过去12个月来，生成式人工智能的发展已经开始改变人们的生活和工作方式。语言模型被用于制定法律诉讼策略；图像扩散模型被用于增强主要娱乐工作室的工作流程；计算机视觉的进步使得自动驾驶汽车大规模上路。众所周知，扩展这些系统的主要瓶颈是获得计算资源。2023年，Nvidia的A100和H100芯片的等待时间和小时费率持续上升，芯片产能简直跟不上需求。显卡短缺问题源于材料限制、供应链中断、需求激增、地缘政治紧张以及制造复杂GPU固有的长生产周期等多重因素。此外，GPU芯片所需的先进硅片、PCB的专用衬底和存储芯片等关键材料在供需不平衡中也面临短缺问题。

2023年，与AI工作负载有关的数据中心收入约为1000亿美元。数据中心需要大量的前期资本支出，包括土地、电力和企业级硬件。新数据中心依赖外部融资进行建设和运营，但利率高，资金紧张。AI模型的规模和复杂性不断增加，尽管每单位计算性能的价格每30个月减半，但AI特定的计算需求每六个月翻一番。需求增长速度远远超过供应。

这是投资者梦寐以求的事情：创新的构造性转变几乎一夜之间就影响了几乎每个企业，这是由于有限的资源和不断增长的需求，导致商品价格飙升。NVIDIA在过去12个月的年初至今回报率为231.5%，这正是这一变化的完美代表，但甚至这都未能完全代表眼前的机遇。我们仍处于人工智能复兴的早期阶段。每个《财富》500强公司都在制定他们的人工智能战略，而我们今天看到的需求远远不及明天的需求。人工智能将增强和取代劳动力，推动生产力，从根本上改变企业的运作方式。计算力就是新的石油。

GPU是人工智能的货币，而DePINs正在为其提供支持。

对于不断增长的计算资源短缺问题，有一个解决方案：寻找未被利用的供应。一种新形式的加密网络，称为“去中心化物理基础设施网络”（DePINs），正在力挽狂澜。据估计，全球有15亿张可自由使用的消费级GPU，以及全球范围内部署在超大规模数据中心之外的其他六百万张数据中心GPU（如AWS、GCP、Azure、Oracle）。消费级硬件显卡的计算吞吐量通常与企业级显卡相当。

例如，消费级的RTX 3090可达到83 FP32 TFLOPS，而企业级的A100只有19.5 FP32 TFLOPS。目前，有超过3.3亿张个人电脑（游戏玩家、设计师、视频编辑等）和数据中心中的消费级GPU，可以投入使用。问题在于，历史上无法激励或协调这些不同的GPU以形成可用的集群。

最近，专注于人工智能的DePINs，如Render Network和IO.net，已经解决了这个问题。首先，他们为潜在的GPU运营商提供奖励，以交换资源共享网络。其次，他们正在创建一个分散的网络层，将不同的GPU表示为AI开发人员可以使用的集群。这些分散的计算市场现在提供数以十万计的各种类型的计算资源，为先前无法利用的合格硬件创建了一个新的分发AI工作负载的途径。

除了创造全新的GPU供应外，DePIN网络通常便宜得多，甚至便宜到传统云服务提供商的90%。它们通过将GPU协调和开销外包给区块链来实现这些成本。云服务提供商会标记基础设施成本，因为他们有员工支出、硬件维护和数据中心开销。DePIN网络没有这些开支，因此他们可以将计算成本几乎以零成本（加上微不足道的网络协调费用）传递给最终客户。

展望未来一年，我们期待这些分散网络将成为人工智能竞赛中的关键参与者之一。眼下，确实没有足够的GPU（更不用说价格实惠的GPU）来满足世界上每家主要公司的需求。GPU是人工智能的货币，而DePINs正在为其提供支持。