型的計算，而非AI模型訓練。


@akashnet_也是該方向的潛在競爭者，但Akash是以CPU網絡集羣見長，CPU集羣網絡更適合複雜邏輯計算，在AI訓練、推理等領域則GPU更具優勢。雖然 Akash目前也在向GPU計算集羣佈局，並同樣引入了H100（只有140張左右），所以在這個方向上，其與Aethir仍舊有着差距。


除了上述同賽道項目外，RNDR @rendernetwork 、Gensyn @gensynai 等也同樣在GPU算力規模上遠落後Aethir，難以與Aethir在AI模型訓練賽道上形成直接的競爭。所以規模化是 Aethir MaaS體系的優勢，並在其自身的結構性網絡推動下，與更多的場景進行深入的結合。


除了在渲染、遊戲延遲方面的支持外，Aethir GPU DePIN網絡的卓越計算能力，同樣有望幫助在線遊戲構建更好的安全性。聚焦於在線遊戲領域，DDoS是最常見也是最頻繁的攻擊手段，所有在線遊戲都曾爲預防DDoS而付出了高昂的成本。Aethir GPU DePIN網絡對於幫助在線遊戲抵禦DDoS等實時訪問攻擊，能夠確保遊戲服務的持續可用性。

Aethir得益於其網絡架構設計，相對於絕大多數分佈式GPU生態在延遲、可靠性、穩定性、安全性等方面都具備一定的優勢。而能夠靈活進行算力驅動、具備無限拓展能力且實時接受監督的Container角色，讓Aethir 具備無限拓展能力的同時，能夠與絕大多數具備計算需求的場景相適配，而不是定向域某一個具體的場景。


比如除了對 AI、雲渲染、遊戲等系列場景適配外，包括自動駕駛等在內的對延遲具備極高要求的場景，以及一些對計算有着極高要求的場景，Aethir都能夠靈活的予以適配。所以Aethir網絡本身能夠紮根於DePIN GPU計算賽道，不斷向諸多具備計算需求的場景深度拓展。

事實上，隨着生態規模的壯大，其去中心化生態將不斷形成新的增長飛輪。同樣，據 Precedence Research 報告顯示，隨着到人工智能和機器學習這類先進技術在雲計算中應用日益增加，雲計算市場預計到2028年將突破1萬億美元大關，這都是 Aethir 生態發展的潛在機會。