DePIN Compute Watch

Akash 採用去中心化算力市場，客戶設定目標價格後供應商競標。

• SDL 機制：基於 YAML 的 SDL 讓用戶輕鬆建立跨多區域與多供應商的複雜部署。
• Kubernetes 基礎：網路運行於 Kubernetes，提供可靠容器編排與大規模儲存支援。
• 實際租用亮點：用戶可租用專用 IP 位址，適合需要穩定網路的應用。

Massed Compute 提供 13 款 GPU 型號，H100 每小時 $2.73、H200 $3.44，Thalassa Cloud 則無 GPU 服務。

• Thalassa Cloud 中型 VM 月費 $121.83、PostgreSQL $24.61，Massed Compute...

加拿大 AI 新創 Cohere 持續多元化其運算供應鏈，先前已承諾使用 AMD Instinct GPU。

Bitdeer 將比特幣挖礦的設備採購、資料中心設計與營運能力，直接轉化為 AI 雲端基礎設施。

• 67MW 馬來西亞 A901 園區加入後，secured capacity 達 273.5MW，佔 350MW 目標 78%。
• 園區專為液冷 NVIDIA GB300 NVL72 設計，服務企業 AI 工作負載，2027 年 Q2 全面交付。
• 資金部署靠客戶預付款覆蓋逾 50% capex，並以合約現金流融資，降低自有資本壓力。

AI基礎設施投資已進入兆美元週期，真實回報取決於GPU、電力與資料中心能否轉化為持續營運利潤與全經濟效率，而非僅融資或代幣規模。 需求仍大於供給，收益將來自機器人、藥物發現等產業應用。

H100 GPU 租借價格仍維持約 $2.70 的高位，顯示 AI 需求正帶動 GPU、記憶體、網路設備、資料中心與電力供應鏈成長。 需留意集中式算力需求強勁，與 DePIN 網路實際可捕捉的付費工作負載仍有差距。

KNOD 專案正推進 Linux 核心內 GPU 卸載，允許 AMD GPU 以高性能、低功耗方式處理 XDP 與 RX IPsec 封包，達每秒 7000 萬封包與 80 Gbit/s 速率，且無需專用硬體。這項底層優化有望提升邊緣運算與分散式 GPU 網路的資本效率與基礎設施彈性，開發者已確認其成本效益與省電優勢。

當網路連線不穩或需即時決策時，將 AI 推理、儲存與資料處理移至邊緣，可有效降低延遲、頻寬使用，並確保關鍵工作負載持續運作。文章強調邊緣 AI 讓敏感資料本地處理、加速推論，同時作為雲端的補充而非替代，特別適合 IoT、車輛與工業感測器場景。

MangoBoost 利用 AMD ROCm 軟體堆疊，讓使用者能存取評估、優化與部署 AI 工作負載所需的完整工具鏈。

Linux Foundation Tokenomics Foundation 提出 Total Cost of AI (TCA)，主張代幣成本僅占 AI 總支出...

Seismora 的控制平面可依能力、成本、延遲與政策限制，自動將 AI 工作負載路由至終端裝置、邊緣或雲端，讓開發者無需在應用內自行建置路由邏輯。 這種「認知路由」機制針對異質環境優化資源分配，適合建構代理式應用。

• Token Fabric 結合 SkyFabriX scale-up 矽晶片與 NVIDIA Spectrum-X scale-out 網路，讓不同供應商 AI 晶片無需獨立網路即可協作。
• 平台支援開放標準如 OCP ESUN，處理 AI 工作負載大量資料交換與低延遲需求，避免網路拖累效能。
• 早期測試已啟動，2027 年全面上市，顯示網路整合對多加速器資料中心日趨關鍵。

• GPU 抵押貸款：銀行與私募信貸以晶片本身作擔保，解鎖數千億美元 AI 基礎設施資金
• 保險與交易：保險公司對沖 GPU 價值下跌，預測市場已開始押注 B200 租賃價格
• 價格指數：Silicon Data 等公司建立標準化租賃指數，為期貨市場鋪路
• 資本效率關鍵：晶片快速迭代與轉售能力決定金融化能否成功，直接影響供應商融資成本

DeepSeek V4 Flash 在 OpenRouter 的輸入價格低至 $0.0099/1M tokens，輸出 $1.28/1M，遠低於其他提供商。

• Azure 提供 A100 每小時 $3.67 起、H100 $11.06，Fireworks 未列出 GPU 租用。
• Fireworks 的 DeepSeek API 為 $0.300 輸入/$1.20 輸出，高於 OpenRouter 的 Flash 報價。
• 長上下文 1M tokens 適合大量文件工作負載，但需權衡延遲與實際成本。

Civo 正在英國打造 40 座液冷邊緣資料中心網絡，強調分散式與去中心化設計，以支援主權 AI。 此架構與 io.net 等 DePIN 網路的相似性，顯示其可能滿足低延遲算力需求，但實際是否形成區域雲或 DePIN 互補仍待觀察。

Netdata 的 intelgpu 收集器透過 intel_gpu_top，每 0.9–2.5 秒取樣 Intel 整合 GPU 的頻率、功耗（gpu/package）與引擎忙碌百分比，讓供應者即時掌握運行狀態資料。

全球AI基礎設施正從企業競賽轉為國家主權爭奪，美國與中國在晶片、資料中心及電力控制上形成對峙。

中國正加速「六網」建設，將電力、算力與通訊網路協同推進，以因應AI用電壓力並強化自主能力。

這一趨勢顯示，國家級算力主權可能成為下一階段核心競爭點，開發中國家則面臨依賴或自建的兩難。

AI代理的真正瓶頸不在模型智能，而在缺少IaC、應用拓撲、安全政策與跨雲狀態的完整上下文。這導致持續API查詢產生「API tax」、速率限制與成本問題，凸顯去中心化雲端需建構共享上下文層，結合宣告狀態與即時發現，才能支援自主治理與可觀測性。

PyTorch 一行 a + b).relu() 實際觸發兩次 kernel 啟動與五次 global memory 往返，若能融合成單一 kernel 即可減為三次。GPU 好用與否不僅看租到多少卡，更關鍵在 kernel 設計與記憶體存取效率。

AI資料中心大量採購GPU、CPU與RAM，導致特定元件價格遠高於遊戲主機，並迫使廠商生產舊款記憶體。AMD計畫增加GPU與CPU產量，但聚焦AI資料中心專用晶片，與Foxconn、TSMC、Samsung等供應鏈合作，卻未對消費級產品提供保障，可能進一步加劇遊戲硬體短缺與價格壓力。