出品｜OKG Research

作者｜Hedy Bi

香港Web3嘉年華已告一段落，然而Web3自由的脈搏還在跳動，並不斷向其他行業滲透。和上一輪週期相比，本輪牛市開啓的邏輯是由“原生創新敘事”轉變成“主流認可，資金驅動”的模式。筆者所觀察到的Web3發展階段也從一個“封閉且小衆的絕對自由”，演變到了“真正包容下的相對自由”階段。

在這樣的邏輯下再不跳出盒子去分析，守株待兔原生創新敘事已無法適應Web3當下的發展。自整個Web3擁抱合規開始，Web3已經在港府的不斷推動下，重新聚焦金融領域。主流金融機構也通過RWA、現貨ETF加速參與Web3。

此次大會，除了主流金融機構進入Web3，我們也看到了一個可以連接Web2和Web3的機會—— DePIN賽道。尤其是AI大模型發展的推動，讓DePIN中的子賽道 - 算力的重新分配再次成爲熱門關注。

來源：OKG Research

算力爲誘餌，但AI大模型訓練並不是DePIN最好落地場景

“區塊鏈是通過技術建立信任，而AI又是一個極度需要信任的行業。” Dragonfly Capital的管理合夥人Haseed Qureshi在大會如是說。 

DePIN並不是一個新賽道，早在幾年前就已經提出。正是AI大模型爆發，業界對於算力和數據開展了大量的討論，據測算，大模型計算的成本每年增加31倍。全球GPU短缺，英偉達這樣的公司處於目前市場需求的食物鏈頂端具有極大的定價權。壟斷還是去中心化，有關於成本之辯成了Web3 DePIN賽道再次熱議的原因。

雖然AI大模型訓練是起因，但羅馬非一日建成，AI大模型訓練並不是目前DePIN最好的落地場景。AI大模型生產對算力的要求主要圍繞2個方面：推理和訓練。在訓練環節，通過投喂大量的數據，訓練出一個複雜的神經網絡模型。在推理環節，利用訓練好的模型，使用大量數據推理出各種結論。

來源：NVIDIA 

去中心化與算力的結合，難度係數從訓練到微調訓練再到推理是逐層遞減的。在DePIN中，可以看到行業上更多的項目是集中在推理而非訓練的。大部分企業的AI訓練採用的英偉達GPU集羣主要原因是其擁有自身強悍的並行計算能力以及內存帶寬。相對於推理環節，對於並行計算能力和帶寬的要求降低很多。並且大模型訓練對於穩定性更爲看重，因爲一旦訓練中斷，是需要重新進行訓練的。若在以太坊上構建一個去中心化算力應用供GPT使用，僅單個矩陣乘法運算將消耗Gas費高達100億美元並且需要1個月之久。

此外，筆者分析了此次大會中比較熱門的幾個項目現狀，呈現供給端超過需求端的一個態勢，即分佈在全球的算力供給超過AI模型訓練或者推理任務的AI開發者需求。並不是說需求不存在，OpenAI的創始人Sam Altman提出了要募集7萬億美金，構建一個超過目前臺積電10倍規模的先進芯片廠和用於芯片的生產和模型訓練。斯坦福大學研究也表明，不論哪個語言模型，當訓練參數規模超過那個規模的臨界值後，其表現（比如準確性）就急劇提升。這與“大力出奇跡”的規律截然相反，也意味着現實情況下，去中心化算力的設想還有很多難題去解決。

DePIN賽道的“歷史溯源”可追溯至“共享經濟”

DePIN本身概念不難理解，甚至可以追溯到Web2，回顧互聯網行業，至少有15年時間，Web2玩家沉浸於將個人的有形資產聚合起來，從而創造出“共享經濟”之中。如果是將無形資產（例如閒置的服務器等）直接通過Peer to peer（P2P）的形式或者 Peer to business（P2B）的形式重新分配給需求方，去中心化技術區塊鏈就可以通過激勵機制來進行生產關係的一個優化。這就是DePIN要做的東西。

也因此，DePIN賽道下面，大家在供給端的熱情是高漲的。其實Web2已經爲“重新分配”做了很久的積澱，只是這次，直接去掉中介。目前已有近千個DePIN項目，尤其是Solana生態，據Messari統計，Solana生態在DePIN基礎設施處於領先地位，這是由於Solana公鏈具有較高的基礎設施集成性和性能。在地區分佈上，預計多個前10名的 DePIN 將在2024年至2025年來自亞洲。

來源：Messari 

Web3和AI有非常多的交叉點，算力作爲未來數字世界的通用貨幣，是人們最先關注到的。但去中心化算力這個最合理的落地場景卻不是最容易落地的。

在Web3與AI的交叉點上，除了從技術上攻堅克難不斷突破這樣的難題外，還有其他很多分支例如AI代理的賦予創作者所有權以及小型AI模型算力場景值得探索，會更具有落地性。商業模式的成功和技術的突破總會有所平衡，DePIN正在加速這一進程，DePIN的“打獵之旅”也會滿載而歸。