在AI +Crypto領域，圍繞如何把邊緣或閒置算力聚合起來用加密激勵方式給AI提供算力支持的項目有很多，最近上線Bithumb的AI DePIN項目 @Acurast 就是個典型，來簡單聊聊：
1）AI推理的需求一直在變，從最初模型算力競爭所需的H100級別的硬件軍備競賽，正在逐漸演變成Agent應用驅動的更碎片化、輕量化的需求。當Agent要頻繁調用小模型做決策、做工具調用、實時推理的時候，集中式的數據中心反而不再是最優解，而哪些單次算力需求不大，但對延遲、隱私、可驗證性和成本更加敏感的邊緣計算就成了主需求。
Acurast選擇了全球幾十億部智能手機作爲突破點，就是因爲雖然手機算力不是最強，但他們是最分散、最普及切自帶硬件安全能力的邊緣節點，對用戶而言就成了參與門檻和成本最低的選擇；
2）如何操作呢？手機裏基本都自帶了TEE可信執行環境和硬件安全模塊，這提供了基礎的推理運算能力，也能解決隱私和可驗證性的關鍵難題。當用戶註冊一個Processor應用把閒置手機註冊成爲節點後，開發者會把諸如輕量LLM推理、API調用、定時任務、數據處理等程序部署上去，就可以參與跑節點任務拿獎勵了；
3）目前網絡已經有30萬+臺設備在跑，覆蓋170多個國家，處理超10億筆鏈上交易、數十萬次部署。初步驗證了需求和通證模型的可行性。但其實過往諸多DePIN項目都倒在了激勵模型持續性不強的問題上，針對此，Acurast做了相應對策：
1、把獎勵和真實承諾掛鉤，節點需要質押 base:0xc5fed7c8ccc75d8a72b601a66dffd7a489073f0b 承諾一定算力，達不到會被Slash，而不僅僅是單純按在線市場來發放獎勵；
2、協議通脹增發的大頭約70%給到了質押算力池，算力需求者付出的真實現金流也流向了真正跑任何的任何質押者。早期投資者份額壓得比較低，目的是讓代幣模型和真實工作負載掛鉤，減少毫無貢獻的拋壓。
4）從用戶端體驗來看，就是裝個App，讓閒置手機跑起來的參與形式，讓DePIN業務觸達的是普通用戶而非專業礦工，對於需求側開發者，也提供了簡單API到LLM推理的多種Node.js或Cargo環境部署流程，不需要額外管理服務器。
顯然，低門檻設計的目的就是爲了讓這項業務能夠真正規模化。但有一說一，其最大的挑戰依然在需求側，包括有多少Agent相關的推理、工具調用和數據處理場景等等。
以上。
只有需求側的強需求，疊加供給側的規模擴張，結合通證模型的持續運轉，才能讓這個業務模型真正跑通。現在非要問一個精確的答案，肯定沒有。
但，順着敘事演變的趨向走，Acurast卡的生態位就是AI從大模型軍備算力競爭到Agent應用落地這個過程。趨勢在，需求就一定程度上無法被證僞，那業務規模擴張等待的就只有時間咯。
原文鏈接（X）：https://x.com/tmel0211/status/2114617571693764749
1）AI推理的需求一直在變，從最初模型算力競爭所需的H100級別的硬件軍備競賽，正在逐漸演變成Agent應用驅動的更碎片化、輕量化的需求。當Agent要頻繁調用小模型做決策、做工具調用、實時推理的時候，集中式的數據中心反而不再是最優解，而哪些單次算力需求不大，但對延遲、隱私、可驗證性和成本更加敏感的邊緣計算就成了主需求。
Acurast選擇了全球幾十億部智能手機作爲突破點，就是因爲雖然手機算力不是最強，但他們是最分散、最普及切自帶硬件安全能力的邊緣節點，對用戶而言就成了參與門檻和成本最低的選擇；
2）如何操作呢？手機裏基本都自帶了TEE可信執行環境和硬件安全模塊，這提供了基礎的推理運算能力，也能解決隱私和可驗證性的關鍵難題。當用戶註冊一個Processor應用把閒置手機註冊成爲節點後，開發者會把諸如輕量LLM推理、API調用、定時任務、數據處理等程序部署上去，就可以參與跑節點任務拿獎勵了；
3）目前網絡已經有30萬+臺設備在跑，覆蓋170多個國家，處理超10億筆鏈上交易、數十萬次部署。初步驗證了需求和通證模型的可行性。但其實過往諸多DePIN項目都倒在了激勵模型持續性不強的問題上，針對此，Acurast做了相應對策：
1、把獎勵和真實承諾掛鉤，節點需要質押 base:0xc5fed7c8ccc75d8a72b601a66dffd7a489073f0b 承諾一定算力，達不到會被Slash，而不僅僅是單純按在線市場來發放獎勵；
2、協議通脹增發的大頭約70%給到了質押算力池，算力需求者付出的真實現金流也流向了真正跑任何的任何質押者。早期投資者份額壓得比較低，目的是讓代幣模型和真實工作負載掛鉤，減少毫無貢獻的拋壓。
4）從用戶端體驗來看，就是裝個App，讓閒置手機跑起來的參與形式，讓DePIN業務觸達的是普通用戶而非專業礦工，對於需求側開發者，也提供了簡單API到LLM推理的多種Node.js或Cargo環境部署流程，不需要額外管理服務器。
顯然，低門檻設計的目的就是爲了讓這項業務能夠真正規模化。但有一說一，其最大的挑戰依然在需求側，包括有多少Agent相關的推理、工具調用和數據處理場景等等。
以上。
只有需求側的強需求，疊加供給側的規模擴張，結合通證模型的持續運轉，才能讓這個業務模型真正跑通。現在非要問一個精確的答案，肯定沒有。
但，順着敘事演變的趨向走，Acurast卡的生態位就是AI從大模型軍備算力競爭到Agent應用落地這個過程。趨勢在，需求就一定程度上無法被證僞，那業務規模擴張等待的就只有時間咯。
原文鏈接（X）：https://x.com/tmel0211/status/2114617571693764749