قدرت محاسباتی بلااستفاده، برق ارزان، مدل‌های نادیده گرفته شده - DGrid می‌خواهد همه آن‌ها را به درآمد تبدیل کند

اگر شما تعدادی GPU بلااستفاده دارید یا در منطقه‌ای با قیمت برق بسیار پایین زندگی می‌کنید، آیا می‌توانید از طریق AI درآمد کسب کنید؟ اگر شما مدلی را تنظیم کرده‌اید که در یک زمینه خاص عملکرد بسیار خوبی دارد، اما به دلیل عدم وجود کانال فروش نمی‌دانید چه کار کنید، چه باید کرد؟

این سوالات به ظاهر نامربوط، پاسخ یکسانی را از بازار مدل جدید DGrid ارائه می‌دهند: اتصال آن‌ها به یک بازار مدل باز، به طوری که هر واحد قدرت محاسباتی، هر کیلووات برق و هر مدل خوب بتواند کاربرانی را پیدا کند که حاضر به پرداخت برای آن‌ها هستند.

تعداد مدل‌های AI در دو سال گذشته با سرعت شگفت‌انگیزی افزایش یافته است. از مدل‌های بزرگ عمومی تا نسخه‌های تنظیم شده برای صنایع خاص، از تولید کد تا درک چندرسانه‌ای، سمت عرضه به شدت غنی شده است. اما با افزایش تعداد مدل‌ها، "استفاده از مدل‌ها و کسب درآمد واقعی برای سازندگان مدل و ارائه‌دهندگان قدرت محاسباتی" همچنان یک چالش حل نشده باقی مانده است.

برای کسانی که توانایی ساخت مدل‌های خوب را دارند یا منابع محاسباتی در اختیار دارند، تبدیل آن به درآمد هنوز یک مشکل حل نشده است؛ برای توسعه‌دهندگان، پیدا کردن "مدل مناسب برای این زمینه" هنوز به معنای پرش بین چندین پلتفرم است. بازار مدل DGrid که به تازگی راه‌اندازی شده، به طور خاص به این منطقه می‌پردازد که هر دو طرف عرضه و تقاضا از آن شکایت دارند و هنوز پاسخ مناسبی برای آن وجود ندارد.

بازار باز، نه یک ایستگاه انتقال API دیگر

برای درک موقعیت بازار مدل DGrid، باید دو منطق تجاری متفاوت را تفکیک کرد.

اکثر پلتفرم‌های "جمع‌آوری مدل‌های AI" در حال حاضر بر اساس منطق واسطه‌گری عمل می‌کنند: پلتفرم خود کانال‌ها را می‌گیرد، تخفیف‌ها را مذاکره می‌کند و سپس آن‌ها را بسته‌بندی کرده و به کاربران می‌فروشد. این مدل یک محدودیت ذاتی دارد - اینکه پلتفرم چه چیزی را می‌تواند متصل کند، چگونه قیمت‌گذاری می‌کند و عرضه‌کننده کیست، برای کاربران و توسعه‌دهندگان کاملاً ناشناخته است و در واقع یک جعبه سیاه است.

DGrid مسیر دیگری را انتخاب کرده است: بازار باز. هر ارائه‌دهنده مدلی - چه تیم‌هایی که مدل‌های بزرگ اصلی را تولید می‌کنند، چه سازمان‌هایی که مدل‌ها را برای زمینه‌های خاص تنظیم می‌کنند یا چه ارائه‌دهندگانی که زیرساخت‌های قدرت محاسباتی دارند - می‌توانند به طور مستقیم مدل‌ها را در پلتفرم بارگذاری کرده و قیمت‌گذاری را به صورت خودکار انجام دهند و در زمان فراخوانی مدل، درآمدی را که به صورت زنجیره‌ای تسویه می‌شود، دریافت کنند.

پلتفرم به خودی خود به جای اینکه از طریق حاشیه سود زندگی کند، به عنوان زیرساختی برای تسهیل عرضه و تقاضا عمل می‌کند. از نظر ایده، این نزدیک‌تر به شکلی است که یک بازار سالم باید داشته باشد تا "انتقال در جعبه سیاه". و تخیل واقعی آن در پاسخ به این سوال نهفته است که "چه کسی می‌تواند عرضه‌کننده باشد؟".

هشت روش برای تبدیل منابع به درآمد

بازار مدل DGrid فقط برای گروه توسعه‌دهندگان مدل باز نیست. این تلاش می‌کند تا چندین منبع که قبلاً تقسیم شده و حتی برای مدت طولانی بلااستفاده بوده‌اند را در یک بازار واحد برای کسب درآمد جمع‌آوری کند.

راه‌حل برای قدرت محاسباتی بلااستفاده. برای سازمان‌ها یا افراد دارای زیرساخت GPU که از آن به طور کامل استفاده نمی‌کنند، پیاده‌سازی مدل و ارائه خدمات از طریق DGrid یک مسیر مستقیم برای کسب درآمد است. قدرت محاسباتی دیگر فقط یک هزینه نیست، بلکه می‌تواند به دارایی‌ای تبدیل شود که درآمد مداوم ایجاد می‌کند.

خروجی قدرت محاسباتی داخلی به بیرون. بسیاری از شرکت‌ها یا تیم‌ها مدل‌ها را برای استفاده داخلی پیاده‌سازی می‌کنند، اما حجم واقعی فراخوانی معمولاً نمی‌تواند تمام قدرت محاسباتی را پر کند. DGrid یک مکانیزم ارائه می‌دهد: در حالی که نیازهای داخلی را برآورده می‌کند، قدرت محاسباتی و توانایی خدمات باقی‌مانده را به کاربران خارجی ارائه می‌دهد و "هزینه‌های ثابت زیان‌ده" را به بخشی از درآمد متغیر تبدیل می‌کند.

کانال توزیع مدل‌های تنظیم شده عمودی. مدل‌هایی که برای زمینه‌های خاص مانند حقوق، پزشکی، مالی و کد تنظیم شده‌اند، معمولاً در وظایف خاص بسیار بهتر از مدل‌های بزرگ عمومی عمل می‌کنند، اما به دلیل عدم وجود کانال‌های مناسب برای دسترسی به کاربران واقعی که به آن‌ها نیاز دارند، با مشکل مواجه هستند. DGrid یک مسیر استاندارد برای بارگذاری و توزیع ارائه می‌دهد - تیم‌های مدل فقط باید بر روی بهبود مدل تمرکز کنند و توزیع و صدور صورتحساب را به پلتفرم بسپارند.

توزیع سبک برای توسعه‌دهندگان مدل‌های بزرگ. برای تیم‌های بزرگ مدل که دارای توانایی تحقیق و توسعه هستند، توزیع و عملیات بازار معمولاً کارهای غیر اصلی اما منابع‌بر است. با بارگذاری در DGrid، می‌توانند به طور مستقیم با تعداد زیادی از توسعه‌دهندگان و کاربران پرداخت‌کننده ارتباط برقرار کنند و بر روی توانایی‌های مدل تمرکز کنند، بدون اینکه نیاز باشد در ساخت کانال دوباره سرمایه‌گذاری کنند.

مزیت قیمت برای منابع کانال. برخی از تأمین‌کنندگان دارای منابع کانال خاص مدل یا ساختار هزینه پایین‌تر هستند و می‌توانند در DGrid قیمت‌های رقابتی‌تری نسبت به قیمت‌های رسمی ارائه دهند و کاربران را جذب کرده و رقابت متمایزی ایجاد کنند. این رقابت کامل در بازار به معنای هزینه‌های استفاده پایین‌تر برای کاربران است.

مکانیزم بهتر برای کشف مدل. برای توسعه‌دهندگان، مشکل فعلی فقط "مدل‌ها خیلی زیاد هستند و نمی‌توان انتخاب کرد" نیست، بلکه "مدل‌های خوب در میان نویز اطلاعات گم شده‌اند" نیز هست. بازار یکپارچه DGrid توصیف‌های مدل استاندارد، برچسب‌های توانایی و سیگنال‌های کیفیت PoQ را ارائه می‌دهد که باعث می‌شود مدل‌های با کیفیت بهتر راحت‌تر کشف و توصیه شوند.

فراخوانی بین‌المللی و انعطاف‌پذیری انطباق. قابلیت دسترسی مدل‌های AI معمولاً تحت تأثیر محدودیت‌های جغرافیایی قرار دارد - برخی مدل‌ها در مناطق خاص قابل دسترسی نیستند یا برخی کاربران نیاز به فراخوانی در چندین منطقه دارند. با استفاده از ورودی یکپارچه DGrid، می‌توان در چارچوب انطباق به مشکلات دسترسی بین‌المللی رسید و دامنه واقعی قابلیت دسترسی مدل‌ها را گسترش داد.

آربیتراژ قدرت محاسباتی از برق. این شاید تخیلی‌ترین سناریو باشد: در مناطق با قیمت برق بسیار پایین (مانند برخی مناطق غنی از برق آبی)، با پیاده‌سازی خدمات استنتاج AI و اتصال به DGrid، در واقع برق ارزان به قدرت محاسباتی AI تبدیل می‌شود و سپس به صورت خدمات فراخوانی مدل به کاربران جهانی ارائه می‌شود. این به آربیتراژ "برق بین مناطق" یک مسیر جدید برای تحقق می‌دهد و به کاربران جهانی این فرصت را می‌دهد که از خدمات AI با هزینه کمتر بهره‌مند شوند.

این هشت سناریو، از طرف‌های قدرت محاسباتی، توسعه‌دهندگان مدل، منابع کانال تا آربیتراژکنندگان جغرافیایی را پوشش می‌دهد. ارزش بازار مدل DGrid در این است که این منابع پراکنده، ناکارآمد و حتی بلااستفاده را در یک بازار با تقاضای مشخص و پرداخت واقعی جمع‌آوری کند.

PoQ: مسئله اعتماد که بازار باز باید حل کند

بازار باز عرضه غنی را به ارمغان می‌آورد، اما یک مشکل جدید نیز به وجود می‌آورد: وقتی هر کسی می‌تواند مدل‌ها را بارگذاری کند، کاربران چگونه می‌دانند که مدل‌هایی که فراخوانی می‌کنند واقعی هستند؟

این دقیقاً هدف وجود مکانیزم PoQ (Proof of Quality) DGrid است.

باید یک جزئیات کلیدی را روشن کرد: موضوع تأیید PoQ ارائه‌دهنده مدل است، نه هر فراخوانی کاربر. نحوه کار آن به این صورت است: DGrid با استفاده از مجموعه تست استاندارد خود به طور مستقل و به صورت تصادفی از ارائه‌دهندگان موجود در پلتفرم نمونه‌برداری می‌کند و سپس نتایج تأیید را به زنجیره اضافه می‌کند و به صورت عمومی قابل بررسی است. کل فرآیند به داده‌های درخواست کاربران دست نمی‌زند و داده‌های کاربران را به زنجیره اضافه نمی‌کند.

این طراحی مشکل "کیفیت پایین به جای کیفیت بالا" که در بازارهای باز به راحتی به وجود می‌آید را حل می‌کند. ارائه‌دهندگان می‌دانند که ممکن است هر لحظه مورد نمونه‌برداری قرار گیرند و هزینه کاهش کیفیت مدل به معنای شناسایی و مجازات است، نه فقط به خود انضباطی. PoQ از نظر مکانیزمی پایه‌ای برای این بازار باز فراهم می‌کند.

اعضای اصلی تیم DGrid دارای مدرک دکترا از دانشگاه‌های Stony Brook و دیگر دانشگاه‌ها هستند و در مورد PoQ چهار مقاله علمی در arXiv منتشر کرده‌اند که شامل طراحی اصلی Proof of Quality، Optimistic TEE-Rollups، Cost-Aware Proof و PoQ-Judge است. این در میان پلتفرم‌های مشابه نادر است.

در مقایسه، پلتفرم‌های جمع‌آوری AI با ارزش بازار بالا (مانند OpenRouter) اگرچه دارای اعتبار برند هستند، اما هیچ مکانیزم تأیید زنجیره‌ای ندارند. PoQ DGrid "بر اساس اعتماد" را با "بر اساس تأیید" جایگزین کرده و از نظر مکانیزمی مشکل را حل کرده است.

سمت تقاضا ثابت کرده است که سمت عرضه مرحله بعدی است

راه‌اندازی بازار مدل DGrid به معنای ایجاد یک بازار کاملاً جدید نیست، بلکه به معنای باز کردن سمت عرضه یک بازار واقعی با تقاضای واقعی است.

از سمت تقاضا، DGrid در حال حاضر بیش از 200 مدل اصلی از جمله Claude، GPT، Gemini، MiniMax و GLM را جمع‌آوری کرده و بیش از 15,000 کاربر پرداخت‌کننده دارد و درآمد تجمعی در نیمه اول سال 2026 به بیش از 23 میلیون دلار رسیده است - و این‌ها بر اساس 5 میلیون دلار سرمایه‌گذاری اولیه انجام شده است. این اعداد یک چیز را نشان می‌دهد: تعداد زیادی از کاربران برای خدمات AI به طور مداوم پرداخت می‌کنند، تقاضا واقعی است و بازار وجود دارد.

اما از 200+ مدل موجود، بیشتر آن‌ها مدل‌های تجاری اصلی هستند که DGrid به طور فعال به آن‌ها متصل شده است. شکاف واقعی در سمت عرضه در این است که: آن‌هایی که توانایی واقعی در تولید مدل‌های عمودی، مدل‌های تنظیم شده و زیرساخت‌های دارای منابع محاسباتی دارند، قبلاً هیچ کانال استانداردی برای ورود به این بازار نداشتند و هیچ مکانیزم تقسیم واضحی وجود نداشت. بازار مدل دقیقاً برای پر کردن این شکاف ساخته شده است.

DGrid با 23 میلیون دلار درآمد ثابت کرده است که سمت تقاضا حاضر به پرداخت است، و اکنون با بازار باز سمت عرضه را گسترش می‌دهد تا دو طرف عرضه و تقاضا در یک پلتفرم به تطابق برسند و سپس با PoQ کیفیت را تضمین کند - منطق چرخه بسته واضح است.

چند نکته قابل توجه برای مشاهده در آینده

هر بازار باز در نهایت به اجرای آن بستگی دارد. برای DGrid، چندین جهت وجود دارد که باید به طور مداوم به آن‌ها توجه شود - این‌ها هم فرصت‌های آن هستند و هم کلید ارزیابی اینکه آیا این مدل می‌تواند به درستی عمل کند.

اول، سرعت گسترش عرضه. ارزش بازار باز در اثر تجمع است: هر چه مدل‌ها بیشتر و غنی‌تر باشند، برای توسعه‌دهندگان جذاب‌تر است؛ هر چه کاربران بیشتر باشند، برای عرضه‌کنندگان بازده بیشتری دارد. DGrid با بیش از 15,000 کاربر پرداخت‌کننده و تقاضای واقعی، نقطه شروع سرد آن به وضوح بهتر از پلتفرم‌هایی است که از صفر شروع می‌کنند - به محض اینکه عرضه‌کنندگان وارد شوند، با یک بازار آماده پرداخت مواجه هستند. اینکه در آینده چه تعداد مدل عمودی با کیفیت بالا و منابع محاسباتی جذب خواهند شد، تعیین‌کننده سرعت چرخش این چرخه خواهد بود.

دوم، اثربخشی مستمر مکانیزم انتخاب کیفیت. هر چه بازتر باشد، تفاوت کیفیت مدل‌های ورودی بیشتر خواهد بود، این یک مسئله مشترک برای همه بازارهای باز است. تمایز DGrid در این است که فقط به بررسی‌های دستی متکی نیست، بلکه دارای مکانیزم تأیید زنجیره‌ای PoQ به عنوان فیلتر پایه‌ای است. با گسترش مقیاس، اینکه آیا PoQ می‌تواند به طور پایدار مدل‌های با کیفیت و بی‌کیفیت را تفکیک کند، هسته اعتبار بلندمدت این بازار خواهد بود.

سوم، ادغام کاربران AI و Crypto. DGrid هم کاربران بومی Web3 و هم تعداد زیادی از توسعه‌دهندگان AI که فقط به "کیفیت مدل و قیمت آن" اهمیت می‌دهند را متصل می‌کند. توانایی خدمت به هر دو گروه به طور همزمان، چالشی است که محصولات AI و Crypto به طور عمومی با آن مواجه هستند، و DGrid با طراحی محصول "تسویه زنجیره‌ای اما تجربه بدون حس"، بیش از 15,000 کاربر پرداخت‌کننده را به یک پلتفرم واحد جذب کرده است - این خود یک سیگنال خوب است.

نتیجه‌گیری

چیدمان بازار مدل‌های AI هنوز در حال شکل‌گیری است. مدل‌های تجاری اصلی به طور مداوم در حال تکامل خواهند بود، اما زمینه‌های عمودی، موارد خاص و منابع محاسباتی زیادی که نادیده گرفته شده‌اند، فضای بزرگی دارند که هنوز به طور کامل استخراج نشده است.

اهمیت بازار مدل DGrid فقط در این نیست که آیا می‌تواند فوراً به "تجارت آنلاین مدل‌های AI" تبدیل شود، بلکه در این است که یک سوال کلان‌تر را مطرح می‌کند: اگر قدرت محاسباتی بلااستفاده می‌تواند به خدمات AI تبدیل شود، برق ارزان می‌تواند به قابلیت استنتاج جهانی تبدیل شود و مدل‌های تنظیم شده می‌توانند به طور مستقیم به کاربرانی که به آن‌ها نیاز دارند دسترسی پیدا کنند - این بازار چقدر بزرگ خواهد بود؟

DGrid انتخاب کرده است که با یک بازار باز و مکانیزم تأیید زنجیره‌ای به این سوال پاسخ دهد. برای تیم‌های مدل که به دنبال کانال‌های توزیع هستند، زیرساخت‌هایی که منابع محاسباتی دارند اما مسیرهای درآمدزایی ندارند و ناظران که به پیشرفت‌های حوزه DeAI توجه دارند، این انتشار ارزش توجه جدی دارد.