去中心化雲計算：一場悄然興起的革命

隨着科技的飛速發展，人工智能領域的巨頭公司市值在近年來呈現爆發式增長。Crypto x AI已成爲當前市場週期的核心敘事，投資者的熱情和持續湧入的資金印證了這一共識的形成。在AI大潮下，去中心化作爲推動AI發展的工具展現出巨大的吸引力和想象空間。盡管在實際應用方面與中心化模式仍存在差距，但利用web3的優勢來拓展AI的四大核心領域（數據、模型、訓練和推理），並通過不斷優化以發揮更大潛能，已成爲web3參與者的共同目標。

目前，去中心化技術在上述四個方面均能提供支持。數據作爲AI技術的基礎原料，無疑是最核心的要素，而模型、訓練和推理則是處理數據的不同方式。無論是數據標注還是存儲，去中心化在這些領域都發揮着重要作用。

如果說數據是原材料，那麼算力就是加工這些原材料的工具，用於最大化產出效率。本文將聚焦"算力"，分析Crypto x AI x DePIN生態框架及其經濟模型。

一、DePIN與去中心化算力生態框架

痛點：高質量算力作爲AI研發的必需品，這種稀缺資源已被傳統巨頭壟斷，導致初創公司和個人用戶難以獲得性價比合理的算力，高昂的價格成爲大多數購買方的障礙。

去中心化解決方案：當前DePIN領域的項目多採用P2P經濟模型，爲資源需求方提供高質量資源，允許每位用戶成爲物理設施資源提供者，同時獲得代幣獎勵。

隨着去中心化AI算力需求的激增，爲更好地滿足客戶需求，去中心化AI算力供給生態已形成了全面平衡的框架。頭部項目如Io.net、Exabit和PingPong在生態中扮演着不同的重要角色，這些項目的技術壁壘和對去中心化算力未來發展的布局令人印象深刻。

去中心化AI算力生態主要由三部分組成，分別充當資源代理商、資源提供商和渠道商的角色：

資源代理商 - Io.net

Io.net是一個去中心化計算網路，作爲算力代理商，以低價爲客戶提供高質量AI算力。在供應端擁有全球分布的GPU，客戶主要爲種子輪到B輪的AI推理初創公司。

這個基於Solana鏈的DePIN項目近期完成3000萬美元A輪融資，由Hack VC領投，Multicoin Capital、Foresight Ventures、Solana Labs等參投。

作爲頂級AI算力資源代理商，Io.net致力於聚合100萬個GPU，形成龐大的DePIN算力網路，爲客戶提供更低價的算力。用戶可將閒置GPU/CPU算力貢獻給io.net平台，獲得$IO代幣獎勵。其核心目標是在去中心化控制價格的情況下提供高質量AI算力，幫助AI初創公司降低成本。

Io.net提供的計算服務IO Cloud採用cluster構建模塊，使所有GPU保持互聯狀態，實現訓練和推理過程中的大規模協調工作。這使得GPU能集中算力訪問更大數據庫和計算更復雜模型，AI初創公司使用io.net產品可以以中心化價格十分之一的成本完成計算硬件部署。值得注意的是，io.net專注於聚合機器學習算力，可幫助Render Network、FileCoin等DePIN巨頭格式化GPU供應於機器學習，爲技術底層實現提供最直接的資源支持。

目前，io.net聚合的GPU集羣數量居行業首位。線上可用GPU超過20萬個，其中GeForce RTX 4090近5萬張，GeForce RTX 3090 Ti超3萬張。

資源提供商 - Exabit

Exabit作爲最具潛力的AI算力提供商，充當AI算力服務型節點，提供充足芯片進行深度機器學習。Exabit團隊在傳統AI算力資源方面獨樹一幟，曾作爲AI巨頭英偉達的一級代理商。憑藉這一技術資源壁壘，Exabit可直接訪問數百個機房，獲取A/H100、RTX4090和A6000機器的使用權。

Exabit爲web3算力巨頭提供大規模機器學習算力。相比某客戶每月花費超14萬美元獲取雲服務，遷移到Exabit後，月均雲服務費降至4萬美元左右，不僅減少70%開銷，還提高了30%效率。

Exabit旨在通過獨特的算力供給渠道，爲客戶提供最快、最優質和最可靠的算力。高質量算力不僅節省用戶成本，還能爲客戶提供全方位的服務選擇。

Exabit提供的AI算力質量已得到多家AI算力代理商認可，目前已與Renders Network、Io.net等算力巨頭達成合作，致力於通過去中心化爲機器學習做出貢獻。

資源渠道商 - PingPong

PingPong作爲DePIN資源渠道商，通過需求匹配提供服務。採用平台式開放協議，提供底層聚合資源後再提供服務。PingPong的目標是成爲DePIN的服務聚合器，類似DePIN領域的1inch或聚合版Uber。

服務提供方式：PingPong通過控制層獲取各網路和策略、資源情況、性能、穩定性等方面信息，提供SDK，再通過路由算法將SDK提供給用戶。

痛點：各DePIN網路資源和服務有限，全球化資源配置因地區過於集中導致服務質量不佳。

解決方案：路由算法 - 獲取數據、網路基本信息和機器信息等，聚合後產生策略，並根據客戶要求匹配提供服務。目的是提升DePIN應用層質量和服務，在資源不足情況下尋找最優價格的算力網路。

二、解析去中心化算力生態

Io.net和Exabit已達成戰略合作，Exabit作爲擁有豐富GPU機器庫的供應端，致力提升io.net網路的速度和穩定性。Io.net將Exabit提供的高質量算力以代理商方式允許客戶直接在io.net網路上購買和租賃。雙方認爲，去中心化計算行業的成功以及web3與AI的結合需要早期行業領導者緊密合作才能實現。

隨着計算能力需求不斷增長，傳統雲計算面臨一些問題：

• 有限可用性：使用AWS、GCP和Azure等雲服務通常需數周獲得硬件訪問權限，且常用GPU型號通常不可用。
• 選擇局限：用戶在GPU硬件、位置、安全級別、延遲等方面選擇受限。
• 高成本：優質GPU價格昂貴，項目每月訓練和推理開銷易達數十萬美元。

去中心化計算的願景是提供開放、可訪問且負擔得起的替代方案，解決中心化雲服務提供商的核心問題。目前來看，挑戰雲計算巨頭地位仍需創新者共同努力和相互支持才能實現革命性突破。

資產模式

重資產模式

Exabit作爲供應端，擁有英偉達支持的絕對壁壘。機器學習算力中，有價值的機器主要是A100、RTX4090和H100，單臺價格約30萬美元。這些機器已成爲高度稀缺資源，被傳統AI巨頭長期壟斷。Exabit在供應端對接的資源極其寶貴。由於散戶共享個人GPU閒置算力質量不足以支持大規模AI模型計算和處理，Exabit在去中心化算力生態中扮演着關鍵且難以替代的角色。

Exabit採取重資產模式需大量固定資產投入，這種規模的資本和技術投入使初創公司難以復制模仿。若Exabit能與更多去中心化算力代理商合作，不斷擴充供應端，滿足行業算力資源需求，有望在B2B去中心化算力領域實現行業壟斷和規模效應。

然而，最大風險在於投入大量資本後無法持續爲算力代理商提供資源。供應端能否大規模盈利極度依賴算力代理商的客戶需求。無論算力代理商是誰，只要有客戶和需求，Exabit作爲供應端的價值將隨需求增長而增長。

輕資產模式

Io.net作爲當前最出色的算力代理商，依靠全球分布的GPU形成龐大的去中心化計算網路。從商業角度看，io.net採取輕資產運營模式，通過社區運營和建立高度共識在AI算力代理領域樹立強大品牌。

Io.net核心業務：

1. 聚合散戶GPU算力並獎勵代幣
2. 從供應端獲取高質量算力出售給AI創業公司

企業角度：

1. 從供應端低買高賣高質量算力給C端客戶
2. 幫助用戶通過共享閒置GPU算力賺取代幣
3. 爲客戶提供算力挖礦和質押平台，前期需投入約4000美元才能獲得較好收益。基於此，Exabit也提供可碎片化H100機器租賃，提高流動性。

客戶角度：

1. Io.net network算力價格比其他中心化雲計算服務便宜約80%
2. 質押挖礦和共享挖礦
3. 客戶投入一定資本後可利滾利

作爲典型輕資產模式公司，最大優勢是風險較低，團隊無需像供給端那樣前期投入大量機器成本。由於資金投入較少，公司和投資人更易獲得較高利潤率。同時，因行業進入門檻低，商業模式易被抄襲復制，這對長期價值投資人來說需慎重考慮。

三、從10到100？

如果說Exabit和Io.net的合作能幫助去中心化算力生態從1走到10，那麼加入PingPong或許有機會走到100。

PingPong目標是成爲最大的DePIN服務聚合器，直接對標web2的uber。作爲渠道商，通過聚合各類資源實時情況，將客戶對接給價格和質量最優的資源。PingPong採用B2B2C輕資產商業模式，第一個B端是供應端，第二個B端是資源代理商，C端是通過信息提供給客戶最優資源選擇。

渠道商作爲平台，若能發展成可發行資產的平台將使產品更有價值。PingPong通過路由算法提供的SDK可計算資源創建AI Agent，轉換新金融資產的同時，通過SDK動態幫助使用application的客戶進行動態挖礦，專注挖掘對計算資源有用的算力。這種"資產上的資產"模式可極大增強資源和資金流動性。

對PingPong而言，他們希望看到更多供應商和代理商進入去中心化算力生態，以凸顯自身優勢，拓展業務線並獲得更多客戶。簡單理解，百度和大衆點評之所以能統治信息領域，是因爲有更多商家和信息上傳到互聯網，從而使客戶對渠道商產生高度需求。

四、未來可期

去中心化雲計算正在逐步發展。雖然其生態框架和模式已變得清晰，各角色龍頭也在履行生態責任，但要撼動傳統雲計算巨頭地位還爲時尚早。與傳統中心化雲計算相比，去中心化確實能在概念上很好解決客戶諸多問題，但這個市場的整體資源和體量相比之下仍然很小。在支撐AI發展的算力資源遠遠不夠的情況下