总结

Akash 是去中心化运算平台，旨在连接未充分利用的GPU 供应与需要GPU 运算的用户，目标是成为GPU 运算的「Airbnb」。与其他竞争对手不同，它们主要专注于通用、企业级GPU 运算。 2023 年9 月推出GPU 主网后，它已在其网路上拥有150-200 个GPU，利用率达到50-70%，年总交易价值为50 万美元至100 万美元。与网路市场一致，Akash 对USDC 支付收取20% 的交易费。

我们正处于基础设施的巨大变革之初，由GPU 驱动的平行处理正在崛起。预计人工智慧将使全球GDP 增加7 兆美元，同时使3 亿个工作自动化。而制造GPU 的英伟达，预计其营收将从2022 年的270 亿美元增至2023 年的600 亿美元，到2025 年将达到约1,000 亿美元。云端运算厂商（AWS、GCP、Azure 等）在英伟达晶片上的资本支出已从个位数成长到如今的25%，预计在未来几年将达到50% 以上。 （来源：Koyfin）

摩根史丹利估计，到2025 年，超大规模GPU 基础设施即服务（IaaS）的机会将达到40-500 亿美元。作为例证，如果将30% 的GPU 计算透过二级市场以30% 的折扣转售，这将是100 亿美元的营收机会。再加上另一个来自非超大规模来源的50 亿美元的营收机会，总共将是150 亿美元的营收机会。假设Akash 能够占据这个机会的33% 市场份额（50 亿美元的总交易价值），并以20% 的交易费率，这将转化为10 亿美元净营收。应用一个10 倍的倍数，将产生一个接近100 亿美元的市值结果。

市场概况

2022 年11 月，OpenAI 推出ChatGPT，创下了最快的用户基数成长纪录，到了2023 年1 月，达到1 亿用户，到5 月达到2 亿用户。这带来的影响是巨大的，估计透过提高生产力和自动化300 万个工作岗位，将使全球GDP 增加7 兆美元。

人工智慧迅速从研发的一个小众领域崛起为公司最大的支出重点。创建GPT-4 的成本为1 亿美元，年运行成本为2.5 亿美元。 GPT-5 需要25,000 个A100（相当于2.25 亿美元的Nvidia 硬体）和可能需要10 亿美元的总硬体投资。这在公司之间掀起了一场争夺足够GPU 以支援人工智慧为驱动的企业工作负载的军备竞赛。

这场人工智慧革命引发了基础设施的巨变，加速了从CPU 到GPU 平行处理的转变。历史上，GPU 一直被用于同时大规模渲染和处理影像，而CPU 则设计为串行运行，无法同时进行这样的操作。由于高记忆体频宽，GPU 逐渐演变为处理其他具有平行问题的运算，例如训练、最佳化和改进人工智慧模型。

在1990 年代首创GPU 技术的Nvidia，将其一流的硬体与CUDA 软体堆叠相结合，建立了与竞争对手（主要是AMD 和英特尔）相比的多年领先地位。 Nvidia 的CUDA 堆叠于2006 年开发，让开发人员优化Nvidia GPU 以加速其工作负载并简化GPU 程式设计。有400 万CUDA 用户，超过50,000 名开发人员正在使用CUDA 进行开发，拥有强大的程式语言、函式库、工具、应用程式和框架生态系统。我们预计随着时间的推移，Nvidia GPU 将在资料中心中超越英特尔和AMD CPU。

超大规模云端服务供应商和大型科技公司对Nvidia GPU 的支出迅速增加，从2010 年初的低水准个位数百分比占比，到2015 年-2022 年的中等个位数占比，再到2023 年的25%。我们认为，在未来几年内，Nvidia 将占据云端服务供应商资本支出的50% 以上。这有望推动Nvidia 的营收从2022 年的250 亿美元增至2025 年的1,000 亿美元（资料来源：Koyfin）。

摩根史丹利估计，到2025 年，超大规模云端服务供应商的GPU 基础设施即服务（IaaS）市场规模将达到40-500 亿美元。这仍然只是超大规模云端服务供应商总营收的一小部分，目前排名前三的超大规模云端服务供应商今天的总营收约为2,500 亿美元以上。

鉴于对GPU 的强烈需求，GPU 供应短缺现像已被《纽约时报》和《华尔街日报》等媒体广泛报导。 AWS 执行长表示「需求超过了供应，对每个人都是如此」。伊隆马斯克在2023 年第二季特斯拉收益电话会议上表示「我们将继续使用——我们将尽快收到Nvidia 的硬体」。

Index Ventures 不得不为其投资组合公司购买晶片。主流科技公司之外，几乎不可能从Nvidia 购买到晶片，而从超大规模云端服务供应商取得晶片也需要很长时间。

以下是AWS 和Azure 的GPU 定价。如下所示，预订1-3 年可获得30-65% 的折扣。由于超大规模云端服务供应商正在投资数十亿美元用于扩大容量，因此他们正在寻找能够提供收入可见性的投资机会。如果客户预计利用率超过60%，最好选择支付1 年的预留定价，如果预计利用率超过35%，则选择3 年。任何未使用的容量都可以重新销售，从而大幅降低其总成本。

如果超大规模云端服务供应商建立了一个价值500 亿美元的GPU 运算租赁业务，那么重新销售未使用的运算能力将是一个巨大的机会。假设有30% 的运算能力以30% 的折扣重新销售，那就是一个价值100 亿美元的市场，重新销售超大规模云端服务供应商的GPU 运算能力。

然而，除了超大规模云端服务供应商之外，还有其他供应来源，包括大型企业（例如Meta、特斯拉）、竞争对手（CoreWeave、Lambda 等）以及资金充裕的人工智慧新创公司。从2022 年到2025 年，Nvidia 将创造约3,000 亿美元的营收。假设在超大规模云端服务供应商之外还有700 亿美元的晶片，以20% 的运算能力以30% 的折扣重新销售，这将为其增加另外100 亿美元，总计200 亿美元。

Akash 概览

Akash 是一个去中心化运算市场，成立于2015 年，于2020 年9 月作为Cosmos 应用链推出主网。其愿景是透过提供价格显著低于超大规模云端服务供应商的未充分利用的运算资源，实现云端运算的民主化。

此区块链处理协调和结算，储存请求、竞标、租赁和结算的记录，而执行是在链下完成的。 Akash 托管容器，使用者可以在其中执行任何云端原生应用程式。 Akash 建置有一套云端管理服务，包括Kubernetes 来编排和管理这些容器。部署是从一个与区块链隔离的私人点对点网路转移的。

Akash 的第一版专注于CPU 运算。在其巅峰时期，该业务的年度总交易额达到了约20 万美元，租赁了4-5 千个CPU。然而，存在两个主要问题，即入门难度（需要启动Cosmos 钱包并使用AKT 代币支付工作负载）和客户流失（必须为钱包充值AKT，如果AKT 用完或价格变动，工作负载将停止，没有备用提供者）。

在过去的一年里，Akash 已经从CPU 运算转变为GPU 运算，利用了运算基础设施和供应短缺的这种范式转变。

Akash GPU 供应

Akash 的GPU 网路于2023 年9 月在主网上线。从那时起，Akash 扩展到150-200 个GPU，利用率达到50-70%。

以下比较了几家供应商的Nvidia A100 价格，Akash 的价格比竞争对手便宜30-60%。

在Akash 网路上有大约19 个独特的供应商，分布在7 个国家，供应超过15 种类型的晶片。最大的提供者是Foundry，这是一家由DCG 支持的公司，也从事加密挖矿和权益质押。

Akash 主要专注于企业级晶片（A100），这些晶片传统上用于支援AI 工作负载。虽然他们也提供了一些消费性晶片，但由于功耗、软体和延迟问题，这些晶片在过去通常难以用于AI。有几家公司如FedML、io.net 和Gensyn，正在尝试建立一个编排层，以实现AI 边缘运算。

随着市场越来越多地转向推断而非训练，消费级GPU 可能变得更具可行性，但目前市场主要集中在使用企业级晶片进行训练。

在供应方面，Akash 专注于公共超大规模云端服务供应商、私人GPU 供应商、加密矿工和持有未充分利用GPU 的企业。

1. 超大规模公有云服务供应商：最大的潜力是让超大规模公有云服务供应商（Azure、AWS、GCP）允许他们的客户在Akash 市场上转售未充分利用的容量。这将使他们能够获得资本投资的收入可见度。一旦超大规模云端服务供应商允许这样做，其他人可能也需要跟进，以保持竞争份额。如同前面所提到的，超大规模云端服务供应商可能会有一个500 亿美元的基础设施即服务（IaaS）机会，为Akash 的市场创造了一个大规模的二手交易机会。
2. 私有云竞争对手：除了超大规模公有云服务供应商外，还有几家私有云公司（CoreWeave、Lambda Labs 等）也提供GPU 租赁服务。鉴于超大规模云端服务供应商试图建立自己的ASIC 作为替代硬体的竞争动态，Nvidia 已经向一些私人公司提供了更多的供应。私有竞争对手的定价通常比超大规模云端服务供应商更便宜（例如，A100 便宜多达50%）。 CoreWeave 是最知名的私人竞争对手之一，曾经是一家加密挖矿公司，于2019 年转变为建造资料中心并提供GPU 基础设施。它正在以70 亿美元的估值进行融资，并得到Nvidia 的支持。 CoreWeave 正在迅速成长，2023 年营收达到5 亿美元，预计2024 年营收将达到15-20 亿美元。 CoreWeave 拥有4.5 万块Nvidia 晶片，估计这些私人竞争对手总共可能拥有10 万多个GPU。为他们的客户群体启用二级市场可能使这些私人竞争对手在与公共超大规模云端服务提供者的竞争中获得份额。
3. 加密矿工：加密矿工历来是Nvidia GPU 的大量消费者。由于解决密码证明的运算复杂性，GPU 已成为工作量证明网路的主导硬体。随着以太坊从工作量证明转变为权益证明，这导致了大量的过剩产能。据估计，解放出来的晶片约有20% 可以用于重用于AI 工作负载。此外，比特币矿工也希望实现收入多元化。在过去的几个月中，Hut 8、Applied Digital、Iris Energy、Hive 和其他比特币矿工都宣布了人工智慧/ 机器学习策略。在Akash 上最大的供应商是Foundry，它是最大的比特币矿工之一。
4. 企业：如同先前所示，Meta 拥有大量GPU，拥有15,000 个A100，利用率为5%。同样，特斯拉也有15,000 个A100。企业计算的利用率通常低于50%。鉴于这一领域的大量风险投资，许多AI/ML 新创公司也提前购买了晶片。能够转售未使用的容量将降低这些较小公司的总拥有成本。有趣的是，租赁旧GPU 可能存在潜在的税收优势。

Akash GPU 需求侧

2022 年和2023 年大部分时间，在GPU 网路推出之前，CPU 的年化总值（GMV）约为5 万美元。自GPU 网路推出以来，GMV 已达到500,000 至1,000,000 美元的年化水平，GPU 网路上的利用率为50-70%。

Akash 一直在努力减少用户摩擦、改善用户体验和拓宽用例。

1. USDC 支付：Akash 最近允许使用USDC 进行稳定支付，使客户不再受到购买AKT 和持有AKT 直到支付时的价格波动影响。
2. Metamask 钱包支援：Akash 也实作了Metamask Snap，以便更轻松地进行入门，而不必创建一个特定于Cosmos 的钱包。
3. 企业级支援：Akash 网路的创建者Overclock Labs 推出了AkashML，可以透过企业级支援更轻松地引入用户到Akash 网路上。
4. 自助服务：Cloudmos 最近被Akash 收购，也推出了一个易于使用的自助服务介面，用于部署GPU。以前，部署必须透过命令列程式码完成。
5. 选择：虽然重点主要放在Nvidia 企业级晶片上，但Akash 也提供消费级晶片，并且截至2023 年底，已添加对AMD 晶片的支援。

Akash 也正在透过网路验证用例。在GPU 测试网路期间，社群展示了它可以使用网路部署和运行许多流行的AI 模型的推理。 Akash Chat 和Stable Diffusion XL 应用程式都展示了Akash 运行推理的能力。我们认为，随着时间的推移，推理市场将比培训市场大得多。今天AI 驱动的搜寻成本为0.02 美元（是Google 目前成本的10 倍）。鉴于每年有3 兆次搜索，这将是每年600 亿美元。为了将其置于上下文中，训练OpenAI 模型的成本约为1 亿美元。虽然这两者的成本可能都会降低，但这突显了长期收入池的显著差异。

考虑到今天对高阶晶片的大多数需求都集中在培训方面，Akash 目前还在努力展示他们可以使用Akash 网路来训练一个模型，并计划在2024 年初推出该模型。在使用来自单一供应商的同质晶片之后，下一个项目将是使用来自多个供应商的异质晶片。

Akash 的路线图非常大。正在进行的一些产品功能包括隐私管理支援、按需/ 保留实例和更好的可发现性。

代币模型与激励

Akash 对AKT 支付收取4% 手续费，对USDC 支付收取20% 手续费。这20% 的收费率与我们在传统网路市场上看到的类似（例如Uber 的30%）。

Akash 有大约58% 的代币在流通（流通中有2.25 亿，最大供应为3.88 亿）。每年的通货膨胀率已从8% 提高到13%。目前，60% 的流通代币已被锁仓，锁仓期为21 天。

40%（之前为25%）的通货膨胀和GMV 的收费率也会进入社区池，该社区池目前有1000 万美元的AKT 代币。

这些资金的用途仍在确定中，但将在公共资金、提供者激励、质押、潜在销毁和社区池之间进行分配。

在1 月19 日，Akash 启动了一个500 万美元的试点激励计划，旨在将1,000 个A100 引入平台。随着时间的推移，目标是为参与市场的提供者提供供应端的收入可见度（例如95% 的有效利用率）。

估值和场景分析

以下是几种场景和Akash 关键驱动因素的说明性假设：

短期情况：我们估计如果Akash 能够达到15,000 个A100，这将产生近1.5 亿美元的GMV。以20% 的抽成率计算，这将为Akash 带来3000 万美元的协议费用。考虑到成长轨迹，以100 倍的倍数（考虑到AI 的估值）计算，这将价值30 亿美元。

基准情况：我们假设IaaS 市场机会与摩根士丹利的估计一致，为500 亿美元。假设70% 的利用率，有150 亿美元的可转售容量。假设这个容量折扣30%，得到100 亿美元，加上其他非超级扩充来源的100 亿美元。鉴于市场通常享有强大的护城河，我们假设Akash 能够实现33% 的份额（Airbnb 度假租赁市场份额的20%，Uber 共享乘车市场份额的75%，Doordash 送餐市场份额的65%）。以20% 的抽成率计算，这将产生10 亿美元的协议费用。以10 倍的倍数计算，Akash 将成为100 亿美元的结果。

上行情况：我们的上行情况使用与基准情况相同的框架。我们假设由于能够渗透更多独特的GPU 来源以及在份额成长方面更高，产生200 亿美元的转售机会。

背景讯息，Nvidia 是一家市值1.2 兆美元的上市公司，而OpenAI 在私募市场的估值为800 亿美元，Anthropic 为200 亿美元，CoreWeave 为70 亿美元。在加密领域，Render 和TAO 的估值分别为20 亿美元和55 亿美元以上。

风险与缓解措施：

供应和需求的集中度： 目前，GPU 需求的大部分来自大型科技公司对训练极大、复杂的LLM（大型语言模型）的需求。随着时间的推移，我们相信会有更多对训练规模较小的AI 模型的兴趣，这些模型更便宜且更能处理私有资料。微调将变得越来越重要，因为模型从通用型转变为垂直特定型。最后，随着使用和采用的加速，推论将变得越来越关键。

竞争：有许多加密和非加密公司试图释放未充分利用的GPU。一些较为显著的加密协定有：

1. Render 和Nosana 正在释放用于推断的消费级GPU。
2. Together 正在建立开源训练模型，允许开发者建构在其上。
3. Ritual 正在建立托管模型的网路。

延迟问题与技术挑战：鉴于AI 训练是一项非常资源密集的任务，考虑到所有晶片都位于一个资料中心，目前尚不清楚是否可以在去中心化的、非共同位置的GPU 堆叠上训练模型。 OpenAI 计划在亚利桑那州的一个地点建造拥有75,000 多个GPU 的下一个训练设施。这些都是FedML、Io.net 和Gensyn 等编排层试图解决的问题。

声明：

1. 本文转载自[前瞻新闻]，著作权归属原作者[文森特·乔]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。