In den letzten Tagen habe ich den Markt und die Makrodaten untersucht und ein bemerkenswertes Phänomen in der Branche entdeckt:
Das Maß an Versorgungsengpässen bei GPUs wird allgemein unterschätzt, während blockchain-basierte Projekte, die mit Rechenleistung zu tun haben, einen Teil der ignorierten Nachfrage abdecken.
Aus der Perspektive der Infrastruktur ist die Versorgung mit H100 eingeschränkt und die Kosten für Cloud-Dienste bleiben hoch; diese Einschränkung wird sich kurzfristig nicht entschärfen. Basierend auf den aktuellen Aufträgen und dem Liefertakt ist es sehr wahrscheinlich, dass der Engpass bei der Rechenleistung bis etwa 2026 anhalten wird. Vor diesem Hintergrund fühlt sich das zweite Quartal 2025 eher wie ein Wendepunkt für die Branche an – einige Projekte werden beginnen, sich der Prüfung ihrer tatsächlichen kommerziellen Fähigkeiten zu stellen.
Innerhalb des Bereichs der Rechenleistung zeigen verschiedene Projekte völlig unterschiedliche Geschäftspfade, dies dient hier lediglich als Forschungsbeispiel zur Analyse.
Fall eins：$IO
Dieses Projekt versucht, durch eine dezentralisierte Methode verstreute Rechenressourcen zu aggregieren, was zu einer eher „aggregierten“ Netzwerkstruktur gehört. Zuvor erlebte der Preisverlauf erhebliche Schwankungen, aber anhand der On-Chain-Daten und des Produktzyklus scheint sich die grundlegende Variable nicht grundlegend gewendet zu haben.
Es ist erwähnenswert, dass das Projekt Anfang 2025 die Unterstützung für die nächste Chiparchitektur sowie Anpassungen des wirtschaftlichen Modells implementiert, die die Anreizmechanismen enger an die tatsächliche Nutzung binden. Diese Veränderung stellt im Wesentlichen einen Übergang von einer „angebotseitigen“ zu einer „nutzungsseitigen“ Ausrichtung dar.
Fall zwei：$Aethir
Im Vergleich dazu ist dies ein ganz anderer Weg. Es ist stärker auf hochgradige, unternehmensspezifische Rechenleistungsdienste ausgerichtet, wobei die Ressourcenverteilung und die Kundenstruktur konzentrierter sind.
Aus den öffentlich zugänglichen Daten geht hervor, dass ihre Umsatzentwicklung bereits deutlich vor den meisten ähnlichen Projekten liegt, und die begleitenden Knotenmechanismen zeigen ebenfalls eine starke Selbstregulierungsfähigkeit. Der Hauptvorteil dieses Modells liegt in der Vorhersehbarkeit, aber das Expansionstempo hängt normalerweise stärker von der realen Nachfrage ab.
Fall drei：$RENDER
Der dritte Typ zeigt sich vielmehr in der hohen Korrelation zu traditionellen Anforderungen an Rechenleistung und Grafikberechnungen. Die Wertentwicklung wird oft stark von externen Technologiewellen und Hardware-Iterationen beeinflusst, und gehört zu den typischen Fällen „korrelationsgetriebenen“ Verhaltens.
Das Merkmal solcher Netzwerke ist, dass sie schnell auf Veränderungen der Branchenkonjunktur reagieren, aber gleichzeitig auch anfälliger für die Auswirkungen von Gesamtzyklus-Schwankungen sind.
Aus einer langfristigen Perspektive wird der Fokus des Marktes allmählich von der Erzählung auf die Nutzung und Qualität der Einnahmen übergehen, da die Anwendung von KI weiterhin voranschreitet. Der Rechenleistungsschwund selbst wandelt sich nicht automatisch in Wert, aber verschiedene Geschäftsmodelle können unter denselben Bedingungen völlig unterschiedliche Ergebnisse zeigen.
Obenstehend ist nur eine vorläufige Beobachtung der unterschiedlichen Wege im Bereich der Rechenleistung, um die strukturellen Unterschiede und potenziellen Variablen zu verstehen, und nicht als Empfehlung für spezifische Objekte zu verstehen.
(Dieser Artikel spiegelt nur die persönliche Meinung wider und stellt keine Anlageberatung dar. Der Markteintritt birgt Risiken, bitte sorgfältig überlegen.)
