AI 与 DePIN 的融合：去中心化计算资源的崛起

自 2023 年以来，AI 和 DePIN 成为 Web3 领域的热门趋势，市值分别达到 300 亿美元和 230 亿美元。本文聚焦两者交叉领域，探讨相关协议的发展。

在 AI 技术栈中，DePIN 网络通过计算资源为 AI 提供实用性。大型科技公司的发展导致 GPU 短缺，使其他 AI 模型开发者难以获得足够的 GPU。这通常导致开发者选择中心化云提供商，但由于需签署不灵活的长期高性能硬件合同，效率低下。

DePIN 提供了更灵活、更具成本效益的替代方案，利用代币激励资源贡献。AI 领域的 DePIN 将 GPU 资源从个人所有者众包到数据中心，为需要硬件的用户形成统一供应。这不仅为开发者提供定制化和按需访问，还为 GPU 所有者创造额外收入。

AI DePIN 网络概述

Render

• 提供 GPU 计算能力的 P2P 网络先驱
• 专注于内容创作渲染图形，后扩展到 AI 计算任务
• GPU 网络被娱乐行业大公司使用
• 与 Stability AI 和 Endeavor 合作，整合 AI 模型与 3D 内容渲染

Akash

• 定位为支持存储、GPU 和 CPU 计算的"超级云"替代品
• 利用容器平台和 Kubernetes 管理的计算节点
• AkashML 允许在 Hugging Face 上运行超过 15,000 个模型
• 托管多个知名 AI 应用

io.net

• 提供专门用于 AI 和 ML 用例的分布式 GPU 云集群
• IO-SDK 与主流框架兼容，支持动态扩展
• 整合其他 DePIN 网络的 GPU 资源

Gensyn

• 专注于机器学习和深度学习计算的 GPU 网络
• 采用创新验证机制提高效率
• 支持基础模型微调

Aethir

• 专门搭载企业 GPU，聚焦计算密集型领域
• 扩展到云手机服务
• 与多家 Web2 和 Web3 公司建立合作

Phala Network

• 作为 Web3 AI 解决方案的执行层
• 使用可信执行环境 (TEE) 设计处理隐私问题
• 支持链上 AI 代理操作

项目比较

各项目在硬件类型、业务重点、AI 任务类型、工作定价、区块链选择、数据隐私、费用结构、安全机制等方面存在差异。

硬件统计

项目间在 GPU 数量、CPU 数量、高性能 GPU 数量及定价上有明显差异。

结论

AI DePIN 领域仍较新，面临挑战，但任务量和硬件数量显著增加，显示出对替代传统云提供商的需求增长。这些网络有望在未来蓬勃发展的 AI 市场中发挥关键作用，为开发者提供经济高效的计算替代方案。