Я, вероятно, могу назвать 10 криптопроектов, которые сейчас занимаются децентрализованным ИИ-выводом с совершенно разными подходами. Этот сегмент привлекает сейчас одних из лучших талантов в области ИИ в криптоиндустрии.

Борьба становится всё более сложной с гонкой за аппаратное обеспечение, модели доверия, профили задержек и тем, кто сможет превратить сырые вычисления в пригодный для использования вывод без того, чтобы сжечь деньги.
Я попытался составить карту некоторых проектов в этой области, чтобы вы могли видеть это более ясно.
[1] @darkbloomai
@EigenLabs пытается превратить простаивающие Mac с Apple Silicon в сеть для вывода, ориентированную на конфиденциальность.
Уже существует миллионы Mac с M-серией, переменные издержки — в основном электроэнергия, а Apple Silicon обладает объединенной памятью объемом до 64–512 ГБ с огромной пропускной способностью.
Поэтому они хотят, чтобы свободный Mac, стоящий на чьем-то столе, стал частью инфраструктурного слоя ИИ.
Пользователи отправляют запросы на вывод, координаторы, управляемые Eigen, маршрутизируют их, провайдеры запускают модель на подходящих Mac, и, предположительно, провайдер не может видеть запрос или вывод.
– лучший провайдер зарабатывает около $6, а пятый — около $2
– доход за 30 дней был ближе к ~$6 в целом против расчетных прогнозов в $280–600 в месяц
[2] @nosana_ai
Инференционная сеть на базе Solana, ориентированная на задачи ИИ, планирование, GPU-хосты и разработчиков, которые хотят более дешевый вывод без особых забот об инфраструктуре.
– более 50 тысяч зарегистрированных GPU-хостов
– 600 активных узлов ежедневно по более чем 60 странам
Они предоставляют разработчикам более дешевую линию для вывода и позволяют Solana координировать рынок.
[3] @rendernetwork
У них уже была креативная GPU-сеть, затем они медленно расширялись в области вычислений ИИ и вывода.
– более 5600 GPU-узлов
– 24,3 миллиона кадров отрендерено в 2025 году
– ИИ уже составляет около 35–40% объема
– Распределенные GPU примерно за $0,69/час
Рендеринг и вывод — это не одна и та же нагрузка, но Render уже умеет координировать распределенный спрос на GPU, платежи, репутацию поставщиков и рабочие процессы создателей.
[4] @akashnet
Kubernetes-нативные, обратные аукционы, аренда вычислений через SDL, достаточно гибкие для многих задач.
Akash — реальный, зрелый, дешевый, полезный, но не идеально оптимизированный для вывода.
Он может служить клапаном снижения затрат, всплеском мощности, пакетными заданиями и самохостингом инфраструктуры. Но для UX с низкой задержкой, связанной с выводом, универсальное облако должно конкурировать со специализированными маршрутизаторами.
[5] @ionet
Более 100 тысяч зарегистрированных GPU, цена H100 около $1,49–2,20/час против гораздо более высокой стоимости гиперскейлеров, оркестрация по типу Ray, и теперь конфиденциальные вычисления с поддержкой Intel TDX на уровнях H100/H200/B200.
нацелены на масштаб и корпоративный уровень.
[6] $Tao subnets (SN64 + SN4)
Chutes имеет около 4400 H100-эквивалентных поставок, всего обслужено 9,1 трлн токенов, пиковая нагрузка — более 50 миллиардов токенов в день, и, по всей видимости, является одним из ведущих провайдеров OpenRouter.
Targon делает ставку на конфиденциальный вывод с Intel TDX + NVIDIA конфиденциальные вычисления, более 1500 H200 и заявленный ~$10M ARR.
Задержка все еще остается преградой. Большинство децентрализованных сетей пока не приближаются к централизованным провайдерам по скорости реального времени.
Но им не нужно побеждать во всех задачах.
Пакетный вывод, асинхронные агенты, задачи по коду, генерация изображений/видео, оффлайн-исследования, фоновые циклы агентов — все это может терпеть худшую задержку, если стоимость и конфиденциальность лучше.
Вот почему я считаю, что чем больше растет рынок ИИ, тем больше возможностей для криптопроектов занять свою нишу.