作者：Paul Timofeev 來源：Shoal Research 翻譯：善歐巴，金色財經

探討計算去中心化基礎設施在支援去中心化GPU市場中的作用，並提供全面分析和補充案例研究。

關鍵要點

• 隨著機器學習的興起，特別是生成式人工智慧的發展，需要大量的運算密集型工作負載，運算資源變得越來越受追捧。然而，由於大型公司和政府大量囤積這些資源，新創公司和獨立開發者如今在市場上面臨GPU短缺，導致成本過高或缺乏可取得性。

• 計算DePINs透過讓世界各地的人們提供閒置的運算資源（如GPU）以換取貨幣獎勵，從而實現運算資源的去中心化市場。這旨在幫助未充分服務的GPU消費者取得新的供應流，以較低的成本和開銷獲得其工作負載所需的開發資源。

• 今天，計算DePINs在與傳統集中式服務提供者競爭時仍面臨許多經濟和技術挑戰，其中一些問題會隨著時間自行解決，而另一些問題則需要在未來提出新的解決方案和優化措施。

計算是新的石油

自工業革命以來，科技以空前的速度推動人類前進，幾乎日常生活的每個面向都受到了影響或完全改變。電腦最終成為集體研究人員、學者和電腦工程師努力的結晶。最初設計用於解決大型算術任務，以協助先進的軍事行動，電腦已發展成為現代生活的支柱。隨著電腦對人類影響的持續增長，對這些機器及其所需資源的需求也在不斷增長，超過了可用供應。這反過來又在市場上造成了大多數開發者和企業無法獲得關鍵資源的動態，使機器學習和生成式人工智慧的發展，今天最具變革性的技術，掌握在少數資金雄厚的玩家手中。同時，大量閒置的運算資源為緩解運算供應和需求之間的不平衡提供了一個有利可圖的機會，加劇了交易雙方參與者之間足夠協調機制的需求。因此，我們認為，由區塊鏈技術和數位資產支援的去中心化系統對於更廣泛、更民主和負責任的生成式人工智慧產品和服務的發展至關重要。

計算資源

計算可以定義為電腦基於給定輸入發出明確輸出的各種活動、應用或工作負載。最終，它指的是電腦的運算和處理能力，這是這些機器在當今現代世界中發揮核心效用的基礎，去年僅電腦就產生了高達1.1兆美元的收入。

計算資源指的是各種支援計算和處理的硬體和軟體組件。隨著這些組件所支援的應用程式和功能數量的持續增長，它們在日常生活中變得越來越重要。這導致國家力量和企業之間爭相累積盡可能多的這些資源，作為一種生存手段。這反映在提供這些資源的公司的市場表現中（例如，Nvidia，其市值在過去5年中增長了3000%以上）。

GPU

圖形處理單元（GPU）是現代高效能運算中最重要的資源之一。其核心功能是作為專用電子電路，透過並行處理加速電腦圖形工作負載。最初服務於遊戲和個人電腦產業，GPU已發展為服務於塑造未來世界的許多新興技術（如大型主機和個人電腦、行動裝置、雲端運算、物聯網）。然而，機器學習和人工智慧的崛起特別加劇了對這些資源的需求- GPU透過並行執行運算來加速機器學習和人工智慧操作，從而增強最終技術的處理能力和效能。

人工智慧的崛起

人工智慧（AI）的核心是一種使電腦和機器模擬人類智慧和解決問題能力的技術。一個AI模型作為一個由許多不同資料塊組成的神經網路運作。模型需要處理能力來識別和學習這些資料之間的關係，然後在基於給定輸入建立輸出時參考這些關係。

AI開發和生產並不是新事物；在1967年，Frank Rosenblatt 建造了Mark 1 Perceptron，這是第一個基於神經網路的計算機，透過試誤法進行「學習」。此外，大量奠定了現代AI發展的學術研究在90年代末和2000年代初發布，產業自此繼續發展。

除了研發努力外，「狹義」AI模型還支援著今天使用的各種強大應用程式。例如社群媒體演算法、Apple的Siri和Amazon的Alexa、客製化產品推薦等等。值得注意的是，深度學習的興起改變了人工生成智能（AGI）的發展。深度學習演算法比機器學習應用程式使用更大或「更深」的神經網絡，作為具有更廣泛性能能力的更可擴展替代方案。生成式AI模型“編碼其訓練資料的簡化表示，並參考它發出類似但不相同的新輸出。”

深度學習使開發者能夠將生成式AI模型擴展到圖像、語音和其他複雜數據類型，而像ChatGPT這樣的里程碑應用程序，已經創造了現代最快增長的用戶基礎記錄，仍然只是生成式AI和深度學習可能實現的早期版本。

考慮到這一點，生成式AI開發涉及多個運算密集型工作負載，需要大量的處理能力和運算能力也就不足為奇了。

根據《深度學習應用需求的三重打擊》報告，AI應用開發受制於幾個關鍵工作負載：

• 訓練- 模型必須處理和分析大數據集，以學習如何回應給定輸入。

• 調優- 模型經歷一系列重複過程，在其中調整和優化各種超參數以改善性能和品質。

• 模擬- 在部署之前，某些模型（如強化學習演算法）要進行一系列測試模擬。

計算緊縮：需求> 供應

在過去的幾十年裡，各種技術進步推動了對運算和處理能力的空前需求激增。因此，今天對計算資源（如GPU）的需求遠遠超過了可用供應，造成了AI開發的瓶頸，如果沒有有效的解決方案，這種情況只會繼續惡化。

供應的更廣泛限制也受到大量公司積極購買超出其實際需求的GPU的推動，這既是一種競爭優勢，也是現代全球經濟中的生存手段。計算提供者通常採用需要長期資本承諾的合約結構，為客戶提供遠遠超出其需求要求的供應。

Epoch的研究表明，計算密集型AI模型發布的總體數量迅速增長，表明對推動這些技術的資源的需求將繼續快速增長。

隨著AI模型的複雜性不斷增加，應用開發者對運算和處理能力的需求也不斷增加。反過來，GPU的效能及其可用性將扮演越來越重要的角色。這一趨勢已經顯現出來，高端GPU的需求激增，例如由Nvidia生產的GPU，該公司稱GPU為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，類似於當今的社群媒體產業，這引發了對這些模式倫理基礎的擔憂。一個著名的例子是最近Google Gemini的爭議。雖然其對各種提示的許多奇怪回應當時沒有造成任何實際危險，但這起事件顯示了少數公司主導和控制AI開發的內在風險。

當今的科技新創公司在獲取運算資源以支援其AI模型方面面臨越來越多的挑戰。這些應用程式在模型部署之前需要執行大量的運算密集型流程。對於小型企業來說，累積大量的GPU是一項不可持續的努力，而傳統的雲端運算服務如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昂的成本，使許多開發者望而卻步。歸根結底，不是每個人都能提出籌集7萬億美元用於硬體成本的計劃。

那該怎麼辦？

Nvidia先前估計，有超過4萬家公司使用GPU進行AI和加速運算，全球有超過400萬名開發者社群。展望未來，全球AI市場預計將從2023年的5,150億美元成長到2032年的2.74兆美元，年平均成長率為20.4%。同時，GPU市場預計到2032年將達到4,000億美元，年均成長率為25%。

然而，在AI革命之後，運算資源供需之間日益擴大的不平衡可能會創造一個相當反烏托邦的未來，其中少數資金充足的巨頭主導了許多變革性技術的發展。因此，我們認為所有的道路都通往去中心化的替代解決方案，以幫助彌合AI開發者需求與可用資源之間的差距。

DePINs的角色

什麼是DePINs？

DePIN是由Messari研究團隊創造的術語，代表去中心化實體基礎設施網路。拆開來看，去中心化是指沒有單一實體抽取租金和限制存取。同時，物理基礎設施指的是利用的「現實生活」物理資源。網路指的是一組參與者以協調的方式工作以實現預定目標或目標集。今天，DePINs的總市值約為283億美元。

DePINs的核心是全球節點網絡，將實體基礎設施資源與區塊鏈連接起來，以實現去中心化市場，連接買家和供應商，任何人都可以成為供應商，並為其服務和對網路的貢獻獲得補償。在這種情況下，透過各種法律和監管手段以及服務費用限制存取網路的中央中介被智慧合約和代碼組成的去中心化協議取代，由其各自的代幣持有者管理。

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路和服務提供者的替代方案。它們實現了去中心化的市場，旨在達到一個特定的終極目標；商品和服務的成本由市場動態決定，任何人可以隨時參與，隨著供應商數量的增加和利潤率的降低，自然地降低單位成本。

使用區塊鏈使DePINs能夠建立加密經濟激勵系統，幫助確保網路參與者為其服務獲得適當的補償，使關鍵價值提供者成為利害關係人。然而，重要的是要注意，網絡效應是透過將小的個體網絡轉變為更大的生產系統來實現的，這對於實現DePINs的許多好處至關重要。此外，儘管代幣獎勵已被證明是網路引導機制的強大手段，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留存和長期採用仍然是一個關鍵挑戰。

DePINs如何運作？

為了更好地理解DePINs在支持去中心化計算市場中提供的價值，重要的是認識到不同的結構組件及其如何協同工作以形成去中心化資源網絡。讓我們考慮一個DePINs的結構和參與者。

協定

一個去中心化的協議，即建立在基礎區塊鏈網路之上的一組智慧合約，用於促進網路參與者之間的信任互動。在理想情況下，該協議將由一組多元化的利害關係人管理，他們積極致力於網路的長期成功。然後這些利益相關者使用其持有的協議代幣對提議的變更和發展進行投票。鑑於成功協調一個分散式網路本身就是一個巨大挑戰，核心團隊通常會在初期保留實施這些變更的權力，然後將權力過渡到去中心化自治組織（DAO）。

網路參與者

資源網路的終端使用者是其最有價值的參與者，可以根據其功能進行分類。

供應商：提供資源給網路的個人或實體，以換取DePINs原生代幣支付的貨幣獎勵。供應商透過區塊鏈本地協議「連接」到網絡，該協議可能強制執行白名單上網過程或無權限過程。透過接收代幣，供應商在網路中獲得了一部分權益，類似於股權所有權上下文中的利益相關者，使他們能夠對各種提案和網路發展進行投票，例如他們認為將有助於推動需求和增加網路價值的提案，從而隨著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很可能利用DePIN作為被動收入的一種形式，並在接收代幣時將其出售。

消費者：這些是積極尋找DePINs提供的資源的個人或實體，如尋求GPU的AI新創公司，代表經濟方程中的需求方。如果使用DePINs比傳統替代方案有實際優勢（如更低的成本和開銷要求），消費者會被迫使用DePINs，從而代表網路的有機需求。 DePINs通常要求消費者以其原生代幣支付資源費用，作為創造價值和維持穩定現金流的一種手段。

資源

DePINs可以服務不同的市場，並採用不同的商業模式分配資源。 Blockworks為此提供了一個很好的框架；客製化硬體DePINs，為供應商提供專門的專有硬體進行分配；和商品硬體DePINs，使現有的閒置資源（包括但不限於計算、儲存和頻寬）的分配成為可能。

經濟學

在一個理想運作的DePIN中，價值從消費者支付供應商資源的收入中累積。對網路的持續需求意味著對原生代幣的持續需求，這與供應商和代幣持有者的經濟誘因一致。在早期階段產生可持續的有機需求對大多數新創公司來說是一個挑戰，這就是為什麼DePINs會提供通膨性代幣激勵來激勵早期供應商和引導網絡的供應，以此產生需求，從而產生更多有機供應。這與創投在公司初期階段補貼Uber乘客成本以引導最初的客戶群，進一步吸引駕駛者並增強其網路效應的方式非常相似。

DePINs需要盡可能策略性地管理代幣激勵，因為它們在網路的整體成功中起著關鍵作用。當需求和網路收入上升時，代幣發行應該會減少。相反，當需求和收入下降時，代幣發行應該被用來再次激勵供應。

為了進一步說明一個成功的DePIN網路的樣子，可以考慮“DePIN飛輪”，一個用於引導DePINs的積極反射循環。總結如下：

1. DePIN透過分發通膨性代幣獎勵來激勵供應商向網路提供資源，並建立一個可供消費的基本供應水準。

2. 假設供應商的數量開始成長，網路中開始形成競爭動態，提高了網路提供的商品和服務的整體質量，達到比現有市場解決方案更好的水平，從而獲得競爭優勢。這意味著一個去中心化系統超越了傳統的集中式服務供應商，這絕非易事。

3. DePIN開始形成有機需求，為供應商提供合法的現金流。這對投資者和供應商來說是一個引人注目的機會，繼續推動網路需求並因此推高代幣價格。

代幣價格的成長增加了供應商的收入，吸引了更多的供應商，重新啟動了飛輪。

該框架提供了令人信服的成長策略，但值得注意的是，它很大程度上是理論上的，並且假設網路正在提供具有競爭力的資源，並且在很長一段時間內仍然具有相關性。

計算DePIN

去中心化運算市場屬於被稱為「共享經濟」的更廣泛運動的範圍，這是一種點對點經濟系統，建立在消費者透過線上平台與其他消費者直接共享商品和服務的基礎上。這種模式由eBay 等公司首創，如今由Airbnb 和Uber 等公司主導，並且隨著下一代變革性技術席捲全球市場，最終將迎來顛覆。到2023 年，共享經濟的價值將達到150 億美元，預計到2031 年，全球共享經濟的價值將增長到近800 億美元，這表明了消費者行為的更廣泛趨勢，我們相信DePIN 將從中受益，並在實現這一趨勢中發揮關鍵作用。

基本原理

計算DePIN 是點對點網絡，透過分散的市場連接供應商和買家，促進運算資源的分配。這些網路的一個關鍵區別在於，它們專注於商品硬體資源，而如今許多人已經可以使用這些資源。正如我們所討論的，深度學習和生成式人工智慧的出現，由於其資源密集型工作負載，對處理能力的需求激增，從而在獲取人工智慧開發的關鍵資源方面造成了瓶頸。簡而言之，去中心化的運算市場旨在透過創建一種新的供應流來緩解這些瓶頸——一種跨越全球、任何人都可以參與的供應流。

在計算DePIN 中，任何個人或實體都可以立即藉出其閒置資源，並因其服務而獲得適當的補償。同時，任何個人或實體都可以從全球無需許可的網路中獲得必要的資源，並且比現有市場產品具有更低的成本和更大的靈活性。因此，我們可以透過一個簡單的經濟框架來建構參與計算DePIN 的參與者：

• 供應方：擁有計算資源並願意出借或出售其運算資源以獲得補貼的個人或實體。

• 需求方：需要計算並願意為此付出代價的個人或實體。

計算DePINs的主要優勢

計算DePINs 提供了許多使其成為集中式服務提供者和市場替代方案的優勢。首先，允許無許可的跨境市場參與解鎖了新的供應流，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體資源——任何擁有遊戲PC的人都已經有可以出租的GPU。這擴大了能夠參與建立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。

深入來看，支援DePINs的區塊鏈基礎設施提供了高效且可擴展的結算管道，用於促進點對點交易。加密原生的金融資產（代幣）提供了一個共享的價值單位，需求方的參與者用它來支付供應商，利用分配機制與當今日益全球化的經濟相一致。參考先前提到的DePIN飛輪構造，策略性地管理經濟誘因對增加DePINs的網路效應（供需雙方）非常有利，從而增加供應商之間的競爭。這種動態降低了單位成本，同時提高了服務質量，為DePIN創造了可持續的競爭優勢，供應商可以作為代幣持有者和關鍵價值提供者從中受益。

DePINs的功能類似於雲端運算服務供應商，旨在提供靈活的使用者體驗，資源可以按需存取和支付。根據Grandview Research的預測，全球雲端運算市場規模預計以21.2%的年均成長率成長，到2030年將超過2.4兆美元，證明了這種商業模式的可行性，考慮到未來對運算資源的需求預測。現代雲端運算平台利用中央伺服器處理客戶端設備和伺服器之間的所有通信，在其營運中創造了一個單點故障。基於區塊鏈構建，DePINs可以提供比傳統服務提供者更強的抗審查性和彈性。儘管對單一組織或實體（例如中央雲端服務提供者）的攻擊會危及整個基礎資源網絡，但DePINs透過其分散式性質設計為對這類事件具有抵抗力。首先，區塊鏈本身是全球分佈的專用節點網絡，旨在抵禦集中式網路權威。此外，計算DePINs還允許無許可的網路參與，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對協議的提議變更和發展進行投票，以消除單個實體突然關閉整個網路的可能性。

計算DePINs的現狀

Render Network

Render Network 是一個計算DePIN，透過去中心化計算市場連接GPU買家和賣家，交易透過其原生代幣進行。 Render 的GPU 市場涉及兩個關鍵方——尋找處理能力的創作者和租用空閒GPU 以換取原生Render 代幣補償的節點運營商。節點運營商按基於信譽的系統進行排名，創作者可以從多層次定價系統中選擇GPU。 Proof-of-Render (POR) 共識演算法協調操作，節點營運商承諾他們的運算資源(GPU) 來處理任務，即圖形渲染工作。任務完成後，POR 演算法會更新節點運營商的狀態，包括根據任務品質進行的信譽評分變化。 Render 的區塊鏈基礎設施促進了任務支付，提供透明和高效的結算管道，以便供應商和買家透過網路代幣進行交易。

Render Network 由Jules Urbach 於2009 年構思，網路於2020 年9 月在以太坊上上線(RNDR)，大約三年後遷移到Solana (RENDER)，以提高網路效能並降低營運成本。

截至撰寫本文時，Render Network 已處理多達3,300 萬個任務（以渲染幀計），自成立以來已成長到5,600 個節點。剛低於60k 的RENDER 被燒毀，這是在向節點運營商分發工作積分時發生的過程。

IO Net

Io Net 正在Solana 上啟動一個去中心化GPU 網絡，作為大量閒置運算資源和不斷增長的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 的獨特賣點是它不與市場上的其他DePINs 直接競爭，而是從包括資料中心、礦工以及包括Render Network 和Filecoin 在內的其他DePINs 在內的各種來源聚合GPU，同時利用專有DePIN ——Internet-of-GPUs (IoG)——來協調操作並在市場參與者之間對齊激勵。 Io Net 客戶可以透過選擇處理器類型、位置、通訊速度、合規性和服務期限來為其工作負載客製化IO Cloud 上的叢集。相反，任何擁有受支援GPU 模型（12 GB RAM，256 GB SSD）的人都可以作為IO Worker 參與，透過將其閒置運算資源借出給網路來賺取報酬。儘管服務支付目前以法定貨幣和USDC 結算，但網路很快也將支援以原生$IO 代幣支付。資源支付的價格由其供需以及各種GPU 規格和配置演算法決定。 Io Net 的最終目標是透過提供比現代雲端服務供應商更低的成本和更好的服務品質成為首選GPU 市場。

多層IO 架構可以映射如下：

• UI 層- 由公共網站、客戶區和工作區組成。

• 安全層- 此層由用於網路保護的防火牆、用於使用者驗證的認證服務和用於追蹤活動的日誌記錄服務組成。

• API 層- 此層作為通訊層，由公共API、私人API 和內部API 組成，用於叢集管理、分析和監控與報告。

• 後端層- 後端層管理工作區、叢集/GPU 操作、客戶互動、帳單和使用監控、分析和自動擴展。

• 資料庫層- 此層是系統的資料儲存庫，使用主儲存進行結構化資料和快取進行頻繁存取的臨時資料。

• 訊息代理和任務層- 此層促進非同步通訊和任務管理。

• 基礎設施層- 此層包含GPU 池、編排工具並管理任務部署。

目前統計/路線圖：

截至撰寫本文時：

• 總網路收益：$108萬

• 總計算工時：837.6k 小時

• 準備叢集的GPU 總數：20.4k

• 準備叢集的CPU 總數：5.6k

• 鏈上交易總數：167 萬

• 總推理數：335.7k

• 建立的總集群數：15.1k

數據來自Io Net 探索器。

Aethir

Aethir 是一個雲端運算DePIN，促進高效能運算資源在運算密集領域和應用中的共享。它利用資源池以顯著降低成本實現全球GPU 分配，並透過分散式資源擁有實現去中心化所有權。 Aether 設計了一個分散式GPU 框架，專門針對遊戲和AI 模型訓練和推理等高效能工作負載。透過將GPU 叢集統一到一個網路中，Aethir 的設計旨在增加叢集大小，從而提高其網路上提供的服務的整體效能和可靠性。

Aethir Network 是一個由礦工、開發人員、使用者、代幣持有者和Aethir DAO 組成的去中心化經濟體。確保網路成功運作的三個關鍵角色是容器、索引器和檢查器。容器是網路的動力節點，作為專用節點履行保持網路活躍度的關鍵操作，包括驗證交易和即時渲染數位內容。檢查器是品質保證工人，持續監控容器的性能和服務質量，以確保可靠和高效的操作，滿足GPU 消費者的需求。索引器作為使用者與最佳可用容器之間的媒人。支撐這一結構的是Arbitrum Layer 2 區塊鏈，它提供去中心化結算層，以促進Aethir 網路上商品和服務的支付，使用原生$ATH 代幣。

渲染證明

Aethir 網路中的節點有兩個關鍵功能——渲染能力證明，每15 分鐘隨機選擇一組工人來驗證交易，以及渲染工作證明，密切監控網路效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。採礦獎勵以原生$ATH 代幣形式分配給運行Aethir 網路節點的參與者，以獎勵他們提供的運算資源。

Nosana

Nosana 是一個建立在Solana 之上的去中心化GPU 網路。 Nosana 讓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GPU 的分配，可用於運行複雜的AI 工作負載，無需傳統雲端解決方案的開銷。任何人都可以透過租借閒置GPU 來運行Nosana 節點，賺取與他們提供給網路的GPU 功率成比例的代幣獎勵。

此網路連接分配運算資源的兩方：尋求存取運算資源的使用者和提供運算資源的節點運營商。重要的協議決策和升級由NOS 代幣持有者投票決定，並由Nosana DAO 管理。

Nosana 為其未來計畫制定了詳細的路線圖——Galactica（v1.0 – 2024年上半年/下半年）將啟動主網，發布CLI和SDK，並專注於透過消費者GPU的容器節點進行網路擴展。 Triangulum（v1.X – 2024年下半年）將整合主要的機器學習協定和PyTorch、HuggingFace和TensorFlow的連接器。 Whirlpool（v1.X – 2025年上半年）將擴展對來自AMD、Intel和Apple Silicon的不同GPU的支援。 Sombrero（v1.X – 2025年下半年）將增加對中大型企業的支援、法定貨幣交換、帳單和團隊功能。

Akash

Akash 網路是一個建立在Cosmos SDK 之上的開源權益證明網絡，允許任何人加入和貢獻的去中心化雲端運算市場。 $AKT 代幣用於保護網路、促進資源支付和協調網路參與者之間的經濟對齊行為。 Akash 網路包括幾個關鍵組件：

• 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、投標和用戶應用程式部署。

• 使用者層，允許使用者透過CLI、控制台和儀表板與Akash 網路互動、管理資源和監控應用程式狀態。

最初專注於儲存和CPU租賃服務的網絡，後來透過其AkashML 平台擴展了GPU的租賃和分配，以響應AI 訓練和推理工作負載及其處理能力需求的成長。 AkashML 使用「反向拍賣」系統，客戶（稱為租戶）提交他們想要支付的GPU 價格，計算供應商（稱為提供者）競爭以供應請求的GPU。

截至撰寫本文時，Akash 區塊鏈的總交易量已超過1,290 萬筆，已有超過53.5 萬美元用於存取運算資源，並且租賃了超過189k 個獨特部署。

值得一提的其他項目

計算DePIN 領域仍在發展，許多團隊競相將創新且高效的解決方案推向市場。其他值得進一步研究的例子包括：Hyperbolic 正在建立一個用於AI 開發資源池的協作開放存取平台，Exabits 正在建立一個由計算礦工支援的分散式運算能力網絡，Shaga 正在Solana 上建立一個允許PC租借和貨幣化用於伺服器端遊戲的網路。

重要考量與未來展望

現在我們已經了解了計算DePIN 的基本原理，並審查了幾個目前運行的補充案例研究，重要的是考慮這些去中心化網路的影響，包括利弊。

挑戰

在大規模建構分散式網路通常需要在效能與安全性、彈性等方面進行權衡。例如，在全球分佈的商品硬體網路上訓練AI 模型可能成本效益和時間效率較低。如前所述，AI 模型及其工作負載變得越來越複雜，需要更多高效能GPU 而不是商品化GPU。

這就是為什麼大公司會大量囤積高性能GPU，而這是計算DePINs 試圖透過建立一個任何人都可以藉出閒置供應的無許可市場來解決GPU 短缺問題的內在挑戰。協定可以透過兩種主要方式解決這個問題：為希望向網路貢獻的GPU 供應商設定基準要求，以及透過匯集提供給網路的運算資源來實現更大的整體。然而，與能夠分配更多資本直接與硬體供應商（如Nvidia）進行交易的集中式服務提供者相比，這種模式本質上更具挑戰性。 DePINs 在未來應該考慮這一點。如果一個去中心化協議擁有足夠大的資金庫，DAO 可以投票分配部分資金購買高性能GPU，這些GPU 可以以去中心化的方式進行管理，並以比商品化GPU 更高的價格出租。

另一個特定於計算DePINs 的挑戰是管理適量的資源利用。在其早期階段，大多數計算DePIN 將面臨結構性需求不足的問題，就像許多新創公司今天面臨的情況一樣。一般來說，DeP​​IN 面臨的挑戰是在早期建立足夠的供應以達到最低可行產品品質。沒有供應，網路將無法產生可持續的需求，也無法在高峰需求期間為其客戶服務。這個等式的另一面是過剩供應的擔憂。超過一定閾值後，只有當網路的利用率接近或達到滿載時，更多的供應才是有益的。否則，DePIN 將面臨過度支付供應的風險，這反過來會導致資源利用不足，除非協議提高代幣發行量以留住供應商，否則供應商的收入將減少。

就像一個沒有廣泛地理覆蓋的電信網路沒有用處，一個計程車網路如果乘客必須等待過長時間才能搭車也沒有用。如果DePIN 必須長期支付人們提供資源，那麼它就沒有用。雖然集中式服務提供者可以預測資源需求並有效率地管理供應，但計算DePINs 缺乏一個中央權威來管理這種利用率。因此，DePINs 必須特別策略性地建立資源利用。

對於去中心化GPU 市場來說，一個更大的圖像問題是GPU 短缺可能即將結束。馬克·祖克柏最近在一次採訪中表示，他認為未來的瓶頸將是能源，而不是運算資源，因為企業現在將爭相大量建造資料中心，而不是像現在這樣囤積運算資源。當然，這意味著由於需求減緩，GPU 的成本可能會降低，但這也引發了一個問題，即如果建造專有資料中心將AI 模型效能標準提高到前所未有的水平，AI 新創公司將如何在效能和服務品質方面與大企業競爭。

計算DePIN的案例

重申一下，AI模型的複雜性及其隨後的處理和運算需求與可用的高效能GPU和其他運算資源數量之間存在日益加大的差距。

運算DePINs在運算市場領域具有創新顛覆潛力，今天該領域由主要硬體製造商和雲端運算服務供應商主導，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路彈性保證。

3. 受益於AI的潛在監管指南，要求AI模型盡可能開放以進行微調和訓練，並且可以被任何地方的任何人輕鬆訪問。

美國擁有電腦和網路存取的家庭比例呈指數級增長，接近100%。在世界許多地方也顯著成長。這表明潛在的運算資源提供者（GPU所有者）可能會願意在有足夠金錢激勵和無縫交易流程的情況下借出閒置供應。當然，這是一個非常粗略的估計，但這表明建立可持續的計算資源共享經濟的基礎可能已經存在。

超越AI，未來對計算的需求還將來自許多其他行業，例如量子計算。量子運算市場規模預計將從2023年的9.288億美元成長到2030年的65.288億美元，年均成長率為32.1%。這個行業的生產將需要不同種類的資源，但看看是否有任何量子計算DePINs啟動以及它們會是什麼樣子將是很有趣的。

「在消費硬體上運行的開源模型的強大生態系統是保護未來價值免於被AI過度集中捕獲的重要對策，並且比公司巨頭和軍隊都要低得多。」- Vitalik Buterin

大型企業可能不是DePINs的目標受眾，也不會是。計算DePINs重新賦予了個人開發者、小型創業者和資源有限的新創企業權力。它們允許將閒置供應轉化為透過更多運算資源豐富帶來的創新想法和解決方案。 AI無疑將改變數十億人的生活。與其擔心它會取代每個人的工作，我們應該鼓勵AI可以賦予個人和自我創業者、新創公司以及更廣泛的公眾的想法。