在当下的科技领域，人工智能（AI）和加密货币相结合构成了一个相对密集的领域，为创新提供了新的机遇和挑战。除了众多新项目的涌现，还有许多老项目通过改变策略实现了转型，比如Cosmos项目下的Akash，以及Solana项目下的Nosana。这些转型后的代币价格也随之疯涨，凸显出市场对于AI领域的看好。同时，虽然RNDR主要专注于去中心化渲染，但其实也可以为AI领域提供服务，因此很多人将像RNDR这样与算力相关的项目归类到AI赛道。

在算力资产化的概念下，我们可以将其进一步细分为两个方向：

首先是以Gensyn为代表的「去中心化算力用于AI训练」；

其次是大多数转型项目和新项目所代表的「去中心化算力用于AI推理」。

在这个领域，我们可以观察到一个有趣的现象，或者说是一种不看好的态度链：

从传统的AI领域到去中心化推理，再到去中心化训练。

传统的AI领域专业人士不看好去中心化进行AI训练或推理；

而对于去中心化推理的人则不看好去中心化训练。

这其中的主要原因在于技术层面，因为AI训练（特指大模型AI）需要处理海量数据，而更关键的是这些数据需要高速通信来满足带宽需求。在当前Transformer大型模型的环境下，训练这些模型需要大量的高端显卡、专业AI显卡以及高速通讯通道，这些都是中心化计算的优势所在，而去中心化实现则面临诸多挑战。

相比之下，AI推理对算力和通信带宽的需求要远远低于AI训练，因此去中心化实现的可能性要高得多。这也是为什么大多数与算力相关的项目都是专注于推理，而训练的项目则相对较少。然而，从性价比和可靠性的角度来看，目前阶段中心化算力在推理方面仍然优于去中心化。

有人或许会提到，比特币和以太坊在刚刚问世时，也有人质疑分布式节点的模式相对云计算不靠谱，但最终它们证明了自己的价值。对于AI训练和推理领域来说，未来的发展将更多地关注于数据的正确性、不可篡改性以及冗余性等维度的需求。尽管在性能、可靠性和价格等方面，目前中心化计算仍然占据优势，但随着技术的发展和创新，未来或许会有不同的局面出现。