原文作者：

原文编译：深潮 TechFlow

关键要点

• 随着机器学习和生成性 AI 开发的深度学习的兴起，计算资源变得越来越受欢迎，这两者都需要大量的计算密集型工作负载。然而，由于大型公司和政府大量积累这些资源，初创公司和独立开发者如今面临市场上 GPU 短缺的问题，导致成本过高和/或无法获得资源。

• 计算 DePINs 通过允许世界上任何人提供其闲置的供应以换取货币奖励，能够为 GPU 等计算资源创建去中心化的市场。这旨在帮助未被充分服务的 GPU 消费者接触到新的供应渠道，从而以降低的成本和开销获得其工作负载所需的开发资源。

• 计算 DePINs 在与传统的集中式服务提供商竞争时仍面临许多经济和技术挑战，其中一些挑战将随着时间的推移自行解决，而另一些则需要新的解决方案和优化。

计算是新的石油

自工业革命以来，技术以前所未有的速度推动了人类前进，几乎日常生活的每一个方面都受到影响或完全转变。计算机最终作为研究人员、学者和计算机工程师集体努力的结晶而出现。最初设计用于解决用于高级军事行动的大规模算术任务，计算机已演变为现代生活的支柱。随着计算机对人类的影响继续以前所未有的速度增长，对这些机器及其驱动资源的需求也在不断增长，超过了可用供应。这反过来又创造了市场动态，其中大多数开发者和企业无法获得关键资源的访问权限，使得机器学习和生成性人工智能的发展——今天最具变革性的技术之一——掌握在少数资金充足的玩家手中。与此同时，大量闲置的计算资源供应为帮助缓解计算供需之间的不平衡提供了一个有利可图的机会，加剧了参与者双方之间协调机制的需求。因此，我们认为，由区块链技术和数字资产支持的去中心化系统对于生成性人工智能产品和服务的更广泛、更民主和负责任的发展至关重要。

计算资源

计算可以定义为计算机根据给定输入发出明确输出的各种活动、应用程序或工作负载。最终，它指的是计算机的计算和处理能力，这是这些机器的核心效用，推动了现代世界的许多部分，仅在过去一年就产生了。

计算资源指的是各种硬件和软件组件，这些组件使计算和处理成为可能。随着它们启用的应用程序和功能数量的持续增长，这些组件变得越来越重要，越来越多地出现在人们的日常生活中。这导致国家力量和企业之间争相积累尽可能多的这些资源，作为一种生存手段。这在提供这些资源的公司的市场表现中得到了体现（例如，Nvidia，其市值在过去 5 年中增长了 3000% 以上）。

GPU

GPU 是现代高性能计算中最重要的资源之一。GPU 的核心功能是作为专用电路，通过并行处理加速计算机图形工作负载。最初服务于游戏和个人电脑行业，GPU 已经发展为服务于塑造未来世界的许多新兴技术（如主机和个人电脑、移动设备、云计算、物联网）。然而，由于机器学习和人工智能的兴起，对这些资源的需求特别加剧——通过并行执行计算，GPU 加速了 ML 和 AI 操作，从而增强了最终技术的处理能力和能力。

AI 的崛起

AI 的核心是。AI 模型作为神经网络，由许多不同数据块组成。模型需要处理能力来识别和学习这些数据之间的关系，然后在基于给定输入创建输出时参考这些关系。

尽管人们普遍认为，AI 开发和生产并不是新事物；1967 年，Frank Rosenblatt 建造了 Mark 1 Perceptron，这是第一个基于神经网络的计算机，通过试错法“学习”。此外，在 90 年代末和 2000 年代初发表，该行业自那时以来一直在发展。

除了研发工作之外，“狭隘”的 AI 模型已经在今天使用的各种强大应用程序中发挥作用。示例包括社交媒体算法，如 Apple 的 Siri 和 Amazon 的 Alexa、定制产品推荐等。值得注意的是，深度学习的兴起已经改变了人工生成智能（AGI）的发展。深度学习算法利用比机器学习应用程序更大的或“更深”的神经网络，作为更具可扩展性且性能更广泛的替代方案。生成性 AI 模型“编码其训练数据的简化表示，并参考它以发出类似但不相同的新输出。”

深度学习使开发人员能够将生成性 AI 模型扩展到图像、语音和其他复杂数据类型，而像 ChatGPT 这样的里程碑应用已经创下了现代最快用户增长记录，这些只是生成性 AI 和深度学习可能实现的早期迭代。

考虑到这一点，生成性 AI 开发涉及多个计算密集型工作负载，这需要大量的处理能力和计算能力，这应该不足为奇。

根据，AI 应用程序的开发受到几个关键工作负载的限制；

• 训练 – 模型必须处理和分析大型数据集，以学习如何响应给定的输入。

• 调整 – 模型经历一系列重复过程，其中调整和优化各种超参数以提高性能和质量。

• 模拟 – 在部署之前，某些模型（例如强化学习算法）会经历一系列模拟以进行测试。

计算紧缩：需求大于供应

在过去的几十年中，许多技术进步推动了对计算和处理能力的前所未有的需求激增。因此，如今对 GPU 等计算资源的需求远远超过了可用供应，创造了 AI 开发中的瓶颈，如果没有有效的解决方案，这种瓶颈只会继续增长。

供应的更广泛限制进一步得到大量公司超出其实际需求购买 GPU 的支持，既作为竞争优势，又作为在现代全球经济中生存的手段。计算提供商通常采用需要长期资本承诺的合同结构，授予客户超出其需求要求的供应。

表明，计算密集型 AI 模型发布的整体数量正在迅速增长，表明推动这些技术的资源需求将继续快速增长。

随着 AI 模型的复杂性继续增长，应用程序开发人员的计算和处理能力需求也会随之增长。反过来，GPU 的性能及其后续可用性也将发挥越来越重要的作用。这已经开始实现，因为对高端 GPU（例如 Nvidia 生产的 GPU）的需求不断增长，Nvidia 将 GPU 誉为 AI 行业的“稀土金属”或“黄金”。

AI 的快速商业化有可能将控制权交给少数科技巨头，类似于今天的社交媒体行业，这引发了对这些模型伦理基础的担忧。一个著名的例子是最近关于 Google Gemini 的争议。尽管其对各种提示的许多奇怪回复当时并未构成实际危险，但这一事件展示了少数公司主导和控制 AI 开发的固有风险。

今天的科技初创公司在获取计算资源以支持其 AI 模型方面面临越来越多的挑战。这些应用程序在模型部署之前执行许多计算密集型过程。对于较小的企业来说，积累大量 GPU 是一项基本不可持续的努力，而传统的云计算服务（如 AWS 或 Google Cloud）虽然提供了无缝且便捷的开发者体验，但其有限的容量最终导致高成本，使许多开发者无法承担。最终，来支付其硬件成本。

那么原因是什么？

Nvidia，全球有超过 40 K 家公司使用 GPU 进行 AI 和加速计算，开发者社区超过 400 万人。展望未来，将从 2023 年的 5150 亿美元增长到 2032 年的 2.74 万亿美元，年均增长率为 20.4% 。同时，预计到 2032 年将达到 4000 亿美元，年均增长率为 25% 。

然而，在 AI 革命之后，计算资源供需之间的不平衡日益加剧，这可能会造成一个相当乌托邦式的未来，即由少数资金雄厚的巨型企业集中主导变革性技术的发展。因此，我们认为所有的道路都通向去中心化的替代解决方案，以帮助弥合人工智能开发者的需求与可用资源之间的差距。

DePIN 的角色

什么是 DePINs？

DePIN 是 Messari 研究团队创造的术语，代表去中心化物理基础设施网络。具体来说，去中心化意味着没有单一实体提取租金和限制访问。而物理基础设施指的是利用的“现实生活”中的物理资源。网络指的是一组协调工作的参与者，以实现预定的目标或一系列目标。今天，DePINs 的总市值。

DePINs 的核心是全球节点网络，这些节点将物理基础设施资源与区块链连接起来，以便创建去中心化的市场，连接资源的买家和供应商，其中任何人都可以成为供应商，并因其服务和对网络的价值贡献而获得报酬。在这种情况下，通过各种法律和监管手段以及服务费限制网络访问的中央中介被智能合约和代码组成的去中心化协议所取代，该协议由其相应的代币持有者管理。

DePINs 的价值在于它们提供了去中心化、可访问、低成本和可扩展的传统资源网络和服务提供商的替代方案。它们使去中心化市场能够服务于特定的最终目标；商品和服务的成本由市场动态决定，任何人都可以随时参与，从而由于供应商数量的增加和利润率的最小化，自然地降低单位成本。

使用区块链使 DePINs 能够构建加密经济激励系统，帮助确保网络参与者因其服务得到适当的报酬，将关键价值提供者转变为利益相关者。然而，重要的是要注意，网络效应，即通过将小型个人网络转变为更大、更具生产力的系统来实现，是实现 DePINs 许多好处的关键。此外，虽然代币奖励已被证明是网络引导机制的有力工具，但在更广泛的 DePIN 领域中，建立可持续的激励措施以帮助用户保留和长期采用仍然是一个关键挑战。

DePINs 如何工作？

为了更好地理解 DePINs 在实现去中心化计算市场中的价值，重要的是要认识到涉及的不同结构组件以及它们如何协同工作以形成去中心化资源网络。让我们考虑一下 DePIN 的结构和参与者。

协议

去中心化协议，即一组建立在底层“基础层”区块链网络之上的智能合约，用于促进网络参与者之间的无信任互动。在理想情况下，协议应由一组多样化的利益相关者管理，他们积极致力于为网络的长期成功做出贡献。这些利益相关者然后使用他们的协议代币份额对 DePIN 的拟议变更和发展进行投票。鉴于成功协调分布式网络本身就是一个巨大的挑战，核心团队通常会保留最初实施这些变更的权力，然后将权力转移给去中心化自治组织（DAO）。

网络参与者

资源网络的最终用户是其最有价值的参与者，可以根据其功能进行分类。

• 供应商：提供资源给网络的个人或实体，以获得以 DePIN 本地代币支付的货币奖励。供应商通过区块链原生协议“连接”到网络，协议可能会强制执行白名单上链过程或无许可的过程。通过接收代币，供应商在网络中获得股份，类似于股权所有权背景中的利益相关者，使他们能够对网络的各种提案和发展进行投票，例如他们认为有助于推动需求和网络价值的提案，从而随着时间的推移创造更高的代币价格。当然，接收代币的供应商也可能利用 DePINs 作为被动收入的一种形式，并在接收代币后出售它们。

• 消费者：这些是积极寻找 DePIN 提供的资源的个人或实体，例如寻求 GPU 的 AI 初创公司，代表经济方程的需求方。如果使用 DePIN 比使用传统替代方案有实际优势（例如较低的成本和开销要求），消费者会被吸引使用 DePIN，从而代表网络的有机需求。DePINs 通常要求消费者以其本地代币支付资源费用，以生成价值并保持稳定的现金流。

资源

DePINs 可以服务于不同的市场，并采用不同的商业模式来分配资源。Blockworks：定制硬件 DePINs，提供专用的专有硬件给供应商分发；商品硬件 DePINs，允许分发现有的闲置资源，包括但不限于计算、存储和带宽。

经济模型

在理想运行的 DePIN 中，价值来自消费者为供应商资源支付的收入。网络的持续需求意味着对本地代币的持续需求，这与供应商和代币持有者的经济激励一致。在早期阶段产生可持续的有机需求对大多数初创公司来说是一个挑战，这就是为什么 DePINs 会提供通胀代币激励，以激励早期供应商并引导网络的供应，作为产生需求和因此更多有机供应的一种手段。这与风险投资公司在 Uber 初期阶段补贴乘客费用以引导初始客户基础以进一步吸引司机并增强其网络效应的方式相似。

DePINs 需要尽可能战略性地管理代币激励，因为它们在网络的整体成功中起着关键作用。当需求和网络收入上升时，代币发行应该减少。相反，当需求和收入下降时，代币发行应再次用于激励供应。

为了进一步说明成功的 DePIN 网络的样子，请考虑“，这是一种引导 DePINs 的正反馈循环。总结如下：

• DePIN 分发通胀代币奖励，以激励供应商为网络提供资源，并建立可供消费的基础供应水平。

• 假设供应商数量开始增长，网络中开始形成竞争动态，提高了网络提供的商品和服务的整体质量，直到它提供的服务优于现有市场解决方案，从而获得竞争优势。这意味着去中心化系统超越了传统的集中式服务提供商，这绝非易事。

• DePIN 的有机需求开始形成，为供应商提供合法的现金流。这为投资者和供应商提供了一个引人注目的机会，继续推动网络需求和因此代币价格。

• 代币价格的增长增加了供应商的收入，吸引了更多供应商并重新启动飞轮。

这个框架提供了一个引人注目的增长策略，尽管需要注意的是它在很大程度上是理论性的，并假设网络提供的资源在竞争力上具有持续的吸引力。

计算 DePINs

去中心化计算市场属于一个更广泛的运动，即“共享经济”，这是一个基于消费者通过在线平台直接与其他消费者共享商品和服务的点对点经济系统。这个模型由 eBay 等公司开创，如今由 Airbnb 和 Uber 等公司主导，最终随着下一代变革性技术席卷全球市场而准备颠覆。共享经济在 2023 年的价值为 1500 亿美元，，展示了消费者行为的更广泛趋势，我们相信 DePINs 将从中受益并在其中发挥关键作用。

基本原理

计算 DePINs 是点对点网络，通过去中心化市场连接供应商和买家，促进计算资源的分配。这些网络的一个关键区别在于它们专注于商品硬件资源，这些资源今天已经在许多人手中。正如我们所讨论的那样，深度学习和生成性 AI 的出现由于其资源密集型工作负载，导致对处理能力的需求激增，造成了 AI 开发访问关键资源的瓶颈。简单地说，去中心化计算市场旨在通过创建一个新的供应流来缓解这些瓶颈——一个跨越全球的供应流，任何人都可以参与。

在计算 DePIN 中，任何个人或实体都可以随时借出其闲置资源，并获得适当的报酬。同时，任何个人或实体都可以从全球无许可网络中获取必要的资源，以比现有市场产品更低的成本和更大的灵活性。因此，我们可以通过一个简单的经济框架来描述计算 DePINs 中的参与者：

• 供应方：拥有计算资源并愿意借出或出售其计算资源以获得补贴的个人或实体。

• 需求方：需要计算资源并愿意为此支付价格的个人或实体。

计算 DePINs 的主要优势

计算 DePINs 提供了许多使其成为集中式服务提供商和市场有吸引力的替代方案的优势。首先，启用无许可的跨境市场参与解锁了一个新的供应流，增加了计算密集型工作负载所需的关键资源的数量。计算 DePINs 专注于大多数人已经拥有的硬件资源——任何拥有游戏 PC 的人都已经有一个可以出租的 GPU。这扩大了能够参与构建下一代商品和服务的开发者和团队的范围，从而使全球更多的人受益。

进一步来看，支持 DePINs 的区块链基础设施提供了高效且可扩展的结算轨道，用于促进点对点交易所需的小额支付。加密原生金融资产（代币）提供了一个共享的价值单位，需求方的参与者使用它来支付供应商，通过与当今日益全球化的经济相一致的分配机制来对齐经济激励。参考我们之前构建的 DePIN 飞轮，战略性地管理经济激励对增加 DePIN 的网络效应（在供应和需求两方面）非常有利，这反过来增加了供应商之间的竞争。这种动态降低了单位成本，同时提高了服务质量，为 DePIN 创造了可持续的竞争优势，供应商作为代币持有者和关键价值提供者可以从中受益。

DePINs 在其旨在提供的灵活用户体验方面类似于云计算服务提供商，资源可以按需访问和支付。参考的，全球云计算市场规模预计将以 21.2% 的年复合增长率增长，到 2030 年达到超过 2.4 万亿美元，展示了在未来计算资源需求增长的背景下此类商业模式的可行性。现代云计算平台利用中央服务器处理客户端设备和服务器之间的所有通信，造成其操作中的单点故障。然而，构建在区块链之上允许 DePINs 提供比传统服务提供商更强的抗审查性和弹性。攻击单个组织或实体（例如中央云服务提供商）会危及整个基础资源网络，而 DePINs 通过其分布式性质设计为抵御此类事件。首先，区块链本身是全球分布的专用节点网络，旨在抵御集中网络权威。此外，计算 DePINs 还允许无许可的网络参与，绕过法律和监管障碍。根据代币分配的性质，DePINs 可以采用公平的投票流程来对协议的拟议变更和发展进行投票，以消除单一实体突然关闭整个网络的可能性。

当今计算 DePINs 的状态

Render Network

Render Network 是一个计算 DePIN，通过去中心化计算市场连接 GPU 的买家和卖家，交易通过其本地代币进行。Render 的 GPU 市场涉及两个关键方——寻求访问处理能力的创作者和向创作者出租闲置 GPU 以换取本地 Render 代币补偿的节点操作员。节点操作员基于声誉系统进行排名，创作者可以从多层定价系统中选择 GPU。Proof-of-Render（POR）共识算法协调操作，节点操作员承诺其计算资源（GPU）以处理任务，即图形渲染工作。完成任务后，POR 算法更新节点操作员的状态，包括基于任务质量的声誉评分变化。Render 的区块链基础设施促进了工作支付，为供应商和买家通过网络代币进行交易提供透明和高效的结算轨道。

Render Network 最初由在 2009 年构思，网络于 2020 年 9 月在以太坊（）上上线，约三年后迁移到 Solana（）以提高网络性能和降低运营成本。

截至撰写本文时，Render Network这一过程发生在工作积分分配给节点操作员期间。

IO Net

Io Net 正在 Solana 之上启动一个去中心化 GPU 网络，作为大量闲置计算资源和需要这些资源提供的处理能力的个人和实体之间的协调层。Io Net 的独特卖点在于，它不是直接与市场上的其他 DePINs 竞争，而是从各种来源（包括数据中心、矿工和其他 DePINs，如 Render Network 和 Filecoin）聚合 GPU，同时利用专有的 DePIN——Internet-of-GPUs（IoG）来协调操作并对齐市场参与者的激励。Io Net 客户可以通过选择处理器类型、位置、通信速度、合规性和服务时间来定制其在 IO Cloud 上的工作负载集群。相反，任何拥有支持的 GPU 型号（12 GB RAM， 256 GB SSD）的人都可以作为 IO Worker 参与，借出其闲置计算资源给网络。虽然服务支付目前以法币和 USDC 结算，但网络很快也将支持本地$IO 代币的支付。资源的价格由其供需以及各种 GPU 规格和配置算法确定。Io Net 的最终目标是通过提供比现代云服务提供商更低的成本和更高的服务质量成为首选 GPU 市场。

多层 IO 架构可以映射如下：

• UI 层 – 由公共网站、客户区域和 Workers 区域组成。

• 安全层 – 该层由用于网络保护的防火墙、用于用户验证的认证服务和用于跟踪活动的日志服务组成。

• API 层 – 该层作为通信层，由公共 API（用于网站）、私有 API（用于 Workers）和内部 API（用于集群管理、分析和监控报告）组成。

• 后端层 – 后端层管理 Workers、集群/GPU 操作、客户交互、账单和使用监控、分析和自动扩展。

• 数据库层 – 该层是系统的数据存储库，使用主存储（用于结构化数据）和缓存（用于频繁访问的临时数据）。

• 消息代理和任务层 – 该层促进异步通信和任务管理。

• 基础设施层 – 该层包含 GPU 池、编排工具，并管理任务部署。

当前统计/路线图

• 截至撰写本文时：

• 总网络收益 – $ 1.08 m

• 总计算小时数 – 837.6 k 小时

• 总集群就绪 GPU – 20.4 K

• 总集群就绪 CPU – 5.6 k

• 总链上交易 – 1.67 m

• 总推理次数 – 335.7 k

• 总创建集群 – 15.1 k

（数据来源于）

Aethir

Aethir 是一个云计算 DePIN，促进高性能计算资源在计算密集型领域和应用中的共享。它利用资源池化，以显著降低成本实现全球 GPU 分配，并通过分布式资源所有权实现去中心化所有权。Aethir 专为高性能工作负载设计，适用于游戏和 AI 模型训练和推理等行业。通过将 GPU 集群统一到单一网络中，Aethir 的设计旨在增加集群规模，从而提高其网络上提供的服务的整体性能和可靠性。

Aethir Network 是一个由矿工、开发者、用户、代币持有者和 Aethir DAO 组成的去中心化经济。确保网络成功运行的三个关键角色是容器、索引器和检查器。容器是网络的核心节点，执行维护网络活跃性的重要操作，包括验证交易和实时渲染数字内容。检查器作为质量保证人员，持续监控容器的性能和服务质量，以确保为 GPU 消费者提供可靠和高效的操作。索引器作为用户与最佳可用容器之间的匹配者。支撑这一结构的是 Arbitrum Layer 2 区块链，它提供一个去中心化的结算层，以便在 Aethir 网络上以本地$ATH 代币支付商品和服务。

渲染证明

Aethir 网络中的节点有两个关键功能——渲染容量证明，其中一组这些工作节点每 15 分钟随机选择一次来验证交易；渲染工作证明，密切监控网络性能，以确保用户获得最佳服务，根据需求和地理位置调整资源。矿工奖励分配给在 Aethir 网络上运行节点的参与者，以他们借出的计算资源的价值计算，奖励以本地$ATH 代币支付。

Nosana

Nosana 是一个基于 Solana 构建的去中心化 GPU 网络。Nosana 允许任何人贡献闲置计算资源，并因此获得$NOS 代币形式的奖励。DePIN 促进了经济高效的 GPU 分配，可以用于运行复杂的 AI 工作负载，而没有传统云解决方案的开销。任何人都可以通过借出闲置 GPU 来运行 Nosana 节点，获得与其提供给网络的 GPU 功率成比例的代币奖励。

网络连接了分配计算资源的两个参与方：寻求访问计算资源的用户和提供计算资源的节点操作员。重要的协议决策和升级由 NOS 代币持有者投票并由 Nosana DAO 管理。

Nosana 为其未来计划制定了广泛的路线图——Galactica（v1.0 – 2024 上半年/下半年）将启动主网，发布 CLI 和 SDK，并专注于通过消费者 GPU 的容器节点扩展网络。Triangulum（v1.X – 2024 下半年）将集成主要的机器学习协议和连接器，例如 PyTorch、HuggingFace 和 TensorFlow。Whirlpool（v1.X -2025 上半年）将扩大对 AMD、Intel 和 Apple Silicon 的多样化 GPU 的支持。Sombrero（v1.X – 2025 下半年）将增加对中大型企业的支持，法币支付、账单和团队功能。

Akash

Akash 网络是一个基于 Cosmos SDK 构建的开源权益证明网络，允许任何人无许可地加入和贡献，创建一个去中心化的云计算市场。$AKT 代币用于保障网络安全、促进资源支付并协调网络参与者之间的经济行为。Akash 网络由几个关键组件组成：

• 区块链层，使用 Tendermint Core 和 Cosmos SDK 提供共识。

• 应用层，管理部署和资源分配。

• 提供者层，管理资源、投标和用户应用部署。

• 用户层，使用户能够与 Akash 网络互动、管理资源并使用 CLI、控制台和仪表板监控应用状态。

该网络最初专注于存储和 CPU 租赁服务，随着 AI 训练和推理工作负载的需求增长，网络已扩展其服务范围，涵盖 GPU 的租赁和分配，通过其 AkashML 平台响应这些需求。AkashML 使用“反向拍卖”系统，客户（称为租户）提交其期望的 GPU 价格，计算供应商（称为提供者）竞争以供应所请求的 GPU。

截至撰写本文时，

荣誉提名

计算 DePIN 领域仍在发展，许多团队正在竞争以将创新和高效的解决方案推向市场。值得进一步研究的其他示例包括，它正在构建一个用于 AI 开发的资源池协作开放访问平台，以及 ，它正在建立一个由计算矿工支撑的分布式计算能力网络。

重要考虑事项及未来展望

现在我们已经了解了计算 DePIN 的基本原理并审查了几个当前正在运行的补充案例研究，重要的是要考虑这些去中心化网络的影响，包括优点和缺点。

挑战

在规模上构建分布式网络通常需要在性能、安全性和弹性等方面做出权衡。例如，在全球分布的商品硬件网络上训练 AI 模型可能在成本效益和时间效率上远不如在集中式服务提供商上训练。正如我们之前提到的，AI 模型及其工作负载变得越来越复杂，需要更多高性能 GPU 而不是商品 GPU。

这就是大型企业大量囤积高性能 GPU 的原因，也是旨在通过建立一个任何人都可以借出闲置 GPU 的无许可市场来解决 GPU 短缺问题的计算 DePINs 所面临的固有挑战（有关去中心化人工智能协议所面临挑战的更多信息，请参阅）。协议可以通过两种关键方式解决这一问题：一是为希望为网络做出贡献的 GPU 提供商建立基准要求，二是汇集提供给网络的计算资源，以实现更大的整体性。尽管如此，与集中式服务提供商相比，这种模式的建立本身就具有挑战性，因为集中式服务提供商可以分配更多资金与硬件提供商（如 Nvidia）直接交易。这是 DePINs 在前进过程中应该考虑的问题。如果去中心化协议拥有足够大的资金，DAO 可以投票决定分配一部分资金用于购买高性能 GPU，这些 GPU 可以用去中心化的方式进行管理，并以高于商品 GPU 的价格借出。

另一个特定于计算 DePINs 的挑战是管理适当的资源利用率。在其早期阶段，大多数计算 DePINs 将面临结构性需求不足的问题，正如许多初创公司今天所面临的那样。一般来说，DePINs 面临的挑战是早期建立足够的供应以达到最低可行产品质量。没有供应，网络将无法产生可持续的需求，也无法在需求高峰期为其客户服务。另一方面，过剩供应也是一个问题。在某个阈值以上，只有当网络利用率接近或达到满负荷时，更多的供应才有帮助。否则，DePIN 将面临为供应支付过多费用的风险，从而导致资源利用不足，除非协议提高代币发行以保持供应商的参与，否则供应商的收入将减少。

没有广泛的地理覆盖范围，电信网络就没有用武之地。如果乘客必须等待很长时间才能搭到车，出租车网络就不会有用。如果 DePIN 必须向长期提供资源的人员支付费用，那么它就不会有用。集中式服务提供商可以预测资源需求并有效管理资源供应，而计算 DePIN 则缺乏管理资源利用的中央机构。因此，对 DePIN 而言，尽可能战略性地确定资源利用率尤为重要。

一个更大的问题是，去中心化 GPU 市场可能不再面临 GPU 短缺的局面。马克·扎克伯格最近在一次采访中表示，他认为能源将成为新的瓶颈，而不是计算资源，因为企业现在将争相大规模建设数据中心，而不是像现在这样囤积计算资源。当然，这意味着 GPU 成本的潜在降低，但也提出了一个问题，即如果建设专有数据中心提高了 AI 模型性能的整体标准，AI 初创公司将如何在性能和提供的商品和服务质量上与大公司竞争。

计算 DePINs 的案例

重申一下，AI 模型的复杂性及其随后的处理和计算需求与可用高性能 GPU 和其他计算资源之间的差距正在扩大。

计算 DePINs 在计算市场领域有望成为创新的颠覆者，这些市场今天由主要硬件制造商和云计算服务提供商主导，基于以下几个关键能力：

1) 提供更低的商品和服务成本。

2) 提供更强的抗审查性和网络弹性保障。

3) 受益于可能要求 AI 模型尽可能开放以进行微调和训练的潜在监管准则，并且任何人都可以轻松访问。

美国拥有计算机和互联网接入的家庭比例呈指数增长，接近 100% 。全球许多地区的比例也显著增长。这表明潜在的计算资源提供者（GPU 拥有者）数量的增加，如果有足够的货币激励和无缝的交易过程，他们将愿意借出闲置供应。当然，这是一个非常粗略的估计，但它表明建立可持续共享经济计算资源的基础可能已经存在。

除了 AI 之外，未来对计算的需求还将来自许多其他行业，例如量子计算。量子计算市场规模预计元，年复合增长率为 32.1% 。该行业的生产将需要不同种类的资源，但看看是否会有任何量子计算 DePINs 启动以及它们的样子将会很有趣。

“在消费者硬件上运行的开放模型的强大生态系统是对抗未来价值被 AI 高度集中和大多数人类思维被少数几个人控制的中央服务器读取和调解的一个重要对冲。这些模型的风险也比企业巨头和军队的风险要低得多。”——

大型企业可能不是 DePINs 的目标受众，将来也不会是。计算 DePINs 让个人开发者、零散的建设者、拥有最少资金和资源的初创企业重新回归。它们允许将闲置的供应转化为创新的想法和解决方案，并通过更丰富的计算能力来实现。人工智能无疑将改变数十亿人的生活。我们不应该担心人工智能会取代每个人的工作，而应该鼓励这样一种想法，即人工智能可以增强个人和自主创业者、初创企业以及广大公众的能力。