Я можу, напевно, назвати 10 криптопроектів, які займаються децентралізованим виведенням штучного інтелекту з абсолютно різних ракурсів. Цей напрямок приваблює деяких із найкращих талантів у галузі AI-розробки в крипто сьогодні.

Боротьба стає все складнішою з гонкою за апаратне забезпечення, моделі довіри, профілі затримки та хто зможе перетворити сирий обчислювальний ресурс у корисне виведення без того, щоб спалити гроші.
Я намагався намалювати карту деяких проектів у цій грі, щоб ви могли бачити це більш чітко.
[1] @darkbloomai
@EigenLabs намагається перетворити бездіяльні Mac з Apple Silicon у мережу для виведення з пріоритетом на приватність.
Мільйони Mac з серією M вже існують, додаткові витрати — це переважно електроенергія, а Apple Silicon має об’єднану пам’ять до 64–512 ГБ із великим пропускною здатністю.
Тому вони хочуть, щоб запасний Mac, що стоїть на столі у когось, став частиною інфраструктурного шару AI.
Користувачі надсилають запити на виведення, координатори, керовані Eigen, маршрутизують їх, провайдери запускають модель на відповідних Mac, і, ймовірно, провайдер не може бачити запит або вихід.
– найкращий провайдер заробляє близько $6, а п’ятий — близько $2
– доходи за 30 днів були ближче до ~$6 загалом проти прогнозів калькулятора в $280–600 на місяць
[2] @nosana_ai
Мережа для виведення на базі Solana, зосереджена на AI-завданнях, плануванні, GPU-хостах і розробниках, які хочуть дешевше виведення без зайвих турбот про інфраструктуру.
– понад 50 тис. зареєстрованих GPU-хостів
– 600 активних вузлів щодня у понад 60 країнах
Вони дають розробникам дешевий канал для виведення і дозволяють Solana координувати ринок.
[3] @rendernetwork
Вони вже мали креативну GPU-мережу, потім повільно розширювалися у сферу AI-обчислень і виведення.
– понад 5600 GPU-нод
– 24,3 мільйона кадрів відрендерено у 2025 році
– AI вже становить близько 35–40% обсягу
– Розподілені GPU приблизно за $0,69/год
Рендеринг і виведення — це не одна й та сама навантаження, але Render вже знає, як координувати розподілений попит на GPU, платежі, репутацію постачальників і робочі процеси творців.
[4] @akashnet
Kubernetes-орієнтовані, зворотні аукціони, оренда обчислень через SDL, досить гнучкі для багатьох навантажень.
Akash реальний, зрілий, дешевий, корисний, але не ідеально оптимізований для виведення.
Він може бути засобом зниження витрат, піковою потужністю, пакетними завданнями і самостійною інфраструктурою. Але для низької затримки UX у виведенні потрібно, щоб загальнодоступне хмарне рішення конкурувало з спеціалізованими маршрутизаторами.
[5] @ionet
Понад 100 тис. зареєстрованих GPU, ціна H100 близько $1,49–2,20/год проти значно вищих цін гіперскейлерів, оркестрація за стилем Ray і тепер конфіденційне обчислення з Intel TDX, що підтримує H100/H200/B200.
націлюється на масштаб і корпоративний рівень.
[6] $Tao субмережі (SN64 + SN4)
Chutes має близько 4 400 еквівалентів H100, усього оброблено 9,1 трлн токенів, піковий обсяг понад 50 млрд токенів на день і, ймовірно, є одним із провайдерів OpenRouter топ-класу.
Targon робить ставку на конфіденційне виведення з Intel TDX + NVIDIA конфіденційні обчислення, понад 1 500 H200 і заявлений ~$10M ARR.
Затримка залишається бар’єром. Більшість децентралізованих мереж ще далекі від централізованих провайдерів у реальному часі.
Але їм не потрібно перемагати у кожному навантаженні.
Пакетне виведення, асинхронні агенти, задачі з кодом, генерація зображень/відео, офлайн-дослідження, фонові цикли агентів — усе це може терпіти більшу затримку, якщо вартість і приватність кращі.
Ось чому я вважаю, що чим більше зростає ринок AI, тим більше можливостей для криптопроектів зайняти свою нішу.