去中心化计算和云
查看所有标签
如果你进行的每一笔交易都永远对任何人可见，会怎么样？这是区块链十年来一直要求的代价。在 2026 年，一场悄无声息但影响深远的转变正在进行，而 Arcium 是其中最雄心勃勃的赌注之一，它预示着这一代价终于可以重新商议。
当 Zama 追求全同态加密（FHE），Aztec 压缩零知识（ZK）L2 吞吐量，以及一系列受信任执行环境（TEE）初创公司竞相开发硬件支持的飞地时，Arcium 正在构建一些不同的东西：一个由安全多方计算（MPC）驱动的去中心化、加密超级计算机。它于 2026 年 2 月在 Solana Mainnet Alpha 上线，到 5 月，其生态系统已在十几个应用中筹集了超过 750 万美元的资金，密封报价代币拍卖和私人机会市场已经在处理真实的成交额。
这就是关于为什么 MPC 在当下至关重要、是什么让 Arcium 的“隐私 2.0”愿景与众不同，以及去中心化机密计算如何成为最终解锁机构级 DeFi 和隐私 AI 推理层的背后故事。
在过去十年的大部分时间里，“训练前沿模型”一直是“拥有超大规模 GPU 集群”的代名词。Gensyn 刚刚发布了一个公共测试网，押注下一代 AI 将在完全不同的地方进行训练——即在通过以太坊 Rollup 进行协作的互联网连接节点群上，而 ETHGlobal 正拨出 50,000 美元的奖金，奖励那些能在其上构建智能体（Agents）的开发者。
问题不再是去中心化机器学习训练在技术上是否可行。RL Swarm 已经上线，任何人都可以克隆该代码库，而该架构自 2025 年 11 月以来一直在悄然推进。问题在于经济模型、验证机制和开发者的吸引力是否足以将训练工作负载从 AWS 和 Azure 数据中心中剥离出来，以及 2025 年 12 月结束的 $AI 代币销售是否真的对这一未来进行了正确定价。
你听过的大多数“去中心化 AI”项目——如 Bittensor、io.net、Akash、Render——解决的都是相邻领域的问题。Bittensor 在子网之间协调竞争性的模型基准测试。io.net 和 Akash 是具有加密原生计 费功能的 GPU 租赁市场。Render 分散了推理渲染工作。到目前为止，还没有一个系统能让不可信节点协作“训练”模型。
这正是 Gensyn 的 RL Swarm 所做的。它是 Gensyn 测试网第 0 阶段的基础：一个强化学习智能体在公共互联网上而非单个数据中心内进行协作的去中心化环境。每个参与节点都运行一个本地语言模型。这些节点进行多阶段强化学习（RL）推理博弈——与同行协作回答、评价和修订解决方案——每项贡献都会记录在 Gensyn 测试网的链上身份中。
这种架构转变在言语上微不足道，但在实践中却意义重大。Bittensor 激励矿工竞争最佳输出；Gensyn 则激励节点在训练共享产物上进行“协作”。这就是竞争性市场与真正的分布式训练运行之间的区别，也是为什么 RL Swarm 是首次对生产级去中心化机器学习训练网络的可靠尝试，而不仅仅是一个更精致的算力租赁层。
2025 年 11 月的发布增加了 CodeZero，这是一个基于相同点对点框架构建的协作编程环境。将这两次发布结合来看，它们勾勒出了一份路线图：RL Swarm 证明了协调原语对于推理有效，CodeZero 则将其扩展到结构化的工具使用。到 2026 年 5 月 6 日黑客松结束时，这两个环境都已上线，无需排队即可加入。
在面向用户的测试网之下，Gensyn 是一个基于 OP Stack (Bedrock) 构建的定制化以太坊 Layer-2 Rollup。该协议将去中心化训练问题分解为四个层级，每个层级都解决了一个导致“仅仅通过互联网租赁 GPU”在历史上失败的具体原因。
执行 (Execution)。 大型模型无法容纳在单个消费级节点上，因此 Gensyn 将模型分解为分布在不同设备上的参数块，从而减轻单个节点的内存压力。更难的问题是确定性：不同硬件（如 Nvidia A100 与 H100）上的浮点运算可能会产生细微差异，这对于需要检测作弊的验证协议来说是致命的。Gensyn 的 RepOps 库固定了浮点运算的顺序，使得相同的输入在异构硬件上能产生位级一致的输出。可重现执行环境 (REE) 将 RepOps 封装在自定义的基于 MLIR 的编译器中，该编译器将模型编译为这些可重现的内核。
验证 (Verification)。 这是阻碍此前所有去中心化训练尝试的层级。如果一个节点声称它运行了一个训练步骤并提交了梯度，你如何在不亲自重新运行整个计算的情况下知道它是否诚实地完成了工作？Gensyn 的答案是 Verde 验证协议——一个轻量级的争议解决系统，它通过对训练轨迹进行二分查找来隔离证明者和验证者不一致的“单个步骤”，然后仅重新计算该操作。结合概率性学习证明（proof-of-learning），网络在无需支付完全重新执行成本的情况下获得了加密保证。这在概念上类似于 Truebit 的交互式验证模型，只是从通用计算移植到了机器学习特定的内核。
通信 (Communication)。 在带宽受限的公共互联网上协调训练需要抛弃传统教材。标准的数据中心原语——同步 all-reduce——假设拥有强大的 InfiniBand 通道。Gensyn 替换了三种自定义原语：NoLoCo 用低通信 Gossip 协议取代了 all-reduce，CheckFree 提供容错恢复而无需昂贵的定期检查点，SkipPipe 引入了一种梯度共享算法，最大限度地减少了集群中的消息跳数。每一项都是论文级的贡献；它们共同将“一堆连接家庭宽带的笔记本电脑”变成了一个功能齐全的训练集群。
协调 (Coordination)。 以太坊 L2 本身就是经济引擎。它识别参与者、结算代币化奖励，并在无许可的 Rollup 上执行支付。这也是 $AI 代币存在的地方，训练运行的每一项贡献最终都在这里结算。
理解这一技术栈最清晰的方式是将其视为对云 GPU 模型的刻意反转。AWS 和 Azure 将工程精力花在原始吞吐量上，并基于合同建立信任。Gensyn 则将工程精力花在可重现性和争议解决上，并且不对线路另一端的运营商做任何信任假设。
一旦架构确定，竞争格局也就清晰了。有三个项目经常与 Gensyn 被同时提及，但它们解决的是不同的问题。
Gensyn 以第 368 位的排名推出了其代币，市值约为 7160 万美元——仅为 Bittensor 的一小部分。这个差距就是核心论点：如果可验证的协作训练是一个真实的类别，而不仅仅是算力租赁的复杂版本，那么这个价差就是一个切入点。如果不是，这个价差就是市场对一个“科研项目”的正确定价。
2025 年 12 月 15 日，随着 Gensyn 在 Sonar 上开启 $AI 代币销售，经济模型变得真实起来。结构异常透明：针对 3 亿枚代币（占 100 亿枚总供应量的 3%）进行英式拍卖，设定了 100 万美元的 FDV（完全稀释估值）下限和 10 亿美元的 FDV 上限。竞拍者在每枚代币 0.0001 美元至 0.1 美元之间选择最高出价，最低竞标额为 100 美元。出价以以太坊主网上的 USDC 或 USDT 结算；代币在 Gensyn Network L2 上领取。
完整的分配方案揭示了 Gensyn 想要成为什么样的项目：
| 分配项目 | 百分比 |
|---|---|
| 社区金库 | 40.4% |
| 投资者 | 29.6% |
| 团队 | 25.0% |
| 社 区销售 | 3.0% |
| 其他 | 2.0% |
40% 的社区金库加上 3% 的公开销售，使其治理姿态更接近 Optimism 风格，而非典型的 DePIN 启动。团队和投资者份额（合计 54.6%，a16z 领投了最近一轮私募，估值上限与公开销售上限相同，均为 10 亿美元）虽然较高，但并不极端。
此次销售最有趣的设计选择是测试网激励：2% 的额外奖励池作为代币乘数发放给经过验证的测试网参与者，根据其参与程度以及竞标金额进行缩放。这是一个温和但真实的信号，表明 Gensyn 相比于最大化公开销售价格，更在意向实际贡献者进行分发。美国买家接受 12 个月的锁定期；非美国买家可以选择类似的锁定期以换取 10% 的额外奖金乘数。
这场拍卖所定价的是一场赌注——赌去中心化训练的单位经济效益比类似的 AWS 或 Azure H100 集群（按需费率约为 3 美元/小时）便宜 60-80%，且闲置的消费级和专业级 GPU 足够丰富，能够吸收可观的训练需求。这一赌注是否正确，将由 2026 年网络上出现的实际工作负载来回答，而非拍卖价格。
将这一项目从“有趣的基础设施项目”转变为“开发者真正开始在上面构建的东西”的新闻是 ETHGlobal Open Agents，运行时间为 2026 年 4 月 24 日至 5 月 6 日。Gensyn 是赞助商，提供了超过 50,000 美元的奖金，其中包括 5,000 美元的“最佳代理交换层 (AXL) 应用”奖项。每位获胜者都将进入 Gensyn 基金会资助计划的快速通道。
这很重要，原因有二。
首先，黑客松是那些尚未意识到自己需要新基础设施的开发者发现它的方式。同样的策略催生了早期的 Optimism、Base 和 Sui 生态系统。5 万美元的奖金池虽然不是足以撬动市场的金额，但它是一个足够强大的诱饵，能让几百名 ETHGlobal 级别的开发者首次接触到 RL Swarm 和 AXL API。黑客松结束后，肯定会有一部分开发者继续构建。
其次，奖项类别揭示了 Gensyn 心目中的杀手级应用。Agent eXchange Layer（代理交换层）是核心框架——自主代理相互发现、交换算力、按需相互训练和微调。如果 Gensyn 押注未来是单体基础模型训练，那么奖项就会强调这一点。相反，他们强调代理基础设施，这与更广泛的 2026 年叙事相吻合：能够相互支付劳动报酬的代理需要一个底座，将最昂贵的工作——模型训练和微调——外包给一个可验证的网络。
值得明确指出的是，截至 2026 年 5 月，RL Swarm 还 不是 什么。
目前在运行的测试网上还没有官方运行的集群 (swarms)。参与者可以加入社区拥有的集群，这正是无许可网络中常见的引导 (bootstrap) 问题：协议是开放的，但实际的高价值协同训练任务尚未大规模开展。在严肃的实验室或开源集体在网络上进行真正的模型训练之前，测试网仍然是一个概念验证 (PoC)，而非生产系统。
验证成本也仍然是一个悬而未决的问题。Verde 的二分查找争议解决机制比重新运行整个训练任务要便宜得多，但它并非免费，而且其在前沿规模（数千亿参数，数周训练时间）下的开销尚未得到证实。硬件确定性——RepOps 在 A100 和 H100 之间产生位对位一致 (bitwise-identical) 的输出——虽然优雅，但增加了竞争对手中心化技术栈所没有的编译器开销。
此外，成本节约论（比 AWS H100 抢占式实例便宜 60-80%）的前提是，闲置的消费级和专业级 GPU 的长尾流量足够密集，可以替代超大规模云服务商的容量。对于 7B 到 70B 参数的微调任务来说，这是合理的。但对于真正的前沿规模预训练，这目前还不现实，而 Gensyn 也很坦诚，没有对此做出过度承诺。
对于思考未来 12 个月该把精力花在哪里的开发者来说，最有效的切入点是：Gensyn 开启了一个以前不存在的新型 API 范畴——以编程方式、可验证地访问训练网络。到目前为止，“让模型执行特定任务”的选择只有：(a) 调用 OpenAI 或 Anthropic 等托管 API，或者 (b) 租用 GPU 并自行运行训练。Gensyn 提出了第三种选择——将训练任务提交给可验证的集群并获得加密保证——这清晰地映射到了 ETHGlobal 正在激励的智能体 (Agent) 经济中。
如果这第三种选择可行，它将成为一种原语。需要为利基任务微调小型专家模型的智能体将不想租用和运营 GPU。它们会希望发布一个训练意图，以稳定币或 $AI 进行支付，并获取生成的权重。Gensyn 的赌注在于，随着这种模式的扩散，使之成为可能的协议层——L2 Rollup、验证系统、集群协调原语——将积累巨大的价值。
BlockEden.xyz 为 Web3 开发者在 25 条以上的链上所依赖的索引、RPC 和分析基础设施提供支持。随着像 Gensyn 这样可验证的 AI 训练网络走向成熟，其底层的核心数据和协调层将变得愈发重要。探索我们的 API 市场，在专为 Web3 智能体化、AI 原生时代设计的基础设施上进行构建。
2026年3月25日，io.net 开启了一个悄然重新定义“去中心化计算”含义的开关。其全新的 Agent Cloud 不再需要人类在键盘前操作。AI 智能体（Agent）—— 而非工程师、采购团队或 DevOps —— 现在可以自主租用 GPU、运行工作负载、以稳定币结算账单，并拆除所有设施，而无需任何工单、KYC 表格或登录。
这是一个转折点，DePIN 行业已经为此徘徊了两年。加密货币挖矿式的“插上 3090 赚取被动收益”时代正在结束。取而代之的是一个市场，其中客户是软件，供应商是软件，整个谈判过程通过模型上下文协议（Model Context Protocol, MCP）调用和链上支付完成。io.net 刚刚成为第一个将这一未来完全产品化的网络 —— 并在这一过程中，迫使每个其他的 DePIN GPU 项目回答一个新问题：当买家是机器时，你的网络会是什么样子？
2026 年 4 月 16 日，一个去中心化 GPU 网络在好莱坞 Vine 街租下了一个摄影棚，并用它重新定义了未来十年媒体制作中“计算”的含义。
这并非 DePIN 活动通常的样子。DePIN 活动通常看起来像是在新加坡酒店的宴会厅，播放着关于代币排放的幻灯片，以及一位紧张的创始人解释为什么他们的网络有 8,000 个闲置节点。于 4 月 16 日至 17 日在 Nya Studios 举办的 RenderCon 2026 则更像是一场 Vision XPRIZE 的主旨演讲、Alex Ross 的水粉画演示、Refik Anadol 的博物馆揭幕仪式——而且几乎像是在不经意间，现场批准了治理提案 RNP-023。该提案通过独家的 Salad Network 子网集成，为 Render Network 增加了约 60,000 个每日活跃 GPU。
在人工智能短暂的历史中，超大规模云服务商（hyperscaler）首次将其旗舰大语言模型的钥匙交给了区块链。2026 年 4 月 21 日，0G 基金会与阿里云宣布达成合作伙伴关系，使全球下载量最大的开源大模型系列——通义千问（Qwen）——可以被链上自主代理（autonomous agents）直接调用，推理费用以代币而非 API 密钥计价。
再读一遍。无需注册账户。无需信用卡。无需填写限速申请表。一个拥有钱包的代理可以直接调用 Qwen 3.6，并以 $0G 代币支付每百万 tokens 的费用，就像合约调用 Uniswap 流动性池一样。这一单一的架构变化——将基础模型推理视为可编程资源而非 SaaS 产品——可能是今年最具影响力的加密 AI 故事。
2026 年 3 月，数十名使用家庭互联网连接的匿名矿工训练出了一个拥有 720 亿参数的语言模型，其得分与 Meta 的 Llama 2 70B 仅一步之遥。六周后，领导该项目的团队退出，抛售了价值 1,000 万美元的 TAO，并称 Bittensor 的去中心化只是“演戏”。现在，幸存的社区想要再次挑战——规模是之前的 14 倍，耗时约 4 周，而整个去中心化 AI 命题的成败都系于此结果。
这是一个关于 Bittensor 子网 3（Subnet 3，在 Covenant AI 退出后最近更名为 Teutonic）如何决定启动万亿参数训练运行的故事。此次运行的时间节点恰好选在灰度（Grayscale）TAO ETF 的 SEC 审查窗口期。这是一场豪赌，赌的是协议的激励层比构建它的人更重要，赌的是这个在治理危机中幸存下来的网络，能在监管机构决定是否让华尔街入场之前，交付去中心化 AI 的“DeepSeek 时刻”。
故事始于 2026 年 3 月 10 日，当时以 Templar 之名运营的子网 3 发布了 Covenant-72B。这是一个拥有 720 亿参数的模型，由 70 多名通过公共互联网协作的独立矿工利用约 1.1 万亿个 token 训练而成。这是迄今为止完成的规模最大的去中心化 LLM 预训练运行，且领先优势巨大。
关键的基准测试：MMLU 评分为 67.1，这使 Covenant-72B 与 Meta 的 Llama 2 70B 处于同一水平——后者是由全球资金最充足的 AI 实验室之一生产的模型。英伟达（NVIDIA）首席执行官黄仁勋（Jensen Huang）公开将这一努力比作“AI 界的现代版 folding@home”。Templar 的子网代币随之飙升，其市值峰值超过了 15 亿美元。
技术突破不在于模型架构，而在于协作层。两个关键组件起到了核心作用：
它们共同创造了一些真正新颖的东西：一个由匿名贡献者组成的无许可网络，仅通过加密激励进行协作，就能训练出可与价值数十亿美元的实验室产出相媲美的模型。
接着，一切都崩盘了。
2026 年 4 月 10 日，Covenant AI 的创始人 Sam Dare 宣布离职。Covenant AI 是 Bittensor 三个最有价值子网（SN3 Templar、SN39 Basilica 和 SN81 Grail）背后的团队。几小时内，他清算了约 37,000 个 TAO（约合 1,020 万美元），并发表了一份临别指控：指责联合创始人 Jacob Steeves（"Const"）对协议行使中心化控制，并称 Bittensor 的去中心化只是表象，而非架构本质。
市场反应立竿见影。TAO 在 12 小时内暴跌 20–28%（取决于统计窗口），市值蒸发约 6.5 亿至 9 亿美元。子网 Alpha 代币表现更糟——Grail (SN81) 在底部下跌了 67%。约 1,000 万美元的多头仓位被清算。
两个事实缓解了恐慌：
但网络面临着信誉问题。如果交付了 Bittensor 顶级技术成就的团队 Covenant 可以在巅峰时期退出并重创代币，那么如何阻止下一个子网运营商效仿呢？
Const 的回应于 2026 年 4 月 20 日发布，即 Dare 离开十天后。BIT-0011 被冠以**定力机制（Conviction Mechanism）**之名，提议建立一种锁定质押制度，强制子网所有者将 TAO 锁定数月或数年，以换取与投票权 和子网所有权挂钩的“定力评分”。
机制细节：
一个冷笑话：据报道，BIT-0011 是 Sam Dare 本人在退出前起草的。这位离职的创始人制定了旨在防止创始人离职的规则。
该提案解决了一个真正的结构性弱点——子网运营商以前可以在不受到治理处罚的情况下抛售头寸——但它也将权力集中在长期锁定者手中，这本身也是一种中心化形式。这是否是正确的权衡，取决于你认为 Bittensor 的主要风险是什么：创始人背叛还是寡头控制。
在此背景下，更名为 Teutonic 的子网（SN3，原名 Templar）已公开承诺在 2026 年 5 月中下旬进行一次 1 万亿参数的去中心化训练。这大约是 Covenant-72B 规模的 14 倍，基于相同的基础架构，但团队是由社区重组的，而非最初的 Covenant 工程师。
这一战略时机不容忽视。灰度（Grayscale）于 2026 年 4 月 2 日在纽约证券交易所 Arca 提交了现货 Bittensor 信托 ETF（拟定代码为 GTAO）的 S-1 修正案。美国证券交易委员会（SEC）的决策窗口目前预计在 2026 年 8 月。5 月份成功的 1T 参数训练运行将恰逢监管机构审议的高峰期——这正是“这是一项真正的技术还是一个梗？”成为核心问题的时刻。4 月 7 日，灰度已将其广泛的 AI 基金中 TAO 的权重提高至 43.06%，这是该基金有史以来进行的最大单资产调仓。
看涨的理由显而易见：交付一个可信的 1T 参数去中心化模型，成为 ETF 获批所需并能证明机构资金流入合理性的“DeepSeek 时刻”，并在一个季度内重新定义整个去中心化 AI 赛道的估值。
看跌的理由则在于工程层面，而非市场营销。
中心化万亿级模型——如 GPT-5、Claude 4.7 Opus、Gemini 2.5 Ultra——是在所有 GPU 都通过 NVLink 和 InfiniBand 等专用架构互联的设施中训练的，具有亚微秒级的延迟和每秒太比特级的带宽。即便在这些条件下，梯度同步也是瓶颈所在。已发表的研究一致发现，在扩展方式较为初级时，超过 90% 的 LLM 训练时间可能花费在通信上，而非计算。
Teutonic 的矿工们在 约 100ms 的广域网（WAN）延迟和住宅网络上进行协作。Covenant-72B 之所以能够实现，完全归功于 SparseLoCo 对通信量进行的 146 倍压缩。推进到 1T 参数从三个棘手的方面改变了计算逻辑：
这一切并非不可解决。现有的去中心化训练研究——异构低带宽预训练、FusionLLM、通信计算重叠、延迟梯度补偿——正是针对这种场景。但几乎所有这些研究都仅在 7B-70B 规模上得到了验证。在地理分布的通用硬件上进行 1T 参数的运行，其本身就是一项重大的研究贡献，而不仅仅是一个产品发布。
坦诚地说：Teutonic 正在以市场营销级的最后期限去挑战研究级的工程难题。要么它成功并成为整个 dTAO 生态系统所需的公信力事件，要么它在 SEC 最关注的审查窗口期间公开陷入停滞。
Teutonic 并不是 2026 年唯一试图争夺“可信去中心化 1T 参数”里程碑的项目。竞争版图正在迅速填补：
这些项目并不直接在同一个里程碑上竞争，但它们都在争夺同样有限的注意力碎片和资本。如果 Gensyn 的主网通过商业工作负载占据了“去中心化 AI 已至”的叙事，那么 Teutonic 在 5 月份的训练运行将成为一场公投：判定 Bittensor 的特定方法（子网竞争加代币权重激励）究竟是正确的架构，还是第一个被超越的迭代版本。
在接下来的四到六周内，有三件事将同时受到考验：
去中心化训练是否具有可扩展性。 如果 Teutonic 取得成功，“去中心化 AI 计算的比特币” 这一论点将得以延续。如果失败，Covenant 的退出将被视为基于子网的训练达到顶峰的时刻——成为一个 72B 的天花板，而非 72B 的基石。
信念机制（Conviction Mechanism）是否是正确的治理修复方案。 锁定子网运营商可以防止再次出现类似 Covenant 式的抛售，但也会创造一种新的失败模式，即长期锁仓者可能会形成固化的既得利益集团。Bitcoin Core 的分布式维护者模型、Solana Labs 持续的中心化核心开发，以及 Sui 对 Mysten Labs 的高度集中，是针对同一个问题的三种不同答案——即协议的复杂性是否需要一个社区必须信任的强大中心化维护者。Bittensor 现在正实时运行着这一实验的自有版本。
ETF 窗口是否会迫使去中心化 AI 按照传统金融（TradFi）的时间表进行交付。 美国证券交易委员会（SEC）8 月的决策窗口是一个硬性截止日期，对于一个希望成为 “DeepSeek 时刻” 而非 “有趣的科研项目” 的叙事来说，这要么是一个健康的推动机制，要么是一个导致过度承诺的温床——这取决于最终交付的内容。
对于从基础设施端观察的开发者来说，底层信号更为简单：AI 代理和去中心化训练网络即将产生新一级的链上查询负载——包括模型注册表查询、证明验证、梯度检查点哈希、子网性能数据等——这些数据并不完全符合现有 RPC 基础设施为面向用户的 dApp 模式所构建的设计。
BlockEden.xyz 为构建 AI 与加密货币结合栈的团队提供覆盖 27+ 条链的企业级 RPC 和索引基础设施。探索我 们的 API 市场，在专为人类和机器流量设计的轨道上进行构建。
2026 年 3 月 10 日，一个由分布在开放互联网上的约 70 名陌生人组成的网络完成了一个拥有 720 亿参数的语言模型的训练，该模型在 MMLU 上的表现超越了 LLaMA-2-70B。六周后，同一个网络却在竭力避免分崩离析。
这种从历史性的技术里程碑到全面的治理危机的剧烈转变，正是 2026 年 Bittensor 的故事。而摆在桌面上的解决方案——一种被称为 信念机制 (Conviction Mechanism) 的奇特新原语，可能是今年加密 AI 领域最重要的治理实验。
在加密货币的大部分历史中，“去中心化基础设施”（decentralized infrastructure）只是风险投资路演包中的一个术语，用来粉饰那些本质上是带有额外步骤的补贴式代币挖矿。你接入闲置硬件，收集通胀奖励，并寄希望于需求最终能赶上供应。但通常情况下，需求并未如期而至。
这个故事在本季度发生了改变。Aethir 完成了一项由纳斯达克上市数字资产库支持的 3.44 亿美元战略算力储备 (Strategic Compute Reserve) —— 这是有史以来对去中心化 GPU 网络做出的最大规模企业级承诺。这不是一笔赠款，也不是一次代币交换。它是机构资本在承销企业实际消耗的算力容量。这可能是迄今为止最明确的信号，表明 DePIN 已从加密原生的好奇尝试跨越到了直接与 AWS、Azure 和 GCP 竞争的正规采购渠道。
当加密货币领域三个最具野心的去中心化 AI 项目——每个项目都有数亿美元的开发者投资——决定合并成一个价值 64 亿美元的实体并从头构建自己的区块链时，会发生什么？你得到的是人工超级智能联盟（ASI 联盟），以及它大胆押注：自主 AI 智能体需要一种与任何现有 Layer 1 根本不同的基础设施。
2025 年 11 月，ASI 联盟发布了 ASI:Chain 的公共 DevNet——一个基于 blockDAG 的 Layer 1，专为高级 AI 应用构建。这不仅是联盟本身的里程碑时刻，也是对"去中心化 AI 能否从有趣理论毕业为运作中的生态系统——配备自己的原生基础设施层"这一更广泛问题的回应。