原文作者：PAUL TIMOFEEV

原文編譯：深潮 TechFlow

關鍵要點

  • 隨着機器學習和生成性 AI 開發的深度學習的興起，計算資源變得越來越受歡迎，這兩者都需要大量的計算密集型工作負載。然而，由於大型公司和政府大量積累這些資源，初創公司和獨立開發者如今面臨市場上 GPU 短缺的問題，導致成本過高和/或無法獲得資源。

  • 計算 DePINs 通過允許世界上任何人提供其閒置的供應以換取貨幣獎勵，能夠爲 GPU 等計算資源創建去中心化的市場。這旨在幫助未被充分服務的 GPU 消費者接觸到新的供應渠道，從而以降低的成本和開銷獲得其工作負載所需的開發資源。

  • 計算 DePINs 在與傳統的集中式服務提供商競爭時仍面臨許多經濟和技術挑戰，其中一些挑戰將隨着時間的推移自行解決，而另一些則需要新的解決方案和優化。

計算是新的石油

自工業革命以來，技術以前所未有的速度推動了人類前進，幾乎日常生活的每一個方面都受到影響或完全轉變。計算機最終作爲研究人員、學者和計算機工程師集體努力的結晶而出現。最初設計用於解決用於高級軍事行動的大規模算術任務，計算機已演變爲現代生活的支柱。隨着計算機對人類的影響繼續以前所未有的速度增長，對這些機器及其驅動資源的需求也在不斷增長，超過了可用供應。這反過來又創造了市場動態，其中大多數開發者和企業無法獲得關鍵資源的訪問權限，使得機器學習和生成性人工智能的發展——今天最具變革性的技術之一——掌握在少數資金充足的玩家手中。與此同時，大量閒置的計算資源供應爲幫助緩解計算供需之間的不平衡提供了一個有利可圖的機會，加劇了參與者雙方之間協調機制的需求。因此，我們認爲，由區塊鏈技術和數字資產支持的去中心化系統對於生成性人工智能產品和服務的更廣泛、更民主和負責任的發展至關重要。

計算資源

計算可以定義爲計算機根據給定輸入發出明確輸出的各種活動、應用程序或工作負載。最終，它指的是計算機的計算和處理能力，這是這些機器的核心效用，推動了現代世界的許多部分，僅在過去一年就產生了高達 1.1 萬億美元的收入。

計算資源指的是各種硬件和軟件組件，這些組件使計算和處理成爲可能。隨着它們啓用的應用程序和功能數量的持續增長，這些組件變得越來越重要，越來越多地出現在人們的日常生活中。這導致國家力量和企業之間爭相積累儘可能多的這些資源，作爲一種生存手段。這在提供這些資源的公司的市場表現中得到了體現（例如，Nvidia，其市值在過去 5 年中增長了 3000% 以上）。

GPU

GPU 是現代高性能計算中最重要的資源之一。GPU 的核心功能是作爲專用電路，通過並行處理加速計算機圖形工作負載。最初服務於遊戲和個人電腦行業，GPU 已經發展爲服務於塑造未來世界的許多新興技術（如主機和個人電腦、移動設備、雲計算、物聯網）。然而，由於機器學習和人工智能的興起，對這些資源的需求特別加劇——通過並行執行計算，GPU 加速了 ML 和 AI 操作，從而增強了最終技術的處理能力和能力。

AI 的崛起

AI 的核心是使計算機和機器能夠模擬人類智能和解決問題的能力。AI 模型作爲神經網絡，由許多不同數據塊組成。模型需要處理能力來識別和學習這些數據之間的關係，然後在基於給定輸入創建輸出時參考這些關係。

儘管人們普遍認爲，AI 開發和生產並不是新事物；1967 年，Frank Rosenblatt 建造了 Mark 1 Perceptron，這是第一個基於神經網絡的計算機，通過試錯法“學習”。此外，奠定我們今天所知的 AI 發展的大量學術研究在 90 年代末和 2000 年代初發表，該行業自那時以來一直在發展。

除了研發工作之外，“狹隘”的 AI 模型已經在今天使用的各種強大應用程序中發揮作用。示例包括社交媒體算法，如 Apple 的 Siri 和 Amazon 的 Alexa、定製產品推薦等。值得注意的是，深度學習的興起已經改變了人工生成智能（AGI）的發展。深度學習算法利用比機器學習應用程序更大的或“更深”的神經網絡，作爲更具可擴展性且性能更廣泛的替代方案。生成性 AI 模型“編碼其訓練數據的簡化表示，並參考它以發出類似但不相同的新輸出。”

深度學習使開發人員能夠將生成性 AI 模型擴展到圖像、語音和其他複雜數據類型，而像 ChatGPT 這樣的里程碑應用已經創下了現代最快用戶增長記錄，這些只是生成性 AI 和深度學習可能實現的早期迭代。

考慮到這一點，生成性 AI 開發涉及多個計算密集型工作負載，這需要大量的處理能力和計算能力，這應該不足爲奇。

根據深度學習應用需求的三重奏，AI 應用程序的開發受到幾個關鍵工作負載的限制；

  • 訓練 - 模型必須處理和分析大型數據集，以學習如何響應給定的輸入。

  • 調整 - 模型經歷一系列重複過程，其中調整和優化各種超參數以提高性能和質量。

  • 模擬 - 在部署之前，某些模型（例如強化學習算法）會經歷一系列模擬以進行測試。

計算緊縮：需求大於供應

在過去的幾十年中，許多技術進步推動了對計算和處理能力的前所未有的需求激增。因此，如今對 GPU 等計算資源的需求遠遠超過了可用供應，創造了 AI 開發中的瓶頸，如果沒有有效的解決方案，這種瓶頸只會繼續增長。

供應的更廣泛限制進一步得到大量公司超出其實際需求購買 GPU 的支持，既作爲競爭優勢，又作爲在現代全球經濟中生存的手段。計算提供商通常採用需要長期資本承諾的合同結構，授予客戶超出其需求要求的供應。

Epoch 的研究表明，計算密集型 AI 模型發佈的整體數量正在迅速增長，表明推動這些技術的資源需求將繼續快速增長。

隨着 AI 模型的複雜性繼續增長，應用程序開發人員的計算和處理能力需求也會隨之增長。反過來，GPU 的性能及其後續可用性也將發揮越來越重要的作用。這已經開始實現，因爲對高端 GPU（例如 Nvidia 生產的 GPU）的需求不斷增長，Nvidia 將 GPU 譽爲 AI 行業的“稀土金屬”或“黃金”。

AI 的快速商業化有可能將控制權交給少數科技巨頭，類似於今天的社交媒體行業，這引發了對這些模型倫理基礎的擔憂。一個著名的例子是最近關於 Google Gemini 的爭議。儘管其對各種提示的許多奇怪回覆當時並未構成實際危險，但這一事件展示了少數公司主導和控制 AI 開發的固有風險。

今天的科技初創公司在獲取計算資源以支持其 AI 模型方面面臨越來越多的挑戰。這些應用程序在模型部署之前執行許多計算密集型過程。對於較小的企業來說，積累大量 GPU 是一項基本不可持續的努力，而傳統的雲計算服務（如 AWS 或 Google Cloud）雖然提供了無縫且便捷的開發者體驗，但其有限的容量最終導致高成本，使許多開發者無法承擔。最終，並非每個人都能提出籌集 7 萬億美元來支付其硬件成本。

那麼原因是什麼？

Nvidia曾估計，全球有超過 40 K 家公司使用 GPU 進行 AI 和加速計算，開發者社區超過 400 萬人。展望未來，全球 AI 市場預計將從 2023 年的 5150 億美元增長到 2032 年的 2.74 萬億美元，年均增長率爲 20.4% 。同時，GPU 市場預計到 2032 年將達到 4000 億美元，年均增長率爲 25% 。

然而，在 AI 革命之後，計算資源供需之間的不平衡日益加劇，這可能會造成一個相當烏托邦式的未來，即由少數資金雄厚的巨型企業集中主導變革性技術的發展。因此，我們認爲所有的道路都通向去中心化的替代解決方案，以幫助彌合人工智能開發者的需求與可用資源之間的差距。

DePIN 的角色

什麼是 DePINs？

DePIN 是 Messari 研究團隊創造的術語，代表去中心化物理基礎設施網絡。具體來說，去中心化意味着沒有單一實體提取租金和限制訪問。而物理基礎設施指的是利用的“現實生活”中的物理資源。網絡指的是一組協調工作的參與者，以實現預定的目標或一系列目標。今天，DePINs 的總市值大約爲 283 億美元。

DePINs 的核心是全球節點網絡，這些節點將物理基礎設施資源與區塊鏈連接起來，以便創建去中心化的市場，連接資源的買家和供應商，其中任何人都可以成爲供應商，並因其服務和對網絡的價值貢獻而獲得報酬。在這種情況下，通過各種法律和監管手段以及服務費限制網絡訪問的中央中介被智能合約和代碼組成的去中心化協議所取代，該協議由其相應的代幣持有者管理。

DePINs 的價值在於它們提供了去中心化、可訪問、低成本和可擴展的傳統資源網絡和服務提供商的替代方案。它們使去中心化市場能夠服務於特定的最終目標；商品和服務的成本由市場動態決定，任何人都可以隨時參與，從而由於供應商數量的增加和利潤率的最小化，自然地降低單位成本。

使用區塊鏈使 DePINs 能夠構建加密經濟激勵系統，幫助確保網絡參與者因其服務得到適當的報酬，將關鍵價值提供者轉變爲利益相關者。然而，重要的是要注意，網絡效應，即通過將小型個人網絡轉變爲更大、更具生產力的系統來實現，是實現 DePINs 許多好處的關鍵。此外，雖然代幣獎勵已被證明是網絡引導機制的有力工具，但在更廣泛的 DePIN 領域中，建立可持續的激勵措施以幫助用戶保留和長期採用仍然是一個關鍵挑戰。

DePINs 如何工作？

爲了更好地理解 DePINs 在實現去中心化計算市場中的價值，重要的是要認識到涉及的不同結構組件以及它們如何協同工作以形成去中心化資源網絡。讓我們考慮一下 DePIN 的結構和參與者。

協議

去中心化協議，即一組建立在底層“基礎層”區塊鏈網絡之上的智能合約，用於促進網絡參與者之間的無信任互動。在理想情況下，協議應由一組多樣化的利益相關者管理，他們積極致力於爲網絡的長期成功做出貢獻。這些利益相關者然後使用他們的協議代幣份額對 DePIN 的擬議變更和發展進行投票。鑑於成功協調分佈式網絡本身就是一個巨大的挑戰，核心團隊通常會保留最初實施這些變更的權力，然後將權力轉移給去中心化自治組織（DAO）。

網絡參與者

資源網絡的最終用戶是其最有價值的參與者，可以根據其功能進行分類。

  • 供應商：提供資源給網絡的個人或實體，以獲得以 DePIN 本地代幣支付的貨幣獎勵。供應商通過區塊鏈原生協議“連接”到網絡，協議可能會強制執行白名單上鍊過程或無許可的過程。通過接收代幣，供應商在網絡中獲得股份，類似於股權所有權背景中的利益相關者，使他們能夠對網絡的各種提案和發展進行投票，例如他們認爲有助於推動需求和網絡價值的提案，從而隨着時間的推移創造更高的代幣價格。當然，接收代幣的供應商也可能利用 DePINs 作爲被動收入的一種形式，並在接收代幣後出售它們。

  • 消費者：這些是積極尋找 DePIN 提供的資源的個人或實體，例如尋求 GPU 的 AI 初創公司，代表經濟方程的需求方。如果使用 DePIN 比使用傳統替代方案有實際優勢（例如較低的成本和開銷要求），消費者會被吸引使用 DePIN，從而代表網絡的有機需求。DePINs 通常要求消費者以其本地代幣支付資源費用，以生成價值並保持穩定的現金流。

資源

DePINs 可以服務於不同的市場，並採用不同的商業模式來分配資源。Blockworks提供了一個很好的框架：定製硬件 DePINs，提供專用的專有硬件給供應商分發；商品硬件 DePINs，允許分發現有的閒置資源，包括但不限於計算、存儲和帶寬。

經濟模型

在理想運行的 DePIN 中，價值來自消費者爲供應商資源支付的收入。網絡的持續需求意味着對本地代幣的持續需求，這與供應商和代幣持有者的經濟激勵一致。在早期階段產生可持續的有機需求對大多數初創公司來說是一個挑戰，這就是爲什麼 DePINs 會提供通脹代幣激勵，以激勵早期供應商並引導網絡的供應，作爲產生需求和因此更多有機供應的一種手段。這與風險投資公司在 Uber 初期階段補貼乘客費用以引導初始客戶基礎以進一步吸引司機並增強其網絡效應的方式相似。

DePINs 需要儘可能戰略性地管理代幣激勵，因爲它們在網絡的整體成功中起着關鍵作用。當需求和網絡收入上升時，代幣發行應該減少。相反，當需求和收入下降時，代幣發行應再次用於激勵供應。

爲了進一步說明成功的 DePIN 網絡的樣子，請考慮“DePIN 飛輪”，這是一種引導 DePINs 的正反饋循環。總結如下：

  • DePIN 分發通脹代幣獎勵，以激勵供應商爲網絡提供資源，並建立可供消費的基礎供應水平。

  • 假設供應商數量開始增長，網絡中開始形成競爭動態，提高了網絡提供的商品和服務的整體質量，直到它提供的服務優於現有市場解決方案，從而獲得競爭優勢。這意味着去中心化系統超越了傳統的集中式服務提供商，這絕非易事。

  • DePIN 的有機需求開始形成，爲供應商提供合法的現金流。這爲投資者和供應商提供了一個引人注目的機會，繼續推動網絡需求和因此代幣價格。

  • 代幣價格的增長增加了供應商的收入，吸引了更多供應商並重新啓動飛輪。

這個框架提供了一個引人注目的增長策略，儘管需要注意的是它在很大程度上是理論性的，並假設網絡提供的資源在競爭力上具有持續的吸引力。

計算 DePINs

去中心化計算市場屬於一個更廣泛的運動，即“共享經濟”，這是一個基於消費者通過在線平臺直接與其他消費者共享商品和服務的點對點經濟系統。這個模型由 eBay 等公司開創，如今由 Airbnb 和 Uber 等公司主導，最終隨着下一代變革性技術席捲全球市場而準備顛覆。共享經濟在 2023 年的價值爲 1500 億美元，預計到 2031 年將增長到近 8000 億美元，展示了消費者行爲的更廣泛趨勢，我們相信 DePINs 將從中受益並在其中發揮關鍵作用。

基本原理

計算 DePINs 是點對點網絡，通過去中心化市場連接供應商和買家，促進計算資源的分配。這些網絡的一個關鍵區別在於它們專注於商品硬件資源，這些資源今天已經在許多人手中。正如我們所討論的那樣，深度學習和生成性 AI 的出現由於其資源密集型工作負載，導致對處理能力的需求激增，造成了 AI 開發訪問關鍵資源的瓶頸。簡單地說，去中心化計算市場旨在通過創建一個新的供應流來緩解這些瓶頸——一個跨越全球的供應流，任何人都可以參與。

在計算 DePIN 中，任何個人或實體都可以隨時借出其閒置資源，並獲得適當的報酬。同時，任何個人或實體都可以從全球無許可網絡中獲取必要的資源，以比現有市場產品更低的成本和更大的靈活性。因此，我們可以通過一個簡單的經濟框架來描述計算 DePINs 中的參與者：

  • 供應方：擁有計算資源並願意借出或出售其計算資源以獲得補貼的個人或實體。

  • 需求方：需要計算資源並願意爲此支付價格的個人或實體。

計算 DePINs 的主要優勢

計算 DePINs 提供了許多使其成爲集中式服務提供商和市場有吸引力的替代方案的優勢。首先，啓用無許可的跨境市場參與解鎖了一個新的供應流，增加了計算密集型工作負載所需的關鍵資源的數量。計算 DePINs 專注於大多數人已經擁有的硬件資源——任何擁有遊戲 PC 的人都已經有一個可以出租的 GPU。這擴大了能夠參與構建下一代商品和服務的開發者和團隊的範圍，從而使全球更多的人受益。

進一步來看，支持 DePINs 的區塊鏈基礎設施提供了高效且可擴展的結算軌道，用於促進點對點交易所需的小額支付。加密原生金融資產（代幣）提供了一個共享的價值單位，需求方的參與者使用它來支付供應商，通過與當今日益全球化的經濟相一致的分配機制來對齊經濟激勵。參考我們之前構建的 DePIN 飛輪，戰略性地管理經濟激勵對增加 DePIN 的網絡效應（在供應和需求兩方面）非常有利，這反過來增加了供應商之間的競爭。這種動態降低了單位成本，同時提高了服務質量，爲 DePIN 創造了可持續的競爭優勢，供應商作爲代幣持有者和關鍵價值提供者可以從中受益。

DePINs 在其旨在提供的靈活用戶體驗方面類似於雲計算服務提供商，資源可以按需訪問和支付。參考Grandview Research的預測，全球雲計算市場規模預計將以 21.2% 的年複合增長率增長，到 2030 年達到超過 2.4 萬億美元，展示了在未來計算資源需求增長的背景下此類商業模式的可行性。現代雲計算平臺利用中央服務器處理客戶端設備和服務器之間的所有通信，造成其操作中的單點故障。然而，構建在區塊鏈之上允許 DePINs 提供比傳統服務提供商更強的抗審查性和彈性。攻擊單個組織或實體（例如中央雲服務提供商）會危及整個基礎資源網絡，而 DePINs 通過其分佈式性質設計爲抵禦此類事件。首先，區塊鏈本身是全球分佈的專用節點網絡，旨在抵禦集中網絡權威。此外，計算 DePINs 還允許無許可的網絡參與，繞過法律和監管障礙。根據代幣分配的性質，DePINs 可以採用公平的投票流程來對協議的擬議變更和發展進行投票，以消除單一實體突然關閉整個網絡的可能性。

當今計算 DePINs 的狀態

Render Network

Render Network 是一個計算 DePIN，通過去中心化計算市場連接 GPU 的買家和賣家，交易通過其本地代幣進行。Render 的 GPU 市場涉及兩個關鍵方——尋求訪問處理能力的創作者和向創作者出租閒置 GPU 以換取本地 Render 代幣補償的節點操作員。節點操作員基於聲譽系統進行排名，創作者可以從多層定價系統中選擇 GPU。Proof-of-Render（POR）共識算法協調操作，節點操作員承諾其計算資源（GPU）以處理任務，即圖形渲染工作。完成任務後，POR 算法更新節點操作員的狀態，包括基於任務質量的聲譽評分變化。Render 的區塊鏈基礎設施促進了工作支付，爲供應商和買家通過網絡代幣進行交易提供透明和高效的結算軌道。

Render Network 最初由Jules Urbach在 2009 年構思，網絡於 2020 年 9 月在以太坊（RNDR）上上線，約三年後遷移到 Solana（RENDER）以提高網絡性能和降低運營成本。

截至撰寫本文時，Render Network已處理多達 3300 萬個任務（以渲染幀計），自成立以來總節點數已增長到 5600 個。大約 60 k RENDER 已被銷燬，這一過程發生在工作積分分配給節點操作員期間。

IO Net

Io Net 正在 Solana 之上啓動一個去中心化 GPU 網絡，作爲大量閒置計算資源和需要這些資源提供的處理能力的個人和實體之間的協調層。Io Net 的獨特賣點在於，它不是直接與市場上的其他 DePINs 競爭，而是從各種來源（包括數據中心、礦工和其他 DePINs，如 Render Network 和 Filecoin）聚合 GPU，同時利用專有的 DePIN——Internet-of-GPUs（IoG）來協調操作並對齊市場參與者的激勵。Io Net 客戶可以通過選擇處理器類型、位置、通信速度、合規性和服務時間來定製其在 IO Cloud 上的工作負載集羣。相反，任何擁有支持的 GPU 型號（12 GB RAM， 256 GB SSD）的人都可以作爲 IO Worker 參與，借出其閒置計算資源給網絡。雖然服務支付目前以法幣和 USDC 結算，但網絡很快也將支持本地$IO 代幣的支付。資源的價格由其供需以及各種 GPU 規格和配置算法確定。Io Net 的最終目標是通過提供比現代雲服務提供商更低的成本和更高的服務質量成爲首選 GPU 市場。

多層 IO 架構可以映射如下：

  • UI 層 - 由公共網站、客戶區域和 Workers 區域組成。

  • 安全層 - 該層由用於網絡保護的防火牆、用於用戶驗證的認證服務和用於跟蹤活動的日誌服務組成。

  • API 層 - 該層作爲通信層，由公共 API（用於網站）、私有 API（用於 Workers）和內部 API（用於集羣管理、分析和監控報告）組成。

  • 後端層 - 後端層管理 Workers、集羣/GPU 操作、客戶交互、賬單和使用監控、分析和自動擴展。

  • 數據庫層 - 該層是系統的數據存儲庫，使用主存儲（用於結構化數據）和緩存（用於頻繁訪問的臨時數據）。

  • 消息代理和任務層 - 該層促進異步通信和任務管理。

  • 基礎設施層 - 該層包含 GPU 池、編排工具，並管理任務部署。

當前統計/路線圖

  • 截至撰寫本文時：

  • 總網絡收益 - $ 1.08 m

  • 總計算小時數 - 837.6 k 小時

  • 總集羣就緒 GPU - 20.4 K

  • 總集羣就緒 CPU - 5.6 k

  • 總鏈上交易 - 1.67 m

  • 總推理次數 - 335.7 k

  • 總創建集羣 - 15.1 k

（數據來源於Io Net explorer）

Aethir

Aethir 是一個雲計算 DePIN，促進高性能計算資源在計算密集型領域和應用中的共享。它利用資源池化，以顯著降低成本實現全球 GPU 分配，並通過分佈式資源所有權實現去中心化所有權。Aethir 專爲高性能工作負載設計，適用於遊戲和 AI 模型訓練和推理等行業。通過將 GPU 集羣統一到單一網絡中，Aethir 的設計旨在增加集羣規模，從而提高其網絡上提供的服務的整體性能和可靠性。

Aethir Network 是一個由礦工、開發者、用戶、代幣持有者和 Aethir DAO 組成的去中心化經濟。確保網絡成功運行的三個關鍵角色是容器、索引器和檢查器。容器是網絡的核心節點，執行維護網絡活躍性的重要操作，包括驗證交易和實時渲染數字內容。檢查器作爲質量保證人員，持續監控容器的性能和服務質量，以確保爲 GPU 消費者提供可靠和高效的操作。索引器作爲用戶與最佳可用容器之間的匹配者。支撐這一結構的是 Arbitrum Layer 2 區塊鏈，它提供一個去中心化的結算層，以便在 Aethir 網絡上以本地$ATH 代幣支付商品和服務。

渲染證明

Aethir 網絡中的節點有兩個關鍵功能——渲染容量證明，其中一組這些工作節點每 15 分鐘隨機選擇一次來驗證交易；渲染工作證明，密切監控網絡性能，以確保用戶獲得最佳服務，根據需求和地理位置調整資源。礦工獎勵分配給在 Aethir 網絡上運行節點的參與者，以他們借出的計算資源的價值計算，獎勵以本地$ATH 代幣支付。

Nosana

Nosana 是一個基於 Solana 構建的去中心化 GPU 網絡。Nosana 允許任何人貢獻閒置計算資源，並因此獲得$NOS 代幣形式的獎勵。DePIN 促進了經濟高效的 GPU 分配，可以用於運行復雜的 AI 工作負載，而沒有傳統雲解決方案的開銷。任何人都可以通過借出閒置 GPU 來運行 Nosana 節點，獲得與其提供給網絡的 GPU 功率成比例的代幣獎勵。

網絡連接了分配計算資源的兩個參與方：尋求訪問計算資源的用戶和提供計算資源的節點操作員。重要的協議決策和升級由 NOS 代幣持有者投票並由 Nosana DAO 管理。

Nosana 爲其未來計劃制定了廣泛的路線圖——Galactica（v1.0 - 2024 上半年/下半年）將啓動主網，發佈 CLI 和 SDK，並專注於通過消費者 GPU 的容器節點擴展網絡。Triangulum（v1.X - 2024 下半年）將集成主要的機器學習協議和連接器，例如 PyTorch、HuggingFace 和 TensorFlow。Whirlpool（v1.X -2025 上半年）將擴大對 AMD、Intel 和 Apple Silicon 的多樣化 GPU 的支持。Sombrero（v1.X - 2025 下半年）將增加對中大型企業的支持，法幣支付、賬單和團隊功能。

Akash

Akash 網絡是一個基於 Cosmos SDK 構建的開源權益證明網絡，允許任何人無許可地加入和貢獻，創建一個去中心化的雲計算市場。$AKT 代幣用於保障網絡安全、促進資源支付並協調網絡參與者之間的經濟行爲。Akash 網絡由幾個關鍵組件組成：

  • 區塊鏈層，使用 Tendermint Core 和 Cosmos SDK 提供共識。

  • 應用層，管理部署和資源分配。

  • 提供者層，管理資源、投標和用戶應用部署。

  • 用戶層，使用戶能夠與 Akash 網絡互動、管理資源並使用 CLI、控制檯和儀表板監控應用狀態。

該網絡最初專注於存儲和 CPU 租賃服務，隨着 AI 訓練和推理工作負載的需求增長，網絡已擴展其服務範圍，涵蓋 GPU 的租賃和分配，通過其 AkashML 平臺響應這些需求。AkashML 使用“反向拍賣”系統，客戶（稱爲租戶）提交其期望的 GPU 價格，計算供應商（稱爲提供者）競爭以供應所請求的 GPU。

截至撰寫本文時，Akash 區塊鏈已完成超過 1290 萬次交易，超過 53.5 萬美元被用於訪問計算資源，並租賃出超過 18.9 萬個獨特部署。

榮譽提名

計算 DePIN 領域仍在發展，許多團隊正在競爭以將創新和高效的解決方案推向市場。值得進一步研究的其他示例包括Hyperbolic，它正在構建一個用於 AI 開發的資源池協作開放訪問平臺，以及Exabits ，它正在建立一個由計算礦工支撐的分佈式計算能力網絡。

重要考慮事項及未來展望

現在我們已經瞭解了計算 DePIN 的基本原理並審查了幾個當前正在運行的補充案例研究，重要的是要考慮這些去中心化網絡的影響，包括優點和缺點。

挑戰

在規模上構建分佈式網絡通常需要在性能、安全性和彈性等方面做出權衡。例如，在全球分佈的商品硬件網絡上訓練 AI 模型可能在成本效益和時間效率上遠不如在集中式服務提供商上訓練。正如我們之前提到的，AI 模型及其工作負載變得越來越複雜，需要更多高性能 GPU 而不是商品 GPU。

這就是大型企業大量囤積高性能 GPU 的原因，也是旨在通過建立一個任何人都可以借出閒置 GPU 的無許可市場來解決 GPU 短缺問題的計算 DePINs 所面臨的固有挑戰（有關去中心化人工智能協議所面臨挑戰的更多信息，請參閱此推文）。協議可以通過兩種關鍵方式解決這一問題：一是爲希望爲網絡做出貢獻的 GPU 提供商建立基準要求，二是彙集提供給網絡的計算資源，以實現更大的整體性。儘管如此，與集中式服務提供商相比，這種模式的建立本身就具有挑戰性，因爲集中式服務提供商可以分配更多資金與硬件提供商（如 Nvidia）直接交易。這是 DePINs 在前進過程中應該考慮的問題。如果去中心化協議擁有足夠大的資金，DAO 可以投票決定分配一部分資金用於購買高性能 GPU，這些 GPU 可以用去中心化的方式進行管理，並以高於商品 GPU 的價格借出。

另一個特定於計算 DePINs 的挑戰是管理適當的資源利用率。在其早期階段，大多數計算 DePINs 將面臨結構性需求不足的問題，正如許多初創公司今天所面臨的那樣。一般來說，DePINs 面臨的挑戰是早期建立足夠的供應以達到最低可行產品質量。沒有供應，網絡將無法產生可持續的需求，也無法在需求高峯期爲其客戶服務。另一方面，過剩供應也是一個問題。在某個閾值以上，只有當網絡利用率接近或達到滿負荷時，更多的供應纔有幫助。否則，DePIN 將面臨爲供應支付過多費用的風險，從而導致資源利用不足，除非協議提高代幣發行以保持供應商的參與，否則供應商的收入將減少。

沒有廣泛的地理覆蓋範圍，電信網絡就沒有用武之地。如果乘客必須等待很長時間才能搭到車，出租車網絡就不會有用。如果 DePIN 必須向長期提供資源的人員支付費用，那麼它就不會有用。集中式服務提供商可以預測資源需求並有效管理資源供應，而計算 DePIN 則缺乏管理資源利用的中央機構。因此，對 DePIN 而言，儘可能戰略性地確定資源利用率尤爲重要。

一個更大的問題是，去中心化 GPU 市場可能不再面臨 GPU 短缺的局面。馬克·扎克伯格最近在一次採訪中表示，他認爲能源將成爲新的瓶頸，而不是計算資源，因爲企業現在將爭相大規模建設數據中心，而不是像現在這樣囤積計算資源。當然，這意味着 GPU 成本的潛在降低，但也提出了一個問題，即如果建設專有數據中心提高了 AI 模型性能的整體標準，AI 初創公司將如何在性能和提供的商品和服務質量上與大公司競爭。

計算 DePINs 的案例

重申一下，AI 模型的複雜性及其隨後的處理和計算需求與可用高性能 GPU 和其他計算資源之間的差距正在擴大。

計算 DePINs 在計算市場領域有望成爲創新的顛覆者，這些市場今天由主要硬件製造商和雲計算服務提供商主導，基於以下幾個關鍵能力：

1) 提供更低的商品和服務成本。

2) 提供更強的抗審查性和網絡彈性保障。

3) 受益於可能要求 AI 模型儘可能開放以進行微調和訓練的潛在監管準則，並且任何人都可以輕鬆訪問。

美國擁有計算機和互聯網接入的家庭比例呈指數增長，接近 100% 。全球許多地區的比例也顯著增長。這表明潛在的計算資源提供者（GPU 擁有者）數量的增加，如果有足夠的貨幣激勵和無縫的交易過程，他們將願意借出閒置供應。當然，這是一個非常粗略的估計，但它表明建立可持續共享經濟計算資源的基礎可能已經存在。

除了 AI 之外，未來對計算的需求還將來自許多其他行業，例如量子計算。量子計算市場規模預計將從 2023 年的 928.8 百萬美元增長到 2030 年的 6528.8 百萬美元，年複合增長率爲 32.1% 。該行業的生產將需要不同種類的資源，但看看是否會有任何量子計算 DePINs 啓動以及它們的樣子將會很有趣。

“在消費者硬件上運行的開放模型的強大生態系統是對抗未來價值被 AI 高度集中和大多數人類思維被少數幾個人控制的中央服務器讀取和調解的一個重要對衝。這些模型的風險也比企業巨頭和軍隊的風險要低得多。”——Vitalik Buterin

大型企業可能不是 DePINs 的目標受衆，將來也不會是。計算 DePINs 讓個人開發者、零散的建設者、擁有最少資金和資源的初創企業重新迴歸。它們允許將閒置的供應轉化爲創新的想法和解決方案，並通過更豐富的計算能力來實現。人工智能無疑將改變數十億人的生活。我們不應該擔心人工智能會取代每個人的工作，而應該鼓勵這樣一種想法，即人工智能可以增強個人和自主創業者、初創企業以及廣大公衆的能力。

原文鏈接