去中心化計算網路是去中心化人工智能（AI）的基礎。它們提供了訓練和運行 AI 模型所需的分布式計算能力。本文探討了三個最大的通用去中心化計算網路以及一個去中心化 AI 項目。我們旨在幫助讀者了解這些項目之間的相似性和差異。

1. Akash、Render Network 和 io.net 是市場上最大的三個去中心化計算網路。盡管它們都提供去中心化計算服務，但每個網路都有不同的業務重點。
2. Bittensor 是一個去中心化的人工智能項目，利用分布式計算資源進行機器學習。它的目標是直接與像 OpenAI 這樣的集中式人工智能服務競爭。
3. 在供應方面，Akash 擁有包括 CPU、GPU 和存儲在內的多樣化硬件網路，而 Render 則具有大量的 GPU 。io.net 從自己的網路以及其他平台獲取了大量的GPU。
4. 去中心化計算網路是一個雙邊市場，每個項目的代幣用作其各自系統中的交換媒介。Render 網路和 Bittensor 實施代幣銷毀機制以增強價值積累。

不同類型的去中心化計算網路

Akash 與 Render Network 的不同之處

Akash 和 Render Network 都是去中心化的計算網路，它們提供了一個平台，用戶可以在其中購買和出售用於各種任務的計算資源。

Akash 作爲一個開放的市場運作，允許用戶訪問 CPU、GPU 和存儲資源。它提供可以用於各種目的的計算資源，例如托管遊戲服務器或運行區塊鏈節點。在 Akash 市場上，部署應用程序的租戶設定所需部署的價格和條件，而計算資源提供商則對這些部署進行競標，最低出價者（提供商）贏得部署。這種反向拍賣模型賦予用戶設定價格和條件的權力。

與之相比，Render 則使用了動態定價算法則根據市場條件對任務部署定價進行調整。Render Network 專注於基於 GPU 的3D 渲染服務，並作爲一個分布式GPU網路運作。在這個模型中，硬件提供商提供計算資源，Render 網路使用多層定價算法來確定價格，並將用戶與服務的買家進行匹配。Render 不作爲一個用戶可以獨立設定價格或條件的開放市場運作。

Io.net - 專注於人工智能和機器學習

io.net 是一個新的去中心化計算網路，它從分布在各地的數據中心、加密貨幣挖礦者和分散存儲提供商獲取 GPU 計算能力，用於支持機器學習和人工智能計算。它還與現有的去中心化計算網路（如 Render）合作，利用 Render 上未充分利用的 GPU 計算資源處理 AI 與機器學習任務。

io.net 的主要差異化因素有兩點：1）專注於 AI 與機器學習的任務；2）強調 GPU 集羣。GPU 集羣指的是多個 GPU 作爲一個統一系統共同工作，處理計算密集型任務，如AI 訓練和科學模擬。

Bittensor - 一個以人工智能爲重點的區塊鏈項目

與其他去中心化計算網路不同，Bittensor 是一個去中心化人工智能項目，旨在創建一個去中心化的機器學習市場，讓去中心化的人工智能應用能夠構建並直接與像 OpenAI 的 ChatGPT 這樣的中心式人工智能項目進行競爭。該網路由節點（礦工）組成，它們爲訓練和運行人工智能模型提供計算資源。

Bittensor 利用子網結構，子網類似於一個特定應用的鏈。目前它擁有32個子網，每個子網專注於特定的與人工智能相關的任務，包括以去中心化方式進行文本提示詞 AI 網路（ 文本提示詞 AI 指類似 ChatGPT 的 AI 應用），能夠將文本提示轉化爲圖像的圖像生成人工智能，以及基於人工智能的搜索引擎。

礦工在 Bittensor 生態系統中發揮着關鍵作用，他們提供計算資源並托管機器學習模型以進行鏈下的人工智能任務計算，並生成結果。任何人都可以按照最低硬件要求加入網路成爲礦工。礦工們相互競爭爲用戶的查詢提供最佳結果。

網路容量和使用量

Akash 最初專注於 CPU，網路內擁有大量的 CPU 資源。隨着人工智能的興起，對 GPU 的需求急劇增加，自去年第三季度以來，Akash 開始在其網路中增加 GPU 資源。然而與專注於 GPU 資源的其他項目相比，Akash 的高性能 GPU 數量相對較少。Render Network 專注於提供去中心化式基於 GPU 的渲染解決方案，這使其在其網路中積累了大量的 GPU。

Render Network 和 Akash 是較爲成熟的項目，網路的使用量都在逐年增長中。特別是 Akash 在將業務焦點擴展到 GPU 之後，季度活躍租賃數量出現了顯著增加。

io.net 是一個新的去中心化計算網路，於2023年11月推出了公共測試網絡。盡管歷史較短，io.net通過整合來自 Render、FIL 和自身網路的資源，積累了大量的 GPU。io.net 最近宣布支持Apple Silicon 芯片集羣，使蘋果用戶能夠將未利用的計算能力分配給網路，進一步增加了其網路中的硬件數量。此外，io.net 還沒有推出其協議代幣，大量的硬件提供商可能是希望通過加入網路作爲提供商來獲得潛在代幣空投機會。

Bittensor 是一個分散式的人工智能網路，礦工負責向網路貢獻計算資源。礦工可以自行投資硬件設置，也可以簡單地使用雲服務提供的計算資源。從硬件數量來看，Bittensor 與典型的去中心化計算網路無法直接進行比較，Bittensor 目前擁有7000多名礦工。

通證經濟

去中心化計算平台充當雙邊市場，用戶向計算資源提供者支付費用。Akash、Render Network 和 Bittensor 都已經發行了各自的代幣，作爲其生態系統內交換價值的媒介。Render 和 Bittensor 實施了代幣的燃燒機制以增強代幣的價值積累。

Akash

Akash 是一個獨立的 PoS 區塊鏈，$AKT 是其原生代幣，用於質押以確保網路的安全性並支付網絡費用。該代幣還在生態系統中充當交換媒介，當用戶在 Akash 上進行交易或租賃時，$AKT 是定價的主要單位。作爲一個 PoS 鏈，Akash 需要通過發行 $AKT 來爲驗證節點產生區塊獎勵，目前的通脹率約爲14%。

Akash 目前對以 AKT 支付的費用收取4%，如果以 USDC 支付，則收取20%，這些費用將流入社區資金池。對於社區資金池資金的具體使用尚未確定，潛在的用途可能包括公共資金支持、激勵措施，或者簡單地銷毀這些代幣。

Render Network

Render Network 已從以太坊遷移到 Solana，其協議代幣 RNDR 用於 Render 生態系統內的價值交換，創作者和用戶使用該代幣支付渲染作業的費用。

爲了平衡計算資源供需之間的動態關係，Render 實施了燃燒和鑄造平衡（BME）機制。當需求（即渲染作業）超過計算資源供應時，RNDR 代幣將被銷毀，產生通縮效應。相反，如果計算資源供應超過需求，將會鑄造更多的 RNDR 代幣，導致通脹。由於目前計算需求不足，RNDR 代幣處於通脹。

Bittensor

Bittensor 的原生代幣 $TAO 用於訪問網路服務和作爲核心獎勵機制的媒介。$TAO 的最大供應量爲2100萬，每天會生成7200個代幣作爲對礦工和驗證節點的獎勵。Bittensor 實施了一個代幣發行減半機制，即當總供應量的一半分發完畢後，發行速度會減半。在第一次減半後，接下來的減半將在剩餘代幣供應的一半分發完畢後進行，直到達到2100萬的最大供應量。

盡管當前時期每天發行7200個 TAO 的速度是固定的，但由於代幣回收機制，下一次減半的時間並未預先確定。該回收機制會燃燒已發行的 TAO 代幣，有效延遲了總供應量的一半被分發的時間點。礦工和驗證節點需要回收（即燃燒）TAO 代幣才能註冊進入網路。這些被燃燒的代幣將從流通供應中扣除，並可以再次挖掘。網路定期對無法提供足夠競爭力的 AI 任務的礦工和驗證節點進行注銷，礦工再次進入網路時需要再次支付/燃燒 TAO，使註冊成爲一項重復成本。這種動態燃燒機制創造了對 TAO 的持續需求。

最初計劃的首次減半日期是2025年1月，但當前的減半日期已推遲到2025年10月。表明已有大量的 TAO 代幣被燃燒掉。

聲明：

1. 本文轉載自[tokeninsigh]，著作權歸屬原作者[0xEdwardyw]，如對轉載有異議，請聯系Gate Learn團隊，團隊會根據相關流程盡速處理。

2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。

3. 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。