FMG研报：AI的三个问题和DePIN的解法

摘要

AI时代产品竞争，离不开资源端（算力、数据等），尤其是稳定资源端做支持。

模型训练/迭代同时还需要庞大的用户标的（IP）来帮忙喂养资料，来对模型效率产生质变。

与Web3的结合，能够帮助中小型AI初创团队实现对传统AI巨头的弯道超车。

对于DePIN生态，算力、带宽等资源端决定下限（单纯算力集成没有护城河）；AI模型的应用、深度优化（类似BitTensor）、专业化（Render、Hivemaper）以及对数据的有效利用等维度决定项目上限。

AI+DePIN语境下，模型推理 & 微调，以及移动端AI模型市场将得到重视。

AI市场分析 & 三个问题

有数据统计，从2022年9月，ChatGPT诞生前夕到2023年8月，全球Top 50的AI产品就产生了超过240亿次的访问量，平均每月增长量为2.363亿次。

AI产品的繁荣，背后是对于算力依赖程度的加剧。

Source: "Language Models are Few-Shot Learners"

马萨诸塞大学阿莫斯特分校的一篇论文指出，“训练一个人工智能模型，其一生所排放的碳相当于五辆汽车的碳排放量。” 然而，这一分析仅涉及一次训练。当模型通过反复训练得到改进时，能量的使用将会大大增加。

最新的语言模型包含数十亿甚至数万亿的权重。一种流行的模型GPT-3拥有1750亿个机器学习参数。如果使用A100需要1024个GPU、34天和460万美元来训练该模型。

后AI时代的产品竞争，已经逐渐延展成为以算力为主的资源端战争。

Source：AI is harming our planet: addressing AI’s staggering energy cost

这就延展出三个问题：第一，一个AI产品是否有足够的资源端（算力、带宽等）尤其是稳定资源端做支持。这种可靠需要算力足够的去中心化。在传统领域，由于芯片需求端的缺口，再加上基于政策、意识形态构建的世界墙，让芯片制造商天然处于优势地位，并能够大幅度哄抬价格。比如NVIDIA H100型号芯片从2023年4月份的3.6万美元涨至5万美元，这进一步加重了AI模型训练团队的成本。

第二个问题，资源端条件的满足帮助AI项目解决了硬件刚需，但模型训练/迭代同时还需要庞大的用户标的（IP）来帮忙喂养资料。模型规模超过一定阈值之后，在不同任务上的性能都表现出突破式增长。

第三个问题在：中小型AI初创团队难以实现弯道超车。传统金融市场算力的垄断性也导致AI模型方案也存在垄断性，以OPenAI、Google Deepmind等为代表的大型AI模型厂商正在进一步构建自己的护城河。中小型AI团队需要谋求更多的差异化竞争。

以上三个问题，都可以从Web3中找到答案。事实上，AI与Web3的结合由来已久，并且生态较为繁荣。

下图为Future Money Group制作的AI+Web3生态的部分赛道&项目展示。

AI+DePIN

1. DePIN的解决方案

DePIN是去中心化物理基础设施网络的缩写，同时也是人和设备的生产关系集合，通过代币经济学与硬件设备（比如计算机、车载摄像头等）的结合，来将用户与设备进行有机结合，同时实现经济模型的有序运转。

相较于定义更广泛的Web3，由于DePIN天然与硬件设备和传统企业有更深的关联，因此DePIN在吸引场外AI团队和相关资金方面有着天然的优势。

DePIN生态对于分布式算力的追求和贡献者的激励，恰好解决了AI产品对于算力和IP的需求。

• DePIN以代币经济学来推动世界算力（算力中心 & 闲置个人算力）的入驻，降低了算力的中心化风险，同时降低了AI团队调用算力的成本。

• DePIN生态数量庞大、多元化的IP构成帮助AI模型能够实现数据获取渠道的多样性和客观性，足够多的数据提供者也能确保AI模型性能的提升。

• DePIN生态用户与Web3用户在人物画像上的重叠，能够帮助入驻的AI项目开发出更多带有Web3特色的AI模型，形成差异化竞争，这是传统AI市场所不具备的。

在Web2领域，AI模型数据采集通常来自公开数据集或模型制作方自行收集，这就会受到文化背景和地域的限制，让AI模型产出的内容存在主观性“失真”。传统数据采集方式又受限于采集效率和成本，难以获得更大的模型规模（参数数量、训练时长和数据质量）。对于AI模型而言，模型规模越大，模型的性能越容易引起质变。

Source：LargeLanguage Models’ emergent abilities: how they solve problems they were not trained to address?

DePIN恰好在这一领域有着天然优势。以Hivemapper为例，分布于全球1920个地区，接近4万名贡献者在为MAP AI（地图AI模型）提供着数据。

AI与DePIN的结合还意味着AI与Web3的融合上升了新的高度。当前Web3中的AI项目，广泛爆发于应用端，并且几乎没有摆脱对Web2基础设施的直接依赖，即将依托于传统算力平台的已有AI模型植入到Web3项目中，对于AI模型的创建则很少涉猎。

Web3要素一直处于食物链下游，无法获得真正的超额回报。对于分布式算力平台而言也是如此，单纯的AI+算力，并不能真正挖掘出二者的潜力，在这一关系中，算力提供方无法获得更多超额利润，且生态架构过于单一，因此也就无法通过代币经济学去促使飞轮运转。

但AI+DePIN概念，正在打破这一固有关系，并将Web3的注意力转移至更广阔的AI模型方面。

2. AI+DePIN项目汇总

DePIN内部天然拥有AI所亟需的设备（算力、带宽、算法、数据）、用户（模型训练数据提供者），以及生态内激励机制（代币经济学）。

我们可以大胆地下一个定义：为AI提供完备的客观条件（算力/带宽/数据/IP），提供AI模型（训练/推理/微调）场景，并被赋予代币经济学的项目，可以被定义为AI+DePIN。

Future Money Group将会列举以下AI+DePIN的经典范式进行梳理。

我们按照资源提供类别的不同，分成了算力、带宽、数据、其他四个板块，尝试对不同板块项目进行梳理。

2.1算力

算力端是AI+DePIN板块的主要构成，也是目前项目构成数量最多的部分。算力端项目，算力的主要构成是GPU（图形处理器）、CPU（中央处理器）和TPU（专业机器学习芯片）。其中，TPU由于制造难度高，主要由Google打造，只对外进行云算力租赁服务，因此市场规模较小。而GPU是一种与CPU类似，但更专业的硬件组件。与普通CPU相比，它可以更高效地处理并行运行的复杂数学运算。最初的GPU专用于处理游戏和动画中的图形渲染任务，不过现在它们的用途已远超于此。因此，GPU是目前算力市场的主要来源。

因此，我们能够看到的算力方面的AI+DePIN项目，很多都专长于图形和视频渲染，或者相关的游戏方面，这是由于GPU的特性导致的。

从全局看，算力类AI+DePIN产品，其算力的主要提供方由三部分构成：传统云算力服务商；闲置个人算力；自有算力。其中，云算力服务商占比较大，闲置个人算力第二。这意味着此类产品更多时候扮演着算力中介的身份。需求端则是各种AI模型开发团队。

目前这一分类中，算力几乎无法100%被运用于实际，更多时候处于闲置状态。比如Akash Network，目前处于使用状态的算力为35%左右，其余算力则处于闲置状态。io.net也是类似情况。

这可能是目前AI模型训练需求数量较少导致的，并且也是AI+DePIN能够提供廉价算力成本的原因。后续随着AI市场的扩大，这一情况将得以改善。

Akash Network：去中心化的点对点云服务市场

Akash网络是一个去中心化的点对点云服务市场，通常被称为云服务的Airbnb。Akash网络允许不同规模的用户和公司快速、稳定且经济地使用他们的服务。

与Render类似，Akash同样为用户提供了GPU部署、租赁以及AI模型训练等服务。

2023年8月，Akash上线了Supercloud，允许开发者设定他们愿意支付的价格来部署他们的AI模型，而具有额外计算能力的提供商则托管用户的模型。该功能与Airbnb非常相似，允许提供商出租未使用的容量。

通过公开竞价的方式，激励资源提供方开放其网络中的空闲计算资源，Akash Network实现了资源的更有效利用，从而为资源需求方提供了更具竞争力的价格。

目前Akash生态GPU总量为176枚GPU，但活跃数量为62枚，活跃度为35%，低于2023年9月份50%的水平。预估日收入为5000美元左右。AKT代币具有质押功能，用户通过将代币进行质押以参与网络安全的维护，获得13.15%左右的年化收益。

Akash在当前AI+DePIN板块数据表现比较优质，且7亿美元的FDV相较于Render和BitTensor，具有较大上涨空间。

Akash还接入了BitTensor的Subnet，用于扩大自身发展空间。总体而言，Akash的项目作为AI+DePIN赛道的几个优质项目之一，基本面表现优异。

io.net：接入GPU数量最多的AI+DePIN

io.net是一个去中心化计算网络，支持在Solana区块链上开发、执行和扩展ML （机器学习）应用程序，利用世界上最大的GPU集群，以允许机器学习工程师以相当于中心化服务成本的一小部分，来租用并访问分布式云服务算力。

据官方数据显示io.net拥有超过100万个处于待命状态的GPU。此外，io.net与Render的合作也扩展了可供部署的GPU资源。

io.net生态的GPU较多，但几乎都是来自于与各云计算厂商的合作和个人节点的接入，且闲置率较高，以数量最多的RTX A6000为例，8426枚GPU中，只有11%（927）枚处于使用状态，而更多型号的GPU几乎没有人使用。但目前io.net产品的一大优势在于定价便宜，相较于Akash 1.5美元一小时GPU调用成本，io.net上成本最低能做到0.1-1美元之间。

后续io.net还考虑允许IO生态的GPU提供商通过抵押原生资产的方式来提高被使用的机会。投入资产越多，被选中的机会越大。同时，质押原生资产的AI工程师同样可以使用高性能的GPU。

在GPU接入规模上，io.net是本文所列10个项目中最大的。刨除闲置率之外，处于使用状态的GPU数量也处于第一。在代币经济学方面，io.net原生代币与协议代币IO将于2024年第一季度上线，最大供应量为22,300,000枚。用户使用网络时将收取5%的费用，该费用将用于Burn IO代币或为供需双方的新用户提供激励。代币模型有着明显的拉升特性，因此io.net尽管未发币，但市场热度很大。

Golem：以CPU为主的算力市场

Golem是一个去中心化算力市场，支持任何人都可以通过创建共享资源的网络来共享和聚合计算资源。Golem为用户提供了算力租赁的场景。

Golem市场由三方组成，分别是算力供应方、算力需求方、软件开发者。算力需求方提交计算任务，Golem网络将计算任务分配给合适的算力供应方（提供RAM、硬盘空间及CPU核数等），计算任务完成之后，双方通过Token进行支付结算。

Golem主要采用CPU来进行算力堆叠，尽管在费用方面会比GPU的成本更低（Inter i9 14900k价格700美元左右，而A100 GPU价格在12000-25000美元）。但CPU无法进行高并发运算，且能耗更高。因此以CPU来进行算力租赁可能在叙事上相较于GPU项目会稍微弱一些。

Magnet AI：AI模型资产化

Magnet AI通过整合GPU算力提供商，为不同AI模型开发者提供模型训练服务。和其他AI+DePIN产品不同，Magent AI允许不同AI团队基于自身模型发布ERC-20代币，用户通过参与不同模型互动，获得不同模型代币空投和额外奖励。

2024年Q2，Magent AI将上线Polygon zkEVM & Arbrium。

与io.net有点类似，对于GPU算力都是以整合为主，并为AI团队提供模型训练服务。

不同点在于，io.net更侧重于GPU资源的整合，鼓励不同GPU集群、企业以及个人贡献GPU，同时获得回报，是算力驱动。

Magent AI看起来更侧重AI模型，由于AI模型代币的存在，可能会围绕代币、空投来完成用户的吸引和留存，并通过这种将AI模型资产化的方式来推动AI开发者的入驻。

简单概括：Magnet相当于用GPU搭建了一个集市，任何AI开发者，模型部署者都可以在上面发ERC-20代币，用户可以获取不同代币，或者主动持有不同代币。

Render：图形渲染型AI模型专业玩家

Render Network是基于去中心化GPU的渲染解决方案提供商，旨在通过区块链技术连接创作者和闲置GPU资源，以消除硬件限制，降低时间和成本，同时提供数字版权管理，进一步推动元宇宙的发展。

根据Render白皮书内容，基于Render，艺术家、工程师和开发者可以创建一系列AI应用，比如AI辅助3D内容生成、AI加速全系渲染，以及利用Render的3D场景图数据进行相关的AI模型的训练。

Render为AI开发者提供了Render Network SDK，开发者将能够利用Render的分布式GPU来执行从NeRF（神经反射场）和LightField渲染过程到生成性AI任务的AI计算任务。

根据Global Market Insights的报告，预计全球3D渲染市场规模达60亿美元。而FDV 22亿美元的Render相比仍具发展空间。

目前查询不到Render基于GPU的具体数据，但由于Render背后OTOY公司数次表现出与苹果公司的关联性；再加上业务广泛，OTOY旗下的明星渲染器OctaneRender，支持VFX、游戏、动效设计、建筑视觉化和模拟领域的所有行业领先的3D工具集，包括对于Unity3D和Unreal引擎的原生支持。

以及谷歌和微软加入了RNDR网络。Render曾在2021年处理了近25万个渲染请求，生态中的艺术家通过NFT产生了50亿美元左右的销售额。

因此，对于Render的参考估值应该对照泛渲染市场潜力（约300亿美元）。加上BME（燃烧和铸造平衡）经济模型，无论从单纯代币价格还是FDV来看，Render依旧有一定上涨空间。

Clore.ai：视频渲染

Clore.ai是一个建立在PoW基础上的提供GPU算力租用服务的平台。用户可出租自己的GPU用于AI培训、视频渲染和加密货币挖矿等任务，其他人可以以低价获取这种能力。

业务范围包括：人工智能培训、电影渲染、VPN、加密货币挖矿等。有具体算力服务需求的时候，完成网络分配的任务；如果没有算力服务需求的时候，网络找到当时挖矿收益率最高的加密货币，参与挖矿。

Clore.ai过去半年，GPU数量从2000涨到9000左右，但从GPU集成数量上来看，Clore.ai超过Akash。但其二级市场FDV只有Akash的20%左右。

代币模型上，CLORE采用POW挖矿模式，没有预挖和ICO，每个区块的50%分配给矿工，40%分配给出租者，10%分配给团队。

代币总量13亿枚，自2022年6月开始挖矿，至2042年基本进入全流通，当前流通量大约为2.2亿枚。2023年底流通量约为2.5亿枚，占代币总量的20%。所以当前实际FDV为3100万美元，理论上，Clore.ai处于严重被低估状态，但由于其代币经济学上，矿工分配比例50%，挖卖提比例过高，因此币价提升具有较大阻力。

Livepeer：视频渲染、推理

Livepeer是基于以太坊的去中心化视频协议，向以合理价格安全地处理视频内容的各方发放奖励。

据官方称，Livepeer每周有数千个GPU资源进行数百万分钟的视频转码。

Livepeer或将采用“主网”+“子网”的方式，让不同的节点运营商生成子网，通过在 Livepeer 主网上兑现付款来执行这些任务。比如，引入AI视频子网用于专门进行视频渲染领域的AI模型训练。

Livepeer此后会将与AI有关的部分从单纯的模型训练扩列至推理 & 微调。

Aethir：专注于云游戏和AI

Aethir是一个云游戏平台，专为游戏和人工智能公司构建的去中心化云基础设施 (DCI)。它有助于代替玩家交付繁重的GPU计算负载，确保游戏玩家在任何地方、任何设备上都能获得超低延迟的体验。

同时，Aethir提供包括GPU、CPU、磁盘等要素的部署服务。2023年9月27日，Aethir正式为全球客户提供云游戏和AI算力的商用服务，通过集成去中心化算力的方式来为自身平台的游戏以及AI模型提供算力支持。

云游戏通过将计算渲染的算力需求转移到云端，消除了终端设备的硬件及操作系统的限制，显著扩大了潜在的玩家基础规模。

2.2 带宽

带宽是DePIN向AI提供的资源中的一种，2021年全球带宽市场规模超过500亿美元，预测2027年将突破千亿。

由于AI模型的越来越多以及更复杂，模型训练通常采用多种并行计算策略，例如数据并行、流水线并行和张量并行等。在这些并行计算模式下，多台计算设备间集体通信操作的重要性日益凸显。因此，在构建大型AI模型的大规模训练集群时，网络带宽的作用就凸显了出来。

更重要的是，一个稳定且足够可靠的带宽资源，能够确保不同节点之间同时相应，技术上避免了单点控制的出现（比如Falcon采用低延迟+高带宽的中继网络模式来寻求延迟与带宽之间需求的平衡），最终确保整个网络的可信任和抗审查。

Grass：兼容移动端的带宽挖矿产品

Grass是Wynd Network的旗舰产品, Wynd专注于开放⽹络数据，于2023年融资100万美元。Grass允许⽤户通过出售未使⽤的⽹络资源来通过互联⽹连接来获得被动收⼊。

用户可以在Grass上出售互联网带宽，为有需要的AI开发团队提供带宽服务，帮助AI模型训练，从而获得代币回报。

目前，Grass即将推出移动端版本，由于移动端与PC端具有不同的IP地址，这意味着Grass的用户将为平台同时提供更多的IP地址，而Grass将收集到更多的IP地址从而为AI模型训练提供更好的数据效率。

目前Grass有两种IP地址提供方式：PC端下载拓展程序，以及移动端APP下载。（PC端与移动端需处于不同网络）

截至2023年11月29日，Grass平台已经拥有103,000次下载和1,450,000个唯一IP地址。

移动端和PC端对AI的需求度不一样，因此适用的AI模型训练类别有所不同。

比如，移动端对于图片优化、人脸识别、实时翻译、语音助手、设备性能优化等方面拥有大量数据。这些是PC端难以提供的。

目前Grass在移动端AI模型训练上处于比较先发的身位。考虑到当前全球范围内，移动端市场的巨大潜力，Grass的前景值得关注。

但目前Grass尚未在AI模型方面提供更有效的信息，推测前期可能单纯以矿币为主要运营方式。

Meson Network：Layer 2  兼容移动端

Meson Network是基于区块链Layer 2的下一代存储加速网络，通过挖矿的形式聚合闲置服务器，调度带宽资源并将其服务于文件以及流媒体加速市场，包含传统网站、视频、直播及区块链存储方案。

我们可以将Meson Network理解为一个带宽资源池，池子两边可以看作是供需双方。前者贡献带宽，后者使用带宽。

在Meson具体的产品结构中，有2个产品（GatewayX、GaGaNode）在负责接收全球不同节点贡献的带宽，1个产品（IPCola）则负责将这些汇聚的带宽资源进行变现。

GatewayX：以集成商业闲置带宽为主，主要瞄准IDC中心。

从Meson的数据看板可以发现，目前接入的IDC在全世界范围内共有2万多个节点，并且形成了12.5Tib/s的数据传输能力。

GaGaNode：主要整合住宅及个人设备闲置带宽，提供边缘计算辅助。

IPCola：Meson变现渠道，进行IP和带宽分配等任务。

目前Meson透露，半年收入在百万美金以上。据官网统计，Meson有IDC节点27116个，IDC容量17.7TB/s。