撰文：Hedy Bi，OKG Research

香港 Web3 嘉年華已告一段落，然而 Web3 自由的脈搏還在跳動，並不斷向其他行業滲透。和上一輪周期相比，本輪牛市开啓的邏輯是由「原生創新敘事」轉變成「主流認可，資金驅動」的模式。筆者所觀察到的 Web3 發展階段也從一個「封閉且小衆的絕對自由」，演變到了「真正包容下的相對自由」階段。

在這樣的邏輯下再不跳出盒子去分析，守株待兔原生創新敘事已無法適應 Web3 當下的發展。自整個 Web3 擁抱合規开始，Web3 已經在港府的不斷推動下，重新聚焦金融領域。主流金融機構也通過 RWA、現貨 ETF 加速參與 Web3。

此次大會，除了主流金融機構進入 Web3，我們也看到了一個可以連接 Web2 和 Web3 的機會—— DePIN 賽道。尤其是 AI 大模型發展的推動，讓 DePIN 中的子賽道 - 算力的重新分配再次成爲熱門關注。

來源：OKG Research

算力爲誘餌，但 AI 大模型訓練並不是 DePIN 最好落地場景

「區塊鏈是通過技術建立信任，而 AI 又是一個極度需要信任的行業。」Dragonfly Capital 的管理合夥人 Haseed Qureshi 在大會如是說。

DePIN 並不是一個新賽道，早在幾年前就已經提出。正是 AI 大模型爆發，業界對於算力和數據开展了大量的討論，據測算，大模型計算的成本每年增加 31 倍。全球 GPU 短缺，英偉達這樣的公司處於目前市場需求的食物鏈頂端具有極大的定價權。壟斷還是去中心化，有關於成本之辯成了 Web3 DePIN 賽道再次熱議的原因。

雖然 AI 大模型訓練是起因，但羅馬非一日建成，AI 大模型訓練並不是目前 DePIN 最好的落地場景。AI 大模型生產對算力的要求主要圍繞 2 個方面：推理和訓練。在訓練環節，通過投喂大量的數據，訓練出一個復雜的神經網絡模型。在推理環節，利用訓練好的模型，使用大量數據推理出各種結論。

來源：NVIDIA

去中心化與算力的結合，難度系數從訓練到微調訓練再到推理是逐層遞減的。在 DePIN 中，可以看到行業上更多的項目是集中在推理而非訓練的。大部分企業的 AI 訓練採用的英偉達 GPU 集群主要原因是其擁有自身強悍的並行計算能力以及內存帶寬。相對於推理環節，對於並行計算能力和帶寬的要求降低很多。並且大模型訓練對於穩定性更爲看重，因爲一旦訓練中斷，是需要重新進行訓練的。若在以太坊上構建一個去中心化算力應用供 GPT 使用，僅單個矩陣乘法運算將消耗 Gas 費高達 100 億美元並且需要 1 個月之久。

此外，筆者分析了此次大會中比較熱門的幾個項目現狀，呈現供給端超過需求端的一個態勢，即分布在全球的算力供給超過 AI 模型訓練或者推理任務的 AI 开發者需求。並不是說需求不存在，OpenAI 的創始人 Sam Altman 提出了要募集 7 萬億美金，構建一個超過目前台積電 10 倍規模的先進芯片廠和用於芯片的生產和模型訓練。斯坦福大學研究也表明，不論哪個語言模型，當訓練參數規模超過那個規模的臨界值後，其表現（比如准確性）就急劇提升。這與「大力出奇跡」的規律截然相反，也意味着現實情況下，去中心化算力的設想還有很多難題去解決。

DePIN 賽道的「歷史溯源」可追溯至「共享經濟」

DePIN 本身概念不難理解，甚至可以追溯到 Web2，回顧互聯網行業，至少有 15 年時間，Web2 玩家沉浸於將個人的有形資產聚合起來，從而創造出「共享經濟」之中。如果是將無形資產（例如闲置的服務器等）直接通過 Peer to peer（P2P）的形式或者 Peer to business（P2B）的形式重新分配給需求方，去中心化技術區塊鏈就可以通過激勵機制來進行生產關系的一個優化。這就是 DePIN 要做的東西。

也因此，DePIN 賽道下面，大家在供給端的熱情是高漲的。其實 Web2 已經爲「重新分配」做了很久的積澱，只是這次，直接去掉中介。目前已有近千個 DePIN 項目，尤其是 Solana 生態，據 Messari 統計，Solana 生態在 DePIN 基礎設施處於領先地位，這是由於 Solana 公鏈具有較高的基礎設施集成性和性能。在地區分布上，預計多個前 10 名的 DePIN 將在 2024 年至 2025 年來自亞洲。

來源：Messari

Web3 和 AI 有非常多的交叉點，算力作爲未來數字世界的通用貨幣，是人們最先關注到的。但去中心化算力這個最合理的落地場景卻不是最容易落地的。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。