Saya mungkin bisa menyebutkan 10 proyek kripto yang sedang mengejar inferensi AI terdesentralisasi dari sudut pandang yang benar-benar berbeda saat ini. Jalur ini menarik beberapa talenta pengembang AI terbaik di crypto saat ini.

Pertarungan menjadi semakin kompleks dengan perlombaan untuk perangkat keras, model kepercayaan, profil latensi, dan siapa yang bisa mengubah komputasi mentah menjadi inferensi yang dapat digunakan tanpa membakar uang.
Saya mencoba memetakan beberapa proyek dalam permainan ini agar Anda bisa melihatnya dengan lebih jelas.
[1] @darkbloomai
@EigenLabs berusaha mengubah Mac Apple Silicon yang tidak digunakan menjadi jaringan inferensi yang berorientasi privasi.
Jutaan Mac seri M sudah ada, biaya marginalnya sebagian besar adalah listrik, dan Apple Silicon memiliki memori terpadu hingga 64–512GB dengan bandwidth besar.
Jadi mereka ingin Mac cadangan yang duduk di meja seseorang menjadi bagian dari lapisan infrastruktur AI.
Pengguna mengirim permintaan inferensi, koordinator yang dioperasikan Eigen mengarahkannya, penyedia menjalankan model di Mac yang memenuhi syarat, dan penyedia seharusnya tidak bisa melihat prompt atau output.
– penyedia teratas mendapatkan sekitar $6 dan yang kelima sekitar $2
– pendapatan 30 hari mendekati ~$6 total dibandingkan proyeksi kalkulator sebesar $280–600/bulan
[2] @nosana_ai
Jaringan inferensi berbasis Solana berfokus pada pekerjaan AI, penjadwalan, host GPU, dan pengembang yang menginginkan inferensi lebih murah tanpa terlalu memikirkan infrastruktur.
– Lebih dari 50K host GPU terdaftar
– 600 node aktif harian di lebih dari 60 negara
Mereka memberi pengembang jalur inferensi yang lebih murah dan membiarkan Solana mengoordinasikan pasar.
[3] @rendernetwork
Mereka sudah memiliki jaringan GPU kreatif, lalu perlahan berkembang ke komputasi AI dan inferensi.
– Lebih dari 5.600 node GPU
– 24,3 juta frame dirender pada tahun 2025
– AI sudah menyumbang sekitar 35–40% volume
– GPU tersebar sekitar $0,69/jam
Rendering dan inferensi bukan beban kerja yang sama, tetapi Render sudah tahu bagaimana mengoordinasikan permintaan GPU terdistribusi, pembayaran, reputasi pasokan, dan alur kerja pencipta.
[4] @akashnet
Kubernetes-native, lelang terbalik, sewa komputasi melalui SDL, cukup fleksibel untuk banyak beban kerja.
Akash nyata, matang, murah, berguna, tetapi tidak sepenuhnya dioptimalkan untuk inferensi.
Ini bisa menjadi katup pengurangan biaya, kapasitas ledakan, pekerjaan batch, dan infrastruktur yang di-host sendiri. Tapi untuk pengalaman pengguna inferensi latensi rendah, cloud umum harus bersaing dengan router khusus.
[5] @ionet
Lebih dari 100K GPU terdaftar, harga H100 sekitar $1,49–2,20/jam versus harga hyperscaler yang jauh lebih tinggi, orkestrasi gaya Ray, dan sekarang komputasi rahasia dengan Intel TDX-enabled H100/H200/B200 tiers.
sedang mengejar skala dan posisi tingkat perusahaan.
[6] $Tao subnets (SN64 + SN4)
Chutes memiliki sekitar 4.400 pasokan setara H100, total 9,1T token yang dilayani, lebih dari 50B token/hari di puncak, dan tampaknya menjadi salah satu penyedia OpenRouter teratas.
Targon berfokus pada inferensi rahasia dengan Intel TDX + komputasi rahasia NVIDIA, lebih dari 1.500 H200, dan klaim sekitar $10M ARR.
Latensi masih menjadi penghalang utama. Sebagian besar jaringan terdesentralisasi jauh dari penyedia terpusat untuk chat waktu nyata.
Tapi mereka tidak perlu memenangkan setiap beban kerja.
Inferensi batch, agen asinkron, tugas kode, pembuatan gambar/video, riset offline, loop agen latar belakang, semua ini bisa mentolerir latensi yang lebih buruk jika biaya dan privasi lebih baik.
Itulah sebabnya saya percaya semakin besar pasar AI menjadi, semakin banyak ruang bagi proyek crypto untuk mengukir jalur mereka sendiri.