BitTorrent 推出 BTTInferGrid：去中心化 GPU 計算網路，引領 AI 推理時代新變革

随着AI Agent在企业工作流、自动化生产及自主执行等多种复杂场景中的应用逐步落地，全球AI产业正在从“被动响应”转向“自主执行”的新阶段。行业竞争的核心已不再仅仅是大模型参数的比拼，而是转向落地执行能力的竞争，其中强大的逻辑推理能力是这一转变的基石。

应用场景的变革也引发了上游算力基础设施需求的根本性变化：算力的消耗重心正在从模型训练逐渐向业务推理倾斜，这一趋势已不可逆转。然而，现有中心化算力体系在面对海量、高频和波动剧烈的推理请求时，显露出高运营成本、弹性扩展不足和服务稳定性欠缺等问题，整个AI行业正遭遇算力供给发展的瓶颈。

6月17日，老牌去中心化传输生态BitTorrent重磅推出战略性产品——BTTInferGrid，专注于AI推理领域，建立去中心化的算力网络。该平台利用去中心化分布式架构，有效整合全球各地闲置的GPU算力资源，打破资源供给与AI开发者之间的壁垒，提供开放、便捷接入、可链上验证的AI推理算力服务，并实现灵活的按量计费。

基于去中心化技术的优势，BTTInferGrid不仅弥补了传统中心化算力在高并发和负载波动场景中的不足，还在算力供给端实现了跨越式的突破，重塑了整个算力生态的资源分配与流转逻辑。

与此同时，BTTInferGrid是BitTorrent在现有BTFS服务基础上进行的战略升级，标志着BitTorrent在去中心化资源调度能力上的深耕从存储领域向算力领域的延伸，也是其在去中心化AI领域的重要布局。

BTTInferGrid旨在通过去中心化模式重构算力供给体系，解决AI推理算力成本高昂和供给短缺的问题，既降低成本又提升大模型的推理效率，从而为行业提供高性能、高韧性和高性价比的算力基础设施。

展望2024至2025年，AI行业将进入“千模大战”与万卡集群主导的参数军备竞赛阶段；而到2026年，随着AI Agent的规模化落地，AI将正式步入大规模应用爆发的“推理时代”。AI推理是模型价值实现的关键环节，可以将“训练好的模型”转化为实际应用、商业价值及日常服务。简言之，训练是“教AI学习”，而推理则是“让AI落地使用”，例如自动驾驶汽车在未行驶过的道路上识别停车标志，便是典型的推理行为。推理能力直接影响AI产品的用户体验、运营成本和商业价值。

业内普遍认为，未来超过70%的算力资源将用于推理场景。甲骨文曾预判，推理算力市场的规模最终将超过训练算力。中国工程院院士郑纬民同样指出，当前大部分算力都消耗在用户与大模型的日常交互中。从成本构成来看，大模型推理的开销中，人力仅占3%，数据占2%，而算力占比高达95%；头部应用的算力成本相当可观，例如ChatGPT的每日推理成本约为70万美元，DeepSeek V3则达到8.7万美元。

当AI算力需求从少数科技巨头的集中式训练，扩展到各行各业数百万开发者的商业推理场景时，底层基础设施的评价标准也随之改变。在训练时代，开发者主要关注算力的集中规模和效率；进入推理时代，AI服务面向海量终端用户，日均千亿次交互催生巨量算力消耗，开发者的关注点转向每次调用成本、响应速度和服务稳定性。如今，算力供给、调用成本和服务可用性已成为评判AI基础设施的核心依据，也是决定AI应用能否顺利落地的关键。

然而，面对指数级增长的推理需求，主流中心化算力体系的短板愈发明显：GPU租金持续上涨、平台服务频繁宕机，许多AI应用因算力成本高企被迫关停。这些问题主要体现在以下三个方面：

首先，算力调度缺乏弹性，无法应对流量的峰谷变化，导致成本与稳定性失衡：尽管头部AI公司和云服务商不断增加算力设施投入，但推理需求增长迅速且具有明显的峰谷特征——在白天办公或营销高峰时，请求量可暴增数十倍；而深夜则骤降。中心化机房缺乏弹性调度能力，难以适应这种动态变化：若按峰值配置，低峰期的折旧成本高昂；若按均值配置，高峰期则可能导致服务中断，陷入“高成本”和“低稳定性”的两难境地。同时，中心化算力还需叠加机房建设、电力、运维及商业利润等多重成本，最终导致算力成本高昂，极大压缩了中小创新团队的试错空间，市场急需兼具成本优势和弹性调度能力的新方案。

其次，GPU租赁价格不断上涨，使得中小企业与开发者的创新落地受到阻碍：尽管开源大模型（如Qwen、DeepSeek等）降低了AI领域的入门门槛，但模型的部署与运行依旧依赖于稳定、廉价、易接入的推理算力。然而，现实是GPU租赁费用持续走高，以主流H100显卡为例，其单卡时租价格从2025年10月的1.70美元涨至2026年3月的2.35美元，半年涨幅接近40%。高昂的成本让许多拥有优质方案的个人开发者与中小企业望而却步，陷入“有模型、无算力”的困境，严重抑制了AI行业的创新活力与规模化发展。

最后，全球大量闲置GPU资源未被有效利用，供需严重失衡：与市场上“算力荒”形成鲜明对比的是，全球范围内存在庞大的闲置高性能GPU算力，分散在个人设备、高校实验室、小型机房及加密货币转型遗留的设施中。由于缺乏标准化的接入渠道与高效的调度引擎，这些算力未能进入主流推理市场，导致需求侧“一卡难求”与供给侧“算力沉睡”的矛盾并存，资源利用率存在巨大的提升空间，供需失衡的矛盾亟待解决。

综上所述，当前AI推理算力市场面临三重结构性困境：一方面中心化供给无法兼顾成本与弹性，另一方面算力租金持续飙升压制AI创新，最后海量闲置GPU资源却长期沉睡未被激活。针对这一系列行业难题，BTTInferGrid依托去中心化技术，提供新的解决方案，旨在打破算力供需错配的困境。

BTTInferGrid致力于通过去中心化方式，将全球分散的闲置GPU资源与海量AI开发者高效连接，从根本上打破中心化算力的垄断与瓶颈。一方面，平台整合零散的闲置GPU算力，构建开放共享的算力基础设施；另一方面，打通供给端与需求端之间的连接通道，消除传统中心化模式的准入壁垒与定价黑箱。同时，依托DePIN的激励与协同机制，BTTInferGrid能够持续提供高性价比的推理算力，从根本上解决算力成本高企和供给短缺的问题，真正释放大模型的推理效能与商业价值。

BTTInferGrid的定位清晰明确，专注于构建面向AI推理场景的去中心化算力网络，连接全球闲置GPU算力供给与AI推理市场需求，提供开放接入、结果可验与按量计费的全球