引言
在前文中，我们曾探讨过本轮加密牛市与前两轮相比缺乏具有足够影响力的新商业叙事和资产类别。AI作为当前Web3领域为数不多的新兴叙事之一，正吸引着越来越多的关注。本文将以今年备受瞩目的AI项目IO.NET为例，深入分析AI与Web3结合的商业必要性，以及分布式算力服务面临的机遇与挑战。
我们将首先探讨AI+Web3的商业逻辑，随后重点剖析分布式算力领域的代表项目IO.NET，包括其产品架构、竞争优势和团队背景，并对项目估值进行合理推演。需要说明的是，本文关于AI与Web3结合的部分思考受到Delphi Digital研究员Michael Rinko《The Real Merge》一文的启发，部分观点可能存在对该文的引用和延伸，建议感兴趣的读者阅读原文。
本文仅代表作者在撰写时的阶段性思考，观点具有较强主观性，可能存在事实或逻辑上的疏漏，请勿作为投资依据。我们欢迎业内人士的批评指正和深入交流。
商业逻辑：AI与Web3的融合之道
2023：AI创造的科技奇迹年
纵观人类文明发展史，每当科技实现突破性进展，都会引发从个体生活到产业格局，乃至整个文明的深刻变革。历史上公认的两大”奇迹年”——1666年和1905年，正是这种变革的典型代表。
1666年，牛顿在光学、微积分和万有引力定律等领域取得开创性成就，为现代自然科学奠定基础。1905年，26岁的爱因斯坦发表四篇划时代论文，涉及光电效应、布朗运动、狭义相对论和质能方程，每一项成果都足以获得诺贝尔奖，推动人类文明迈上新台阶。
而2023年，很可能因ChatGPT的横空出世成为第三个”奇迹年”。这不仅源于大语言模型在自然语言处理上的突破，更因为人类首次明确了AI能力增长的规律——通过扩大模型参数和训练数据，就能实现模型性能的指数级提升，且这一趋势短期内看不到瓶颈。
这种能力远不止于语言理解和对话生成。以生物科技为例，2018年诺贝尔化学奖得主弗朗西斯·阿诺德曾感叹人类尚无法”创作”DNA序列。而到2023年，基于GPT-3微调的大语言模型已能创造出100万种全新蛋白质，其中两种展现出抗菌潜力。与此同时，AlphaFold算法在18个月内预测了2.14亿种蛋白质结构，远超过去所有结构生物学家的成果总和。
从生物医药、材料科学到法律艺术，AI正在重塑各个领域的发展轨迹。2023年，我们见证了这场变革的元年。随着AI技术持续突破，人类财富创造能力将迎来新的飞跃。
全球GDP总量走势图，数据来源：世界银行
AI与加密经济的互补性
要理解AI与Crypto结合的必要性，需要从两者的特性互补入手。AI具有三个核心特征：随机性、资源密集性和类人智能。这些特性在创造生产力的同时，也带来了验证控制、算力需求和身份识别等挑战。
而加密经济的确定性、资源配置高效性和免信任特性，恰好能有效应对这些挑战。区块链的规则透明和智能合约的确定性，为AI的随机性提供了可控的执行环境；代币经济模型能高效调配全球算力资源；ZK技术则在保护隐私的前提下实现人机区分。
以AI代理为例，在传统金融体系中执行交易需要繁琐的KYC和验证流程，而在加密经济中，AI代理只需通过智能合约即可快速完成交易。这正是各类交易机器人已经在实践的模式。未来，更复杂的AI代理将能分析链上数据，自主执行投资策略并总结经验。
在资源聚合方面，比特币网络已经证明代币激励能汇聚超国家级的算力。类似地，IO.NET等DePIN项目正尝试通过代币模型构建AI算力市场。Worldcoin则通过虹膜识别和ZK技术，为区分人机提供了可行方案。
总体而言，加密经济的确定性规则、无许可访问和代币激励机制，为应对AI挑战提供了独特解决方案。其中最迫切的，就是满足AI对算力资源的巨大需求。
分布式计算的商业价值
AI发展面临的核心瓶颈是算力供给。大语言模型的能力呈现”涌现”特征——当计算量突破临界值时，模型性能会突然跃升。OpenAI创始人Sam Altman提出筹集7万亿美元建设芯片工厂的计划，正是基于这一认知。
与AWS、GCP等中心化云服务相比，分布式算力平台具有三大优势：可访问性强，能快速获取紧俏GPU资源；价格优势明显，利用闲置算力可降低90%成本；抗审查特性，满足特殊地区和研究需求。
然而，分布式算力也面临技术挑战：如何验证深度学习计算的有效性？如何实现复杂任务的并行化分解？如何保护数据隐私？此外，监管合规问题也可能制约发展。
尽管面临挑战，在GPU持续短缺和监管趋严的背景下，分布式算力作为AI基础设施的重要组成部分，其发展前景值得期待。接下来，我们将聚焦分布式算力新秀IO.NET，分析其产品特性和市场潜力。
分布式AI算力平台：IO.NET深度剖析
项目定位与产品特性
IO.NET致力于构建去中心化的GPU算力网络，目标是整合百万量级的GPU资源。其核心产品IO Cloud提供弹性、低成本的分布式算力服务，主要面向AI模型训练和推理需求。
与主流云服务商相比，IO.NET突出三大优势：硬件组合灵活，支持自定义GPU集群；部署速度快，可秒级启动计算任务；成本优势显著，价格仅为传统服务的10%。
实际体验中，用户可便捷地选择任务类型（通用、训练或推理）、硬件配置和租赁时长。以16张A100芯片组成的高性能集群为例，周租价格仅3311美元，单卡时租1.23美元，远低于AWS等平台的3.67-5.12美元。
业务现状与发展潜力
截至4月初，IO.NET已接入37万张GPU，其中21万张在线，包含7965张高端A100和86张最新H100芯片。这一供给规模远超老牌项目Akash Network的365张，成为分布式GPU算力赛道的领跑者。
然而需求端仍处培育阶段，多数GPU处于闲置状态。网络累计收入58.6万美元，日收入约3200美元，与Akash处于同一量级。值得注意的是，23万次AI推理任务主要来自合作项目BC8.AI。
这种供需不平衡可能源于：需求端推广尚未发力；服务稳定性有待验证；或是市场认知仍需时间。随着AI算力短缺持续，以及项目方加强生态建设，供需匹配度有望逐步提升。
团队背景与融资情况
IO.NET核心团队出身量化交易领域，2022年转型分布式计算。今年3月完成A轮融资，以10亿美元估值募集3000万美元，由Hack VC领投，Multicoin、Delphi Digital等知名机构跟投。
团队汇集了来自Avalanche、Hum Capital等企业的专业人才。创始人Ahmad Shadid具有丰富的量化交易经验，新任CMO Garrison Yang曾任Avalanche增长副总裁，COO Tory Green有斯坦福背景和金融科技从业经历。
估值分析与市场展望
参考Render Network和Akash Network两个可比项目，我们采用市销比和”市芯比”两种方法估算IO.NET的潜在估值。
按市销比计算，IO.NET的FDV可能在16.7亿至59.3亿美元之间。考虑到项目热度、流通盘规模和供给优势，实际估值可能接近甚至超过Render。而以”市芯比”测算，理论估值区间高达206-1975亿美元，显然过于乐观。
作为兼具AI、DePIN和Solana生态三重概念的项目，IO.NET的市场表现值得期待。但其庞大的GPU供给是否能在代币发行后持续，仍需观察。无论如何，IO.NET已经为分布式AI算力网络的发展提供了重要实践。
来源：Emergent Abilities of Large Language Models
声明：文章不代表CHAINTT观点及立场，不构成本平台任何投资建议。投资决策需建立在独立思考之上，本文内容仅供参考，风险 自担！转载请注明出处：https://www.chaintt.cn/13205.html