FMG研究报告：AI面临的三大挑战与DePIN解决方案解析

TL; DR

在AI时代的产品竞争中，资源端的支持显得尤为重要，特别是稳定的算力和数据资源。模型训练和迭代不仅需要强大的计算能力，还需要海量的用户数据来持续优化模型性能。而Web3技术的引入，为中小型AI初创团队提供了突破传统AI巨头垄断的新机遇。

DePIN生态的发展潜力取决于多个维度：基础算力和带宽资源决定了项目下限，而AI模型的应用深度、专业化程度（如BitTensor、Render、Hivemaper等项目）以及数据利用效率则决定了项目上限。在这个背景下，模型推理与微调技术，以及移动端AI模型市场将成为重要发展方向。

AI市场分析显示，自2022年9月ChatGPT问世前夕至2023年8月，全球Top 50的AI产品访问量已突破240亿次，月均增长达2.363亿次。这种爆发式增长的背后，是对算力资源日益增长的依赖。

Source: “Language Models are Few-Shot Learners”

马萨诸塞大学阿莫斯特分校的研究指出，训练一个AI模型的碳排放量相当于五辆汽车整个生命周期的排放量。而这一数据仅针对单次训练，随着模型的持续迭代优化，能耗将呈指数级增长。以GPT-3为例，这个拥有1750亿参数的模型需要1024个A100 GPU、34天训练时间和460万美元的成本。

Source：AI is harming our planet: addressing AI’s staggering energy cost

当前AI行业面临三大核心挑战：首先是稳定资源端的获取难题，包括算力和带宽等基础设施。传统芯片市场受供需关系和地缘政治影响，价格波动剧烈，如NVIDIA H100芯片价格在2023年4月至8月间从3.6万美元飙升至5万美元。其次是数据获取瓶颈，模型性能突破需要海量高质量数据支持。最后是中小AI团队的突围困境，面对OpenAI、Google Deepmind等行业巨头的资源垄断。

这些挑战在Web3生态中都能找到解决方案。AI与Web3的结合已形成繁荣的生态系统，下图展示了Future Money Group整理的AI+Web3部分赛道和代表性项目。

DePIN的创新解决方案

DePIN（去中心化物理基础设施网络）通过代币经济学将硬件设备与用户有机结合，构建新型生产关系。相比广义的Web3，DePIN与硬件设备和传统企业的深度结合，使其在吸引AI团队和外部资金方面具有独特优势。

DePIN生态通过分布式算力网络和贡献者激励机制，有效解决了AI产品对算力和数据的需求：代币经济模型推动全球算力资源（包括专业算力中心和闲置个人算力）的参与，降低中心化风险和使用成本；多元化的IP构成确保数据来源的多样性和客观性；用户画像的重叠助力开发具有Web3特色的AI模型，形成差异化竞争优势。

传统AI数据采集受限于文化背景、地域限制和采集成本，难以获得大规模高质量数据。而DePIN项目如Hivemapper已在全球1920个地区拥有近4万名贡献者为地图AI模型提供数据，展现了去中心化数据采集的独特优势。

Source：Large Language Models’ emergent abilities: how they solve problems they were not trained to address?

AI与DePIN的结合标志着Web3融合进入新阶段。当前Web3中的AI项目多集中于应用层，仍依赖Web2基础设施。而DePIN概念正在打破这种局限，将注意力转向更广阔的AI模型开发领域。

AI+DePIN项目生态全景

DePIN生态天然具备AI发展所需的硬件资源（算力、带宽、算法、数据）、用户群体和数据激励机制。我们可以将AI+DePIN定义为：为AI提供完备基础设施（算力/带宽/数据/IP），提供模型训练/推理/微调场景，并采用代币经济激励的项目。

算力类项目

算力是AI+DePIN的核心板块，主要提供GPU、CPU和TPU三种计算资源。其中GPU凭借并行计算优势成为主流选择，这也使得许多项目专注于图形渲染和视频处理领域。

算力供给主要来自三方面：传统云服务商、闲置个人算力和自有算力。目前这类项目普遍存在算力闲置现象，如Akash Network使用率约35%，这为AI团队提供了低成本算力机会。

代表性项目

Akash Network：去中心化云服务市场，采用类似Airbnb的竞价模式，让开发者以更具竞争力的价格获取计算资源。其Supercloud功能允许开发者设定预算部署AI模型，目前生态GPU总量176枚，活跃度35%。

io.net：Solana上的去中心化计算网络，接入GPU超100万枚，与Render合作扩展资源。虽然闲置率较高，但价格优势明显（最低0.1美元/小时），计划引入质押机制优化资源分配。

Render Network：专注图形渲染的去中心化GPU解决方案，支持AI辅助3D内容生成等应用。与苹果、谷歌、微软等巨头合作，曾处理25万个渲染请求，创造50亿美元NFT销售额。

带宽类项目

随着AI模型复杂度提升，训练过程中的并行计算对网络带宽提出更高要求。稳定可靠的带宽资源能确保节点响应同步，增强网络抗审查能力。

Grass：兼容移动端的带宽挖矿产品，用户通过贡献闲置网络资源获得收益。已拥有103,000次下载和1,450,000个唯一IP地址，移动端布局为其在移动AI数据采集领域占据先机。

Meson Network：Layer2存储加速网络，聚合闲置服务器带宽。目前集成27,116个IDC节点，带宽容量达17.7TB/s，半年收入超百万美元。

数据类项目

数据类项目具有鲜明专业性，通常服务于特定领域AI模型训练，如地图导航、汽车数据等。

Hivemapper：去中心化地图项目，通过行车记录仪采集数据训练Map AI引擎。引入AI训练师角色，通过游戏化任务降低参与门槛，已覆盖全球1920个地区。

算法类项目

算法类项目聚焦AI模型优化和竞争机制，代表项目BitTensor构建了去中心化机器学习网络，通过子网架构和验证机制促进模型间竞争。

BitTensor：包含32个子网的生态系统，矿工提供AI模型，验证者评估质量，用户获取最优解决方案。其TAO代币采用4年减半机制，当前流通量相对较低但潜力巨大。

行业展望

AI+DePIN正在推动Web3范式转移，从”AI在Web3中的应用”转向”AI与Web3共同改变世界”。如果说生成式大模型是AI的”iPhone时刻”，那么AI+DePIN就是Web3的”iPhone时刻”。

当前AI+DePIN项目呈现同质化竞争趋势，但未来发展关键不仅在于算力规模，更在于如何有效利用这些资源。随着生态成熟，模型推理与微调、移动端AI等新兴领域将迎来爆发式增长。

这一赛道仍处于早期野蛮生长阶段，其最终格局和产品形态充满想象空间。DePIN作为Web3连接现实世界的重要桥梁，正在让区块链技术变得更加普适和实用，同时也为AI发展开辟了全新路径。