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持去中心化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能的發展，需要大量的計算密集型工作負載，計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，初創企業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獲取性。
計算DePINs通過允許世界各地的人們提供閒置的計算資源（如GPU）以換取貨幣獎勵，從而實現計算資源的去中心化市場。這旨在幫助未被充分服務的GPU消費者獲取新的供應流，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商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，技術以空前的速度推動人類前進，幾乎日常生活的每個方面都受到了影響或完全改變。計算機最終成為集體研究人員、學者和計算機工程師努力的結晶。最初設計用於解決大型算術任務，以協助先進的軍事行動，計算機已發展成為現代生活的支柱。隨著計算機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能的發展，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，大量閒置的計算資源為緩解計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，由區塊鏈技術和數字資產支持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能產品和服務的發展至關重要。
計算資源
計算可以定義為計算機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，它指的是計算機的計算和處理能力，這是這些機器在當今現代世界中發揮核心效用的基礎，去年僅計算機就產生了高達1.1萬億美元的收入。
計算資源指的是各種支持計算和處理的硬件和軟件組件。隨著這些組件所支持的應用程序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積累儘可能多的這些資源，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）是現代高性能計算中最重要的資源之一。其核心功能是作為專用電子電路，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計算機行業，GPU已經發展為服務於塑造未來世界的許多新興技術（如大型機和個人計算機、移動設備、雲計算、物聯網）。然而，機器學習和人工智能的崛起特別加劇了對這些資源的需求 - GPU通過並行執行計算來加速機器學習和人工智能操作，從而增強最終技術的處理能力和性能。
人工智能的崛起
人工智能（AI）的核心是一種使計算機和機器模擬人類智能和解決問題能力的技術。一個AI模型作為一個由許多不同數據塊組成的神經網絡運行。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。
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絡的計算機，通過試錯法進行“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，行業自此繼續發展。
除了研發努力外，“狹義”AI模型還支持著今天使用的各種強大應用程序。例子包括社交媒體算法、Apple的Siri和Amazon的Alexa、定製產品推薦等等。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。深度學習算法比機器學習應用程序使用更大或“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“編碼其訓練數據的簡化表示，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開發涉及多個計算密集型工作負載，需要大量的處理能力和計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，以學習如何響應給定輸入。
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質量。
模擬 - 在部署之前，某些模型（如強化學習算法）要進行一系列測試模擬。
計算緊缺：需求 > 供應
在過去的幾十年裡，各種技術進步推動了對計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。
供應的更廣泛限制還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。計算提供商通常採用需要長期資本承諾的合同結構，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模型發佈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，應用開發者對計算和處理能力的需求也在不斷增長。反過來，GPU的性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Google Gemini的爭議。雖然其對各種提示的許多奇怪回覆當時沒有造成任何實際危險，但這一事件展示了少數公司主導和控制AI開發的內在風險。
當今的科技初創企業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需要執行大量的計算密集型過程。對於小型企業來說，積累大量的GPU是一項不可持續的努力，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7萬億美元用於硬件成本的計劃。
那麼該怎麼辦？
Nvidia之前估計，有超過4萬家公司使用GPU進行AI和加速計算，全球有超過400萬開發者社區。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，年均增長率為20.4%。同時，GPU市場預計到2032年將達到4000億美元，年均增長率為25%。
然而，在AI革命之後，計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向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研究團隊創造的一個術語，代表去中心化物理基礎設施網絡。拆開來看，去中心化是指沒有單一實體抽取租金和限制訪問。同時，物理基礎設施指的是利用的“現實生活”物理資源。網絡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，將物理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，併為其服務和對網絡的貢獻獲得補償。在這種情況下，通過各種法律和監管手段以及服務費用限制訪問網絡的中央中介被智能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絡和服務提供商的替代方案。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能夠構建加密經濟激勵系統，幫助確保網絡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益相關者。然而，重要的是要注意，網絡效應是通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絡引導機制的強大手段，但在更廣泛的DePINs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。
協議
一個去中心化的協議，即建立在基礎區塊鏈網絡之上的一組智能合約，用於促進網絡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益相關者管理，他們積極致力於網絡的長期成功。這些利益相關者然後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佈式網絡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，然後將權力過渡給去中心化自治組織（DAO）。
網絡參與者
資源網絡的終端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，以換取DePINs原生代幣支付的貨幣獎勵。供應商通過區塊鏈本地協議“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。通過接收代幣，供應商在網絡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絡發展進行投票，例如他們認為將有助於推動需求和增加網絡價值的提案，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DePINs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初創公司，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，從而代表網絡的有機需求。DePINs通常要求消費者以其原生代幣支付資源費用，作為創造價值和保持穩定現金流的一種手段。
資源
DePINs可以服務於不同的市場，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；定製硬件DePINs，為供應商提供專門的專有硬件進行分配；和商品硬件DePINs，使現有的閒置資源（包括但不限於計算、存儲和帶寬）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積累。對網絡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激勵相一致。在早期階段產生可持續的有機需求對大多數初創企業來說是一個挑戰，這就是為什麼DePINs會提供通脹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。這與風投在公司初期階段補貼Uber乘客成本以引導最初的客戶群，從而進一步吸引司機並增強其網絡效應的方式非常相似。
DePINs需要儘可能戰略性地管理代幣激勵，因為它們在網絡的整體成功中起著關鍵作用。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，代幣發行應該被用來再次激勵供應。
為了進一步說明一個成功的DePIN網絡的樣子，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：
DePIN通過分發通脹性代幣獎勵來激勵供應商向網絡提供資源，並建立一個可供消費的基本供應水平。
假設供應商的數量開始增長，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，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提供商，這絕非易事。
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，繼續推動網絡需求並因此推高代幣價格。
代幣價格的增長增加了供應商的收入，吸引了更多的供應商，重新啟動了飛輪。
該框架提供了令人信服的增長策略，但值得注意的是，它很大程度上是理論上的，並且假設網絡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
去中心化計算市場屬於被稱為“共享經濟”的更廣泛運動的範圍，這是一種點對點經濟系統，建立在消費者通過在線平臺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，通過分散的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，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能的出現，由於其資源密集型工作負載，對處理能力的需求激增，從而在獲取人工智能開發的關鍵資源方面造成了瓶頸。簡而言之，去中心化的計算市場旨在通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借出其閒置資源，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絡獲取必要的資源，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，我們可以通過一個簡單的經濟框架來構建參與計算 DePIN 的參與者：
供應方：擁有計算資源並願意出借或出售其計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商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一條新的供應流，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。
深入來看，支持DePINs的區塊鏈基礎設施提供了高效且可擴展的結算渠道，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。參考之前提到的DePIN飛輪構造，戰略性地管理經濟激勵對增加DePINs的網絡效應（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DePINs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的功能類似於雲計算服務提供商，旨在提供靈活的用戶體驗，資源可以按需訪問和支付。根據Grandview Research的預測，全球雲計算市場規模預計以21.2%的年均增長率增長，到2030年將超過2.4萬億美元，這證明了這種商業模式的可行性，考慮到未來對計算資源的需求預測。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，在其運營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商更強的抗審查性和彈性。儘管對單個組織或實體（例如中央雲服務提供商）的攻擊會危及整個基礎資源網絡，但DePINs通過其分佈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絡的可能性。
計算DePINs的現狀
Render Network
Render Network 是一個計算DePIN，通過去中心化計算市場連接GPU買家和賣家，交易通過其原生代幣進行。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) 共識算法協調操作，節點運營商承諾他們的計算資源 (GPU) 來處理任務，即圖形渲染工作。任務完成後，POR 算法會更新節點運營商的狀態，包括根據任務質量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渠道，以便供應商和買家通過網絡代幣進行交易。
Render Network 由 Jules Urbach 於 2009 年構思，網絡於 2020 年 9 月在以太坊上上線 (RNDR)，大約三年後遷移到 Solana (RENDER)，以提高網絡性能並降低運營成本。
截至撰寫本文時，Render Network 已處理多達 3300 萬個任務（以渲染幀計），自成立以來已增長到 5600 個節點。剛剛低於 60k 的 RENDER 被燒燬，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，作為大量閒置計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，而是從包括數據中心、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 客戶可以通過選擇處理器類型、位置、通信速度、合規性和服務期限來為其工作負載定製 IO Cloud 上的集群。相反，任何擁有受支持 GPU 模型（12 GB RAM，256 GB SSD）的人都可以作為 IO Worker 參與，通過將其閒置計算資源借出給網絡來賺取報酬。儘管服務支付目前以法定貨幣和 USDC 結算，但網絡很快也將支持以原生 $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好的服務質量成為首選 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 - 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記錄服務組成。
API 層 - 該層作為通信層，由公共 API、私人 API 和內部 API 組成，用於集群管理、分析和監控與報告。
後端層 - 後端層管理工作區、集群/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，使用主存儲進行結構化數據和緩存進行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：$108萬
總計算工時：837.6k 小時
準備集群的 GPU 總數：20.4k
準備集群的 CPU 總數：5.6k
鏈上交易總數：167 萬
總推理數：335.7k
創建的總集群數：15.1k
數據來自 Io Net 探索器。
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。它利用資源池以顯著降低成本實現全球 GPU 分配，並通過分佈式資源擁有實現去中心化所有權。Aether 設計了一個分佈式 GPU 框架，專門針對遊戲和 AI 模型訓練和推理等高性能工作負載。通過將 GPU 集群統一到一個網絡中，Aethir 的設計旨在增加集群大小，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、開發人員、用戶、代幣持有者和 Aethir DAO 組成的去中心化經濟體。確保網絡成功運營的三個關鍵角色是容器、索引器和檢查器。容器是網絡的動力節點，作為專用節點履行保持網絡活躍度的關鍵操作，包括驗證交易和實時渲染數字內容。檢查器是質量保證工人，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。索引器作為用戶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 網絡上商品和服務的支付，使用原生 $ATH 代幣。
渲染證明
Aethir 網絡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。採礦獎勵以原生 $ATH 代幣形式分配給運行 Aethir 網絡節點的參與者，以獎勵他們提供的計算資源。
Nosana
Nosana 是一個建立在 Solana 之上的去中心化 GPU 網絡。Nosana 允許任何人貢獻閒置計算資源，並因此獲得 $NOS 代幣形式的獎勵。DePIN 促進了經濟高效 GPU 的分配，可用於運行復雜的 AI 工作負載，無需傳統雲解決方案的開銷。任何人都可以通過租借閒置 GPU 來運行 Nosana 節點，賺取與他們提供給網絡的 GPU 功率成比例的代幣獎勵。
該網絡連接分配計算資源的兩方：尋求訪問計算資源的用戶和提供計算資源的節點運營商。重要的協議決策和升級由 NOS 代幣持有者投票決定，並由 Nosana DAO 管理。
Nosana 為其未來計劃制定了詳細的路線圖——Galactica（v1.0 - 2024年上半年/下半年）將啟動主網，發佈CLI和SDK，並專注於通過消費者GPU的容器節點進行網絡擴展。Triangulum（v1.X - 2024年下半年）將集成主要的機器學習協議和PyTorch、HuggingFace和TensorFlow的連接器。Whirlpool（v1.X - 2025年上半年）將擴展對來自AMD、Intel和Apple Silicon的不同GPU的支持。Sombrero（v1.X - 2025年下半年）將增加對中大型企業的支持、法定貨幣交換、賬單和團隊功能。
Akash
Akash 網絡是一個建立在 Cosmos SDK 之上的開源權益證明網絡，允許任何人加入和貢獻的去中心化雲計算市場。$AKT 代幣用於保護網絡、促進資源支付和協調網絡參與者之間的經濟對齊行為。Akash 網絡包括幾個關鍵組件：
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、投標和用戶應用程序部署。
用戶層，允許用戶通過 CLI、控制檯和儀表板與 Akash 網絡交互、管理資源和監控應用程序狀態。
最初專注於存儲和CPU租賃服務的網絡，後來通過其 AkashML 平臺擴展了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增長。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（稱為提供商）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 1290 萬筆，已有超過 53.5 萬美元被用於訪問計算資源，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 正在構建一個用於 AI 開發資源池的協作開放訪問平臺，Exabits 正在構建一個由計算礦工支持的分佈式計算能力網絡，Shaga 正在 Solana 上構建一個允許PC租借和貨幣化用於服務器端遊戲的網絡。
重要考量與未來展望
現在我們已經瞭解了計算 DePIN 的基本原理，並審查了幾個當前運行的補充案例研究，重要的是考慮這些去中心化網絡的影響，包括利弊。
挑戰
在大規模構建分佈式網絡通常需要在性能與安全性、彈性等方面進行權衡。例如，在全球分佈的商品硬件網絡上訓練 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，需要更多高性能 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 試圖通過建立一個任何人都可以借出閒置供應的無許可市場來解決 GPU 短缺問題的內在挑戰。協議可以通過兩種主要方式解決這個問題：為希望向網絡貢獻的 GPU 提供商設定基準要求，以及通過彙集提供給網絡的計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件供應商（如 Nvidia）進行交易的集中式服務提供商相比，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 DePINs 將面臨結構性需求不足的問題，就像許多初創企業今天面臨的情況一樣。一般來說，DePINs 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質量。沒有供應，網絡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，只有當網絡的利用率接近或達到滿負荷時，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絡沒有用處，一個出租車網絡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商可以預測資源需求並高效管理供應，但計算 DePINs 缺乏一箇中央權威來管理這種利用率。因此，DePINs 必須特別戰略性地建立資源利用。
對於去中心化 GPU 市場來說，一個更大的圖景問題是 GPU 短缺可能即將結束。馬克·扎克伯格最近在一次採訪中表示，他認為未來的瓶頸將是能源，而不是計算資源，因為企業現在將爭相大量建設數據中心，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，即如果建設專有數據中心將 AI 模型性能標準提高到前所未有的水平，AI 初創企業將如何在性能和服務質量方面與大企業競爭。
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計算需求與可用的高性能GPU和其他計算資源數量之間存在日益加大的差距。
計算DePINs在計算市場領域具有創新性顛覆潛力，今天該領域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：
提供更低的商品和服務成本。
提供更強的抗審查性和網絡彈性保證。
受益於AI的潛在監管指南，要求AI模型儘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。
美國擁有計算機和互聯網接入的家庭比例呈指數級增長，接近100%。在世界許多地方也顯著增長。這表明潛在的計算資源提供者（GPU所有者）可能會願意在有足夠貨幣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。量子計算市場規模預計將從2023年的9.288億美元增長到2030年的65.288億美元，年均增長率為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。
“在消費硬件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初創企業權力。它們允許將閒置供應轉化為通過更多計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可以賦能個人和自我創業者、初創企業以及更廣泛的公眾的想法。
