深度分析》DeepSeek 對 Web3 AI 上下游協議產生的影響

DeepSeek 戳破 Agent 賽道最後的泡沫，DeFAI 可能孕育新生，行業融資方式迎來轉變。本文源自 Kevin, the Researcher at BlockBooster 所著，由 Foresight News 轉載。 （前情提要：幣安報告：DeFAI 如何重塑 DeFi 互動體驗？ ） （背景補充：傳奇大空頭：已看到美股泡沫跡象，未來一年最大風險是類 Deepseek 效應 ） TLDR： DeepSeek 的出現擊碎算力護城河，開源模型引領的算力優化成為新方向； DeepSeek 利好行業上下游中的模型層與應用層，對基礎設施中的算力協議產生消極影響； DeepSeek 的利好無意中戳破 Agent 賽道最後的泡沫，DeFAI 最有可能孕育新生； 專案融資的零和遊戲有望迎來終結，社群發射 + 少量 VC 的新融資方式可能成為常態。 DeepSeek 引發的衝擊會在今年對 AI 產業的上下游產生深遠的影響，DeepSeek 成功讓家用消費級顯示卡完成了原本大量高階 GPU 才能承擔的大模型訓練任務。圍繞 AI 發展的第一護城河 —— 算力，開始崩塌，當演算法效率以每年 68% 的速度狂奔，而硬體效能遵循摩爾定律的線性爬升時，過去三年根深蒂固的估值模型不再適用，AI 的下一章，將由開源模型來開啟。 儘管 Web3 的 AI 協議和 Web2 的完全不同，但也不可避免地承受 DeepSeek 的影響，這種影響會對 Web3 AI 上下游：基礎設施層、中介軟體層、模型層和應用層，催生出全新的用例。 梳理上下游協議的協作關係 通過技術架構、功能定位和實際用例的分析，我將整個生態劃分為：基礎設施層、中介軟體層、模型層、應用層，並梳理其依賴關係： 基礎設施層 基礎設施層提供去中心化的底層資源（算力、儲存、L1），其中算力協議有：Render、Akash、io.net 等；儲存協議有：Arweave、Filecoin、Storj 等；L1 有：NEAR、Olas、Fetch.ai 等。 算力層協議支撐模型訓練、推理和框架的執行；儲存協議儲存訓練資料、模型引數和鏈上互動記錄；L1 通過專門的節點優化資料傳輸效率，降低延遲。 中介軟體層 中介軟體層是連線基礎設施與上層應用的橋樑，提供框架開發工具、資料服務和隱私保護，其中資料標註協議有：Grass、Masa、Vana 等；開發框架協議有：Eliza、ARC、Swarms 等；隱私計算協議有：Phala 等。 資料服務層為模型訓練提供燃料，開發框架依賴基礎設施層的算力和儲存，隱私計算層保護資料在訓練 / 推理中的安全性。 模型層 模型層用於模型開發、訓練和分發，其中開源模型訓練平臺：Bittensor。 模型層依賴基礎設施層的算力和中介軟體層的資料；模型通過開發框架部署到鏈上；模型市場將訓練成果輸送到應用層。 應用層 應用層是面向終端使用者的 AI 產品，其中 Agent 包括：GOAT、AIXBT 等；DeFAI 協議有：Griffain、Buzz 等。 應用層呼叫模型層的預訓練模型；依賴中介軟體層的隱私計算；複雜應用需要基礎設施層的即時算力。 DeepSeek 可能對去中心化算力產生消極影響 據抽樣調查顯示，約 70% 的 Web3 AI 專案實際呼叫 OpenAI 或中心化雲平臺，僅 15% 的專案使用去中心化 GPU（如 Bittensor 子網模型），剩餘 15% 為混合架構（敏感資料本地處理，通用任務上雲）。 去中心化算力協議的實際使用率遠遠低於預期，與其實際市值並不匹配。造成使用率低的原因有三點：Web2 開發者遷移至 Web3 時沿用原有工具鏈；去中心化 GPU 平臺尚未實現價格優勢；部分專案以「去中心化」為名規避資料合規審查，實際算力仍依賴中心化雲。 AWS/GCP 佔據 AI 算力 90%+ 的市場份額，與之相比 Akash 的等效算力僅為 AWS 的 0.2%。中心化雲平臺護城河有：叢集管理、RDMA 高速網路、彈性擴縮容；去中心化雲平臺有上述技術的 web3 改良版本，但是無法完善的缺陷有，延遲問題：分散式節點通訊延遲是中心化雲的 6 倍；工具鏈割裂：PyTorch/TensorFlow 未原生支援去中心化排程。 DeepSeek 通過稀疏訓練（Sparse Training）減少 50% 算力消耗，動態模型剪枝實現消費級 GPU 訓練百億引數模型。 市場對於短期內高階 GPU 的需求預期大幅下調，邊緣計算的市場潛力被重新估值。如上圖所示，DeepSeek 出現之前，行業內的巨大多數協議和應用都使用 AWS 等平臺，只有極少數用例部署在去中心化 GPU 網路中，這類用例看中後者在消費級算力上的價格優勢，並且不關注延遲的影響。 這種情況可能隨著 DeepSeek 的出現進一步惡化。DeepSeek 釋放了長尾開發者的限制，低成本高效的推理模型將以前所未有的速度普及，事實上，當下上述中心化雲平臺和不少國家都已經開始部署 DeepSeek，推理成本的大幅降低會催生大量前端應用，這些應用對於消費級 GPU 有著龐大的需求。面對即將到來的龐大市場，中心化雲平臺會開展新一輪的使用者爭奪戰，不僅是和頂級平臺競爭，還是和無數小型中心化雲平臺的競爭。而最直接的競爭方式就是降價，可以預見 4090 在中心化平臺的價格會迎來下調，這對 Web3 的算力平臺來說可謂滅頂之災。當價格不是後者的唯一護城河，行業內的算力平臺也被迫下調價格時，結果是 io.net、Render、Akash 們無法承受的。價格戰將摧毀後者僅存的估值上限，收益下降和使用者流失帶來的死亡螺旋可能讓去中心化算力協議轉型新的方向。 DeepSeek 對行業上下游協議帶來的具體意義 如圖所示，我認為 DeepSeek 會對基礎設施層、模型層以及應用層帶來不同影響，從積極影響來說： 應用層會收益於推理成本的大幅降低，更多的應用可以用低成本確保 Agent 應用長時間線上，並即時完成任務；...