La brecha de capacidad de AI ya es tan grande que el ciclo de entrega de los chips de alta gama de Nvidia se ha extendido a varias semanas, pero en el mercado de criptomonedas hay un tipo de proyecto que está aceptando silenciosamente esta demanda excedente: redes descentralizadas de GPU.

Render se ha expandido desde el cálculo de renderizado hasta la inferencia de IA, vinculando la demanda de potencia de cálculo con el valor del token mediante un mecanismo de Burn-and-Mint; Akash alcanzó un gasto de potencia de cálculo de 5 millones de dólares en el primer trimestre, prometiendo reducir los costos en un 70%; Bittensor utiliza una "prueba inteligente" para incentivar a los contribuyentes de modelos y datos.
La lógica común de estos proyectos es: los recursos de GPU de los proveedores de la nube tradicionales (AWS, Azure) ya están en demanda, mientras que en todo el mundo todavía hay muchas GPU de consumo inactivas sin utilizar. Las redes descentralizadas pueden agrupar estos recursos con una ventaja de costo del 50% al 90%, y mediante incentivos en tokens, lograr elasticidad en la oferta.
El riesgo radica en que: la calidad de la potencia de cálculo en estas redes actualmente varía mucho, y las GPU de consumo en escenarios de inferencia de IA rinden mucho menos que chips de nivel centro de datos como el H100. Además, el precio del token no está linealmente ligado a la demanda de potencia de cálculo; el sentimiento del mercado y los fondos especulativos suelen dominar las fluctuaciones a corto plazo, en lugar del uso real.
El superciclo de IA está remodelando la estructura de oferta y demanda de capacidad de cálculo, pero si las redes descentralizadas podrán convertirse realmente en una opción confiable para las empresas principales aún requiere tiempo para ser verificado.
$render #ai #h100 #区块链 # mercado de criptomonedas