Kesenjangan daya komputasi AI telah besar hingga menyebabkan periode pengiriman chip kelas atas Nvidia diperpanjang hingga puluhan minggu, tetapi ada sejenis proyek di pasar kripto yang secara diam-diam menangani sebagian kebutuhan overflow ini—jaringan GPU terdesentralisasi.

Render berkembang dari komputasi rendering ke inferensi AI, mengikat kebutuhan daya komputasi dengan nilai token melalui mekanisme Burn-and-Mint; Akash mencatat pengeluaran daya komputasi mencapai rekor tertinggi 5 juta dolar AS dalam kuartal pertama; mengklaim dapat mengurangi biaya hingga 70%; Bittensor menggunakan "bukti cerdas" untuk memberi insentif kepada model dan kontributor data.
Logika bersama dari proyek-proyek ini adalah: sumber daya GPU dari penyedia cloud tradisional (AWS, Azure) sudah tidak mencukupi, sementara di seluruh dunia masih banyak GPU konsumsi kelas konsumen yang tidak digunakan. Jaringan terdesentralisasi dapat menggabungkan sumber daya ini dengan keuntungan biaya 50%-90%, dan melalui insentif token untuk mencapai elastisitas pasokan.
Risikonya adalah: kualitas daya komputasi dari jaringan semacam ini saat ini bervariasi, dan performa GPU konsumsi dalam skenario inferensi AI jauh lebih rendah dibandingkan chip data center seperti H100. Selain itu, harga token dan permintaan daya komputasi tidak berkaitan secara linier—sentimen pasar dan dana spekulasi sering memimpin fluktuasi jangka pendek, bukan volume penggunaan nyata.
Super siklus AI sedang membentuk ulang struktur penawaran dan permintaan daya komputasi, tetapi apakah jaringan terdesentralisasi benar-benar bisa menjadi pilihan yang andal bagi perusahaan utama masih perlu waktu untuk diverifikasi.
$render #ai #h100 #区块链 # pasar kripto