深度分析》DeepSeek 对 Web3 AI 上下游协议产生的影响

DeepSeek 戳破 Agent 赛道最后的泡沫，DeFAI 可能孕育新生，行业融资方式迎来转变。本文源自 Kevin, the Researcher at BlockBooster 所着，由 Foresight News 转载。 （前情提要：币安报告：DeFAI 如何重塑 DeFi 互动体验？ ） （背景补充：传奇大空头：已看到美股泡沫迹象，未来一年最大风险是类 Deepseek 效应 ） TLDR： DeepSeek 的出现击碎算力护城河，开源模型引领的算力优化成为新方向； DeepSeek 利好行业上下游中的模型层与应用层，对基础设施中的算力协议产生消极影响； DeepSeek 的利好无意中戳破 Agent 赛道最后的泡沫，DeFAI 最有可能孕育新生； 专案融资的零和游戏有望迎来终结，社群发射 + 少量 VC 的新融资方式可能成为常态。 DeepSeek 引发的冲击会在今年对 AI 产业的上下游产生深远的影响，DeepSeek 成功让家用消费级显示卡完成了原本大量高阶 GPU 才能承担的大模型训练任务。围绕 AI 发展的第一护城河 —— 算力，开始崩塌，当演算法效率以每年 68% 的速度狂奔，而硬体效能遵循摩尔定律的线性爬升时，过去三年根深蒂固的估值模型不再适用，AI 的下一章，将由开源模型来开启。 尽管 Web3 的 AI 协议和 Web2 的完全不同，但也不可避免地承受 DeepSeek 的影响，这种影响会对 Web3 AI 上下游：基础设施层、中介软体层、模型层和应用层，催生出全新的用例。 梳理上下游协议的协作关系 通过技术架构、功能定位和实际用例的分析，我将整个生态划分为：基础设施层、中介软体层、模型层、应用层，并梳理其依赖关系： 基础设施层 基础设施层提供去中心化的底层资源（算力、储存、L1），其中算力协议有：Render、Akash、io.net 等；储存协议有：Arweave、Filecoin、Storj 等；L1 有：NEAR、Olas、Fetch.ai 等。 算力层协议支撑模型训练、推理和框架的执行；储存协议储存训练资料、模型引数和链上互动记录；L1 通过专门的节点优化资料传输效率，降低延迟。 中介软体层 中介软体层是连线基础设施与上层应用的桥梁，提供框架开发工具、资料服务和隐私保护，其中资料标注协议有：Grass、Masa、Vana 等；开发框架协议有：Eliza、ARC、Swarms 等；隐私计算协议有：Phala 等。 资料服务层为模型训练提供燃料，开发框架依赖基础设施层的算力和储存，隐私计算层保护资料在训练 / 推理中的安全性。 模型层 模型层用于模型开发、训练和分发，其中开源模型训练平台：Bittensor。 模型层依赖基础设施层的算力和中介软体层的资料；模型通过开发框架部署到链上；模型市场将训练成果输送到应用层。 应用层 应用层是面向终端使用者的 AI 产品，其中 Agent 包括：GOAT、AIXBT 等；DeFAI 协议有：Griffain、Buzz 等。 应用层呼叫模型层的预训练模型；依赖中介软体层的隐私计算；复杂应用需要基础设施层的即时算力。 DeepSeek 可能对去中心化算力产生消极影响 据抽样调查显示，约 70% 的 Web3 AI 专案实际呼叫 OpenAI 或中心化云平台，仅 15% 的专案使用去中心化 GPU（如 Bittensor 子网模型），剩余 15% 为混合架构（敏感资料本地处理，通用任务上云）。 去中心化算力协议的实际使用率远远低于预期，与其实际市值并不匹配。造成使用率低的原因有三点：Web2 开发者迁移至 Web3 时沿用原有工具链；去中心化 GPU 平台尚未实现价格优势；部分专案以「去中心化」为名规避资料合规审查，实际算力仍依赖中心化云。 AWS/GCP 占据 AI 算力 90%+ 的市场份额，与之相比 Akash 的等效算力仅为 AWS 的 0.2%。中心化云平台护城河有：丛集管理、RDMA 高速网路、弹性扩缩容；去中心化云平台有上述技术的 web3 改良版本，但是无法完善的缺陷有，延迟问题：分散式节点通讯延迟是中心化云的 6 倍；工具链割裂：PyTorch/TensorFlow 未原生支援去中心化排程。 DeepSeek 通过稀疏训练（Sparse Training）减少 50% 算力消耗，动态模型剪枝实现消费级 GPU 训练百亿引数模型。 市场对于短期内高阶 GPU 的需求预期大幅下调，边缘计算的市场潜力被重新估值。如上图所示，DeepSeek 出现之前，行业内的巨大多数协议和应用都使用 AWS 等平台，只有极少数用例部署在去中心化 GPU 网路中，这类用例看中后者在消费级算力上的价格优势，并且不关注延迟的影响。 这种情况可能随着 DeepSeek 的出现进一步恶化。DeepSeek 释放了长尾开发者的限制，低成本高效的推理模型将以前所未有的速度普及，事实上，当下上述中心化云平台和不少国家都已经开始部署 DeepSeek，推理成本的大幅降低会催生大量前端应用，这些应用对于消费级 GPU 有着庞大的需求。面对即将到来的庞大市场，中心化云平台会开展新一轮的使用者争夺战，不仅是和顶级平台竞争，还是和无数小型中心化云平台的竞争。而最直接的竞争方式就是降价，可以预见 4090 在中心化平台的价格会迎来下调，这对 Web3 的算力平台来说可谓灭顶之灾。当价格不是后者的唯一护城河，行业内的算力平台也被迫下调价格时，结果是 io.net、Render、Akash 们无法承受的。价格战将摧毁后者仅存的估值上限，收益下降和使用者流失带来的死亡螺旋可能让去中心化算力协议转型新的方向。 DeepSeek 对行业上下游协议带来的具体意义 如图所示，我认为 DeepSeek 会对基础设施层、模型层以及应用层带来不同影响，从积极影响来说： 应用层会收益于推理成本的大幅降低，更多的应用可以用低成本确保 Agent 应用长时间线上，并即时完成任务；...