专家表示，随着人工智能信任需求的上升，Zk 证明为 DePIN 带来了优势

高盛对人工智能 (AI) 资本支出 7.6 万亿美元的基线预测最终取决于人工智能专用芯片的可用时间。去中心化网络承诺大幅降低成本，但仍面临延迟问题，专家认为，其长期可行性将取决于优先考虑可验证性而不是原始性能。

要点：

高盛预计，到 2031 年，将花费 7.6 万亿美元，具体取决于芯片的使用寿命是否超过 3 年。

StealthEX 和 Cysic 专家警告称，DePIN 延迟限制了去中心化人工智能通过实时聊天进行批处理作业。

像 Maple 这样的链上公司可能会在 2028 年之前弥补二级数据中心 500 万至 5000 万美元的信贷缺口。

7.6 万亿美元基线

高盛最近的一份报告将争论从人工智能 (AI) 需求是否存在转向了供应方因素将决定扩建的实际成本。该报告预计人工智能资本支出为 7.6 万亿美元作为基准，但强调这一数字对“波动变量”高度敏感，包括人工智能芯片的使用寿命。

这种寿命被视为最关键的因素，因为快速创新可能会使标准芯片（通常可以使用四到六年）在三年内就过时，从而导致成本飙升。相反，将旧芯片重新用于推理等更简单的任务的“分层模型”可以稳定成本。

数据中心的复杂性和计算需求的弹性是可能影响未来五年人工智能基础设施资本支出的其他变量。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时间的因素。

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。在这种范式中，人工智能代理成为主要的经济参与者，独立执行高频交易并管理资源分配。该报告的作者认为，传统金融系统的特点是结算周期缓慢和严格的了解你的客户 (KYC) 框架，从根本上来说不适合代理商务的速度。

去中心化基础设施和延迟权衡

因此，它将加密货币和去中心化协议定位为促进这一转变所需的基本的、无需许可的“经济轨道”。然而，怀疑论者仍然持谨慎态度，质疑去中心化物理基础设施网络（DePIN）是否能够真正缓解人工智能不断膨胀的资本需求。

StealthEX 增长主管 Vadim Taszycki 指出，虽然去中心化网络可以显着节省成本，但它们面临物理限制。虽然像 Akash 这样的去中心化提供商可能会以每小时 1.48 美元的价格租用 H100 GPU，而 Amazon Web Services 则为 12.30 美元，但代价是速度。

“大型云提供商可以[快速工作]，因为他们的 GPU 彼此相邻地位于一栋建筑中，通过特殊电缆连接，可以在微秒内传输数据，”Taszycki 说。他解释说，去中心化网络通过公共互联网将不同国家的 GPU 连接在一起，增加了毫秒级的延迟。这种延迟使得去中心化编排在批处理作业和微调方面具有竞争力，但不适合为用户体验依赖于近乎即时响应的大规模实时聊天机器人提供服务。

Cysic 的创始人 Leo Fan 也赞同这些观点，坚持认为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和 AWS 等超大规模服务的错误基准。

“难题不是分布式计算，而是发现、调度和证明。楔子不是每个代币的价格；而是可验证性，”范说。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”更重要的领域中竞争。

链上信贷和资金缺口

除了计算之外，焦点正在转向这些资本密集型项目的融资方式。虽然传统私人信贷拥有充足的资本，但它往往忽视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以前仅限于机构有限合作伙伴的数据中心收入。此外，Maple 和 Centrifuge 等平台可以提供 500 万至 5000 万美元范围内的银团贷款，这一范围经常被 Apollo 等公司忽视，因为承保成本相对于费用而言较高。

最后，链上信用实现了新颖的“按推理付费”模式，其中收入随着 GPU 使用情况而波动。与严格的 20 年传统租赁相比，此类模式更自然地适合代币化收入分成结构。

尽管有这种潜力，专家们还是确定了四个仍然对机构采用关闭的“大门”：破产法院的法律可执行性、