专家表示，随着对人工智能信任度的需求日益增长，ZK 证明为去中心化身份（DePIN）提供了竞争优势

7.6万亿美元的基准

高盛近期的一份报告将讨论焦点从“人工智能（AI）需求是否存在”转向“哪些供给侧因素将决定实际建设成本”。该报告将7.6万亿美元的AI资本支出作为基准，但强调这一数字极易受“波动变量”影响，其中包括AI芯片的使用寿命。

使用寿命被视为最关键的因素，因为快速创新可能导致通常使用寿命为四到六年的标准芯片在三年内就过时，从而导致成本飙升。相反，采用“分层模型”——即将旧芯片用于推理等更简单的任务——则可能稳定成本。

数据中心的复杂性以及计算需求的弹性，是其他可能影响未来五年人工智能基础设施资本支出的变量。电网容量、专业劳动力和电气设备的短缺也被视为延缓建设进程的因素。

与此同时，另一份报告将这笔惊人的基础设施支出视为新兴“机器经济”的基石。在此范式下，AI代理将成为主要的经济行为主体，独立执行高频交易并管理资源分配。报告作者认为，传统金融系统因结算周期缓慢且“了解你的客户”（KYC）框架僵化，在根本上无法适应代理化商业的高速运转。

去中心化基础设施与延迟权衡

因此，该报告将加密货币和去中心化协议定位为推动这一转变所必需的、无需许可的“经济轨道”。然而，怀疑论者仍持谨慎态度，质疑去中心化物理基础设施网络（DePINs）能否真正缓解人工智能日益膨胀的资本需求。

StealthEX 增长负责人瓦迪姆·塔什奇基（Vadim Taszycki）指出，尽管去中心化网络能带来显著的成本节约，但它们面临着物理限制。虽然像 Akash 这样的去中心化服务商可能以每小时 1.48 美元的价格租用 H100 GPU，而亚马逊云服务（AWS）的价格为 12.30 美元，但其代价是速度。“大型云服务商之所以能做到这一点， [fast work] ，因为他们的GPU都位于同一栋大楼内，通过专用电缆连接，数据传输仅需几微秒，”塔什奇基说道。他解释称，去中心化网络通过公共互联网将不同国家的GPU串联起来，会增加几毫秒的延迟。这种延迟使得去中心化调度在批处理任务和微调方面具有竞争力，但不适合服务于大规模的实时聊天机器人——因为用户体验取决于近乎即时的响应。

Cysic 创始人 Leo Fan 对此表示赞同，并坚持认为去中心化推理不适合低延迟工作负载。不过，Fan 认为，延迟并不是比较去中心化平台与 AWS 等超大规模服务商的正确标准。

“真正的难点不在于分布式计算，而在于节点发现、任务调度及结果验证。关键差异不在于单代币成本，而在于可验证性，”范表示。他指出，可信执行环境（TEE）和零知识（ZK）证明技术，使去中心化网络能够在那些信任与验证比‘尾端延迟’更重要的领域中竞争。

链上信贷与融资缺口

除了计算能力之外，关注点正转向这些资本密集型项目的融资方式。虽然传统私募信贷拥有充足的资本，但往往会忽略规模较小或非标准的交易。链上信贷具有明显的优势，例如允许散户投资者参与此前仅限于机构有限合伙人的数据中心收益。 此外，Maple和Centrifuge等平台能够组织500万至5000万美元区间的贷款——这一区间常被Apollo等公司忽视，因其承销成本相对于手续费而言过高。 最后，链上信贷支持创新的“按推理付费”模式，其中收入随GPU使用情况波动。此类模式比僵化的20年传统租赁合同更自然地契合代币化的收益分成结构。

尽管潜力巨大，专家们仍指出阻碍机构采用的四大“门槛”：破产法庭中的法律可执行性、缺乏用于履行契约的防篡改预言机基础设施、针对数十亿美元级贷款档次的监管不确定性，以及尚未标准化的税务和会计产品。

业界普遍认为，中型银团交易在链上获得突破的现实时间表为12至24个月，而多数链上夹层债务的实现可能还需要三到五年。首批突破很可能来自二线运营商，而非Coreweave等行业领军企业。