BitTorrent запускает BTTInferGrid — децентрализованную сеть вычислений для инференса ИИ

По мере внедрения AI-агентов в различные сложные сценарии, такие как корпоративные рабочие процессы, автоматизированное производство и автономное выполнение, глобальная индустрия ИИ официально перешла от «реактивного» к «автономному выполнению» — новому этапу. Конкурентная борьба в отрасли давно вышла за рамки простого сравнения параметров крупных моделей и сместилась в сторону оценки способности к практическому внедрению, а мощные возможности логического вывода являются ключевой основой для этого перехода.

Смена парадигмы применений также привела к фундаментальным изменениям в спросе на инфраструктуру вычислительных мощностей сверху: центр потребления вычислительных мощностей постоянно смещается от обучения моделей к бизнес-выводам, и эта тенденция необратима. Однако современная централизованная система вычислительных мощностей при столкновении с огромным количеством, высокой частотой и резкими колебаниями запросов на вывод демонстрирует проблемы высоких эксплуатационных расходов, слабой гибкости масштабирования и недостаточной стабильности обслуживания. Вся индустрия ИИ сталкивается с производственным ограничением на уровне предложения вычислительных мощностей.

17 июня старейшая децентрализованная трансмиссионная экосистема BitTorrent запускает стратегический продукт — BTTInferGrid, ориентированный на рынок AI-выводов, и создает децентрализованную вычислительную сеть. Платформа, основанная на децентрализованной распределенной архитектуре, эффективно агрегирует рассредоточенные свободные ресурсы GPU по всему миру, устраняя барьеры между поставщиками ресурсов и разработчиками ИИ, предлагая открытые, легко интегрируемые, с возможностью проверки результатов вычислений в блокчейне и гибко оплачиваемые по объему услуги AI-выводов.

Опираясь на преимущества децентрализованных технологий, BTTInferGrid не только устраняет недостатки традиционных централизованных вычислительных мощностей в условиях высокой нагрузки и колебаний нагрузки, но и достигает прорывного развития на стороне поставщиков вычислительных мощностей, перестраивая логику распределения и потока ресурсов во всей экосистеме вычислительных мощностей.

В то же время BTTInferGrid — это стратегический продукт, разработанный на основе существующей службы BTFS, что представляет собой ключевое расширение BitTorrent от сферы хранения данных в область вычислительных мощностей, а также важный шаг в реализации её стратегии в секторе децентрализованного ИИ.

BTTInferGrid стремится перестроить систему поставок вычислительных мощностей с помощью децентрализованной модели, чтобы решить проблемы высокой стоимости и нехватки вычислительных мощностей для AI-выводов, одновременно снижая затраты и повышая эффективность, а также улучшая производительность вывода крупных моделей, обеспечивая отрасль высокопроизводительной, устойчивой и выгодной инфраструктурой вычислительных мощностей.

Если 2024–2025 годы были эпохой «битвы за тысячу моделей» и доминирования кластеров с тысячами чипов в гонке параметров в индустрии ИИ, то в 2026 году, с масштабным внедрением AI Agent, ИИ официально входит в эпоху массового распространения и взрыва применения — «эпоху вывода». Вывод является ключевым этапом реализации ценности модели, превращая «обученные модели» в реальные приложения, коммерческую ценность и повседневные сервисы. Проще говоря, обучение — это «обучение ИИ», а вывод — это «применение ИИ на практике» — например, распознавание знака остановки автономным автомобилем на дороге, которую он никогда раньше не проезжал, является типичным примером вывода. Способность к выводу напрямую определяет пользовательский опыт, операционные расходы и коммерческую ценность продуктов ИИ.

Отрасль в целом пришла к консенсусу, что в будущем более 70% вычислительных ресурсов будут использоваться для сценариев вывода. Oracle ранее предсказала, что рыночный объем вычислительных ресурсов для вывода в конечном итоге превзойдет объем ресурсов для обучения. Академик Китайской инженерной академии Чжэн Вэймин также отметил, что подавляющее большинство вычислительных ресурсов сегодня расходуется на повседневное взаимодействие пользователей с крупными моделями. С точки зрения структуры затрат, в расходах на вывод крупных моделей трудовые ресурсы составляют всего 3%, данные — 2%, а вычислительные ресурсы —高达 95%; затраты на вычислительные ресурсы у ведущих приложений весьма значительны: ежедневные расходы на вывод ChatGPT составляют около 700 000 долларов США, а у DeepSeek V3 — 87 000 долларов США.

Когда спрос на вычислительные мощности ИИ перешел от централизованного обучения у нескольких крупных технологических гигантов к коммерческим сценариям вывода, охватывающим миллионы разработчиков из различных отраслей, критерии оценки базовой инфраструктуры также изменились. В эпоху обучения разработчики в основном сосредотачивались на масштабе и эффективности централизованных вычислительных мощностей; в эпоху вывода услуги ИИ напрямую обслуживаются огромным количеством конечных пользователей, при этом ежедневные триллионы взаимодействий порождают колоссальный спрос на вычислительные мощности, и акцент разработчиков смещается на стоимость каждого вызова, скорость отклика и стабильность сервиса. Сегодня вычислительные мощности, стоимость вызова и доступность сервиса стали ключевыми критериями оценки инфраструктуры ИИ и определяющими факторами для успешного внедрения приложений ИИ.

Однако перед экспоненциальным ростом спроса на вычисления для вывода недостатки доминирующих централизованных вычислительных систем становятся все более очевидными: аренда GPU продолжает расти, сервисы платформ часто выходят из строя, и многие приложения ИИ вынуждены закрываться из-за высокой стоимости вычислений. Эти проблемы ярко проявляются в следующих трех аспектах:

Во-первых, гибкость распределения вычислительной мощности недостаточна, чтобы адаптироваться к колебаниям трафика, что приводит к дисбалансу между стоимостью и стабильностью: хотя ведущие компании в сфере ИИ и облачные провайдеры постоянно увеличивают инвестиции в вычислительную инфраструктуру, спрос на вывод данных растет быстро и имеет четко выраженные пики и спады — днем, в часы офисной работы или маркетинговых кампаний, количество запросов может увеличиваться в десятки раз; ночью же происходит резкое падение. Централизованные центры обработки данных не обладают способностью гибкого распределения и не могут адаптироваться к таким динамическим изменениям: если инфраструктура настраивается под пиковые нагрузки, то в периоды низкой активности затраты на амортизацию чрезмерно высоки; если же она рассчитана на средние показатели, то в пиковые часы возникают сбои в обслуживании, что создает дилемму между «высокой стоимостью» и «низкой стабильностью». В то же время централизованная вычислительная мощность несет дополнительные затраты на строительство центров обработки данных, электропитание, техническое обслуживание и коммерческую прибыль, в результате чего стоимость вычислительной мощности остается крайне высокой, что значительно сужает возможности для экспериментов у небольших инновационных команд. Рынок急需 новое решение, сочетающее преимущества по стоимости и гибкость распределения.

Во-вторых, цены на аренду GPU продолжают расти, и высокие затраты препятствуют внедрению инноваций со стороны малых и средних предприятий и разработчиков: хотя открытые крупные модели (такие как Qwen, DeepSeek и др.) снизили порог входа в область ИИ, развертывание и выполнение моделей по-прежнему зависят от стабильных, недорогих и легко доступных вычислительных ресурсов для вывода. Однако на практике стоимость аренды GPU постоянно растет: например, цена за час аренды популярной видеокарты H100 выросла с 1,70 доллара США в октябре 2025 года до 2,35 доллара США в марте 2026 года — рост почти на 40% за полгода. Высокие затраты заставляют многих индивидуальных разработчиков и малых предприятий с отличными решениями отказаться от реализации проектов, попав в ловушку «есть модель, нет вычислительных ресурсов», что серьезно подавляет инновационную активность и масштабируемое развитие индустрии ИИ.

В-третьих, огромное количество простоев GPU-ресурсов по всему миру не используется эффективно, что приводит к серьезному дисбалансу между спросом и предложением: на фоне «дефицита вычислительной мощности» на рынке глобально накоплены огромные объемы простаивающих высокопроизводительных GPU-ресурсов, рассеянных на персональных устройствах, в университетских лабораториях, небольших серверных и объектах, оставшихся после перехода от криптовалютной добычи. Из-за отсутствия стандартизированных каналов подключения и эффективных систем управления, эти вычислительные мощности не могут попасть на основной рынок инференса, создавая противоречивую ситуацию, когда на стороне спроса «одна карта недоступна», а на стороне предложения «вычислительные мощности спят». Существует огромный потенциал для повышения уровня использования ресурсов, и срочно необходимо решить проблему дисбаланса между спросом и предложением.

Таким образом, рынок вычислительных мощностей для ИИ-выводов сегодня сталкивается с тремя структурными проблемами: с одной стороны, централизованное предложение не может одновременно обеспечить низкую стоимость и гибкость, с другой — рост арендной платы за вычислительные мощности подавляет инновации в области ИИ, а с третьей — огромное количество простаивающих GPU остается неиспользованным. Столкнувшись с этими отраслевыми вызовами, BTTInferGrid на основе децентрализованных технологий предлагает новое решение для устранения дисбаланса между спросом и предложением вычислительных мощностей.

BTTInferGrid направлен на эффективное соединение глобально распределенных闲置 GPU-ресурсов с огромным числом разработчиков ИИ через децентрализованный подход, что в корне ломает монополию и узкие места централизованных вычислительных мощностей. С одной стороны, платформа объединяет фрагментированные闲置 GPU-мощности, создавая открытую и общедоступную инфраструктуру вычислений; с другой — обеспечивает связь между поставщиками и потребителями, устраняя барьеры входа и «черные ящики» ценообразования традиционных централизованных моделей. Благодаря стимулирующим и координационным механизмам DePIN, BTT InferGrid способен постоянно предоставлять высокопроизводительные вычислительные мощности по доступной цене, решая фундаментальные проблемы высокой стоимости и дефицита вычислительных ресурсов, тем самым полностью раскрывая вычислительный потенциал и коммерческую ценность крупных моделей.

BTTInferGrid четко и ясно позиционирует себя как децентрализованная вычислительная сеть, созданная специально для сценариев AI-вывода, соединяющая глобальные избыточные ресурсы GPU с потребностями рынка в AI-выводе и предоставляющая глобальную систему вычислительных услуг для AI с открытым доступом, проверяемыми результатами и оплатой по использованию.

В частности, BTTInferGrid, опираясь на базовую сетевую архитектуру DePIN, точно сопоставляет предложение вычислительных мощностей с взрывным ростом спроса на AI-выводы, обеспечивая двустороннее создание ценности на обоих концах рынка:

· На стороне предложения вычислительной мощности эффективно агрегируются фрагментированные闲置 GPU-ресурсы по всему миру, создавая открытую и общедоступную инфраструктуру вычислительной мощности. Благодаря стимулирующим и интеллектуальным механизмам распределения DePIN, с одной стороны, предоставляется низкопороговый и устойчивый канал монетизации для владельцев вычислительной мощности, превращая «спящие» глобальные闲置 GPU в «подвижные активы»; с другой стороны, обеспечивается стабильность вычислительной мощности и гибкое масштабирование, создавая высокопроизводительную, масштабируемую и безопасную глобальную службу вывода.

· На стороне спроса на вычислительную мощность: для глобальных разработчиков ИИ предоставляется удобная в подключении, с возможностью проверки результатов в блокчейне и оплатой по факту использования, глобальная сервисная платформа для вывода. В отличие от высоких надбавок централизованных облачных провайдеров, BTTInferGrid обладает экстремальными преимуществами по стоимости и возможностью гибкого масштабирования, что помогает небольшим инновационным командам и независимым разработчикам снизить затраты на эксперименты с бизнес-моделями, эффективно провести валидацию продуктов и итерации бизнеса, а также обратно поддержать экосистему поставщиков вычислительных мощностей.

Таким образом, BTTInferGrid не только реально решает насущную потребность разработчиков ИИ в низкобюджетных и высокоэластичных вычислительных ресурсах на этапе «конкуренции приложений», но и открывает устойчивый канал монетизации для огромного количества простоевшего аппаратного обеспечения по всему миру.

Более того, платформа BTTInferGrid успешно создаст самоподдерживающийся цикл положительного роста: незадействованные GPU-узлы постоянно расширяются, стоимость вычислительных мощностей для инференса постоянно снижается, привлекая все больше разработчиков; спрос на рынке непрерывно растет, дополнительно стимулируя глобальных поставщиков вычислительных мощностей присоединиться к экосистеме. BTTInferGrid с помощью децентрализованной модели перестраивает поставку вычислительных мощностей, превращая дефицитные и дорогие специализированные AI-вычислительные мощности в доступную, по требованию используемую базовую инфраструктуру для AI.

В плане преимуществ производительности продукта, большинство существующих сегодня децентрализованных GPU-платформ сталкиваются с такими проблемами, как высокий порог входа для вычислительных мощностей, недостаточная надежность сервисов и трудности с долгосрочной устойчивостью экономической модели. BTTInferGrid осуществил комплексные прорывы на трех ключевых направлениях — агрегации вычислительных мощностей, верификации сервисов и устойчивости экономической системы — начиная с оптимизации базовой архитектуры, сформировав уникальные конкурентные преимущества, подробные преимущества следуют:

1. Открытая сеть поставок вычислительных мощностей, быстро объединяющая глобальные избыточные ресурсы GPU: традиционные облачные вычислительные мощности имеют высокий порог входа (например, требуется соответствующий дата-центр, статический публичный IP-адрес, дорогие коммутаторы и т.д.), тогда как BTTInferGrid создает действительно открытую сеть поставок вычислительных мощностей, позволяющую любым физическим лицам или организациям, обладающим избыточными ресурсами GPU и другими вычислительными мощностями, подключиться бесшовно, если они соответствуют базовым параметрам производительности (например, объем видеопамяти, базовый уровень вычислительной мощности) и требованиям к стабильности сети. Эта архитектура значительно снижает барьеры для участия на стороне поставщиков вычислительных мощностей, позволяя глобальным избыточным ресурсам GPU быстро объединяться в сеть и матрицу.

2. Проверяемое качество обслуживания и поведение узлов: решение проблемы доверия в децентрализованной среде — главная проблема децентрализованных вычислений заключается в надежности — как предотвратить использование майнерами слабых видеокарт вместо высокопроизводительных? Как обеспечить достоверность результатов вывода? BTTInferGrid создает замкнутый цикл с возможностью перекрестной проверки за счет планирования задач (умное распределение), проверки с вызовом (криптографические выборочные проверки), консенсусной оценки (динамическая репутационная система) и координации в цепочке (умные контракты с поощрениями и наказаниями), что эффективно повышает надежность сервисов вывода.

3. Экономическая модель, основанная на спросе, для создания устойчивой экосистемы: Ранние проекты DePIN часто попадали в «смертельный вихрь» — привлечение узлов бездумной добычей за счет высокой эмиссии токенов, но из-за отсутствия реального спроса происходила инфляция токенов, обвал цен и уход узлов. BTTInferGrid с самого начала стремится создать экономическую экосистему, основанную на реальном спросе — основой для стимулирования служат реальные вызовы инференса и производительность узлов. Только когда разработчики ИИ реально платят за вызовы моделей, поставщики вычислительных ресурсов получают основную долю дохода и бонусы к репутации. Такой подход обеспечит здоровый и сбалансированный рост предложения в соответствии с рыночным спросом, гарантируя долгосрочное устойчивое развитие сети.

В целом, BTTInferGrid переопределяет механизм распределения вычислительных ресурсов в трех измерениях: сбор ресурсов, надежность сервиса и распределение ценности — от открытой сети поставок, которая позволяет бесшовно подключать любые闲置 GPU по всему миру, соответствующие стандартам производительности, до полноценной системы проверяемого доверия, построенной на четырех замкнутых циклах: планировании задач, проверке вызовов, консенсусной оценке и блокчейн-поощрениях/наказаниях, а также до полностью отказа от спекулятивных пузырей и закрепления стимулов на экономической модели, основанной на реальном спросе на AI-инференс.

BTTInferGrid — это не просто «агрегация вычислительных мощностей», а сложная децентрализованная вычислительная сеть, объединяющая планирование и выполнение задач AI-вывода, интеллектуальное сопоставление и подключение спроса и предложения вычислительных ресурсов, а также координацию и клиринг ресурсов в блокчейне.

В децентрализованной экосистеме вычислительных мощностей BTTInferGrid все участники образуют три ключевые роли, связанные с «предложением, использованием и проверкой» вычислительных мощностей:

Поставщики вычислительной мощности (майнеры): предоставляют свободные ресурсы GPU, принимают и выполняют задачи AI-вывода; система автоматически распределяет соответствующие вознаграждения на основе проверенного объема выполненной работы, качества выполнения задач и динамической оценки производительности.

· Заказчики вычислительных мощностей (разработчики ИИ): BTTInferGrid предоставляет стандартизированный API для доступа к распределенным GPU-ресурсам по всему миру.

· Сетевые стражи (валидаторы): участвуют в децентрализованной системе проверки и оценки, проводят аудит и случайные вызовы вычислительной производительности майнерских узлов, выявляют аномальное поведение и обеспечивают качество обслуживания сети. В то же время валидаторы получают вознаграждение за поддержание целостности сети, совместно гарантируя ее справедливость и надежность.

В целом, BTTInferGrid предоставляет AI-разработчикам более выгодные по стоимости, масштабируемые и безопасные услуги AI-вывода, эффективно устраняя проблемы сбоев в продуктах и потери клиентов из-за нехватки вычислительных мощностей. Для поставщиков GPU BTTInferGrid позволяет эффективно использовать глобальные периферийные и простоиющие аппаратные ресурсы, создавая устойчивый канал дохода для владельцев GPU, позволяя каждой единице вычислительной мощности реализовать свою ценность в эпоху вывода.

В реализации конкретных продуктов, в отличие от традиционных централизованных облачных провайдеров, которые используют капитализированную модель «сначала накапливать оборудование, затем ждать спроса», DePIN изначально сталкивается с двусторонними координационными вызовами — избыток предложения приводит к простаиванию узлов и краху токеномики, а недостаток предложения ухудшает опыт разработчиков и эффективность системы. Для этого BTTInferGrid разработал четкую, устойчивую и ориентированную на спрос стратегию поэтапного запуска, отказавшись от хаотичного и неэффективного роста и сосредоточившись в первую очередь на повышении использования ресурсов, экономической устойчивости и постепенном масштабировании архитектуры.

· Краткосрочная цель (2026 год): запуск сети в режиме ожидания, завершение подключения базовых ядерных узлов и проверка распределённых сервисов вывода, постепенное расширение масштаба GPU-узлов.

· Среднесрочная цель (2027 год): диверсификация экосистемы, повышение стабильности и безопасности конфиденциальности сетевых сервисов, а также совместимость с большим количеством форматов моделей ИИ и фреймворков для вывода, постепенное расширение на сценарии использования, такие как тонкая настройка моделей.

· Долгосрочная цель (2028 год и далее): стать AI-натуральной базовой инфраструктурой, создавая вычислительный слой, предпочитаемый для AI-агентов и автоматизированных приложений, обеспечивая гибкую вычислительную мощность для масштабных AI-приложений и в конечном итоге обеспечивая совместную работу вычислительной мощности, распределенного хранения и смарт-контрактов в единой архитектуре.

В плане реализации BTTInferGrid также применяет поэтапную стратегию развития. На начальном этапе запуска сеть будет основываться преимущественно на профессиональных графических картах; подключение поставщиков вычислительной мощности (майнеров) требует одобрения, а пользователи со стороны спроса смогут использовать сервисы инференса через платформу. В будущем она трансформируется в полностью открытую супервычислительную сетку: поддерживая различные типы GPU — потребительские, профессиональные и серверные — с классификацией и ценообразованием по производительности; откроет доступ для любых майнеров и внедрит механизм стейкинга для обеспечения качества сервиса; со стороны спроса предоставит единый API-интерфейс, совместимый с различными форматами AI-моделей и фреймворками инференса, предлагая гибкие варианты развертывания.

Сейчас BTTInferGrid успешно интегрирован с рядом ведущих открытых больших моделей ИИ, включая Qwen3.6 27B и Qwen2.5 7B Instruct из серии Qwen от Alibaba Cloud, а также Llama 3.1 8B Instruct от Meta. Разработчики ИИ могут гибко вызывать модели в зависимости от конкретных бизнес-сценариев. В будущем платформа будет продолжать расширять экосистему моделей, предоставляя разработчикам поддержку еще более передовых моделей.

Более того, BTTInferGrid обладает прочной основой благодаря длительному опыту работы с BitTorrent и BTFS, что предоставляет ей естественные преимущества для развития. BitTorrent и его дочерняя платформа BTFS уже много лет работают в сфере децентрализованного хранения данных; BitTorrent насчитывает более 100 миллионов активных пользователей и 2 миллиарда установок, что успешно подтвердило жизнеспособность модели DePIN и сформировало зрелые компетенции в области подключения ресурсов, токенизированного стимулирования, блокчейн-расчетов и управления сообществом. Как стратегический продукт BitTorrent в сфере ИИ, BTTInferGrid основан на усовершенствованной версии существующей службы BTFS и позволяет бесшовно перенести эти проверенные практики в область вычислительных мощностей для ИИ-выводов, что позволит быстро стимулировать рост экосистемы.

Опираясь на децентрализованные технологии, BTTInferGrid точно решила отраслевую проблему одновременного существования простоев вычислительных мощностей и их нехватки. Ее концепции открытого подключения, децентрализованного сотрудничества, проверяемого вклада и совместного развития сообществом не только эффективно преодолевают монополию централизованных вычислительных ресурсов, но и благодаря четкой позиционированию продукта и прочной технической основе рисуют яркую картину новой децентрализованной глобальной вычислительной экосистемы. Здесь каждый простоевший вычислительный ресурс будет активирован, а каждый разработчик сможет получить доступ к интеллектуальному будущему по доступной цене.