去中心化云计算：一场悄然兴起的革命

随着科技的飞速发展，人工智能领域的巨头公司市值在近年来呈现爆发式增长。Crypto x AI已成为当前市场周期的核心叙事，投资者的热情和持续涌入的资金印证了这一共识的形成。在AI大潮下，去中心化作为推动AI发展的工具展现出巨大的吸引力和想象空间。尽管在实际应用方面与中心化模式仍存在差距，但利用web3的优势来拓展AI的四大核心领域（数据、模型、训练和推理），并通过不断优化以发挥更大潜能，已成为web3参与者的共同目标。

目前，去中心化技术在上述四个方面均能提供支持。数据作为AI技术的基础原料，无疑是最核心的要素，而模型、训练和推理则是处理数据的不同方式。无论是数据标注还是存储，去中心化在这些领域都发挥着重要作用。

如果说数据是原材料，那么算力就是加工这些原材料的工具，用于最大化产出效率。本文将聚焦"算力"，分析Crypto x AI x DePIN生态框架及其经济模型。

一、DePIN与去中心化算力生态框架

痛点：高质量算力作为AI研发的必需品，这种稀缺资源已被传统巨头垄断，导致初创公司和个人用户难以获得性价比合理的算力，高昂的价格成为大多数购买方的障碍。

去中心化解决方案：当前DePIN领域的项目多采用P2P经济模型，为资源需求方提供高质量资源，允许每位用户成为物理设施资源提供者，同时获得代币奖励。

随着去中心化AI算力需求的激增，为更好地满足客户需求，去中心化AI算力供给生态已形成了全面平衡的框架。头部项目如Io.net、Exabit和PingPong在生态中扮演着不同的重要角色，这些项目的技术壁垒和对去中心化算力未来发展的布局令人印象深刻。

去中心化AI算力生态主要由三部分组成，分别充当资源代理商、资源提供商和渠道商的角色：

资源代理商 - Io.net

Io.net是一个去中心化计算网络，作为算力代理商，以低价为客户提供高质量AI算力。在供应端拥有全球分布的GPU，客户主要为种子轮到B轮的AI推理初创公司。

这个基于Solana链的DePIN项目近期完成3000万美元A轮融资，由Hack VC领投，Multicoin Capital、Foresight Ventures、Solana Labs等参投。

作为顶级AI算力资源代理商，Io.net致力于聚合100万个GPU，形成庞大的DePIN算力网络，为客户提供更低价的算力。用户可将闲置GPU/CPU算力贡献给io.net平台，获得$IO代币奖励。其核心目标是在去中心化控制价格的情况下提供高质量AI算力，帮助AI初创公司降低成本。

Io.net提供的计算服务IO Cloud采用cluster构建模块，使所有GPU保持互联状态，实现训练和推理过程中的大规模协调工作。这使得GPU能集中算力访问更大数据库和计算更复杂模型，AI初创公司使用io.net产品可以以中心化价格十分之一的成本完成计算硬件部署。值得注意的是，io.net专注于聚合机器学习算力，可帮助Render Network、FileCoin等DePIN巨头格式化GPU供应于机器学习，为技术底层实现提供最直接的资源支持。

目前，io.net聚合的GPU集群数量居行业首位。线上可用GPU超过20万个，其中GeForce RTX 4090近5万张，GeForce RTX 3090 Ti超3万张。

资源提供商 - Exabit

Exabit作为最具潜力的AI算力提供商，充当AI算力服务型节点，提供充足芯片进行深度机器学习。Exabit团队在传统AI算力资源方面独树一帜，曾作为AI巨头英伟达的一级代理商。凭借这一技术资源壁垒，Exabit可直接访问数百个机房，获取A/H100、RTX4090和A6000机器的使用权。

Exabit为web3算力巨头提供大规模机器学习算力。相比某客户每月花费超14万美元获取云服务，迁移到Exabit后，月均云服务费降至4万美元左右，不仅减少70%开销，还提高了30%效率。

Exabit旨在通过独特的算力供给渠道，为客户提供最快、最优质和最可靠的算力。高质量算力不仅节省用户成本，还能为客户提供全方位的服务选择。

Exabit提供的AI算力质量已得到多家AI算力代理商认可，目前已与Renders Network、Io.net等算力巨头达成合作，致力于通过去中心化为机器学习做出贡献。

资源渠道商 - PingPong

PingPong作为DePIN资源渠道商，通过需求匹配提供服务。采用平台式开放协议，提供底层聚合资源后再提供服务。PingPong的目标是成为DePIN的服务聚合器，类似DePIN领域的1inch或聚合版Uber。

服务提供方式：PingPong通过控制层获取各网络和策略、资源情况、性能、稳定性等方面信息，提供SDK，再通过路由算法将SDK提供给用户。

痛点：各DePIN网络资源和服务有限，全球化资源配置因地区过于集中导致服务质量不佳。

解决方案：路由算法 - 获取数据、网络基本信息和机器信息等，聚合后产生策略，并根据客户要求匹配提供服务。目的是提升DePIN应用层质量和服务，在资源不足情况下寻找最优价格的算力网络。

二、解析去中心化算力生态

Io.net和Exabit已达成战略合作，Exabit作为拥有丰富GPU机器库的供应端，致力提升io.net网络的速度和稳定性。Io.net将Exabit提供的高质量算力以代理商方式允许客户直接在io.net网络上购买和租赁。双方认为，去中心化计算行业的成功以及web3与AI的结合需要早期行业领导者紧密合作才能实现。

随着计算能力需求不断增长，传统云计算面临一些问题：

• 有限可用性：使用AWS、GCP和Azure等云服务通常需数周获得硬件访问权限，且常用GPU型号通常不可用。
• 选择局限：用户在GPU硬件、位置、安全级别、延迟等方面选择受限。
• 高成本：优质GPU价格昂贵，项目每月训练和推理开销易达数十万美元。

去中心化计算的愿景是提供开放、可访问且负担得起的替代方案，解决中心化云服务提供商的核心问题。目前来看，挑战云计算巨头地位仍需创新者共同努力和相互支持才能实现革命性突破。

资产模式

重资产模式

Exabit作为供应端，拥有英伟达支持的绝对壁垒。机器学习算力中，有价值的机器主要是A100、RTX4090和H100，单台价格约30万美元。这些机器已成为高度稀缺资源，被传统AI巨头长期垄断。Exabit在供应端对接的资源极其宝贵。由于散户共享个人GPU闲置算力质量不足以支持大规模AI模型计算和处理，Exabit在去中心化算力生态中扮演着关键且难以替代的角色。

Exabit采取重资产模式需大量固定资产投入，这种规模的资本和技术投入使初创公司难以复制模仿。若Exabit能与更多去中心化算力代理商合作，不断扩充供应端，满足行业算力资源需求，有望在B2B去中心化算力领域实现行业垄断和规模效应。

然而，最大风险在于投入大量资本后无法持续为算力代理商提供资源。供应端能否大规模盈利极度依赖算力代理商的客户需求。无论算力代理商是谁，只要有客户和需求，Exabit作为供应端的价值将随需求增长而增长。

轻资产模式

Io.net作为当前最出色的算力代理商，依靠全球分布的GPU形成庞大的去中心化计算网络。从商业角度看，io.net采取轻资产运营模式，通过社区运营和建立高度共识在AI算力代理领域树立强大品牌。

Io.net核心业务：

1. 聚合散户GPU算力并奖励代币
2. 从供应端获取高质量算力出售给AI创业公司

企业角度：

1. 从供应端低买高卖高质量算力给C端客户
2. 帮助用户通过共享闲置GPU算力赚取代币
3. 为客户提供算力挖矿和质押平台，前期需投入约4000美元才能获得较好收益。基于此，Exabit也提供可碎片化H100机器租赁，提高流动性。

客户角度：

1. Io.net network算力价格比其他中心化云计算服务便宜约80%
2. 质押挖矿和共享挖矿
3. 客户投入一定资本后可利滚利

作为典型轻资产模式公司，最大优势是风险较低，团队无需像供给端那样前期投入大量机器成本。由于资金投入较少，公司和投资人更易获得较高利润率。同时，因行业进入门槛低，商业模式易被抄袭复制，这对长期价值投资人来说需慎重考虑。

三、从10到100？

如果说Exabit和Io.net的合作能帮助去中心化算力生态从1走到10，那么加入PingPong或许有机会走到100。

PingPong目标是成为最大的DePIN服务聚合器，直接对标web2的uber。作为渠道商，通过聚合各类资源实时情况，将客户对接给价格和质量最优的资源。PingPong采用B2B2C轻资产商业模式，第一个B端是供应端，第二个B端是资源代理商，C端是通过信息提供给客户最优资源选择。

渠道商作为平台，若能发展成可发行资产的平台将使产品更有价值。PingPong通过路由算法提供的SDK可计算资源创建AI Agent，转换新金融资产的同时，通过SDK动态帮助使用application的客户进行动态挖矿，专注挖掘对计算资源有用的算力。这种"资产上的资产"模式可极大增强资源和资金流动性。

对PingPong而言，他们希望看到更多供应商和代理商进入去中心化算力生态，以凸显自身优势，拓展业务线并获得更多客户。简单理解，百度和大众点评之所以能统治信息领域，是因为有更多商家和信息上传到互联网，从而使客户对渠道商产生高度需求。

四、未来可期

去中心化云计算正在逐步发展。虽然其生态框架和模式已变得清晰，各角色龙头也在履行生态责任，但要撼动传统云计算巨头地位还为时尚早。与传统中心化云计算相比，去中心化确实能在概念上很好解决客户诸多问题，但这个市场的整体资源和体量相比之下仍然很小。在支撑AI发展的算力资源远远不够的情况下