<p>我對過去幾年 DePIN 加密生態系統的感覺是，大多數項目描述的應用場景和商業模式都是偽需求。</p>
<p>這是一個方面。</p>
<p>另一方面，我發現非常牽強的是，許多所謂的 DePIN 項目最初旨在利用閒置資源，但隨着它們的發展，這些閒置資源不僅變得無用，項目也完全變成了被大玩家壟斷的遊戲。最典型的例子就是 Filecoin——從最初描述的允許家庭閒置的小硬盤參與存儲挖礦，後來變成了存儲服務器之間的競爭。不僅是 Filecoin，絕大多數後續的 DePIN 項目也是如此。一旦一個 DePIN 項目變成這樣，它不僅未能充分利用閒置資源，反而消耗了更多的資源。為什麼會這樣？我認為一個重要原因是，在許多 DePIN 項目中，將閒置資源連接到 DePIN 網絡的想法往往是，這些閒置資源在現實中根本無法完成網絡分配給它們的任務，或者説，實際執行這些網絡任務的硬件要求非常高。具有如此高門檻硬件的節點在現實中不太可能連接到這些類型的 DePIN 網絡（除非專門為 DePIN 項目）。因此，在這些 DePIN 項目中，硬件要求低的資源節點幾乎沒有機會獲得網絡獎勵。在這一點上，比特幣挖礦與這些 DePIN 項目有顯著區別。比特幣的計算任務可以被分解和並行化，從而出現了礦池策略。這一策略允許高性能和低性能設備連接到礦池並參與挖礦。唯一的區別是，計算能力更強的設備獲得更多獎勵，而計算能力較低的設備獲得較少獎勵。因此，在比特幣網絡中，一旦滿足某些硬件門檻，計算能力高低的節點都有機會獲得獎勵。在我看來，這是這兩個系統之間的一個關鍵區別：不同資源持有的節點是否都有公平的機會獲得網絡獎勵。在前者中，資源較少的節點幾乎沒有機會；而在後者中，資源較少的節點仍然有機會，只是獲得的獎勵較少。最近，一個名為 DePIN 的項目在 AI + Crypto 領域似乎走上了與比特幣類似的道路，克服了之前 DePIN 項目面臨的困境。</p>
<p>這個項目是 dphn.ai。它目前是一個專注於 AI 推理的去中心化網絡，旨在激勵運行各種大型模型（目前主要是各種開源大型模型）的系統（服務器、雲等）加入網絡進行 AI 推理工作。以運行 DeepSeek 的系統為例。這些系統作為節點加入這個網絡。它們在計算能力、工作效率和生成代幣的速度上有所不同。但這並不重要。在這些節點加入網絡後，當網絡收到處理使用 DeepSeek 的推理任務請求時，它會隨機選擇其中一個節點來處理該任務。任務完成後，系統運行驗證機制來檢查結果。如果一切順利，該節點將獲得獎勵；否則，將受到懲罰。在分配任務時，網絡隨機選擇一個節點。這個節點可能處理任務的速度快或慢，但所有節點都有平等的機會。然而，這種方法要求用户對性能反饋有一定的容忍度。因為如果選擇了計算能力較低的節點來處理任務，用户將收到更長時間的反饋；如果選擇了計算能力較高的節點，用户將收到更短時間的反饋。這個項目已經上線一段時間，目前的發展勢頭似乎良好。這似乎在驗證 DePIN 在這個細分市場的可行性。然而，關於項目本身，它有幾個明顯的問題：在我看來，最大的問題是進入門檻不夠高，尤其是在技術上。目前，它的突出之處主要是由於市場相對較小且缺乏關注。但如果這個模型在未來點燃推理領域的需求，必然會有大量競爭者進入市場。那麼它的競爭優勢在哪裏呢？此外，這個系統目前主要依賴大型開源模型。它無法支持真正強大和高效的閉源模型，如 Anthropic 和 OpenAI。即使在它目前支持的開源模型中，越來越多的模型正在減少其開源範圍和程度。如果這種趨勢持續下去，當開源模型的能力變得過於薄弱而閉源模型又不再支持它們時，這個模型還能繼續運營嗎？所以讓我對這個項目印象最深刻的並不是它的質量或投資價值，而是它似乎證明了 DePIN 在某些 AI + Crypto 領域是可行的。</p>

BTCS

ABTC

ETHE

<p>DePIN 加密生態系統面臨挑戰，許多項目未能有效利用閒置資源，並被大型參與者壟斷。一個新項目 dphn.ai 旨在激勵多樣化的節點進行 AI 推理任務，使得無論計算能力如何，獲得獎勵的機會都是平等的。然而，它面臨潛在的競爭和對閉源模型支持的限制。如果需求增加且競爭者進入市場，它當前的成功可能是短暫的</p>

<p>My feeling about the DePIN crypto ecosystem over the past few years is that the vast majority of projects describe application scenarios and business models that are pseudo-demands.</p>
<div class="lb-trans"><p>我對過去幾年 DePIN 加密生態系統的感覺是，大多數項目描述的應用場景和商業模式都是偽需求。</p>
</div><p>This is one aspect.</p>
<div class="lb-trans"><p>這是一個方面。</p>
</div><p>On the other hand, what I find very far-fetched is that many so-called DePIN projects initially aimed to utilize idle resources, but as they developed, not only did these idle resources become useless, but the projects also completely turned into a game monopolized by large players. The most typical example of this is Filecoin—from its initial description of allowing even idle small hard drives at home to participate in storage mining, it later became a competition among storage server players. Not only Filecoin, but the vast majority of subsequent DePIN projects are also like this. Once a DePIN project becomes like this, it not only fails to fully utilize idle resources but also consumes even more resources. Why does this happen? I think one important reason is that in many DePIN projects, the idea of ​​connecting idle resources to the DePIN network is often that, in reality, these idle resources are simply unable to complete the tasks assigned to them by the network, or rather, the hardware requirements for actually performing these network tasks are very high. Nodes with such high-threshold hardware are unlikely to connect to these types of DePIN networks in reality (unless specifically for DePIN projects). Therefore, in these DePIN projects, resource nodes with low hardware requirements have almost no chance of receiving network rewards. In this respect, Bitcoin mining differs significantly from these DePIN projects. Bitcoin's computational tasks can be broken down and parallelized, leading to the emergence of mining pool strategies. This strategy allows both high-powered and low-powered devices to connect to mining pools and participate in mining. The only difference is that devices with higher computing power receive more rewards, and those with lower computing power receive less. Therefore, in the Bitcoin network, once certain hardware thresholds are met, nodes with both high and low computing power have a chance to receive rewards. In my view, this is a key difference between the two systems: whether nodes with different resource holdings all have a fair chance to receive network rewards. In the former, nodes with fewer resources have almost no chance; in the latter, nodes with fewer resources still have a chance, just receiving less reward. Recently, a project called DePIN in the AI ​​+ Crypto sector seems to have followed a similar path to Bitcoin, overcoming the predicament faced by previous DePIN projects.</p>
<div class="lb-trans"><p>另一方面，我發現非常牽強的是，許多所謂的 DePIN 項目最初旨在利用閒置資源，但隨着它們的發展，這些閒置資源不僅變得無用，項目也完全變成了被大玩家壟斷的遊戲。最典型的例子就是 Filecoin——從最初描述的允許家庭閒置的小硬盤參與存儲挖礦，後來變成了存儲服務器之間的競爭。不僅是 Filecoin，絕大多數後續的 DePIN 項目也是如此。一旦一個 DePIN 項目變成這樣，它不僅未能充分利用閒置資源，反而消耗了更多的資源。為什麼會這樣？我認為一個重要原因是，在許多 DePIN 項目中，將閒置資源連接到 DePIN 網絡的想法往往是，這些閒置資源在現實中根本無法完成網絡分配給它們的任務，或者説，實際執行這些網絡任務的硬件要求非常高。具有如此高門檻硬件的節點在現實中不太可能連接到這些類型的 DePIN 網絡（除非專門為 DePIN 項目）。因此，在這些 DePIN 項目中，硬件要求低的資源節點幾乎沒有機會獲得網絡獎勵。在這一點上，比特幣挖礦與這些 DePIN 項目有顯著區別。比特幣的計算任務可以被分解和並行化，從而出現了礦池策略。這一策略允許高性能和低性能設備連接到礦池並參與挖礦。唯一的區別是，計算能力更強的設備獲得更多獎勵，而計算能力較低的設備獲得較少獎勵。因此，在比特幣網絡中，一旦滿足某些硬件門檻，計算能力高低的節點都有機會獲得獎勵。在我看來，這是這兩個系統之間的一個關鍵區別：不同資源持有的節點是否都有公平的機會獲得網絡獎勵。在前者中，資源較少的節點幾乎沒有機會；而在後者中，資源較少的節點仍然有機會，只是獲得的獎勵較少。最近，一個名為 DePIN 的項目在 AI + Crypto 領域似乎走上了與比特幣類似的道路，克服了之前 DePIN 項目面臨的困境。</p>
</div><p>This project isdphn.ai . It is currently a decentralized network focused on AI inference, with the aim of incentivizing systems (servers, cloud, ...) running various large models (currently mainly various open-source large models) to join the network for AI inference work. Let's take the system running DeepSeek as an example. These systems all join this network as nodes. They differ in computing power, work efficiency, and the speed at which they produce tokens. But that doesn't matter. After these nodes join the network, when the network receives a request to process an inference task using DeepSeek, it randomly selects one of these nodes to handle the task. After the task is completed, the system runs a verification mechanism to check the result. If everything goes smoothly, the node is rewarded; otherwise, it is penalized. When assigning tasks, the network randomly selects a node. This node may process the task slowly or quickly, but all nodes have an equal chance. However, this approach requires users to have a certain tolerance for performance feedback. Because if the node with low computing power is selected to process the task, the user will receive feedback in a longer time; if the node with high computing power is selected, the user will receive feedback in a shorter time. This project has been online for some time, and its current development momentum seems good. This seems to be validating the feasibility of DePIN in this niche market. However, regarding the project itself, it has several obvious problems: The biggest problem, in my opinion, is that the barrier to entry is not high enough, especially technically. Currently, its prominence is mainly due to the relatively small market and lack of attention. But if this model ignites demand in the inference field in the future, a large number of competitors will inevitably enter the market. Where will its competitive advantage lie then? Furthermore, this system currently primarily relies on large open-source models. It cannot support truly powerful and efficient closed-source models such as Anthropic and OpenAI. Even among the open-source models it currently supports, an increasing number are reducing their open-source scope and extent. If this trend continues, will this model be able to continue operating in the future when the capabilities of open-source models become too weak and closed-source models no longer support them? So what impressed me most about this project wasn't its quality or investment value, but rather that it seemed to prove that DePIN could be viable in certain AI + Crypto sectors.</p>
<div class="lb-trans"><p>這個項目是 dphn.ai。它目前是一個專注於 AI 推理的去中心化網絡，旨在激勵運行各種大型模型（目前主要是各種開源大型模型）的系統（服務器、雲等）加入網絡進行 AI 推理工作。以運行 DeepSeek 的系統為例。這些系統作為節點加入這個網絡。它們在計算能力、工作效率和生成代幣的速度上有所不同。但這並不重要。在這些節點加入網絡後，當網絡收到處理使用 DeepSeek 的推理任務請求時，它會隨機選擇其中一個節點來處理該任務。任務完成後，系統運行驗證機制來檢查結果。如果一切順利，該節點將獲得獎勵；否則，將受到懲罰。在分配任務時，網絡隨機選擇一個節點。這個節點可能處理任務的速度快或慢，但所有節點都有平等的機會。然而，這種方法要求用户對性能反饋有一定的容忍度。因為如果選擇了計算能力較低的節點來處理任務，用户將收到更長時間的反饋；如果選擇了計算能力較高的節點，用户將收到更短時間的反饋。這個項目已經上線一段時間，目前的發展勢頭似乎良好。這似乎在驗證 DePIN 在這個細分市場的可行性。然而，關於項目本身，它有幾個明顯的問題：在我看來，最大的問題是進入門檻不夠高，尤其是在技術上。目前，它的突出之處主要是由於市場相對較小且缺乏關注。但如果這個模型在未來點燃推理領域的需求，必然會有大量競爭者進入市場。那麼它的競爭優勢在哪裏呢？此外，這個系統目前主要依賴大型開源模型。它無法支持真正強大和高效的閉源模型，如 Anthropic 和 OpenAI。即使在它目前支持的開源模型中，越來越多的模型正在減少其開源範圍和程度。如果這種趨勢持續下去，當開源模型的能力變得過於薄弱而閉源模型又不再支持它們時，這個模型還能繼續運營嗎？所以讓我對這個項目印象最深刻的並不是它的質量或投資價值，而是它似乎證明了 DePIN 在某些 AI + Crypto 領域是可行的。</p>
</div>

New Observations on DePIN in the AI + Crypto Field

- DePIN 生態系統面臨假需求和資源浪費的問題。  
- Filecoin 案例顯示大玩家壟斷了資源，難以充分利用閒置資源。  
- 新項目 dphn.ai 隨機選擇節點處理任務，可能驗證 DePIN 的可行性。

在人工智能與加密領域中關於 DePIN 的新觀察