Artificial intelligence and cryptocurrency in 2026: How blockchain becomes an AI infrastructure

Disclaimer: Content does not constitute investment advice. Trading involves risks—please invest with caution!

2026年去中心化AI基础设施：从炒作到现实

2026年4月1日，Akash网络宣布其客户在计算服务上的累计支出已突破500万美元。这代表了“真金白银购买区块链市场上的真实算力”这一趋势的显著转变。在2026年，人工智能（AI）与加密货币的融合不再仅仅是行业内部的自我叙事，而是成为构建其他应用的基础层。截至2026年8月，专注于AI的加密货币代币总市值约为210亿美元。回顾2025年，每投入1美元的加密风险投资中，就有40美分流向了同时构建AI和加密项目的公司，这一比例是前一年的两倍以上。

市场的叙事逻辑已发生根本性变化：投资者不再相信代币价格会无限制上涨，而是认识到AI算力正集中在少数几家大型科技公司手中。开放网络因此提供了替代方案，用于解决算力租赁、模型训练、支付结算以及链上自主代理（Agents）的交易问题。本文将逐层解析这一基础设施的实际运作机制，并同样重要的是，指出每个部分尚未证明的内容。

核心要点

市场规模对比： 截至2026年8月，专注AI的加密货币代币市值约为210亿美元，占据了2025年加密风投资金的40%。然而，与大型科技公司数百亿美元的AI支出相比，该领域仍属微小范畴。
分层架构：该领域可分为三层：算力层（Render, Akash, io.net）、智能层（Bittensor）和代理层（NEAR, ASI Alliance）。绝大多数AI工作实际上发生在链下。
Qubic的独特性： Qubic是结构上的异类，通过挖矿（有用工作量证明，uPoW）进行AI训练。其外包计算功能已于2026年7月29日在主网上线，同年发表了四篇同行评审论文，并在ARC-AGI-3基准测试中报告得分从0.18提升至0.38，且全部基于CPU运行，无需GPU。
理性看待标题： 代币价格不等于收入，功能上线不等于用户采用，奖项不等于技术优越性。“去中心化”标签必须经过组件级的严格审计才能成立，包括符合GDPR等合规要求。

剥离炒作看行业

在进入具体分层之前，必须确立一种思维纪律，这是区分基础设施与市场营销的关键。本领域的每一个 headline（头条数字）所回答的问题往往比表面看起来要狭窄得多。

代币的市值不等于收入，也不等于花在机器上的预算。
功能的上线并不证明有人在使用它。
宣传的大量GPU库存并不能证明这些机器在特定训练任务中的协作效率。
基准测试分数仅在测试版本、规则和条件完全匹配时才具有可比性。

The field is truly interesting when read this way; otherwise, it is just a series of press releases. In addition, scale differences must be clarified, which is the most important warning. Decentralized AI is currently just a small, early supplement to centralized AI, not a substitute. Ultra-large cloud service providers such as Microsoft and Meta have committed more than US$100 billion in AI capital expenditures, and total institutional AI expenditures in 2026 will reach hundreds of billions of dollars. In contrast, the entire decentralized AI token sector has a market value of approximately US$21 billion that is almost negligible. What follows describes a young, authentic and rapidly evolving level, rather than a challenger who has arrived.

Why blockchain and AI can be combined

This pairing is no accident. As critics have pointed out, AI is a "black box" controlled by a few large companies, and blockchain provides three things that the black box lacks: transparent settlement mechanisms, verifiable sources of data and output, and an incentive layer that can coordinate stranger hardware without a central owner. Conversely, AI provides blockchain with a way to manage the complexity of multi-chain systems and gives agents the ability to take proactive actions rather than just record data.

但必须首先明确一个区别，因为这一点在下文中反复出现：**在所有 examined 的架构中，大多数AI工作发生在链下。** 例如，Bittensor的网络文档将其子网中执行的工作与协调参与度和奖励的链分开。区块链记录安排方面、设定参与规则并结算支付；实际的计算在其他普通机器上进行。

理解这一切的实践方式是按层思考，因为被统称为“AI币”的项目占据着同一栋建筑的不同楼层，它们是邻居而非竞争对手。

算力层：租赁全球闲置GPU

基础层是原始的计算能力。一组网络利用代币激励来整合来自数据中心、工作室和个人的未充分利用的GPU，然后以通常远低于集中式云服务的价格出租这些容量。

Render Network： 始于图形渲染，现已扩展至AI和生成式图像，其代币模型随着工作完成而销毁供应量。
Akash： 作为通用容器工作负载的去中心化“超级云”，截至2026年4月，其累计计算支出约为500万美元。
io.net： 较新的聚合器将来自多个来源的GPU捆绑成足够大的集群，使去中心化训练变得现实。

在此层，“事实与主张”的纪律至关重要。可用显卡的数量是一个供应指标，而非性能保证：大型分布式训练任务需要处理器之间不断交换信息，这也是为什么NVIDIA自己的通信库针对分布式工作负载优化GPU之间的带宽、延迟和同步的原因。一片遥远的机器和一个紧密连接的集群对于相同的名义显卡数量来说是不同的资源。这一层的诚实解读是：它在成本、访问权限以及在集中式产能紧缺期间的韧性方面胜出，但在支持、合规性和可靠性方面输给 incumbents（现有巨头）。它是一个溢流阀和更便宜的选项，而非默认选择。

智能层：结果的市场，而非机器的市场

上一层，问题从硬件转向机器学习工作本身。Bittensor是最清晰的例子：与其出租硬件，它托管了一系列独立的子网，每个子网都是一个小型市场，参与者产生推理、预测或数据评分等输出，验证者对结果进行排名，TAO代币让市场而非基金会决定奖励流向。

截至2026年中，约有118至128个子网处于活跃状态，Bittensor市值接近35亿美元。不过，在2026年8月，NEAR在其顶部超越了它，提醒我们这里的领导地位尚未确定。

此层最重要的机制是评分规则，且容易被忽视。如果一个子网只奖励速度，你就会得到速度；如果奖励事实准确性，你就会得到别的东西。区块链可以忠实地记录约定的分数，但该分数是否衡量了有用的内容是链无法回答的独立问题。这才是该层真正的开放性问题，多于任何代币指标。

代理层：为自己工具付费的软件

更高一层是自主代理，即拥有钱包和身份、能在操作员设定的限制内行动的软件。NEAR将其Layer 1重新定位为围绕这一“代理经济”，旨在成为跨链行动的代理的结算轨道。人工超级智能联盟（ASI Alliance，锚定FET代币）将几个项目整合为一个专注于代理的堆栈。该类别尚处早期但增长迅速：截至2026年2月，跨区块链的自主代理部署量已超过20,000个，大约是2025年底水平的三倍。

这里的底层逻辑是具体的而非推测性的。x402标准Revitalization of the long-dormant HTTP 402 "require payment" response: servers can pay for resource requests, and compatible clients can automatically pay and retry, allowing agents to purchase data sources or inference calls without requiring a human click. But this does not determine what purchases agents should be allowed to make. Spending caps, approved service lists, and escalation rules for exception requests are choices that operators must make. Giving a software wallet does not mean giving it judgment. This is also the true speed advantage of cryptocurrencies around the clock and programmable currencies over traditional finance. It is also the most acute source of new risks.

What the ledger records and what it cannot authenticate

One limitation that runs through all of the above levels deserves to be discussed separately, as it applies to each level. Blockchain can maintain a persistent record of submitted information, but external observations cannot be turned into reality just because participants write it down.

Ethereum's own oracle documentation addresses this issue directly: Applications need mechanisms to evaluate the source, integrity, and availability of any data introduced into the chain. The same is true for AI. Recording the output does not mean checking its accuracy; establishing who submitted the dataset does not mean establishing whether they have rights to use it. No matter where a capability is described in this article, the verification method is the really important part.

Focus on Qubic: Integrating Computing into Consensus

上述大部分堆栈租赁算力或对输出进行排名。一个网络采取了截然不同的结构性路线，值得仔细审视，因为它是反例中最清晰的一个。

Qubic 是一个专注于AI的Layer 1，它将交易网络和AI研究计划结合在一起。理解它的诚实方式是分别查看三个角色，而不是将它们压缩成一个口号：

矿工生产工作；Computors达成状态一致。 Qubic称其挖矿方法为“有用工作量证明”（uPoW）：矿工不是浪费电力在任意哈希上，而是运行围绕人工神经网络的计算任务。他们提交的解决方案既喂养网络的AI项目Aigarth，也决定他们在每周周期中的排名。与此同时，Computors（活跃身份上限为676个，达成共识需451个）运行交易和智能合约系统。虽然容易将其压缩为“AI训练即共识”，但这合并了两个机制：产生有用解决方案和同意交易在设计上是连接的，但它们是不同的操作。正确区分这一点本身就是诚实描述的标志。
Aigarth是研究计划，而非完成的智能体。Aigarth是在Qubic上开发的去中心化AI，使用进化搜索，候选系统在共享评估函数下评分，表现更好的被保留。其科学团队还开发了Neuraxon，这是一种生物启发的架构，其人工神经元带有兴奋、中性和抑制状态。Qubic与该领域大多数项目的不同之处在于真正的第三方验证：2026年有四项Neuraxon论文被国际会议接受，“中性缓冲状态”论文在大阪举办的IEEE赞助的AMLDS 2026会议上获得最佳展示奖，Multi-Neuraxon工作在Springer的AGI-26论文集上发表。很少有加密项目持有此类同行评审且获奖的研究，这是Qubic最清晰的差异化优势。
基准轨迹指向同一方向，但需正确解读。 在ARC-AGI-3（AI中最难的交互式推理测试之一）上，Qubic的Neuraxon架构得分从2026年7月初的0.18升至8月的0.25（据项目All-Hands报道），联合创始人David Vivancos报告2026年9月创下0.38的新高分。这个数字引人注目的原因在于其实现方式：在普通CPU上，无GPU，无大语言模型，使用开源代码和数据集的生物启发设计。 caveat（注意事项）紧随其后：这些数据是自报的，0.38是最佳运行结果而非确定的排行榜条目，且绝对值仍然很低，ARC-AGI-3排行榜顶端远高于此。诚实阅读，故事是关于势头和方法，而非到达，这比单一头条数字更具说服力。

功能上线不等于用户采用

在2026年8月13日发布的一篇回顾中，Qubic团队报告称，外包计算功能已于7月29日在主网上线，为应用程序提供了一种触发链外操作的方法，这与智能合约逻辑和预言机数据并列构成第三支柱。这确立了可用性。采用是一个单独的测量指标，需要应用程序实际使用它且操作成功完成，仅凭公告不足以提供证明。指出这一差距并非针对Qubic的打击；这是本文应用于每个项目的相同测试。

简短比较：Akash作为计算市场

与Qubic并列，Akash使对比具象化。它始于一个熟悉的需求：开发者希望运行应用程序的资源，独立提供商竞标，开发者接受报价，创建租赁协议，资金托管支付提供商，软件在该提供商的硬件上运行。区块链协调协议和支付；计算是普通的托管服务。

The actual check is the same as required for any hosting decision: Does the selected machine meet the model requirements? If the provider quits, can the application be restored? Where is data stored, and how are backup and access handled? The market expands supplier choices; but it does not provide operating plans, and leasing machines does not transfer rights to any models or datasets placed on them. The focus of the comparison is precision: Akash organizes the hosting of applications, while Qubic ties computing contributions to its mining and Computor systems and research plans. Calling both "AI encryption" conceals the differences developers need to distinguish before building.

Limitations that no one can escape: Is it really decentralized?

If an article lists only capabilities as marketing, the central criticism in the field must state that "decentralized AI" is decentralized on some components and centralized on others, and the label must be evaluated item by item. Hardware operators can be independent, but everyone relies on the same software interface, the same model vendor, or the same data source.

For example, Bittensor's design leaves incentive rule setting for each subnet to the subnet owner, so vendor participation and rule making are different types of controls. Qubic's 676 Computers cap is not a count for independently controlled organizations; judging true concentration requires understanding who runs these seats and how mining supports them, which cannot be solved by the cap stated in the agreement.

对于在这些网络上构建任何人来说，实际测试是依赖审计：识别谁可以中断服务、更改规则或访问数据，然后对模型、托管、支付轨道和接口重复此过程。即使一个组件是分布式的，服务仍可能暴露给单个供应商。这里还有一个严峻的欧洲后果。法国数据保护局（CNIL）明确表示，使用区块链不会免除GDPR下的义务：责任仍需分配，且架构的影响（包括国际数据传输）仍需评估。“去中心化”标签不能为你完成这项工作。