字数：12,780阅读时间：20 分钟摘要：大模型的出现预示着 AI 的“拐点时刻”。随着 AI 模型从企业级训练走向终端应用，对算力的需求将迎来全面爆发。当前的市场格局中，由寡头大企业提供的算力供给与终端需求匹配不充分，低可用性、高门槛和高摩擦成本限制了行业发展，因此诞生了去中心化算力的市场。去中心化算力项目在商业模型中增加了一个中介角色，同时促进上、下游市场的竞争。在行业初级阶段，赛道主要依赖 Web3 模式吸引算力，完成融资，提高影响力，促进市场竞争和成本降低。第二阶段，赛道会着重发挥其去中心化的特性，发挥低延迟和高可用性，匹配终端需求。第三阶段，赛道将在技术上真正与区块链深度融合，解决 AI 的隐私保护和数据主权问题，实现社会生产结构的变革。一、引子二、赛道综述 2.1 分布式算力市场的形成 2.2 供需匹配的过程三、主要项目 3.1 IO.NET：最大的 GPU 算力聚合平台 3.2 Aethir：匹配边缘算力的赛道明星 3.3 Render：专供 3D 渲染的去中心化算力平台 3.4 Akash：去中心化容器化应用生态 3.5 Gensyn：分布式的深度学习验证方案 3.6 Fluence：自研架构的潜力项目 3.7 Nosana：缺乏特点的云服务平台 3.8 CLORE.AI：算力端对端租赁平台四、总结一、引子2017 年，伴随着一篇名为 Attention is All You Need 的文章发布，Transformer 模型现世。最初 Transformer 仅用于自然语言处理，其独特的自注意力机制摒弃了传统模型后序输入依赖于前序结果的方式，而是将一段文本的所有信息同时输入模型，颠覆性地支持了并行化训练。自此，“给模型喂更多的数据以得到越好的表现”成为可能，大模型崭露头角。后续几年间，深度学习的格局几乎被 Transformer 占据：2020 年的 DETR 模型将其用于图像处理；2022 年的 Stable Duffusion 将自注意力机制应用于图生文。随着其用途越来越广泛，大模型的应用领域也从自然语言处理迅速扩展到图像、视频的处理和生成；同时，由于模型的训练、部署需要大量算力，行业对 GPU 算力的需求也迎来爆发。可以说，大模型成为主流，预示着本世纪算力需求的拐点时刻。根据 Statista 的数据，全球 GPU 市场规模在 2023 年、2024 年分别为 436、653 亿美元，而在 2029 年将达到 2742 亿美元，平均每年增长 33.2%。夸张的增速正如 NVIDIA 的股价，主要受预期而非业绩推动；但在科技指数级发展的今天，技术进步的速度远超出人类的想象力，人们对 AI 的需求不是自然产生，而由供给端创造。因此，当前的市场格局中，AI 应用的供给端负责模型训练，以更好的结果提供想象空间，是高性能算力的需求者，但这部分需求有限；而随着应用场景逐步普及，C 端和独立开发者将逐步成为 AI 应用最终的使用者和收益方，这些角色才能真正提供算力需求的爆发。然而，当下市场远无法满足真正的爆发需求。当前，算力服务仅流转于大型算力提供商和开发模型的企业中，供应商提供昂贵、稳定、高性能的算力，大公司开发、训练模型，提供应用端的想象力。在这个乍一看合理的商业模式中，未来真正庞大的算力需求者——C 端用户和独立开发者却被忽略了。相较于大公司，这些用户的需求特点是时间短、算力要求不高、价格低廉；当市场中的供给方仅由若干寡头组成，这些需求远无法得到满足。因此，一个新的市场应运而生——去中心化算力市场。二、赛道综述算力是网络基础设施的重要组成部分。由于近年 AI、大模型走红，提到算力人们往往想到的是显卡。而实际上，算力包括 CPU、GPU 资源，甚至存储、网络带宽都是其中的一部分。仅将算力狭义地限定在 GPU 会导致研究时思路受限，失去想象空间。首先需要明确，在技术上，算力项目并不依赖于去中心化和区块链。当下主流的 DePIN 算力项目提供的服务与传统中心化云服务商，如亚马逊 AWS、微软 Azure 并无本质差异；甚至仅考虑服务质量，后者在稳定性和性能上反而更具优势。然而赛道的诞生、发展，甚至繁荣，必然有其内在逻辑，明确赛道的本质在 Web3 行业则更为重要。2.1 分布式算力市场的形成去中心化算力的本质是算力资源再分配。在终端设备性能普遍过剩、占用率低的背景下，算力并不稀缺，但无法进入市场；而随着 AI 应用的爆发，市场对算力的需求出现了普遍增长——不仅是总需求量扩大，而是对高、中、低性能的算力需求均有增长。去中心化算力项目在供应商和使用者之间，新增了一个中介角色，将算力市场分为上、下游两个部分：上游市场中，矿工将资源提供给挖矿收益最高的项目；下游市场中，终端用户按需择优购买项目方提供的服务。双重竞争的市场结构下，供给端的竞争更充分，需求端的算力可用性增加，降低市场摩擦的同时也有助于行业发展。分布式算力供给具有天然的价格优势。理想情况下，终端将过剩算力接入市场，其购买成本已经沉没，边际成本仅包括硬件损耗和电费，相比前者几乎可以忽略。而即使考虑矿场承包算力情景，矿工为了最大化收益会参与收益最高的项目，并同时接入多个项目挖矿。相比中心算力供应商的寡头市场，矿场的运作仅最大化自身挖矿收益，无需参与需求端业务市场的竞争，因此，其资源利用率远高于中心化云服务。现实情况往往介于中间，算力网络参与方有个体也有矿场，去中心化算力资源的市场价格可视为两个市场达到均衡的结果——当前，租用 H100 时，中心化算力相比中心化云服务便宜约 70%。考虑到分布式算力的价格低廉、部署灵活的优点，终端个人用户和独立开发者天然地成为了需求方，这也契合 Web3 人人参与、服务人人的叙事。随着 AI 应用情境普及，这部分需求才会真正带来爆发需求。区块链的主要为项目方提供金融属性，使其能通过发币（TGE）、上所（IEO）获得融资。至于其技术特性，仅少数项目创新了链上任务验证等方法，区块链技术与去中心化算力的融合仍有很大探索空间。算力的供给、需求形成了市场，而去中心化算力项目则是中介。对项目方而言，如何更好地解决算力市场供需匹配是永远的议题：算力以何种形式和技术提供或匹配、如何降低此阶段摩擦成本。这也是不同项目的差异性和竞争点所在。2.2 供需匹配的过程算力供给的形式有整体租用、算力聚合两种。整体租用是最简单的商业模式，项目方仅作为交易平台，让供应商将算力配置和价格公布在平台上，用户直接买下，自行配置环境，按时长计费。比较老的 CLORE.AI 项目采用的就是这种方式。由于整租拓展性差，无法很好地匹配需求，也无法进一步降低运行成本，因此众多项目方纷纷引入聚合技术。算力聚合技术一般基于某种分布式计算框架开发，需要用户自行编写并行程序，提高执行效率。用户可以自定义 GPU 的数量和配置，将任务分发给不同节点。分布式计算使得分散在不同地理位置的硬件可以协同工作，具有较高的扩展性，也与去中心化计算存在天然向性。IO.NET 就提供了基于分布式计算框架 Ray 的聚合技术。项目方远程调配计算资源，提供给使用者。通常，矿工需要在自己的计算机上建立一个隔离的环境。大多数项目的挖矿程序都基于 Docker 调用矿工的计算资源，仅有 Fluence 选择基于另一种框架 Wasm 开发。项目方为了保证算力资源真实、可用，会要求矿工运行一个脚本，占用其算力，这个过程就是挖矿。根据验证方式的不同，主要有工作量验证、容量验证和基于任务验证这三种挖矿机制。工作量验证（PoW）是最经典的挖矿机制。在矿工没有接真实业务时，项目方也会完全占用计算资源，并给矿工代币奖励。PoW 机制依然浪费大量资源进行无意义运算，供给成本无法降低到理论低值，但可以很好地保证算力真实且全天候 stand-by。IO.NET 就是经典采用 PoW 挖矿的项目。计算能力验证（PoC）不会完全占用计算资源，而是以一定频率验证资源可用性。PoC 大幅减少计算资源的浪费；而矿工也可以通过同时运行多个挖矿项目，有效提高利用率，使成本进一步接近理论低值；但其缺点在于几乎无法保证算力真实、可用。采用 PoC 挖矿的项目主要有 Aethir、Fluence。基于任务验证是最精巧的验证方式，可以较准确地根据计算量“按劳分配”。Render Network、Akash、Gensyn 项目都根据承接任务的特性设计了基于任务的验证机制，实现了资源的更有效配置，计算费用可以更贴近理论最低。但同为基于任务验证，不同项目的执行效率、准确度相差很大；且这类验证方式无法保证算力真实、可用，很可能出现算力虚高或不可用的情况，增加了需求端面临的风险。质押挖矿是进一步保证算力可用的方式。项目方会要求矿工在挖矿前，购买一定量的代币质押在特定地址。如果出现算力不可用的情况，项目方将会对矿工施行惩罚措施，扣除其部分质押币用于赔偿用户，或单纯燃烧掉。质押挖矿提高了矿工门槛，但可以有效保证算力可用性，并有助于减少市场上代币流通量，维持币价稳定。赛道最火的项目 Aethir 就需要质押，IO.NET 也从 9 月起要求质押挖矿，且质押量比较可观。终端用户的使用形式有 IDE 、容器化应用两种。IDE 是集成开发环境，开发者租赁计算资源后，远程接入项目方提供的变成界面，编写代码。大部分项目都以这种方式提供算力，较为底层，功能稳定、强大，但需要一定编程基础甚至对分布式系统的了解才能使用。相比之下，容器化应用提供了一种更简单的部署方案，C 端用户直接选择预先配置好的应用，选定需要的资源，项目方已预先完成资源配置和优化。基于 k8s 架构的 Akash 就是成熟的提供容器化应用的项目。在分布式算力项目中，公开发行的代币除作为项目股份、提供 DAO 投票权之外，还具有交易手段的属性。IO.NET、Render Network 均可使用官方代币交易，使代币在项目方、矿工、消费者、交易所之间流转，具有了货币性质。但由于挖矿机制，代币总供应量仍在不断增加，在服务总价值不变的情况下，币价会持续下降。因此项目方除了制定常规的递减释放规则，同时还需要设计 Burn-Mint-Equilibrium（BME）机制，通过燃烧部分代币限制代币通胀。三、主要项目为了详解赛道情况，方便行业内外读者快速了解赛道，我们对 8 个主流项目做了调查和比较，数据截至 8 月初。由于篇幅所限，详细信息展示在如下表格中，后续的介绍仅会突出每个项目的亮点。在每个项目介绍的末尾附带有笔者评分，从 A 到 D 一共有 4 档，分别代表项目：有望成为行业龙头、在某些方面具有很强竞争力、有参考价值、不值得关注。赛道多数项目为 B 级，即具有竞争力，但尚未有成为龙头或出圈的趋势。3.1 IO.NET：最大的 GPU 算力聚合平台IO.NET 是赛道最大的算力聚合平台，面向 B 端和 C 端提低价的企业级的 GPU 和 CPU 算力租赁服务。企业或个人无需申请白名单，只要满足硬件门槛并质押代币，即可加入网络提供 GPU 算力获得任务报报酬和代币奖励。平台直接匹配算力买方和卖方组成交易，或通过算法聚合零散算力提供给用户以满足高性能计算需求，并收取部分佣金。项目的算力资源丰富且价格低廉，通过验证的 GPU 和 CPU 数量均为赛道独一档。著名的分布式 3D 渲染项目 Render 也是其算力提供方，其存储则由分布式存储赛道龙头 Filecoin 提供。价格方面，H100 单卡价格为每小时 1.27 美元，相比 AWS 最高可节省约 3/4 的成本。该项目为矿工和用户均提供了低门槛的参与方式。矿工只需要在本地配置 Docker 环境即可成为算力节点，可以自由进入或退出。用户根据任务选择需要的配置，包括网络带宽、GPU 型号、地理位置等，以 USDC 完成支付后，即可在官方支持的多种 IDE 中完成开发，支持 CUDA 和 Pytorch 专项优化。IO.NET 当前支持主流分布式计算架构 Ray；日后还将支持 k8s 架构，后者由 Google 研发并开源，支持更多更高效的语言，是业界最主流的容器化应用程序管理架构之一。算力聚合，也即 Cluster 技术，是 IO.NET 的技术核心。IO.NET 网络中有 29k 量级的 GPU 和 3k 量级的 CPU 支持算力聚合，分别占验证节点总量的 9% 和 3.8%，是网络中可以接真实任务的可靠算力。Ray 是基于 Python 的分布式计算框架，允许多个计算节点协作，与分布式算力结合后给平台提供了很强的扩展性，得以适配企业级中等算力需求的项目。算力聚合增加了分布式算力的应用场景，也能进一步降低算力成本，将是赛道未来发展的重要方向。IO.NET 建立在 Solana 链上，共享 Solana 生态。由于本质是算力租赁平台，不需要对单个任务进行验证，所以其网络中只有一种 Worker 节点。Worker 需要质押挖矿，在被租赁时向用户收取稳定币作为租金；在待机状态时通过 Proof of Work 机制，每小时占用 15 分钟，持续运算并获取项目方的区块奖励。为了鼓励优质计算资源进入网络，项目方还给不同 GPU 设定了挖矿收益成数，如 H100 的收益乘数为 8 倍，4070s 为 0.5 倍，那么单卡 H100 的收益就是 4070s 的 16 倍。IO.NET 诞生于 2022 年，其团队本身从事高频量化交易，在亲身感受到云算力服务昂贵的价格后决定创立一个分布式计算平台，提高算力利用率，降低获取算力的成本。2024 年 5 月，IO.NET 完成 A 轮融资 3000 万美元，由 Hack VC 领投；同年 6 月上线币安和 HTX、Bybit 等头部交易所，FDV 达到 13 亿美元，在 Twitter 上也获得 500k 以上的关注度。总结：IO.NET 聚焦于算力交易，通过算力聚合技术整合零散资源，让 B 端和 C 端用户均能以低廉的成本使用企业级 GPU 集群；同时，尝试打通 C 端算力 2B 应用场景，提升了需求潜力。团队正在适配更广泛的 k8s 架构，并对 Pytorch 深度学习架构、虚幻 5 3D 渲染引擎等应用场景做特定优化，战略目标明确。PoW 挖矿机制虽然较为落后，但短期内赛道上没有成熟的替代方案，因此在中期仍很有可能成为赛道龙头。战略建议：依靠已经建立的庞大 GPU 网络，发挥高算力、低延迟的优势，继续优化聚合技术，提供稳定、低价、高拓展性的企业级 GPU 服务；同时对可能或已经爆发的需求场景进行专项优化，如 AIGC、3D 渲染、实时渲染推流，在需求端占得先机，增加真实业务比重。评分：B+3.2 Aethir：匹配边缘算力的赛道明星作为赛道关注度最高的项目，Aethir 致力于为云游戏和 AI 训练与推理提供分布式算力，面向 B 端提供服务。企业或个人申请进入白名单或购买矿机，成为算力网络的边缘算力，获得任务报酬和代币奖励；项目方则通过赚取任务的 20% 服务费获得佣金。该项目部分业务已经落地，与游戏工作室、云游戏平台和电信公司均有合同签单。在 GPU 算力以外，Aethir 还自研了 Aethir Edge 家庭矿机，提供轻量级 AI 推理、云游戏、虚拟手机（Aphone）等服务，官方售价 1099 美元，购买时提供 ATH 代币返还供质押挖矿。Aethir 是本赛道较早推出售卖自研矿机挖矿玩法，以通过硬件资产流通化并赚取供应链利润实现二次融资的项目。项目方宣称，对于机器学习和 AI 任务的优化架构为 Aethir Earth；提供低延迟云游戏服务的架构则为 Aethir Atmosphere。两者均不开源，也未声明采用的具体架构或实测表现。Aethir 在 Arbitrum 链上完成计算和验证工作，其矿工分三种角色：Container 是边缘算力提供者，Aethir Edge 直接参与质押挖矿，普通 GPU 需要申请参与。负责执行计算任务；Checker 是检查者，采用白名单制且需要质押。Checker 通过 Proof of Delivery 机制（未阐明）检查 Container 是否正确完成了计算任务，并通过 15 分钟一次的 Proof of Capacity（PoC）机制确认 Container 待机状态；Indexer 则负责匹配消费者和 Container。Aethir 项目在 2021 年启动，2022 年初完成种子轮融资，并在 2023 年 7 月完 900 万美元的 pre-A 轮融资，由顶级 VC HashKey Capital 和 Merit Circle 领投，估值达到 1.5 亿美元。其代币 ATH 已经在 OKX、Bybit 等主流交易所上所，FDV 达到 25.9 亿美元。其 Twitter 超过 850k 的关注量在赛道中一马当先，可以说是最受关注的项目。总结：Aethir 作为为数不多 base 在亚洲的项目，其出众的曝光量证明了其受到的全球关注度。顶级 VC 的领投给了项目方具有充足资金，自研矿机不仅提供了渠道利润，也辅助了轻量级 AI 推理、云游戏、虚拟手机等概念的提出。业务端的大额合同订单可以作为其业务落地的证明，释放了积极信号。但仅有市场影响力长期看是不够的，目前 Aethir 欠缺的是企业级 GPU 资源整合技术和优化框架，相比有聚合技术的 IO.NET 竞争力明显不足。战略建议：Aethir 应基于家庭矿机 Edge 搭建起的轻量级边缘计算网络，将发展重点放在轻量级的游戏、云渲染、AI 推理等业务，结合云端计算、本地计算到边缘计算的转变，对新生的轻量级边缘计算任务研发优化框架，实现低延迟、高性能，促进真正的终端业务需求落地，获得稳定现金流。评分：B3.3 Render：专供 3D 渲染的去中心化算力平台Render Network 希望用去中心化算力满足日益增长的 3D 渲染需求，通过其母公司——硬件加速渲染平台 OTOY，以 2B2C 的方式向创作者提供分布式 3D 云渲染服务。个人或企业申请加入白名单成为矿工，完成任务可获得以代币形式发放的酬劳。创作者订阅 OTOY 平台会员，提交渲染任务，并在检查样片后完成付款。项目方可能共享母公司会费营收，具体规则未公布。起初平台只提供对 3D 工业生产领域主流软件 c4d 的支持。c4d 虽然市场占有率高，但由于其售价昂贵，只有大型企业会购买。个人创作者和小型团队往往会选择开源的 Blender 软件，而这部分群体才对 Render Network 的廉价算力有较大需求。2024 年 5 月，Render Network 官宣了与 Stability AI 的合作，允许用户直接在 Render 网络上运行最主流的开源图生文模型 Stable Diffusion，此举将会给 Render Network 带来大量潜在用户。Render Network 最初建立在 ETH Layer 2 Polygon 链上，并在 2023 年末开始迁移至 Solana 生态。该网络仅有两类成员：创作者提交任务，按所需的计算量付款；矿工执行渲染，获得代币收入并累计信誉分。为了筛选优质节点，网络中所有矿工按照信誉分排名，排名靠前更容易接单。矿工也会按照信誉分分级，等级高的矿工才能接复杂的渲染订单，且计算量单价更高。在其 Proof of Render 挖矿机制下，节点只有承担计算任务才有收益。此机制可以促进挖矿积极性，但无法确保网络节点可用。Render 网络中，渲染任务的支付均以代币进行。为了维持币价稳定以供交易使用，项目方采用 BME 机制，定期燃烧掉部分代币。2024 年第一季度，用于交易的代币量达到 816k，同步增长 60%，交易额接近 400 万美元。项目方团队具有丰富的 3D 渲染从业经验，包括前 OTOY 的 CEO。美国头部娱乐公司 Endeavor 也与项目方达成合作，其 CEO 担任 Render Network 项目顾问。成立于 2021 年的 Render 项目于当年获得顶级机构 Multicoin Capital 领投 3000 万美元，目前该项目市值接近 19 亿美元，属同赛道最高。总结：作为 3D 渲染专用的分布式算力网络，Render Network 的市值反而在主流项目中最高，主要受益于其扎实的落地业务。项目的玩法并不复杂，2B2C 的商业模式甚至看起来缺少 Web3 基因，但凭借母公司 OTOY 的渲染优化技术和市场影响力，Render Network 并不缺少真实业务；而近期引入对图生文模型的支持，也对需求端做了弥补。代币经济学设定中，仅用 token 支付服务报酬让代币价值更纯粹，但也需要其价格维持在稳定区间，给项目组带来更多挑战。在垂直赛道中，短中期内 Render Network 的市场地位依然难被撼动。战略建议：短期以图生文业务为抓手，基于 OTOY 的技术积淀，联合硬件厂商对算力进行优化，抢占分布式 AIGC 的市场空间。中期提前布局 VR 算力赛道，从云游戏、创作者渲染、游戏 AI 等多个方面寻找新的市场切入点。评分：B-3.4 Akash：去中心化容器化应用生态Akash 基于容器化应用，提供去中心化的云服务，其丰富的预配置应用覆盖多种应用场景。B 端和 C 端用户简单地修改配置文件，根据所需资源以稳定币支付租金，即可将应用一键部署在 Akash 服务器上。其 CPU 和 GPU 可由个人或企业提供，矿工质押少量代币即可作为节点，硬件门槛较低，自由进入，自定每小时单价。项目方收取交易额的 20% 作为佣金，获取营收。开源生态是该项目的核心竞争力。项目方提取部分收益，成立开发者基金，用于鼓励开发者将成熟的开源应用适配到 Akash 平台。该激励机制下，Akash 生态已拥有超过 400 个开源应用的适配，覆盖数据库、区块链、Linux 服务器、机器学习、游戏服务器等多方面应用，还可以部署 Stable Diffusion、BERT、Llama 等模型。该生态项目名为 Awesome Akash，在 Github 提供开源应用的部署教程，拥有 119 个贡献者，获得 302 星，大多数项目的最近更新日期都在 1 个月内，表明其生态适配仍在持续进行。运营层面，团队采用开源社区思路，设置了三类工作组，分别承担功能开发、项目维护和 BD、审查工作，定期组织公开会议。项目公链位于 Cosmoc，算力网络有两种角色：Provider 执行计算任务，所需资源包括 CPU、GPU 和内存，获得佣金和代币奖励，闲时不执行计算；Validator 通过 PoS 机制产生，不需要 GPU，通过维护网络获得奖励。Akash 网络的算力相比其他主流项目少很多，对应的服务价值也较小。即使 2023 年末，主网交易额历经拐点式上升，其 2024 年第一季度的服务总价值也只有 15 万美元，相比 Render Network 的 400 万美元低了一个量级。然而，Akash 已经采用了 k8s 框架，对容器化应用的支持领先了 IO.NET。且网络中的 431 张 GPU 均可供选择，算力真实性和可用性 较高。项目成立于 2015 年，并在 2017 年获得第一轮融资。460 万美元的融资额和普通的 VC 阵容相比其他项目虽然没有优势，但其应用适配步伐并没有减慢，直至今日仍在能持续进行，并很快提供了对新模型如 Llama3.1 的支持。这证明开源生态模式在赛道具有相当程度的可行性，也释放出项目运作活力较强的积极信号。总结：相比其他直接提供分布式算力聚合再匹配的项目，Akash 的提供的是容器化应用的云服务。基于 k8s 搭建的框架可靠高效，用户无需自行配置环境，只需修改配置文件即可部署应用，对独立开发者非常友好。官方适配的预配置应用已经超过 400 个，且仍在增加，开源社群的运营方式也有助于增加社区黏性。然而项目方的算力较少，业务规模较小，难以让开源生态爆发性增长并出圈。加之 Cosmos 非赛道主流公链，该项目的中期战略面临不小的挑战。战略建议：Akash 矿池真实业务占比高，开源社区的运行方式效率较高且有可持续性，关键是提高业务规模，对商业模式成正向刺激。项目方应着眼于扩大项目影响力，在算力端与其他项目合作提高数据，并在需求端增加市场投入，精准狙击某些覆盖不完全的领域，如开源 3D 渲染等。同时应考虑再进行一轮融资，随着规模增大，开发者激励增加，促进业务面增长，正向循环出现，开源生态模式的潜力才能得以体现。评分：B+3.5 Gensyn：分布式的深度学习验证方案任务的验证是分布式计算的核心问题之一：如果实现了基于任务的计算证明，就不再需要繁重的 PoW 机制，实现供应商多劳多得、开发者多用多付，进一步提升硬件工作效率，降低算力成本。Gensyn 团队为深度学习场景开发了一套任务分配和验证机制，可在自有的 L1 公链上高效执行。开发者提交计算任务，节点承担计算工作，并由其他节点验证；开发者只需要为通过验证的计算任务支付费用。深度学习任务的验证机制是 Gensyn 的核心技术。项目基于模型训练过程中的元数据构建一种证明机制，可以使网络中试图为应付验证而造假的恶意节点所需工作量不低于真实完成训练所需，进而提高节点诚实行为的概率。该机制由多伦多大学 PhD 学生 Hengrui Jia 等人于 2021 年提出并发表在网络信息安全领域顶刊 IEEE S&P。网络中，运算的执行和验证遵循 Zihan Zheng 等人于 2021 年提出的 GPP 框架，可跨节点验证并在本地执行，最后上传至链上。Gensyn 运行在的自己 Layer 1，基于主流的区块链开源 SDK Substrate 搭建。在测试情境中，其算法达到了比较可用的执行速度，相比以太坊 EVM 提高 3 个量级。Gensyn 网络有三种角色，允许矿工可以转换：Solver 完成计算工作，并生成工作证明以供检查；Verifier 通过复制部分计算过程检查 Solver 是否完成工作；Whistleblower 依照 GPP 框架提供仲裁。三个角色的挖矿收益受矿池节点数影响，激励矿工适时切换，实现网络角色平衡。Gensyn 在同赛道项目中获得融资最高，2022 年 3 月种子轮获投 650 万美元，由一流 VC Eden Block 领投；2023 年 6 月的 A 轮获投 4300 万美元，由顶级 VC a16z 领投。作为 a16z 少数领投的去中心化计算项目，豪华阵容和高额融资证明了市场对其技术的认可。目前项目方尚未 TGE 或 IEO，且未公布明确的代币经济学机制。总结：Gensyn 是赛道唯一聚焦深度学习任务验证的项目，试图用技术优势引领市场需求。其创始人团队有计算机背景，技术架构经过学界认证，但并未开源代码供审查。此外，作为赛道新方向，项目亦面临更高的风险。首先，其验证机制仅针对模型训练阶段，市场需求有限；且在深度学习模型逐渐复杂化的当下，可用性可能面临挑战。其次，如果该证明机制无法有效降低成本，或可用性不高，也难以与市场算力占有率更高的 IO.NET、Akash 等项目竞争。实用性方面，自 2022 年 5 月宣布测试网即将上线后并未有进一步更新，网络算力不详，可见在业务落地面临挑战。战略建议：Gensyn 应当先着眼于项目落地，快速部署测试网并推进 TGE 和主网上线，向市场提供一个切实的积极信号。中长期则拓宽业务需求，不仅关注训练阶段的验证，还需引入对 AI 推理和生成，让业务覆盖范围与算力平台相当。评分：B-3.6 Fluence：自研架构的潜力项目Fluence 为分布式计算自研了底层架构，包括专门为编写并行任务开发的 Aqua 语言，和在节点本地调用硬件资源完成计算的 Marine 框架。该架构代码开源，面向 B&C 端开发者，需具有较强的代码能力才能使用，依照使用的计算量，以稳定币支付酬劳。挖矿目前采用白名单制质押挖矿，仅需浏览器即可作为矿工，硬件要求暂未公布。Aqua 是 Fluence Labs 基于 Scala 开发的编程语言，运行于 Java 虚拟机。开发者用 Aqua 编写任务，指定并行的工作流。由 Aqua 编写的函数被称为 Cloudless 函数，每个 Cloudless 函数都保存有前序执行过程，以供后续节点验证。计算节点的 Marine 框架仅需浏览器即可运行，基于开源的容器引擎 Wasm 搭建，原理类似 Docker。Wasm 已被认可为主流 web 标准，相比 k8s 提供了更底层的容器化应用管理系统，绕过 Docker 直接执行二进制文件，部署更容易且安全性更好。Aqua 和 Marine 在 Github 分别有 154 和 196 stars，属开源社区比较靠谱的项目。2024 年初，Fluence 主网上线。该网络中只有两种角色，Peer 节点负责执行 Cloudless 函数，Host 节点负责节点间通讯。由于验证机制被嵌入执行函数中，后续执行的节点均可对前序执行状态进行核查，网络无需设置专门的验证角色，所有的节点均有效地参与了运算，这就是 Proof of Compute 机制。但网络中待机节点依然需要以 PoC 机制证明算力可用。成立于 2017 年的 Fluence 经历了两轮融资，2018 年在种子轮中收获一流机构 1kx 领投的 600 万美元，并在 2022 年的 A 轮中获得顶级机构 Multicoin Capital 领投的 900 万美元。融资额相比其他项目并不突出，但顶级 vc 的领投反映出对其技术和未来市场空间较高的预期。由于还未在顶级交易所 IEO，项目 FDV 相比赛道头部项目少了一个量级。总结：Fluence 项目方 all-in 了去中心化计算的新思路——将任务分配给终端节点，而不对节点做文章。其优点在于应用场景丰富，不仅限于 GPU 应用，而可以覆盖全场景需求。如果能有广泛分布式的计算节点，结合高扩容性、低延迟，很多应用场景可能被颠覆，具有很高的想象空间。然而现实中存在诸多阻力，如 Wasm 引擎市场占有率不及 k8s 且短期内难以超越，容器化应用可选择较少，对开发者代码水平要求较高等，因此 Fluence 注定是一个处于早期的中长期项目，发展前景则取决于团队战略决策水平。战略建议：引入开源生态运行模式，加强开发者激励。官方开发的架构已经通过测试网并开启主网，证明其稳定性，但较高的编程门槛限制了很多需求。为了拓宽需求，可以引入生态开发者，基于 Wasm 引擎搭建云服务应用生态。目前，相比 Akash 拿出 20% 销售额给到开发者，Fluence 仅有 5% 的 token 给到开发者群体是远不够的。此外，还应推进几个示范性应用的落地，在营销上达到“出圈”效果，促进市场占有率提升。评分：B+3.7 Nosana：缺乏特点的云服务平台Nosana 项目总部位于荷兰，成立于 2021 年，业务相当于 IO.NET 和 Akash 的结合，既向用户提供 Jupyter Notebook 类 IDE，供用户开发或训练模型；也提供 Stable Diffusion、Llama 等预配置的开源模型，供使用者直接调用。目前项目处于测试网阶段，支持 NVIDIA 30 系及以上 GPU。但其挖矿机制尚未公开，盈利模式亦不明晰。作为同赛道规模最小的项目，Nosana 的业务模式并没有问题，但缺乏明确的发展方向。技术上，该项目没有高壁垒的自研架构；生态上，闭源项目的运作模式缺乏活力，例如，当下 Llama3 刚刚发布，并很快得到 Akash 的适配，而 Nosana 还在测试一年前的 Llama2。且项目方前期规划集中在应用端开发，没有选择先接入大量算力，满足资本期待。在基本玩法已遍及赛道的今天，项目想要脱颖而出，至少要在技术力、商业模式、市场占有率或营销手段上有所突破，也正是因此，Nosana 在主流项目中缺乏关注度，很难在赛道中有长足发展，想实现 Roadmap 中全方位的云服务还需要大量资金和影响力。战略建议：基于项目在应用端的扎实架构，在主网上线后，将真实业务量作为营销重点，抓住社群忠诚度和用户粘性，并考虑后续融资。或考虑被更大的项目收购，将重心放回产品研发。评分：C+3.8 CLORE.AI：算力端对端租赁平台诞生于 2022 年的 CLORE.AI 在赛道中相当年轻，提供的却是最原始的商业模式：算力整租。算力提供商将硬件配置公布在平台上，包括 CPU、GPU、内存、存储、带宽等基本信息。用户根据需求，选择供应商，并以稳定币或 token 支付。平台将收取 12.5-19.5% 的中介费。区别于主流项目，作为中介平台，CLORE 并没有某种挖矿机制，仅在产生交易时才有算力占用。因此，项目方设计了 Proof of Holding 机制，持有 token 的供应商在接单时获得的代币收益更高。这种挖矿设计的理念可能是激励供应商持有代币，但实际上增加了挖矿成本和风险，可能会降低供应商积极性。在租赁机制上，平台还会根据过去 14 天资源的在线情况和过往用户评价，展示该资源的稳定性和评分，供用户参考。端对端的整租平台是去中心化算力最原始的商业模式，与 Web3 仅在金融属性上提供了结合点——将 token 用于支付。这种模式短期可以盈利，但无法与规模更大、成本更低、技术更优的项目竞争。战略建议：项目方应迅速确定发展方向，面向特定需求市场，形成商业壁垒。评分：C四、总结2023 年初，著名研究机构 Messari 发布报告，将去中心化基础设施网络（DePIN）定义为利用加密经济协议部署现实世界的物理基础设施和硬件网络。其数据显示，2023 年 DePIN 行业市值已达到 350 亿美元，到 2028 年将达到 3.5 万亿美元。在 Web3 的诸多赛道中，DePIN 由于提供了真实服务，最接近大众认知，也最容易出圈。DePIN 不完全依赖于区块链，却能将 Web3 的叙事与金融模式和传统市场的业务与评价标准相结合，收获主流认可。作为 DePIN 中项目最多的赛道，去中心化算力借着 AI 的东风迅速发展，仅 2023 年就超过了 200 个，但同时良莠不齐，同质化出现。算力虚高已经成为赛道心照不宣的规则，项目方只需要降低挖矿门槛，例如引入 PoC 挖矿机制，即可以牺牲可用性为代价，短时间内扩充大量算力，以得到市场关注和投资人青睐。与算力虚高相对应的，是真实业务的稀缺。主流项目中接到的真实业务，无论是模型训练、部署或渲染，占比都较小，大多数算力都在执行无意义的挖矿行为。这使得项目方无法获得稳定现金流，更无法形成业务模式的良性循环，真正匹配上算力拐点后的爆发需求。一方面，算力虚高、业务稀缺是赛道长期发展的致命问题；另一方面，这也是赛道初期的必然形态。算力虚高的本质原因在于项目挖矿门槛低，不利于稳定提供服务，但却允许矿工将资源提供给效益最高的项目，促进了上游市场竞争，加速算力价格达到均衡；而真实业务不足的问题，则将由市场竞争机制解决。没有现金收入的项目不但无法盈利，甚至无法维护币价稳定，终将被淘汰。因此在当前阶段，分布式算力的价格仍会浮动，并随着真实业务比例的增加维持在一个合理的较低水平。至此，分布式算力的发展将完成第一阶段——降低成本。第二阶段，分布式算力将解决终端可用性。目前算力的需求方主要为企业，用于训练 AI 模型，而真正带来爆发性算力需求的是终端设备。分布式算力网络将为终端需求提供低成本、低延迟、高可用性的解决方法；且伴随着项目方技术不断优化，损耗会进一步降低，在服务质量上超过中心化服务器，匹配拐点后的爆发需求。分布式算力的第三阶段，则是解决隐私和数据主权问题。伴随着 AI 的广泛应用与民众意识的提高，个人隐私和数据主权受到重视，区块链将为这些问题提供方法：从增加透明度以保护隐私，到为个人数据定价，区块链可追溯、不可篡改、以智能合约执行任务的特性，注定了其成为终极解决方案的结局。这也是分布式算力的终极形态，也是其区别于 web2 的真正核心。最后，回归赛道本身。任何市场的初级阶段必然会有大浪淘沙，但我们也相信一些项目具有继续发展的前景，例如：IO.NET 拥有巨量资源，缺乏的是实际任务；Akash 资源量不多，但开源生态的模式具有很强的活力；Fluence 则从更底层提供容器化应用的解决方案。我们还欣喜地看到行业中更多项目在朝着隐私保护发展，将分布式算力、存储与联邦学习相结合用于模型训练，或与边缘计算结合用于模型部署。这些项目或在技术，或在规模上形成了壁垒，具有核心竞争力和发展前景，支持了我们对项目，乃至赛道长足发展的乐观态度。参考资料1. The DePIN Sector Map, Sami Kassab, Messari. https://messari.io/report/the-depin-sector-map2.https://www.statista.com/statistics/1166028/gpu-market-size-worldwide3. 各项目官方网站、官方文档免责声明本报告基于本公司认为可靠的、已公开信息编制，但不对信息时效性和真实性负责。其任何内容仅供参考，不代表任何投资建议，不视为对任何国家和地区投资者的邀请。关于 DePIN X本报告由 DePIN X Research 研究团队撰写，DePIN X 对其享有版权。DePIN X 是专注于 DePIN 领域的风投机构，为企业提供财务投资、算力支持、金融咨询、初期孵化等全方位服务。公司管理基金规模超过 2000 万美元，是赛道多个龙头项目的投资人和算力提供商。我们希望以算力赋能 DePIN 生态，以行研沟通传统市场与 Web3，支持赛道的长足发展。
