1, упорядочение отношений сотрудничества между протоколами вверх и вниз по цепочке
Анализируя технологическую архитектуру, функциональные позиции и реальные примеры использования, я разделю всю экосистему на: инфраструктурный слой, слой промежуточного ПО, модельный слой и приложенческий слой, и проясню их зависимости:
Инфраструктурный слой предоставляет децентрализованные базовые ресурсы (вычислительная мощность, хранение, L1), где протоколы вычислительной мощности: Render, Akash, io.net и т.д.; протоколы хранения: Arweave, Filecoin, Storj и т.д.; L1: NEAR, Olas, Fetch.ai и т.д.
Протоколы слоя вычислительной мощности поддерживают обучение моделей, вывод и работу фреймов; протоколы хранения сохраняют обучающие данные, параметры моделей и записи взаимодействия на цепи; L1 оптимизирует эффективность передачи данных и снижает задержку через специализированные узлы.
2, слой промежуточного ПО
Слой промежуточного ПО является мостом, соединяющим инфраструктуру и верхние приложения, предоставляя инструменты для разработки фреймов, услуги данных и защиту конфиденциальности, среди которых протоколы аннотирования данных: Grass, Masa, Vana и т.д.; протоколы разработки фреймов: Eliza, ARC, Swarms и т.д.; протоколы вычислений с конфиденциальностью: Phala и т.д.
Слой услуг данных обеспечивает топливо для обучения модели, фреймы разработки зависят от вычислительной мощности и хранения инфраструктурного слоя, слой вычислений с конфиденциальностью защищает данные в процессе обучения/вывода.
3, модельный слой
Модельный слой используется для разработки, обучения и распространения моделей, среди которых платформа для обучения открытых моделей: Bittensor.
Модельный слой зависит от вычислительной мощности инфраструктурного слоя и данных слоя промежуточного ПО; модели разворачиваются на цепи через фреймы разработки; рынок моделей будет передавать результаты обучения в приложенческий слой.
4, приложенческий слой
Приложенческий слой ориентирован на конечных пользователей AI-продуктов, среди которых Agent включает: GOAT, AIXBT и т.д.; протоколы DeFAI: Griffain, Buzz и т.д.
Приложенческий слой вызывает предобученные модели из модельного слоя; полагается на вычисления с конфиденциальностью из слоя промежуточного ПО; сложные приложения требуют реальных вычислительных мощностей из инфраструктурного слоя.
2, негативное влияние на децентрализованные вычислительные мощности
По результатам выборочного опроса, примерно 70% проектов Web3 AI фактически используют OpenAI или централизованные облачные платформы, только 15% проектов используют децентрализованные GPU (например, модели подсетей Bittensor), остальные 15% имеют смешанную архитектуру (чувствительные данные обрабатываются локально, общие задачи выполняются в облаке).
Фактическая степень использования децентрализованных протоколов вычислительной мощности значительно ниже ожидаемого, не соответствует их фактической рыночной капитализации. Причины низкой степени использования заключаются в трех аспектах: разработчики Web2 продолжают использовать существующие инструменты при переходе на Web3; децентрализованные GPU-платформы еще не достигли ценового преимущества; некоторые проекты используют название «децентрализованный», чтобы избежать соблюдения норм, фактическая мощность все еще зависит от централизованных облаков.
AWS/GCP занимают более 90% доли рынка вычислительных мощностей AI, в то время как эквивалентная вычислительная мощность Akash составляет лишь 0,2% от AWS. У централизованных облачных платформ есть защитные барьеры: управление кластерами, высокоскоростная сеть RDMA, эластичное масштабирование; децентрализованные облачные платформы имеют улучшенные веб3 версии вышеуказанных технологий, но имеют недостатки, такие как проблемы с задержкой: задержка связи распределенных узлов в 6 раз больше, чем у централизованных облаков; разрыв инструментов: PyTorch/TensorFlow не поддерживают децентрализованное распределение изначально.
DeepSeek снижает потребление вычислительной мощности на 50% за счет разреженного обучения (Sparse Training), динамическое обрезание модели позволяет обучать модели с миллиардами параметров на потребительских GPU. Ожидания рынка по краткосрочному спросу на высококачественные GPU значительно снижены, потенциал рынка пограничных вычислений переоценивается. Как показано на графике, до появления DeepSeek большинство протоколов и приложений в отрасли использовали платформы, такие как AWS, лишь немногие примеры использования развертывались в децентрализованных GPU-сетях, эти примеры фокусировались на ценовом преимуществе последнего в вычислительной мощности потребительского уровня и не учитывали влияние задержки.
Эта ситуация может еще больше ухудшиться с появлением DeepSeek. DeepSeek освободил ограничения для разработчиков с длинным хвостом, эффективные модели вывода с низкими затратами будут распространяться с беспрецедентной скоростью. На самом деле, в настоящее время указанные централизованные облачные платформы и многие страны уже начали развертывание DeepSeek, резкое снижение затрат на вывод приведет к появлению множества фронтальных приложений, которые требуют значительных ресурсов GPU потребительского уровня. В условиях ожидаемого огромного рынка централизованные облачные платформы начнут новую битву за пользователей, конкурируя не только с ведущими платформами, но и с бесчисленными малыми централизованными облачными платформами. Самый непосредственный способ конкуренции — это снижение цен; можно предсказать, что цена 4090 на централизованных платформах будет снижена, что станет настоящей катастрофой для вычислительных платформ Web3. Когда цена не является единственным защитным барьером, а другие вычислительные платформы в отрасли также вынуждены снижать цены, результатом станет то, что io.net, Render, Akash не смогут это выдержать. Ценовая война разрушит оставшиеся пределы оценки последних, а спираль смерти, вызванная снижением доходов и потерей пользователей, может заставить децентрализованные протоколы вычислений перейти в новое направление.
Три, значение для протоколов вверх и вниз по цепочке
Как показано на графике, я считаю, что DeepSeek окажет различное влияние на инфраструктурный слой, модельный слой и приложенческий слой, с точки зрения положительного влияния:
- Приложенческий слой будет выигрывать от значительного снижения затрат на вывод, больше приложений могут использовать низкие затраты для обеспечения длительной работы приложений Agent в режиме онлайн и выполнения задач в реальном времени;
- Тем временем такие модели, как DeepSeek с низкими затратами, могут создавать более сложные SWARM для протоколов DeFAI, тысячи Agent могут быть использованы для одного примера использования, где каждая задача Agent будет очень специализирована и четко определена, что значительно улучшит пользовательский опыт и предотвратит неправильное разбиение и выполнение вводимых пользователем данных моделью;
- Разработчики приложений могут подстраивать модели, подавая AI-приложениям, связанным с DeFi, цены, данные и анализ из цепочки, а также данные для управления протоколом, не оплачивая высокие лицензионные сборы.
- Слой открытых моделей после появления DeepSeek доказал свою значимость: высококачественные модели открыты для разработчиков с длинным хвостом, что может стимулировать широкий всплеск разработки;
- За последние три года стены вычислительной мощности, построенные вокруг высококачественных GPU, были полностью разрушены, разработчики получили больше выбора, а открытые модели установили направление; в будущем соревнование моделей AI будет не за вычислительную мощность, а за алгоритмы, изменение веры станет основой уверенности разработчиков открытых моделей;
Определенные подсети вокруг DeepSeek будут возникать одна за другой, параметры модели при равной вычислительной мощности увеличатся, и больше разработчиков присоединится к открытой сообществу.
С точки зрения негативного влияния:
- Объективная задержка использования протоколов вычислительной мощности в инфраструктуре не может быть оптимизирована;
- И комбинация A100 и 4090 требует более высоких требований к согласованию алгоритмов, что не является преимуществом децентрализованных платформ.
Четыре, лопнувший пузырь Agent, DeFAI порождает новое
Agent является последней надеждой AI в отрасли, появление DeepSeek освободило ограничения по вычислительной мощности, описывая ожидаемое будущее взрыва приложений. Это было огромным преимуществом для сектора Agent, но из-за тесной связи с отраслью, фондовым рынком США и политикой Федеральной резервной системы, был вскрыт оставшийся пузырь, и капитализация сектора упала на дно.
В волне слияния AI и отрасли прорывы в технологиях и рыночные игры всегда идут рука об руку. Цепная реакция, вызванная колебанием рыночной капитализации NVIDIA, подобна зеркалу, которое отражает глубокие проблемы нарратива AI в отрасли: от On-chain Agent до DeFAI Engine, под кажущейся целостностью экосистемы скрываются слабая технологическая инфраструктура, обесценивание логики ценности и жестокая реальность, управляемая капиталом. Поверхностный расцвет экосистемы на цепочке скрывает скрытые недуги: огромное количество токенов с высокой FDV борется за ограниченную ликвидность, устаревшие активы выживают благодаря FOMO-эмоциям, разработчики застревают в иерархии PVP, истощая потенциал инноваций. Когда новые средства и рост пользователей достигают потолка, вся отрасль попадает в «дилемму новатора» — желая прорыва нарратива, трудно избавиться от оков зависимости от пути. Это разрывное состояние предоставляет историческую возможность для AI Agent: это не только обновление инструментария, но и реконструкция парадигмы создания ценности.
За последний год все больше команд в отрасли осознали, что традиционная модель финансирования выходит из строя — схемы с небольшой долей для VC, высокой степени контроля и ожиданием, что акции будут распроданы, больше не работают. Деньги VC сокращаются, розничные инвесторы отказываются от захвата, высокие барьеры для выхода на рынок, под тройным давлением, новая игра, которая лучше подходит для медвежьего рынка, начинает развиваться: объединение ведущих KOL + небольшое количество VC, высокая доля запуска сообщества, низкая рыночная капитализация.
Инноваторы, такие как Soon и Pump Fun, открывают новые пути через «сообщество запуска» — объединяя поддержку ведущих KOL, распределяя 40%-60% токенов напрямую к сообществу, начиная проекты с оценкой всего 10 миллионов долларов FDV, достигая финансирования в несколько миллионов долларов. Эта модель строит консенсус FOMO через влияние KOL, позволяя командам заранее зафиксировать доходы, одновременно достигая рыночной глубины за счет высокой ликвидности, хотя и отказываясь от краткосрочных преимуществ контроля, но может выкупать токены по низким ценам в медвежьем рынке через механизмы соблюдения рынка. По сути, это сдвиг в парадигме структуры власти: от игры в «горячую картошку», управляемой венчурным капиталом (институт берет на себя - крупные распродажи - розничные инвесторы), к прозрачной игре по ценообразованию на основе консенсуса сообщества, где проектные стороны и сообщество формируют новые симбиотические отношения в премии за ликвидность. Когда отрасль входит в период революции прозрачности, проекты, настойчиво придерживающиеся традиционной логики контроля, могут стать остатками эпохи на волне миграции власти.
Краткосрочные страдания рынка подтверждают необратимость длинной технологической волны. Когда AI Agent снижает стоимость взаимодействия на цепи на два порядковых значения, когда адаптивные модели продолжают оптимизировать эффективность средств протоколов DeFi, отрасль, возможно, вскоре увидит массовое внедрение, которого так долго ждала. Эта революция не зависит от спекуляций на концепциях или капитального раздувания, а укоренена в истинной потребности в технологической проницаемости — как революция в электроэнергии никогда не останавливалась из-за банкротства компаний-производителей лампочек, Agent в конечном счете станет настоящей золотой дорожкой после краха пузыря. А DeFAI может быть той плодородной почвой, где зарождается новая жизнь, и когда низкие затраты на вывод становятся обыденностью, мы можем вскоре увидеть случаи использования, в которых сотни Agent объединяются в одном Swarm. При равной вычислительной мощности параметры модели значительно увеличиваются, что обеспечивает более полное регулирование Agent в эпоху открытых моделей, даже если они сталкиваются со сложными вводными командами от пользователей, их можно разбивать на задачи, которые каждый Agent может выполнить. Каждый Agent оптимизирует операции на цепи, что может способствовать увеличению активности и ликвидности общих протоколов DeFi. Более сложные продукты DeFi, возглавляемые DeFAI, появятся, и именно здесь появятся новые возможности после краха предыдущего пузыря.
P.S подписывайтесь на мой блог, там вы найдете много других новостей на тему криптовалют с ежедневным обновлением контента, так же не забывайте делиться своим мнением в комментариях