@prlnet ay interesante dahil binabago nito ang karaniwang lohika ng mining. Sa Bitcoin, ang gastos sa mining ang nagtatakda ng presyo. Sa Pearl, ang presyo ang nagdedesisyon kung kumikita ba ang useful compute ng pagsali sa network. Ang pangmatagalang teorya ay simpleng: Ang isang GPU na naka-run ng inference ay kumikita ng tunay na kita. Kung idaragdag ng Pearl ang PRL rewards na may minimal na overhead, maaaring magkaroon ng dalawang stream ng kita ang parehong GPU cycle: - Mga bayarin sa inference - Mga PRL emissions Sa punto na iyon, hindi na ang mga miner ang nakikipagkompetensya sa AI workloads. Silay ang AI workloads. Nagkakaroon ito ng ibang flywheel: Mas mataas na presyo ng PRL → mas maraming inference providers ang nag-iintegrate → mas maraming useful compute ang sumasali sa network → mas malakas na organic na demand para sa PRL. Mas mababang presyo ng PRL → umalis ang mga provider → bumabalik ang network sa karaniwang GPU mining. Dahil dito, ang pangunahing metric ay hindi ang raw hashrate. Ito ay ang porsyento ng hashrate na galing sa tunay na AI workloads, hindi sa dedicated na miners. Ang buong teorya ng Pearl ay nakadepende sa isang tanong: Maaari bang lumago ang useful compute nang mas mabilis kaysa sa mining sell pressure?