BitTorrent 推出 BTTInferGrid，一個去中心化的 AI 推理計算網絡

隨著 AI Agent 在企業工作流、自動化生產及自主執行等各類複雜場景中落地應用，全球 AI 產業正式從「被動響應」邁入「自主執行」的全新階段，行業競爭的核心，也早已脫離單純的大模型參數比拼，轉向落地執行能力的角逐，而強大的邏輯推理能力，正是支撐這一轉變的核心根基。

應用場景的範式變革，也帶動上游算力基礎設施需求發生根本性轉變：算力消耗重心正持續從模型訓練向業務推理傾斜，這一趨勢已不可逆轉。但當下主流的中心化算力體系，面對海量、高頻、峰谷波動劇烈的推理請求時，暴露出運營成本高、彈性擴容弱、服務穩定性不足等問題，整個 AI 行業正遭遇算力供給層面的發展瓶頸。

於 6 月 17 日，老牌去中心化傳輸生態 BitTorrent 隆重推出戰略級產品——BTTInferGrid，聚焦 AI 推理領域，構建去中心化算力網絡。該平台基於去中心化分佈式架構，高效整合全球各地分散的閒置 GPU 算力資源，打通資源供應端與 AI 開發者之間的連接壁壘，提供開放、易接入、運算結果可鏈上驗證、靈活按量計費的 AI 推理算力服務。

憑藉去中心化技術的優勢，BTTInferGrid 不僅彌補了傳統中心化算力在高併發、負載波動場景中的短板，更在算力供給端實現跨越式突破，重構了整個算力生態的資源分配與流轉邏輯。

同時，BTTInferGrid 是 BitTorrent 基於現有 BTFS 服務升級而來的戰略級產品，這不僅是 BitTorrent 將深耕多年的去中心化資源調度能力，從存儲賽道向算力領域進行關鍵延伸，更是其佈局去中心化 AI 賽道的關鍵落子。

BTTInferGrid 期望透過去中心化模式重構算力供應體系，解決 AI 推理算力成本過高和供給短缺等問題，在降低成本、提升效率的同時，提高大模型推理效率，從而為行業提供高性能、高韌性、高性價比的算力基礎設施。

如果說 2024 至 2025 年是 AI 行業的「千模大戰」與萬卡叢集主導的參數軍備競賽，那麼 2026 年，隨著 AI Agent 的規模化落地，AI 正式邁入大規模應用爆發的「推理時代」。AI 推理是模型價值落地的關鍵環節，它可將「訓練好的模型」轉化為實際應用、商業價值與日常服務。簡言之，訓練是「教 AI 學習」，推理是「讓 AI 落地使用」——例如自駕汽車在從未駛過的道路上識別停車標誌，便是典型的推理行為。推理能力直接左右著 AI 產品的用戶體驗、運營成本與商業價值。

業界普遍達成共識，未來超過 70% 的算力資源將用於推理場景。甲骨文曾預判，推理算力的市場規模最終會超越訓練算力。中國工程院院士鄭緯民同樣指出，當前絕大部分算力都消耗在用戶與大模型的日常交互中。從成本構成來看，大模型推理開銷中人力僅佔 3%、數據佔 2%，算力佔比高達 95%；頭部應用的算力成本十分可觀，ChatGPT 每日推理成本約 70 萬美元，DeepSeek V3 也達到 8.7 萬美元。

當 AI 算力需求從少數科技巨頭的集中式訓練，擴散至各行各業數百萬開發者的商業推理場景後，底層基礎設施的評判標準也隨之改變。在訓練時代，開發者主要關注算力的集中規模與效率；進入推理時代，AI 服務直接面向海量終端用戶，日均千億次交互催生巨量算力消耗，開發者的關注點轉向了每次調用成本、響應速度與服務穩定性。如今，算力供給、調用成本、服務可用性已成為評判 AI 基礎設施的核心依據，也是決定 AI 應用能否順利落地的關鍵。

然而，面對指數級攀升的推理需求，主流中心化算力體系的短板日漸凸顯：GPU 租金持續上漲、平台服務頻繁宕機、不少 AI 應用因算力成本被迫關停。這些問題集中體現在以下三個方面：

其一，算力調度彈性不足，無法應對流量峰谷變化，陷入成本與穩定性失衡的困境：頭部 AI 公司與雲廠商雖持續加大算力設施投入，但推理需求增長快且呈現明顯峰谷特徵——白天辦公或營銷高峰時請求量可暴增數十倍；深夜則斷崖式回落。中心化機房缺乏彈性調度能力難以適配這種動態變化：若按峰值配置，低峰期折舊成本高昂；若按均值配置，高峰期則服務中斷，陷入「高成本」與「低穩定性」的兩難境地。與此同時，中心化算力還需疊加機房建設、電力、運維、商業利潤等多層成本，最終算力成本高昂，極大壓縮了中小創新團隊的試錯空間，市場亟需兼具成本優勢與彈性調度能力的新方案。

其次，GPU 租賃價格持續上漲，高昂成本阻礙了中小企業與開發者的創新落地：開源大模型（如 Qwen、DeepSeek 等）雖降低了 AI 領域的入門門檻，但模型的部署與運行依舊依賴穩定、廉價、易接入的推理算力。但現實卻是 GPU 租賃費用不斷走高，以主流 H100 顯卡為例，其單卡時租價格從 2025 年 10 月的 1.70 美元上漲至 2026 年 3 月的 2.35 美元，半年漲幅接近 40%。高昂的成本讓許多手握優質方案的個人開發者與中小企業望而卻步，陷入「有模型、無算力」的困境，嚴重抑制了 AI 行業創新活力與規模化發展。

第三，全球大量閒置 GPU 資源未被有效利用，供需嚴重錯配：與市場「算力荒」形成鮮明對比的是，全球範圍內沉澱著體量龐大的閒置高性能 GPU 算力資源，分散於個人設備、高校實驗室、小型機房及加密貨幣轉型遺留的設施中。由於缺乏標準化接入渠道與高效調度引擎，這些算力無法進入主流推理市場，形成需求側「一卡難求」與供給側「算力沉睡」並存的矛盾局面，資源利用率存在巨大的提升空間，供需錯配的矛盾亟待解決。

綜上，當前 AI 推理算力市場正面臨三重結構性困局：一邊是中心化供給無法兼顧成本與彈性，一邊是算力租金持續飙升壓制 AI 創新，另一邊還有海量閒置 GPU 資源卻長期沉睡未被激活。面對這一系列行業難題，BTTInferGrid 依托去中心化技術，為破解算力供需錯配困境帶來全新解決方案。

BTTInferGrid 旨在以去中心化方式，將全球分散的閒置 GPU 資源與海量 AI 開發者高效連接，從根本上打破中心化算力的壟斷與瓶頸。一方面，平台整合零散的閒置 GPU 算力，構建開放共享的算力基礎設施；另一方面，打通供給端與需求端之間的連接通道，消除傳統中心化模式的準入壁壘與定價黑箱。同時，依托 DePIN 的激勵與協同機制，BTT InferGrid 能夠持續輸出高性價比的推理算力，從根源上化解算力成本高企、供給短缺的核心痛點，真正釋放大模型的推理效能與商業價值。

BTTInferGrid 定位清晰明確，專注於構建面向 AI 推理場景的去中心化算力網絡，連接全球閒置 GPU 算力供應與 AI 推理市場需求，提供開放接入、結果可驗、按量計費的全球化 AI 算力服務體系。

具體而言，BTTInferGrid 依託 DePIN 底層網路機制，精準匹配算力供給與爆發式增長的 AI 推理需求，實現供需兩端雙向價值賦能：

· 在算力供應側，高效聚合全球碎片化的閒置 GPU 資源，構建開放共享的算力基礎設施。同時，借助 DePIN 的激勵與智能調度機制，一方面為算力持有者開闢了低門檻、可持續的變現收益通道，讓全球閒置的「沉睡 GPU」真正轉化為「流動資產」；另一方面保障算力的穩定性與彈性擴容，打造高性價比、高擴展性、安全可靠的全球化推理服務能力。

· 在算力需求端，面向全球 AI 開發者，提供接入便捷、結果可鏈上驗證、按量計費的全球化推理服務。相較於中心化雲廠商的高溢價定價，BTTInferGrid 具備極致成本優勢與彈性擴容能力，能幫助中小型科技創業團隊與獨立開發者降低業務試錯成本，高效完成產品驗證與業務迭代，同時反向賦能上游算力供應生態。

因此，BTTInferGrid 不僅切實解決了 AI 開發者在「應用拼殺」階段對低成本、高彈性算力的迫切需求，也為全球海量閒置硬體資源開闢了可持續的價值變現通道。

更重要的是，BTTInferGrid 平台將成功構建自給自足的正向增長飛輪：閒置 GPU 節點持續擴容，推理算力成本持續降低，吸引更多開發者入驻；市場需求不斷攀升，進一步激勵全球算力供給方加入生態。BTTInferGrid 以去中心化模式重構算力供給，將稀缺、高價的專用 AI 算力，轉變為普惠、按需調用的 AI 公共底層新基礎設施。

在產品性能優勢方面，目前市面上多數去中心化 GPU 平台普遍存在算力接入門檻高、服務可信度不足、經濟模型難以長期運轉等問題。BTTInferGrid 則從底層架構著手優化，在算力聚合、服務核驗、經濟體系可持續性三大維度實現全面突破，形成獨有的核心競爭力，具體優勢如下：

1、開放接入的算力供應網絡，快速匯聚全球閒置GPU資源：傳統雲算力準入門檻高（如需合規機房、固定公網 IP、昂貴交換機等），BTTInferGrid 則構建了一個真正開放接入的算力供應網絡，任何擁有閒置GPU等算力資源的實體或個人，只要符合基礎性能參數（如顯存容量、算力基準）與網絡穩定性要求，即可無縫接入。這一設計極大地降低了算力資源供應側的參與門檻，使全球閒置GPU算力以極高速度實現網絡化、矩陣化匯聚。

2、可驗證的服務質量與節點行為，破解去中心化信任難題：去中心化計算的最大痛點在於可信度—如何防止礦工用低端顯卡冒充高性能卡？如何確保推理結果真實可信？BTTInferGrid 通過任務調度（智能分發）、挑戰驗證（密碼學抽查）、共識評分（動態信譽分）與鏈上協調（智能合約獎懲）等構建了可交叉驗證的閉環，有效提升推理服務可信度。

3、需求驅動的經濟模型，打造可持續生態：早期 DePIN 項目常陷入「高額代幣增發吸引節點盲目挖礦，但因缺乏真實需求而走向代幣通脹、價格暴跌、節點離場」的死亡螺旋。BTTInferGrid 從起步階段就確立了要打造以真實需求驅動的經濟生態——以真實推理調用和節點表現作為核心激勵依據。只有當 AI 開發者真正付費調用模型時，算力提供者才能獲得核心收益分成與信譽加成。這一設計將有力推動供給規模與市場需求的良性適配增長，確保網絡生態長期健康可持續發展。

總體而言，BTTInferGrid 從開放供應網格——打破傳統準入門檻，讓全球任何符合性能標準的閒置 GPU 無縫接入，到以任務調度、挑戰驗證、共識評分與鏈上獎懲四重閉環構建的全流程可驗證信任防線，再到徹底告別投機泡沫，將激勵基礎牢牢锚定於真實 AI 推理調用的需求驅動經濟模型——正從資源匯聚、服務可信與價值分配三個維度，重新定義算力資源的分配機制。

BTTInferGrid 不僅僅是簡單的「算力聚合」，而是一個集 AI 推理任務調度與執行、算力供需智能匹配與連接、鏈上資源協調與清算等多項功能於一體的精密去中心化算力網絡。

在 BTTInferGrid 的去中心化算力生態中，所有參與者圍繞算力的「供給、使用與驗證」，形成了三類核心角色：

· 計算力供應方（礦工）：提供閒置的 GPU 資源，承接並執行 AI 推理任務，系統根據驗證後的實際工作量、任務完成品質和動態性能評分，自動分配相應獎勵。

· 計算力需求方（AI 開發者）：BTTInferGrid 提供標準統一的 API 服務接口，支援開發者訪問全球分佈式 GPU 資源。

· Network Guardians (Validators): Participate in a decentralized validation and scoring system, auditing and randomly challenging miners' computational performance, identifying anomalous behavior, and maintaining network service quality. Meanwhile, validators earn rewards for upholding network integrity, collectively ensuring the network's fairness and trustworthiness.

總體而言，對於 AI 開發者而言，BTTInferGrid 提供了更具成本效益、高可擴展性且安全可信的 AI 推理服務，有效緩解因算力不足所導致的產品中斷與客戶流失問題。對於 GPU 提供者而言，BTTInferGrid 活化了全球邊緣與閒置的硬體資源，為 GPU 資源提供者建立了一條可持續的收益通道，讓每一份算力在推理時代都能發揮其應有的價值。

在具體產品落地方面，與傳統中心化雲廠商「先堆砌硬體、再等待需求」的重資產模式不同，DePIN 在構建初期天然面臨雙向協調挑戰——供給過剩會導致節點閒置與代幣經濟崩潰，供給不足則會損害開發者體驗與系統效率。為此，BTTInferGrid 制定了一條清晰、穩健且需求導向的分階段啟動策略，摒棄無序粗放增長，優先聚焦資源利用率、經濟可持續性與技術架構的穩步擴展。

· 短期目標（2026年）：網絡冷啟動，完成底層核心節點接入與分佈式推理服務驗證，逐步擴大 GPU 節點規模。

· 中期目標（2027年）：生態多元化，完善網絡服務的穩定性與隱私安全，同時兼容更多 AI 模型格式與推理框架，逐步向模型微調等應用場景延伸。

· 長期目標（2028 年及以後）：成為 AI 原生底層基礎設施，構建面向 AI Agent 與自動化應用首選的算力層，為大規模 AI 應用提供彈性算力支撐，最終使算力、分佈式存儲與鏈上智能合約在統一架構中實現協同運轉。

在落地執行上，BTTInferGrid 同樣採取分階段演進策略。上線初期，網絡以專業顯卡為主，算力供應側（礦工）接入需經審核，需求側用戶可透過平台調用推理服務。未來，它將演進為全開放的超級算力網格：支援消費級、專業級、資料中心級等多種 GPU 類型，並按性能分級接入與定價；礦工開放接入，同時引入質押機制以保障服務品質；需求側則開放統一 API 介面，相容多種 AI 模型格式與推理框架，提供靈活部署選項。

Currently, BTTInferGrid has successfully integrated with multiple mainstream open-source AI large models, including Alibaba Cloud’s Qwen3.6 27B and Qwen2.5 7B Instruct, as well as Meta’s Llama 3.1 8B Instruct. AI developers can flexibly invoke these models according to their specific business scenarios. In the future, the platform will continue to expand its model ecosystem to provide developers with support for more cutting-edge models.

更重要的是，BTTInferGrid 擁有 BitTorrent 及 BTFS 長期累積的堅實後盾，具備天然發展優勢。BitTorrent 與其旗下 BTFS 在去中心化存儲領域深耕多年，其中 BitTorrent 更擁有超過 1 億活躍用戶及 20 億安裝量，已成功驗證了 DePIN 模式的可行性，並沉淀了資源接入、代幣激勵、鏈上結算、社區運營等成熟能力。作為 BitTorrent 布局 AI 賽道的戰略級產品，BTTInferGrid 基於現有 BTFS 服務升級而來，可將這些成熟經驗無縫遷移至 AI 推理算力領域，能夠快速推動生態增長。

Leveraging decentralized technology, BTTInferGrid has precisely resolved the industry dilemma of coexisting "idle computing power" and "computing power shortages." Its principles of open access, decentralized collaboration, verifiable contributions, and community co-construction not only break through the monopoly of traditional centralized computing power but, with a clear product positioning and solid technical foundation, paint an imaginative blueprint for a decentralized global computing power future. Here, every idle unit of computing power is activated, and every developer can access the intelligent future at an affordable cost.