增量维度下，Sollong解决算力供需错配之间的矛盾

AI 赛道的火热程度或许已不需要再多做赘述——价格表现已足以盖过一切文字。2024 年 2 月 23 日，英伟达股价突破 800 美元，市值超过 2 万亿美元，成为历史上最快从 1 万亿美元市值增长至 2 万亿美元市值的企业。在 Crypto 赛道，AI 赛道代币在过去几个月中表现优异，RNDR、TAO、FET 等龙头代币均收获了 3 倍以上的涨幅，每一次 AI 领域的重要事件，都会带领相关代币完成一次快速增长。

AI 已成为本轮周期最重要的人类科技革命，相应地成为资金炒作的头号赛道。区块链和人工智能正积极探索相互融合的可能性，Crypto 世界将受益于 AI 技术的重要进展，带动相关龙头代币的快速上涨。或许几个月前我们还在探讨 AI 与区块链结合的可行性，但现在这种讨论似乎显得不那么重要，AI 已经成为本轮周期的核心叙事，市场情绪和资金热情已压倒了一切。

AI 浪潮背后，被忽视的算力生产关系潜流
什么是本轮 AI 浪潮及未来数字经济时代的核心生产力资源？

毫无疑问，算力。

根据 Precedence Research 的数据显示，全球人工智能硬件市场预计将以 24.3% 的复合年增长率（CAGR）增长，到 2033 年将超过 4,735.3 亿美元。

即便抛开预测数据，从增量和存量的逻辑角度展望，我们也可以明眼可见地发现，未来算力市场发展过程中，注定将长期存在两个主要矛盾：

增量维度，呈指数级趋势的算力需求侧增长，注定远大于呈线性趋势的算力供给侧增长；

存量维度，头部效应之下算力被“掐尖“，腰部和长尾玩家无米下炊，但大量分布式 GPU 资源又被闲置，供需双边严重错配；

增量维度：算力需求远大于供给
首先是增量维度，除了 AIGC 大模型的极速膨胀之外，医疗、教育、智能驾驶等无数处于爆发初期的 AI 场景都在快速铺开，这无一不需要海量的计算资源，因此当下市场对 GPU 算力资源的缺口不仅将持续存在，甚至还在不断扩大。也就是说，从供需角度看的话，在可预见的未来，市场对算力的需求一定是远远大于供给，且需求曲线在短期内还是呈现指数级上升的趋势。而供给侧则由于受限于物理规律和现实生产因素，无论是制程工艺提升还是大规模建厂扩产能，至多都只能实现线性增长，这也就注定了 AI 发展的算力瓶颈会长期存在。

存量维度：腰部和长尾玩家的供需严重错配
与此同时，在算力资源有限且面临严重增长瓶颈的情况下，亚马逊云科技（AWS）、微软 Azure、谷歌云平台（GCP）三家就合计占据了六成以上的云计算份额，处于明显的卖方市场。它们囤积高性能 GPU 芯片，垄断大量算力资源，而腰部和长尾的中小算力需求方不仅没有议价权，还不得不面临高资金成本、KYC 进入门槛、租赁霸王条款等诸多问题，此外传统云服务巨头出于收益比考量，也难免忽视“腰部+长尾“用户的差异化业务诉求（譬如时间更短、更即时、体量更小的租赁需求等等）。但实际上，在云服务巨头的算力网络之外，大量 GPU 算力却闲置无用，譬如全球还有数十万家第三方独立互联网数据中心（IDC）训练任务小出现资源浪费，甚至包括加密矿场和 Filecoin、Render、Aethir 等加密项目的海量算力闲置。

据 Sollong官方估算，目前仅美国一地的 IDC 显卡闲置率就高达 60% 以上，这就产生了一个颇具讽刺意味的供需错配悖论：数以万计的中小型数据中心、加密矿场等运营商的过半算力资源被日常浪费，无法带来有效营收，但腰部和长尾的 AI 创业者却又在忍受高成本、高门槛的云巨头算力服务，甚至更多样化的创新需求无法得到满足。旱的旱死，涝的涝死，明确了这两个基本前提，其实我们就能一看看出目前全球 AI 发展合全球算力市场的核心矛盾所在——一方面 AI 创新遍地，算力需求不断膨胀，另一方面，一众“腰部+长尾“的算力需求和闲置 GPU 资源却又无法被有效满足，游离在当前的算力市场之外。这个问题不只是 AI 创业者日益增长的算力需求同落后的算力增长之间的矛盾，更是广大“腰部+长尾“AI 创业者、算力运营商和不平衡不充分的供需错配之间的矛盾，所以远超中心化云服务商的解决能力范畴。

Sollong最大的属性，就是轻资产的算力撮合平台。

也即和 Uber、滴滴一样，自身不涉及风险极高的 GPU 硬件等重资产的实际运营，而是将中长尾的零售算力（很多在 AWS 等大云处被视为二等算力）供应联系起来，通过撮合匹配，盘活原先处于闲置状态的算力资源（私家车）和亟需算力的中尾部 AI 需求（打车人）。

其中 Sollong一端连着中小型 IDC、矿场、加密项目等成千上万的闲置 GPU（私家车），另一端链接数以亿计中小型公司的算力需求（打车人），然后 Sollong作为撮合平台进行中间调度，就像是一个经纪商对无数笔买单、卖单进行一一匹配撮合。

这就通过聚集闲置的算力，用低廉的成本和更灵活的部署配置形式，来帮助创业者训练更个性化的中小 AI 模型，极大提高了资源的利用率，其中的优势则很明显，无论市场过冷过热，只要存在资源错配，实现撮合的平台需求都是最旺盛的：