SemiAnalysis 创始人：AI 推理或将超越石油——这对加密货币在下一次算力危机中的意味着什么
SemiAnalysis 创始人：AI 推理或将超越石油——这对加密货币在下一次算力危机中的意味着什么
人工智能正迅速从“模型训练时代”转向“推理时代”，真正具备经济价值的部分在于模型每天被运行数十亿（乃至数万亿）次的效率。在红杉资本播客系列《训练数据》（Training Data）的近期一期节目中，SemiAnalysis 创始人 Dylan Patel 认为，AI 推理可能成为世界上最大的市场之一——可能比石油还要大——其规模足以占据全球 GDP 的几个百分点。你可以在 《训练数据》播客 找到这期节目。
对区块链行业而言，这不仅仅是一个宏观科技故事。它直接影响着去中心化算力、DePIN 代币经济学、MEV（最大可提取价值）和市场结构、零知识证明（ZK）验证工作负载，甚至是我们如何看待代理驱动互联网中的钱包安全。
以下是对 Patel 论点的加密原生解读——以及开发者和用户如何为算力如同稀缺商品的世界做好准备。
1）为什么“推理是新的石油”对 Web3 至关重要
Patel 的核心观点并非仅仅是“AI 很庞大”。而是推理的需求增长速度超过了算力的供给速度，因为每个模型的迭代都能解锁更多值得付费的任务。即使芯片速度加快，推理成本降低，需求仍可能呈指数级增长。
这种动态与加密领域用户已经理解的某些情况有异曲同工之妙：
- 成本降低不一定意味着总需求下降 以太坊的 Rollup 和数据可用性升级降低了每笔交易的成本，但更低的费用往往会吸引更多的活动。以太坊的“以 Rollup 为中心的路线图”和数据扩展路径（包括 Proto-Danksharding / EIP-4844）是“单位成本”降低如何随着时间推移导致总体使用量增加的经典案例。可以参考以太坊关于 Danksharding 和扩展路线图 的概述以及 EIP-4844 的规范。
将这一点应用到 AI：如果推理成本大幅下降，使用量可能会爆炸式增长——而系统在基础设施层面仍可能面临瓶颈。
2）长期的算力短缺是中心化风险（也是加密货币的机会）
在加密领域，去中心化常常由于一个不那么光鲜的原因而失败：瓶颈。
- 如果区块空间稀缺，少数参与者就能主导 MEV。
- 如果验证者硬件变得专业化，参与就会集中化。
- 如果 RPC 访问成本高昂，开发者就会通过少数几个提供商进行路由。
现在加入 Patel 的观点：算力稀缺可能是持续性的，而非暂时的。在这种情况下：
中心化风险：AI 成为守门层
如果推理成为“新的关键基础设施”，那么获取廉价、可靠的推理能力就可能成为以下领域的瓶颈：
- 交易和风险管理系统。
- 钱包和用户代理。
- 欺诈检测。
- 合规工具。
- 用于编写代码的开发者助手。
加密货币的机会：算力的开放市场
加密货币在协调市场方面表现出色，这些市场具有：
- 分布式的供应方。
- 全球化的需求方。
- 程序化的支付。
- 最小化信任的结算。
这就是为什么 DePIN（去中心化物理基础设施网络） 的兴起至关重要。如需了解一个宏观框架，请参阅 a16z crypto 对 DePIN 是什么及其重要性 的解释，以及 Messari 在其 DePIN 现状报告（PDF） 中的概述。
关键不在于每个 DePIN 网络都能“获胜”。而是当现有巨头无法快速扩展或无法公平分配访问权限时，区块链提供了一个协调基础，用于提供现实世界的基础设施（算力、带宽、存储、传感器）。
3）软硬件协同设计：加密货币开发者应注意的隐藏护城河
Patel评论中最实际的体会之一是，效率的提升越来越多地来自于跨层优化（模型架构、内核、运行时、内存策略），而不仅仅是新硅片。Training Data这期播客的描述强调了对协同设计和生态系统层面优化的重视。可以在Apple Podcasts上查看这期播客的列表。
对于加密货币而言，这改变了我们对“去中心化AI算力”的看法：
- 仅仅聚合GPU是不够的。
- 获胜的系统还将提供：
- 优化的推理栈，
- 将模型形状与硬件相匹配的调度，
- 以及能抑制“营销性能”的可复现基准测试。
Patel的团队构建了一个名为InferenceX的持续更新的推理基准，旨在衡量实际的服务性能和成本。你可以在InferenceX网站上了解该项目的定位。
加密货币的角度：当执行是异构的时，验证变得更有价值
随着推理在不同提供商（超大规模云、新星云、DePIN网络、边缘设备）之间运行，用户将需要更强的保证：
- 提供商是否运行了他们声称的模型？
- 他们是否使用了他们声称的设置？
- 他们是否篡改了输出？
- 链上系统能否安全地依赖链下推理？
这就是“可验证计算”主题（包括ZK证明系统和可信执行方法）变得具有战略重要性的地方——即使大多数推理永远不会发生在链上。
4) 能源、地缘政治和“太空数据中心”思想实验
Patel还指出，能源成本和数据中心建设能力才是核心制约因素——而不仅仅是芯片。这种观点与AI现在既是能源规划问题也是软件问题的更广泛现实一致。
为了获得可信的宏观视角，国际能源署（IEA）的报告能源与AI提供了AI和数据中心如何影响电力需求的背景。可以从IEA的执行摘要及其关于AI的能源需求的部分开始。
在Patel更具前瞻性的预测中，他预计：
- 到2030年，仅OpenAI和Anthropic的总算力需求可能就超过100 GW，并且
- 到2040年，如果经济效益发生逆转（太空部署比陆地建设更便宜），很大一部分增量算力可能会迁移到地球之外。
这些特定预测的摘要在行业回顾中被广泛传播，例如这篇摘要式文章。
另外，SemiAnalysis在其自身工作中也探讨了轨道计算的经济学，包括其对太空数据中心的分析。
为什么加密货币应该关心（即使太空计算听起来很遥远）
无论你是否相信轨道数据中心，其根本要点是立竿见影的：
- 算力正变得受能源和许可地点的限制。
- 地点限制产生了管辖权限制。
- 管辖权限制产生了审查和访问限制。
而抗审查正是加密货币的初衷。
如果AI推理成为金融和身份的基础层，那么开放、抗审查的结算（区块链）就会变得更有价值——而不是更不值钱——因为其上层的世界变得越发需要许可。
5) AI代理+钱包：“谁掌控密钥？”成为真正的用户体验问题
随着AI代理变得越来越自主，加密货币最大的主流用户体验解锁点也可能成为其最大的风险：能够付款的机器人。
这种趋势已在投资者和研究人员讨论“代理钱包”及其法律/运营影响的方式中显现。可以参考CoinDesk关于AI代理钱包和新兴法律前沿的报道，其中引用了Electric Capital的观点。
如果推理确实可以达到“石油规模”，那么代理将不仅仅是回答问题——它们将能够：
- 再平衡投资组合，
- 存入保证金，
- 流式传输付款，
- 签署治理投票，
- 在链之间轮换头寸，
- 并持续与 DeFi 协议进行交互。
在这种环境中，自我保管并非可有可无。它是以下两者的界限：
- 一个可以“建议”的代理，以及
- 一个可以不可逆转地转移价值的代理。
实际安全模式：将高价值签名保持离线
对于长期持有者、金库以及任何将部分自主权委托给软件的人来说，最安全的模式是将以下两者分开：
- 在线智能（代理、推理、自动化）与
- 离线权限（最终签名）。
硬件钱包可以在此扮演由人类控制的检查点。如果您使用 OneKey，其核心价值主张自然地契合这一转变：私钥保持离线，同时您仍然可以参与主要链和 dApp 的交互，而无需将您的助记词变成 API 密钥。
6）加密货币构建者下一步应该做什么（简短清单）
如果 Patel 提出的“以推理为主导的经济”比预期来得更快，加密货币团队应该为一个计算力是限制性因素的世界做好准备：
-
假设计算力成为定价要素 不要设计仅在推理“几乎免费”时才有效的代币模型。
-
将基准测试视为治理，而非营销 透明的衡量标准（例如，持续的推理基准测试）将比白皮书更能赢得市场信任。
-
为可验证性设计 如果您的协议依赖于链下 AI，请为对抗性提供商和模型漂移做好计划。
-
根据能源现实进行构建 能源和数据中心的限制将影响基础设施的可用位置——从而影响谁可以访问它。
-
保护签名路径 随着代理能力越来越强，用户将需要更强的签名控制、速率限制、多签策略和离线批准。
结束语：加密货币的职责是保持市场开放——即使在计算力并非充裕之时
Patel 对加密货币行业最重要的信息可能是：即使是惊人的效率提升也不能保证充裕。如果 AI 推理成为以吉瓦和 GDP 点衡量的市场，那么计算力接入将决定谁能够构建，谁能够竞争，以及谁将被挤出市场。
区块链无法制造 GPU——但它们可以保持经济层的开放：无需许可的市场、透明的结算和用户控制的密钥。在以代理为主导的世界中，将这种开放性与强大的自我保管实践（包括像 OneKey 这样的离线签名器）相结合，是用户在其余堆栈变得稀缺时保持主权的方式。
