原文標題：Metrics Ventures研報 | Akash Network：敘事炒作與價值投資並存的去中心化AI算力協議

1 引言：AI賽道已成爲本輪週期的核心敘事

AI賽道的火熱程度或許已不需要再多做贅述——價格表現已足以蓋過一切文字。2024年2月23日，英偉達股價突破800美元，市值超過2萬億美元，成爲歷史上最快從1萬億美元市值增長至2萬億美元市值的企業。在Crypto賽道，AI賽道代幣在過去幾個月中表現優異，RNDR、TAO、FET等龍頭代幣均收獲了3倍以上的漲幅，每一次AI領域的重要事件，都會帶領相關代幣完成一次快速增長。

AI已成爲本輪週期最重要的人類科技革命，相應地成爲資金炒作的頭號賽道。區塊鏈和人工智能正積極探索相互融合的可能性，Crypto世界將受益於AI技術的重要進展，帶動相關龍頭代幣的快速漲。或許幾個月前我們還在探討AI與區塊鏈結合的可行性，但現在這種討論似乎顯得不那麼重要，AI已經成爲本輪週期的核心敘事，市場情緒和資金熱情已壓倒了一切。

在我們之前對AI賽道的整體分析中（從V神文章出發，Crypto×AI有哪些值得關注的細分賽道？），對V神將AI賽道細分的四個方向進行了回顧：

• AI作爲參與者：AI遊戲、AI預測競賽
• AI作爲接口：各類AI應用
• AI作爲遊戲規則：Autonomous Agent底層協議、zkML/opML
• AI作爲目標：去中心化數據協議、去中心化算力協議和去中心化AI模型

“AI作爲目標”代表着Crypto對AI的去中心化改造，從敘事性上最具有吸引力和炒作空間，在落地性上，雖然目前無法與中心化業務形成有力競爭，但已誕生了許多業務邏輯可行的創新項目，在其中已經形成護城河的項目，將會成爲這一周期走勢強勁的投資標的選擇。

2 賽道概覽：去中心化算力是布局AI賽道的核心方向

在Crypto×AI的衆多細分賽道中，去中心化算力將是同時滿足敘事炒作和價值投資的方向。

首先，AI產業本身對算力的需求正在快速增長，算力不足和成本過高正成爲整個AI行業的問題。在供應端，AI GPU的生產正在被NVIDA獨家壟斷，各大巨頭把控着AI算力，一部分用於新模型的訓練，另一部分用於租賃，高度中心化和壟斷化的雲平台正在把控着算力定價權。在需求端，模型訓練和模型推理的需求正在快速增長，模型訓練競賽正在加劇對算力的爭奪，小模型訓練與微調同樣需要更低成本的算力支持，AI應用的大規模採用正在增加模型推理的算力需要。

其次，在衆多的AI細分賽道中，去中心化算力是Crypto與AI融合的最緊密、業務邏輯最清晰的方向。使用代幣激勵算力的供應，或者說更爲廣泛的DePIN的業務邏輯，已經在上個階段的FIL等去中心化存儲賽道中證明了可行性。無論是Wrapper類的AI應用，還是Agent底層協議，代幣在整個系統中的重要性其實都不高，而去中心化算力項目中，加密貨幣與整個業務邏輯具有極深的綁定關係，真正發揮了Crypto的激勵作用來重塑了AI格局。

伴隨着最近的英偉達大會，去中心化算力迎來了新一波高潮，龍頭項目漲幅喜人，且湧現了一衆算力相關的新項目。去中心化算力賽道目前的特點是：項目數量衆多，項目業務邏輯相似，競爭程度激烈，龍頭項目在算力資源供應和需求穩定性上具有護城河。

在業務邏輯上，這類項目基本相似：利用加密貨幣作爲激勵手段，讓擁有CPU和GPU的供應者提供算力，使得中小企業可以無需許可地使用租賃者提供的算力，代幣激勵使得算力的價格遠低於中心化供應商。同時，用於去中心化模型訓練在通信和並行計算上的要求更高，且計算用途正在從訓練轉變爲推理，因此目前的項目多集中在分布式推理上，同質化程度較高。

盡管英偉達大會帶動了一系列GPU概念的項目增長，但我們預期這一賽道未來的發展會進一步聚合和集中化，龍頭項目跑出後，小項目將在中長期走向衰退。無論是算力供應，還是願意採用去中心化算力的用戶，都具有稀缺性，業務邏輯高度同質化的情況下，供應和需求兩端的資源都將優先流向頭部項目。此外，用戶需要大規模和穩定的算力保障，過度分散化的賽道格局將更加不利於與中心化雲服務商抗衡。

綜上分析，去中心化算力將是布局AI賽道的重點方向，在中長期的投資下，已經具有一定護城河的龍頭項目，將具有持續的競爭力。在這一邏輯下，我們認爲Akash將是布局這一賽道的核心標的。

3 Akash Network：基本面與代幣經濟分析

3.1 基本面分析

Akash Network是一個去中心化雲計算平台，旨在通過提供一個基於點對點的市場，整合全球範圍內未充分利用的計算資源，建立一個公開透明的市場，使得用戶可以自由地發布資源需求，並讓全球的資源供應商進行實時競標，降低了雲服務的成本。根據Messari的報告，Akash相同硬件的成本遠低於其他雲供應商。

Akash成立於2015年，並在2020年在Cosmos生態中推出主網。Akash最初專注於CPU計算，2023年8月31日，Akash Network完成主網6升級，開始支持GPU雲市場。

算力的供應端主要來自於數據中心、礦工和消費級算力。在主流公鏈轉向PoS (Proof of Stake) 機制後，大量礦場的閒置算力成爲一個待解決的問題。Akash Network正通過與多個大型礦工合作，有效利用這些閒置資源，已經獲得了近500個V100等效GPU的大量高性能計算資源，其中北美最大比特幣礦工Foundry向Akash GPU網路中添加了48個 NVIDIA A100。全球散布的個人電腦也蘊藏着大量未被充分利用的低端算力。目前，Akash網路中擁有超過1.77萬個CPU和258個GPU，且該數量正在不斷攀升。此外，Akash還推出了特定的激勵計劃，如500萬美元的試點激勵計劃，旨在吸引更多的算力提供方加入平台。

在需求端，Akash Network通過建立自己的開源社區，致力於吸引更多開發者加入，這不僅有助於加強其生態系統的護城河，也爲平台帶來了持續的創新和發展動力。此外，Akash還在積極尋求與其他去中心化AI協議的合作，以擴大其服務範圍並提高平台的競爭力。目前，Akash已經與Gensyn和Bittensor這兩大去中心化一層協議達成了合作關係，這不僅爲Akash帶來了大量的固定需求，也證明了其平台在去中心化算力市場中的吸引力和實力。2023年8月引入GPU後，Akash的每日租賃量也得到了顯著上升，目前已累積完成16.27萬次租賃，租賃帶來的日收入也在不斷增長。

在供需兩側的匹配上，Akash使用反向拍賣（Reverse Auction）機制，即用戶創建訂單，算力供應商針對訂單進行競價，由用戶根據供應商的出價等信息完成選擇，並籤訂租約。

在具體業務上，Akash Network的算力主要用於數據預處理與模型推理，但近期正在進行模型訓練的嘗試和開發。2023年8月開始Overclock Labs開始與ThumperAI一起訓練基礎AI模型，最終致力於創建名爲”Akash-Thumper“的開源人工智能模型，並在Huggingface上共享。如果模型的訓練能夠順利完成，將定義使用分布式計算訓練模型的流程，並吸引對Akash網路的需求，提高利用率。

GPU有了，價格也具有吸引力，那麼阻止開發者使用Akash的只剩最後一道門檻了：Crypto Barrier。Akash Network採用了一系列措施來降低用戶使用難度：

• 開發Cloudmos Deploy and Akash Console， 開發者能夠無摩擦的管理網路中的實例；
• 在Metamask上整合了Cosmos Swap，用戶能在Metamask上授權AKT交易；
• 支持穩定幣支付，Noble即將推出Cosmos原生的USDC也能大幅降低開發者的入門門檻。

3.2 代幣經濟學分析

AKT代幣在Akash生態系統中扮演着多個關鍵角色：作爲質押媒介增強網路安全、治理、租賃結算單位以及市場定價的基準。

通過質押AKT，用戶可以參與到網路的治理中，投票權重取決於他們質押的代幣數量和時長，從而促進了網路的去中心化決策過程。

AKT主要被用於支付租賃費用，Akash通過設定不同的手續費率（如AKT支付收取4%手續費，USDC支付則爲20%）和高達13%的年通貨膨脹率來調控供需，同時將一部分通貨膨脹和手續費收入分配至社區池中，用於公共資金、激勵措施和可能的代幣銷毀等用途，以此確保生態系統的可持續發展和價值流通。

根據Coingecko數據，截止2024年3月20日，AKT流通供應量爲230,816,799，AKT所有代幣已全部完成解鎖，因此不再面臨較高的解鎖拋壓。目前的主要流通增加來自於通脹激勵，最大供應量爲388,539,008。根據Stakerewards數據，目前年通脹率仍高達15%左右。約有133.49m的AKT被用於質押，比例爲57.8%，質押比例相對比較高。

在流通性上看，Akash主要流動性集中在KuCoin、Kraken和Gate三個中心交易所中。值得注意的是，AKT尚未在幣安等一線大型交易所上線，導致其在中文區的知名度相對較低。然而，AKT已在美國領先的交易所Kraken上市一段時間，並且已在Coinbase上線。歷史案例表明，如Bonk、Ondo等項目在進入Coinbase的Roadmap後，往往會迎來價格的重新發現和顯著增長。基於這一趨勢，AKT的上線將會激發市場熱情和投資者興趣，從而推動其價格漲和市值增長。

4 競爭格局分析

根據前文判斷，去中心化算力賽道競爭激烈，龍頭項目護城河較高。我們認爲，去中心化算力賽道的兩大核心競爭指標爲：算力供應和算力需求。

算力供應的重要性不言而喻，擁有更多數量和更高質量的GPU，能夠更爲穩定地、更爲高效地處理更加復雜的計算任務，在算力資源極爲緊缺的情況下，將成爲平台的護城河。算力需求同樣重要，在Coinbase最新的研報中指出，雖然去中心化平台中算力的供應量在大幅度提高，但平台收入卻並未同樣增長，因此對去中心化計算的市場需求提出了懷疑。算力供應和需求將作爲正向飛輪，帶動整個生態系統的快速增長。

在這一賽道中，與Akash同屬於龍頭地位的項目包括Render、io.net、Gensyn。其中，Akash和Render誕生較早，並非是爲AI計算而生，Akash最初用於通用計算，Render則主要應用於視頻和圖片渲染，io.net則爲AI計算專門設計，但在AI將算力需求提升了一個Level後，這些項目都已傾向於AI方面的開發。相比於Akash、io.net和Render主攻AI推理，Gensyn則專注於AI模型訓練，Gensyn正在嘗試建立這樣一個驗證層，通過概率學習證明、基於圖的精確定位協議以及激勵來保證計算的正確性。

從算力供應角度來看，Akash目前擁有1.77萬CPU和258個GPU。相比之下，Render並未對外披露硬件數據，io.net則擁有更多GPU算力，截止2024年3月20日，io.net擁有51,738個GPU和10,206個CPU，同時與Render、FIL達成合作，獲得來自Render的4458個GPU和197個CPU、FIL的1024個GPU的使用權，算力資源的數量和質量都遠超Akash，但需要注意的是，io.net正在使用極具吸引力的空投激勵吸引算力資源，平台上的GPU數量正處於快速變化之中，我們仍需觀察在空投結束之後，能夠有多少算力留存在io.net平台之上。相比之下，Akash的算力來自於較爲穩定和合作關係，算力資源一直處於穩定增長的過程中。

在算力的使用上，Render暫未披露相關數據，但其目前業務重點依然爲圖片渲染方向，此外通過建立了計算客戶端來促進在人工智能領域的使用，即提供一個API，允許其他項目訪問Render的GPU網路，以支持AI推理、訓練、微調等用例，目前已接入Render的項目包括io.net、Beam、FedML、Nosana，Prime Intellect和Exabits正在投票中。

io.net的整體網路使用率在30%-40%左右，從Render和FIL接入的算力幾乎未被使用。

Akash網路的GPU使用率保持在40%-60%左右，這在去中心化算力平台中是一個較爲領先的水平，近日來，由於GPU算力供應的大幅提高，使用率出現短暫下降。CPU網路的使用率同樣保持在50-60%的較高水平。

（數據來源：根據Akashstats計算）

從估值來看，Akash目前的FDV和MC均爲1.2B，RNDR的FDV爲其5倍左右，MC爲3倍左右。io.net和Gensyn尚未發行代幣，其中io.net最近一輪一級融資估值爲500M，但隨着對io.net的市場情緒高漲，二級代幣開盤後的價格預計將遠超這一數值。

5 結論

基於上述分析，Akash將是切中本輪週期核心敘事，且具備中長期投資價值的標的。

從敘事題材和基本面上看，AI賽道已經成爲本輪週期的主力賽道，去中心化算力是這一賽道中的核心方向，一方面來自於外部英偉達帶來的對算力的關注度和炒作情緒，另一方面來自於DePIN概念中crypto與AI的緊密結合。Akash是去中心化算力的龍頭項目，下一輪AI板塊輪動中，去中心化算力方向必然是重點之一，而Akash也將因爲其競爭力和護城河得到資金追捧。

從資金面來看，Akash已經完成全部投資人和團隊解鎖，在本輪週期中不會面臨巨額的拋壓盤，同時代幣質押比例超過一半。按目前的代幣流通量和通脹率15%計算，每日將有94,609的AKT被解鎖，按幣價爲$5，每日解鎖量約爲50萬美金，帶來的通脹拋壓並不大。此外，3月20日，Coinbase已上線AKT，將爲AKT打開美國市場，增強流動性，且AKT並未登入Binance，依然存在較高的上所預期。

後續應持續關注Akash在算力資源吸引和客戶關係拓展上的發展，尤其警惕Akash與同類項目的競爭優勢不足的風險，包括io.net和Render在內的項目是Akash的強力競爭對手，尤其是io.net目前因空投預期吸引了極大規模的算力資源，Akash是做CPU計算出身，在GPU上能否獲得持續的算力資源擴張，以及有持續穩定的用例和客戶，是其與其他項目競爭的核心。

聲明：

1. 本文轉載自Metrics Ventures，原標題爲”Metrics Ventures研報 | Akash Network：敘事炒作與價值投資並存的去中心化AI算力協議”，版權歸原作者[Firehand, Kevin, Charlotte]所有。如果對此轉載有任何異議，請聯系Gate Learn團隊，他們將會及時處理。
2. 責任聲明：本文中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. 本文的其他語言翻譯由Gate Learn團隊進行。除非特別說明，禁止復制、分發或剽竊翻譯後的文章。