最近的一份高盛报告将讨论焦点从人工智能（AI）的需求是否存在转向哪些供给方因素将决定实际建造成本。该报告预测AI资本支出为7.6万亿美元，但强调这一数字对“摆动变量”高度敏感，包括AI硅片的使用寿命。

这种使用寿命被视为最关键的因素，因为快速的创新可能会使标准芯片——通常寿命为四到六年——在三年内过时，导致成本飙升。相反，采用“分层模型”的旧芯片被重新用于更简单的任务，如推理，则可能稳定成本。

数据中心的复杂性和计算需求的弹性是其他可能影响未来五年在AI基础设施上支出的资本金额的变量。电网容量、专业劳动力和电气设备的短缺也被视为延长建设的因素。

与此同时，另一份报告将这一惊人的基础设施支出视为新兴“机器经济”的基石。在这一范式中，AI代理成为主要的经济行为者，执行高频交易并独立管理资源分配。报告的作者认为，受到缓慢结算周期和刚性客户身份验证（KYC）框架特征的传统金融系统根本无法满足代理商业的速度。

因此，它将加密货币和去中心化协议视为推动这一转变所需的基本、无需许可的“经济轨道”。然而，持怀疑态度的人仍然对去中心化的物理基础设施网络（DePIN）能否真正缓解AI不断增长的资本需求表示担忧。

StealthEX的增长负责人Vadim Taszycki指出，尽管去中心化网络可以提供显著的成本节省，但它们面临物理限制。尽管像Akash这样去中心化的提供商每小时可能以1.48美元租用一块H100 GPU，而在亚马逊网络服务上收费为12.30美元，但牺牲的是速度。

“大型云提供商能够快速完成工作，因为它们的GPU置于同一建筑内，通过特殊电缆相连，可以在微秒内传输数据。”Taszycki表示。他解释说，去中心化网络通过公共互联网拼接不同国家的GPU，增加了毫秒的延迟。这种延迟使得去中心化编排在批量作业和微调方面具备竞争力，但对于提供高规模的实时聊天机器人服务而言则不适合，因为用户体验取决于几乎即时的响应。

Cysic的创始人Leo Fan也对此表示赞同，坚称去中心化推理不适合低延迟工作负载。然而，Fan认为，延迟是比较去中心化平台与像AWS这样的超大规模计算者的错误基准。

“难题不是分布式计算，而是发现、调度和证明。差距不在于每代币的价格，而在于可验证性。”Fan说。他指出，可信执行环境（TEE）和零知识（ZK）证明允许去中心化网络在信任和验证比“尾部延迟”更为重要的领域中竞争。

除了计算，重点正在转向这些资本密集型项目的资金来源。尽管传统的私人信贷资金充足，但往往忽视较小或非标准的交易。链上信贷提供了独特的优势，例如允许零售投资者参与以前仅限于机构有限合伙人的数据中心收入。此外，像Maple和Centrifuge这样的平台可以在500万美元到5000万美元范围内联合贷款——这一范围常常被像Apollo这样的公司忽视，因为相对于费用，高承保成本使其不值得。

最后，链上信贷使得新颖的“按推理付费”模式成为可能，收入随着GPU使用量波动。这些模式更自然地融入到代币化的收入分享结构中，而不是僵化的20年传统租赁。

尽管存在这种潜力，但专家指出仍有四个“关卡”阻碍机构采用：破产法庭的法律可执行性、缺乏可篡改的预言机基础设施以满足契约、十亿美元分期的监管不确定性，以及非标准化的税收和会计产品。

共识建议中型联合交易在链上获得吸引力的现实时间表为12到24个月，而大多数链上夹层债务可能还需三到五年。首个突破可能来自Tier 2运营商，而非Coreweave等行业领导者。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。