引言
过去几十年,计算基础设施发生了剧烈演变,从专有的本地系统转向拥抱云计算的兴起。这种范式转变使全球各行各业的企业的资源管理更加可扩展和灵活,并因此降低了资本支出。
然而,云服务的集中化引入了诸如供应商锁定或数据主权问题等挑战。最近,去中心化物理基础设施网络 (DePIN) 作为一种解决方案出现了。通过将计算和存储分布在独立节点上,它们以更具弹性、更具成本效益且抗审查的商业模式挑战传统云提供商。
关键要点
- IT 基础设施的演变: 从本地系统向云计算的转变革新了资源管理,降低了成本并实现了可扩展性。
- 中心化云提供商的局限性: 供应商锁定或数据主权等问题突显了过度依赖中心化云服务的缺点。
- DePIN 介绍:去中心化物理基础设施网络 (DePIN) 提供了一种新模式,将资源分布在独立运行的节点上,并解决云服务的中心化问题。
- DePIN 优势:DePIN 提供了一种弹性、高效且安全的架构模型,通过聚合闲置资源减少对中心化提供商的依赖并降低运营成本(类似于众包)。
- 经济影响:DePIN 利用全球未充分利用的资源,通过代币奖励激励参与者,使基础设施更易访问和民主化。
- 云采用趋势:云采用持续增长,主要云提供商如 AWS、Azure 和 Google 主导市场,但面临来自去中心化网络的新兴竞争,这些网络开始威胁它们的各自垄断地位。
- GPU 在 AI 中的作用:GPU 在 AI 开发中至关重要,推动了对像 DePIN 这样的去中心化云解决方案的需求,以提供可扩展且负担得起的 GPU 资源。
- DePIN 的挑战:DePIN 在实现需求端牵引力、信任和可靠性方面面临障碍,与成熟的云提供商相比,同时管理代币价格波动。
- 市场机会: 对于 DePIN 的成功,平衡供给和需求、确保运营可靠性以及培养用户信任至关重要。
通过去中心化降低资本支出
传统上,企业不得不大量投资于物理硬件,这在购买、维护和扩展方面成本高昂,特别是对于小型企业。相比之下,DePIN 的去中心化特性减少了对中心化中介机构的依赖,通过使用区块链作为单一真相来源来协调激励并最小化官僚开销。
图 1:公共云的良性循环

来源 – Microsoft
云计算的兴起标志着从资本支出(CapEx)向运营支出(OpEx)的转变,民主化了计算资源的访问,并为新企业提供了快速扩展的能力。这一转变为云提供商创造了良性循环,使他们能够重新投资基础设施、扩展服务并吸引更多客户。随着更多企业迁移到云端,云服务的需求开始呈指数级增长,这是网络效应的结果。今天,在亚马逊网络服务(AWS)推出近二十年后,我们仍在见证云计算采用的长尾效应,许多组织继续向基于云的架构过渡。
图 2: 主要云服务提供商客户群的增长

来源:Holori
图 3: 企业数据外包至云基础设施的份额增长

来源:Edge Delta – 自2015年以来,存储在云基础设施中的企业数据数量已翻了一番多。
然而,云提供商在其护城河上引入了依赖性和高信任环境。将此与DePIN比较,DePIN通过聚合它们并通过带有嵌入式市场的点对点网络使它们可访问,来利用全球未充分利用的资源,从而减少对大量前期资本支出的需求并降低成本。通过使用网络发行的代币激励参与,DePIN将用户转变为利益相关者,推动网络增长。供应商可以在这个开放市场中满足需求,参与者可以捕获他们所提供价值的份额,并从网络效应的上行潜力中受益。
图 4: 去中心化物理基础设施网络

来源: Revelo Intel
云计算技术的最新进展:主要参与者和相关数据
云生态系统分为三个主要部分:
| Hardware | Cloud Infra and Platforms | Cloud Software |
| Semiconductors and data centers acting as physical foundational layers of the Cloud Service. | Virtualized layers that manage computing, storage, and networking, allowing developers to build and deploy applications in the cloud. | Applications built on top of cloud infra and platforms, often delivered as Software as a Service (SaaS). |
图 5: 云的基础设施层

来源:Generative Value – 云基础设施层
半导体行业:
半导体行业分为设计和制造。无晶圆厂公司设计半导体但将生产外包给代工厂,而集成设备制造商(IDMs)管理设计和生产。设计领域的关键玩家使用 Electronic Design Automation (EDA) 工具,如 Synopsys、Cadence 和 Siemens EDA 提供的工具。该行业由主要玩家主导,如 TSMC 和 Samsung,尤其是在先进制造技术如 3nm 节点方面。该市场高度集中,形成事实上的寡头垄断。
图 6: 半导体产业的结构

云基础设施:
云基础设施将物理硬件虚拟化,使其可以通过互联网作为服务访问。关键技术包括虚拟化、容器和各种存储解决方案。虚拟化允许在单个服务器上运行多个虚拟机,而容器提供了一种更高效、轻量级的替代方案。存储分为对象存储、文件存储和块存储,每种都适用于不同的用例。
图 7:IaaS(基础设施即服务)关键组件

像 Snowflake 和 Kubernetes 这样的云平台抽象了基础设施管理,专注于应用程序开发。提供给开发者的开发环境是全面的,包括硬件、路由器、操作系统、运行时环境、中间件、数据库、Web 服务器等。
图 8: PaaS(平台即服务)关键组件

云软件:
云软件,也称为 SaaS,本质上是一种云计算模型,其中软件应用程序通过互联网以订阅为基础的方式交付,因为它运行在云基础设施和平台之上。与在单个机器上购买和安装软件不同,用户通过网络浏览器访问软件,该软件由第三方提供商托管和维护。
市场由超大规模云提供商主导,AWS、Azure 和 GCP 占据了大约 70% 的市场份额。
Figure 9: SaaS 的结构

云环境包括公共、私有和混合模型,每种模型满足不同的需求。公共云提供可扩展的服务和灵活的定价,但可能引发安全和隐私问题。私有云提供更多的控制和安全性,但成本更高。混合云结合了两者,提供灵活性但增加了复杂性。
图 10:云类型的比较

来源:BMC – 云类型
在这些部署模型中,有三种主要服务(IaaS、PaaS 和 SaaS),它们针对不同的消费者需求进行了定制:
- 基础设施即服务 (IaaS):这种模型通过互联网提供虚拟化计算资源,例如虚拟机、存储和网络。客户可以配置和管理这些资源来构建和扩展自己的 IT 环境,从而在避免物理维护和开销的同时,对底层硬件进行控制。
- 平台即服务 (PaaS):此服务提供基于云的环境,包含开发、测试、部署和管理应用程序所需的所有必要工具和框架。它抽象了基础设施层,使开发者能够专注于编写代码,而无需管理底层服务器、存储或网络。
- 软件即服务 (SaaS):此模型通过互联网交付完全功能化的软件应用程序,允许用户访问和使用这些应用程序,而无需管理底层硬件或软件基础设施。
图 11: 主要可用服务的概述,根据外包复杂程度级别

感兴趣于云服务的客户可能可用的选项是:
- Storage Clouds, 专注于提供高效的存储解决方案。
- GPU Clouds, 专为需要高计算能力的AI工作负载量身定制。
- 边缘计算云,这些服务将本地化计算服务提供给更接近终端用户的地点,以降低延迟。
- 去中心化云,使用区块链来汇集和出租分布式计算资源。换句话说,这就是加密行业中被称为 DePiN,即去中心化物理基础设施网络的东西。
图 12: 云基础设施生态系统

来源:Generative Value – 云历史、技术和市场的概述。
虽然大多数公司仍然依赖于超大规模云提供商,但像去中心化物理基础设施网络 (DePIN) 这样的新兴模型正在获得牵引力。DePIN 利用 blockchain 来汇集和出租分布式计算资源,提供了一种去中心化的替代方案,与传统云模型相反,后者体现了一种赢家通吃的环境,展示了少数几方掌握大部分市场份额的大量权力集中。
图 13: 全球云市场份额

来源: Statista.com
在AI时代民主化对GPU的访问
GPUs 在 AI 中已成为必不可少,提供复杂计算所需的并行处理能力。与顺序处理任务的 CPUs 不同,GPUs 设计用于大规模并行,使其理想适合深度学习等 AI 工作负载。关键组件包括 CUDA cores 用于并行处理以及像 HBM2 这样的先进内存技术,能够高效处理大型数据集。 CPUs 和 GPUs 基本上设计用于处理不同类型的任务:
- CPUs 就像高度熟练的多任务处理者,能够同时处理几个复杂任务,例如运行整个操作系统或管理多个软件应用程序。它们非常适合管理数据库或运行办公应用程序等任务。
- GPUs, 相比之下,就像工厂中的专业工人,每一个都执行一个小而重复的任务。这种专业化使 GPUs 在并行处理大量数据方面更快得多,这对于 AI 任务至关重要,例如训练模型理解语音或处理视频素材。
NVIDIA 的进步,例如 Tensor Cores 和 NVLink,显著提升了 GPU 性能,现在 GPU 对于训练像 GPT-4 这样的大型 AI 模型至关重要。GPU 的兴起改变了 AI,将训练时间从数周缩短到数小时,并提高了模型准确性。
图 14:深度学习的演变:从 CPU 到 HPC 通过多个 GPU 的扩展)

自从2007年CUDA推出以来,GPU软件栈遵循了指数级的演化路径,诸如cuDNN 和 NVIDIA NeMo 支持 AI 开发。NVIDIA 的 GPU 在 AI 性能基准测试中始终领先,推动各行业的创新。AI 行业现在是 GPU 最大的消费者,需要强大的芯片组,如NVIDIA’s H100 和即将推出的Blackwell platform,它在性能和能效方面提供了实质性的改进。
GPU 推动了 AI 在各个领域的显著进步,例如:
- 生成式 AI: 大语言模型如 GPT-4,这些模型为数百万用户使用的服务提供动力,需要数千个 GPU 进行训练和推理。这使得自然语言处理和其他 AI 应用取得了快速进步。
- 科学与工业影响: 由GPU驱动的AI预计将产生巨大的经济影响,可能每年为银行业、医疗保健和零售等行业增加2.6万亿美元至4.4万亿美元,根据一份McKinsey报告。 NVIDIA GPU也被用于应对全球挑战,例如通过加速AI模型来帮助减少碳排放,从而应对气候变化。
AI领域已成为GPU的最大消费者,这是由对CPU无法单独提供的巨大计算能力的需求驱动的。AI工作负载,例如训练大型语言模型(LLMs)、machine learning和deep learning,需要先进GPU芯片组(如NVIDIA的H100)的高性能能力,这些芯片组对于处理复杂数据集和执行复杂的AI操作至关重要。
图 15:单芯片推理性能的指数增长

来源:NVIDIA 官方博客
最近,NVIDIA 的 Blackwell 平台推出标志着 AI 新时代的开始,其架构可将成本和能耗降低高达 25 倍。该平台支持处理大型 AI 模型,实现先进 AI 能力的普及。随着 AI 工作负载变得更加苛求,GPU 在实现高性能计算方面的作用将只会增加,推动该领域的进一步进步。
图 16:Blackwell,NVIDIA 开发的新 GPU 架构

此外,第五代 NVLink 技术的集成确保了多个 GPU 之间无缝、高速通信,从而允许在数据中心和云环境中高效扩展 AI 模型。该 GB200 Grace Blackwell Superchip 体现了 AI 和高性能计算的融合,为希望将 AI 集成到运营中的企业提供了多功能且强大的工具集。
市场增长与定位
2023年,全球公共云服务市场达到$669.2 billion,比前一年增长19.9%,根据IDC。软件即服务 – 应用程序(SaaS – Applications)细分市场领先市场,贡献了总收入的近45%。基础设施即服务(IaaS)紧随其后,占19.9%,而平台即服务(PaaS)和软件即服务 – 系统基础设施软件(SaaS – SIS)分别占18.4%和17.0%。PaaS和SaaS – SIS是增长最快的细分市场,反映了对可扩展云解决方案的需求不断上升。
图 17:全球公共云服务收入及同比增长,2023

来源: IDC
根据 Synergy Research Group 发布的数据,Amazon Web Services (AWS) 占有 31% 的市场份额,季度收入达 $24.2 billion。然而,AWS 的增长放缓至每年 13%,受到技术支出减少的影响。相比之下,Microsoft 和 Google Cloud 的增长率分别达到 30% 和 26%。中国供应商 Alibaba Cloud 和 Tencent Cloud 共同占有全球市场的 5%。
图 18: 全球云计算市场份额

AI 和机器学习的激增显著提升了对云服务的需求,特别是用于训练大规模 AI 模型所需的高性能 GPU。这一趋势为云提供商带来了巨大机会,因为各行业越来越依赖云平台进行 AI 部署。
云游戏,2023年估值超过$5 billion,CAGR 37%(根据GreyViews收集的信息),是这些平台针对的另一个高增长领域。云游戏对高性能GPU的依赖,用于流畅、低延迟的游戏体验,与DePIN GPU网络相一致,提供可扩展且成本效益高的基础设施解决方案。
图19:全球云游戏收入

来源:S&P Global
随着云计算格局的演变,美国企业主导市场,但对AI日益依赖云基础设施,这带来了新的机会。 全球近98%的公司现在至少依赖云服务来运行其部分业务应用。这种广泛采用,加上AI的快速增长,表明了对基于云的计算能力的持续且不断升级的需求。
DePIN 是一个市场部门,在这个不断扩展的格局中战略性地定位以捕获显著的市场份额,特别是在 AI 和机器学习部门,这些部门需要可扩展的 GPU 资源用于训练和推理。传统的云 GPU 提供商面临高成本和计算资源短缺相关的挑战,但一个利用闲置和未充分利用的企业 GPU 能力的去中心化模型可以为初创企业和成熟企业提供更具成本效益的解决方案。
中心化云基础设施的挑战
云基础设施领域的垂直增长、部署数据服务器和维护它们的高成本,以及对数据存储和计算能力服务日益旺盛的需求,促成了一个寡头垄断市场,该市场扼杀创新(因为它阻止竞争)、极化风险、具有几乎牢不可破的进入壁垒,并引发了多项伦理问题,从数据安全到通过供应商锁定限制消费者选择,再到在服务条款和隐私政策定义上的不平等议价能力
高成本和有限的议价能力
像 AWS、Azure 和 Google Cloud 这样的集中式云提供商控制定价,往往对用户施加高成本。这种竞争缺失限制了市场多样性并扼杀了创新,特别是影响那些缺乏财务实力来谈判更好条款的中小企业和初创公司。
资源浪费
集中式云服务往往导致资源利用效率低下。许多企业购买超过所需量的云资源,导致大量浪费,截至2024年,高达27%的云预算。这种低效每年导致数十亿美元的损失。
图 20: IaaS 和 PaaS 上估计的浪费云支出

来源:Flexera
缺乏灵活性和自定义性
集中式云服务通常提供标准化的解决方案,这些解决方案可能无法满足所有企业的特定需求。这种灵活性的缺乏会限制组织部署和优化其 AI 工作负载的有效性,迫使他们调整自身流程以适应云提供商的 offerings,而不是反过来。
数据主权和隐私担忧
集中式云提供商通常将数据存储在特定区域,这可能会引发数据主权和隐私方面的担忧,特别是当数据跨越国际边界时。政府和组织可能面临确保遵守本地数据保护法规的挑战,从而导致法律和道德风险。
道德 AI 和机器学习:
通过集中式云提供商大规模部署 AI 会引发伦理问题,例如 AI 模型中的潜在偏见以及算法决策的透明度需求。这些问题需要仔细考虑 AI 部署的更广泛影响。
市场依赖性和锁定
过度依赖单一云提供商的企业面临着成为该提供商生态系统依赖的风险,这可能导致潜在的供应商锁定。这种依赖会使切换提供商或多元化服务变得困难且成本高昂,从而限制业务敏捷性并增加长期成本。
对单一故障点的脆弱性
集中式基础设施更容易受到停机或网络攻击引起的干扰。如果主要的云提供商出现停机,它可能会影响全球大量的企业,导致重大的财务损失和运营中断。
去中心化创新障碍
中央化提供商的主导地位可能会阻碍去中心化模型的增长和采用,例如 DePIN (Decentralized Physical Infrastructure Networks),这些模型提供了更开放、竞争性和资源高效的替代方案。这些模型可以为较小的参与者提供更好的可访问性和可负担性,但在一个由少数超大规模提供商控制的市场中,它们难以获得牵引力。
替代方案的垂直增长:DePIN
DePIN,或称为去中心化物理基础设施网络,代表了一种变革性的方法,用于构建和管理关键基础设施。与由中心化巨头公司主导的传统模式不同,DePIN 利用个人贡献者的去中心化网络,提供诸如存储、计算能力、能源和通信带宽等资源。这些贡献者通过代币奖励获得激励,从而创建一个全球性的、去中心化的基础设施生态系统。
这种范式转变实际上带来了许多好处:
基础设施的去中心化
DePIN 将控制权从中心化巨头转移到个人提供者的分布式网络中。这种民主化减少了对大公司的依赖,促进了一个更开放和更有弹性的基础设施系统。就像去中心化金融 (DeFi) 改变了金融系统一样,DePIN 去中心化基础设施管理,赋能个人共同构建和维护关键服务。
水平可扩展性
DePIN 网络通过按需添加资源来扩展,提供灵活的实时需求调整。这种水平可扩展性允许潜在的无限增长,通过区块链控制和分配高效管理资源。
市场影响与可扩展性
DePIN 领域正在快速增长,像 Hivemapper、Render、Helium 和 Io.net 等项目引领潮流。DePIN 水平扩展的能力提供了竞争优势,使其能够满足包括 AI 和高性能计算在内的各个领域的日益增长的需求。
图 21:最资本化 DePIN 项目的列表

来源:DePiN Scan
DePIN 允许水平可扩展性,其中网络可以根据需求灵活扩展资源。这种灵活性使 DePIN 系统能够在没有重大变化的情况下扩展或收缩,根据休眠资源的可用性,可能实现无限可扩展性。
社区控制与公平定价
在 DePIN 中,网络控制分布在参与者之间,类似于工作量证明网络中的矿工。这种去中心化控制确保了公平和透明的定价,避免了中心化模型中出现的通货膨胀,使服务更实惠和可及。
成本高效运营
DePIN 以最低开销运行,因为基础设施由分布式贡献者网络提供。这降低了成本,并允许提供商优化跨多个网络的资源分配,以更低的价格提供高质量服务。
无许可参与和激励机制
DePINs 是开放且无许可的,允许任何拥有资源的人作为提供者加入并访问服务,而无需复杂的谈判。代币激励驱动参与,创造了一个飞轮效应,提升网络增长和资源共享。
- 图 22: DePiN 飞轮来源:Revelo Intel

增强的可扩展性和资源可用性
通过利用全球分布式网络,DePIN 确保资源随时可用且可扩展,有效解决资源稀缺问题并支持计算密集型任务。
弹性和可靠性
DePIN 的去中心化特性通过在广泛网络中分发数据和计算任务来缓解安全风险,减少网络攻击威胁并增强隐私。通过消除单一故障点,DePIN 提升了系统弹性。分布式工作负载确保即使某些节点出现问题也能持续运行,提供一致的性能和高可用性。
成本效率与资源优化
DePIN 通过竞争市场和动态资源分配提供灵活定价,相比集中式提供商降低了成本并提高了资源利用率。通过针对工作负载特定需求的自定义计算资源,DePIN 平台可以为多样化应用提供更具适应性的基础设施。
高性能计算访问的民主化
DePIN 降低了高性能计算的障碍,使像 GPU 这样的强大资源对初创企业、小型企业和个人开发者可及,促进创新和包容性。
与 Web3 和代币经济的增强集成
DePIN 与 Web3 技术集成,使用 tokens 作为计算资源的交换媒介,并利用 smart contracts 进行透明的资源管理和奖励分配。
平衡供给与需求面临的挑战
DePIN(Decentralized Physical Infrastructure Networks,去中心化物理基础设施网络)领域依赖代币激励来吸引硬件供应商,特别是那些拥有GPU的供应商,加入网络。然而,任何DePIN项目的可行性和吸引力都与其在平衡供给与需求方面的表现密切相关,尤其是在代币价格波动的情况下。
DePIN 项目通常使用原生代币来激励硬件供应商,这可能会因代币价格波动而导致重大挑战。供应商必须评估他们通过这些代币多快能收回硬件投资,但当代币价格大幅且突然波动时,这变得复杂且有风险。这种模式的可持续性取决于为供应商提供稳定且可预测的 ROI,因此如果代币价格暴跌,它可能会延长供应商实现收支平衡所需的时间,从而潜在地降低参与网络的吸引力。
许多 DePIN 项目专注于通过代币激励吸引供应商,但未能平等地激励需求。这种失衡可能导致资源闲置和代币价值降低,在供给充裕但需求不足的情况下。为了成功,DePIN 项目必须培养对其资源的强劲需求。关键问题是这些代币是否有足够的买家兴趣,以及它们被用于什么。
尽管可能成本更低,DePIN 网络经常面临信任和可靠性问题。与像 AWS 或 Google Cloud 这样的成熟云提供商不同,去中心化平台可能无法提供持续维护、稳定性或支持。企业可能由于这些问题而犹豫采用 DePIN 服务,无论成本优势如何。
DePIN 项目的首要挑战不仅仅是通过代币激励吸引硬件供应商,还包括为他们的物理资源创造并维持需求。如果不解决需求端问题,这些平台就有可能被低度利用,无论它们看起来多么具有成本效益。要成功,DePIN 项目必须建立信任,确保运营可靠性,并稳定其代币经济,以培育一个平衡且可持续的生态系统。
结论
随着我们进入云计算扩展影响塑造的新时代,Decentralized Physical Infrastructure Networks 正在作为一种革命力量崭露头角,挑战长期支撑数字基础设施的传统中心化模型。DePIN 基本上重新构想了计算资源的分配和利用,创造了一个更具弹性、更具成本效益且更具包容性的生态系统。通过挖掘全球未充分利用(甚至闲置)资源巨大潜力,这个领域为云计算开辟了一条新范式之路,优先考虑民主化的访问和去中心化控制。
然而,DePIN 的成功并非没有挑战。供给与需求之间的平衡、代币经济学的稳定性,以及在这些去中心化网络中建立信任和可靠性,都是决定这一开创性但尚不成熟的模式未来可行性的关键因素。随着市场持续演变,DePIN 项目解决这些挑战并利用对可扩展、高性能计算日益增长的需求的能力,将是其长期成功的关键。
因此,我们可以得出结论,虽然 DePIN 为云基础设施提供了一种令人兴奋且潜在变革性的方法,但其最终影响将取决于在这一快速扩张领域中谨慎应对复杂的动态。
未来可能确实是去中心化的,但要实现其全部隐藏潜力,整个行业需要战略远见、强大且高性能的技术框架,以及对市场需求深刻的理解。
参考文献
“Unraveling the DePIN Sector (2023)”,Ryze Labs,在 Substack 上发布。链接
“让我们通过去中心化云服务保护我们的在线隐私” (2022),Marcel Ohrenschall,在 Substack 上发布。 链接
“云计算的成本效率。中心化 vs 去中心化网络” (2023),Marcel Ohrenschall,在 Substack 上发布。 链接
“A Primer on the Cloud” (2024),Generative Value,在 Substack 上发布。 链接
“An Overview of the Semiconductor Industry” (2023),Generative Value,在 Substack 上发布。 链接
“全球最大的云计算服务提供商”(2024),Visual Capitalist。链接
“计算 DePIN 的理由”(2024),Shoal Research,在 Substack 上发布。链接
“Navigating the High Cost of AI Compute”(2023),a16z,在其官方博客上发布。 链接
“State of the Cloud report”(2024),Flexera。 链接
NVIDIA 官方博客。 链接
“Public vs Private vs Hybrid: Cloud Differences Explained” (2020),BMC 官方博客。 链接
“A Framework for Software-as-a-Service Selection and Provisioning (2013)”,由 Elarbi Badidi 在 ResearchGate 上发表。链接
MongoDB,“Cloud explained” 部分。链接
“2024 年云市场份额 – AWS、Azure、GCP 由 AI 驱动的增长”,Holori。 链接
“DePIN 现状”(2023),Messari。 链接
“云市场重获活力;AI 推动云支出第四季度增长创下新高”(2024),Synergy Research Group。 链接
“2024 年有多少公司使用云计算?”,Edge Delta。 链接
披露
Revelo Intel 从未与上述列出的任何项目有过商业关系,本报告未以任何方式获得报酬或委托撰写。Revelo Intel 团队成员,包括直接参与上述分析的人员,可能持有所讨论的代币。本内容仅供教育目的,不构成财务或投资建议。您应进行自己的研究,并仅投资您能承受损失的金额。Revelo Intel 是一个研究平台,并非投资或财务顾问。


