За последний год искусственный интеллект (AI) остается одной из ключевых тем на мировых финансовых рынках. От рекордных отчетов Nvidia до масштабных инвестиций Microsoft, Meta и Amazon в развитие дата-центров — AI превратился из технологического тренда в новый цикл инфраструктурного развития. Это изменение начинает оказывать влияние и на криптовалютный рынок.
В отличие от рынка 2024 года, где основное внимание уделялось концепциям AI Agent и активам AI Meme, с 2026 года капитал начал углубляться в цепочку создания ценности внутри отрасли. Все больше инвесторов задают практический вопрос: по мере роста числа AI-приложений и расширения пользовательской базы, кто действительно выиграет от долгосрочного развития индустрии искусственного интеллекта?
Ответ смещается от уровня моделей к уровню инфраструктуры.
Любые AI-решения — от AI Agents, генерации видео и музыки до корпоративных сервисов — зависят от ресурсов GPU. С переходом отрасли от эпохи обучения моделей к эпохе инференса потребность в вычислительной мощности стабильно растет. При этом предложение GPU остается ограниченным, стоимость ресурсов высока, а цены на облачные сервисы продолжают расти — эти проблемы становятся все более заметными. На этом фоне децентрализованные GPU-сети вновь оказываются в центре внимания.
IO — один из ключевых проектов в сфере AI-инфраструктуры — недавно представил ряд кейсов коммерциализации, укрепив позиции платформы AI-вычислений. С точки зрения динамики цены, IO вырос почти на 200% по сравнению с апрельскими минимумами. На уровне отрасли рынок пересматривает долгосрочную ценность DePIN-сетей вычислений в цепочке создания стоимости AI. Так является ли продолжающийся рост IO временным отскоком в секторе AI или это признак того, что децентрализованные GPU-сети вступают в новый цикл роста?
Причины ралли IO: смена фокуса рынка
Анализируя динамику цены, текущий рост IO — это не просто технический отскок.
Данные рынка Gate и последние графики показывают: в начале апреля IO упал до примерно $0,09, после чего несколько недель находился в низком боковом диапазоне. В течение апреля объемы торгов были слабыми, а волатильность ограниченной, что свидетельствовало об осторожности рынка к сектору AI-инфраструктуры.
Реальные изменения начались в начале мая.
С ростом торговых объемов IO вышел из диапазона консолидации и быстро преодолел отметку $0,15. Несмотря на последующую коррекцию, цена осталась выше уровня пробоя, а объемы торгов сократились одновременно с этим. Такая динамика указывает на смену держателей в период роста, а не на вывод капитала. С конца мая до начала июня IO вновь показал всплеск объема и цены, достигнув пика около $0,27 — почти 200% роста относительно апрельских минимумов.
Важный момент: IO был не единственным проектом, показавшим рост в этот период. Другие инфраструктурные AI-проекты — Render, Aethir и Akash — также привлекли внимание рынка. Это говорит о том, что капитал торгует не отдельный проект, а общую логику развития AI-инфраструктуры.
Смена фокуса рынка очевидна. Ранее инвесторы были готовы платить за «AI-концепции». Теперь капитал оценивает, какие сегменты цепочки создания стоимости AI будут пользоваться устойчивым спросом. С переходом рынка от спекуляций на нарративах к фундаментальным показателям проекты с реальными кейсами и историями коммерциализации закономерно получают больше внимания.
От конкуренции моделей к конкуренции инференса: AI-индустрия вступает в новый этап роста
Если оглянуться на три года развития AI, можно увидеть, как изменилась конкурентная среда.
В 2023 и 2024 годах основное внимание уделялось возможностям моделей: у кого больше параметров, кто показывает лучшие результаты в тестах, кто обладает самой мощной инфраструктурой для обучения. В тот период капитал активно инвестировал в компании-разработчики моделей, а ресурсы GPU воспринимались прежде всего как производственные активы для обучения.
Однако по мере зрелости моделей отрасль перешла к новому этапу.
Компании поняли: обучение модели дорого, но это не самая большая долгосрочная статья расходов. Основные затраты приходятся на инференс. Обучение проводится при разработке и обновлении модели, а инференс происходит каждый раз, когда пользователь взаимодействует с AI-продуктом. Для приложений с миллионами или десятками миллионов пользователей расходы на инференс часто значительно превышают затраты на обучение.
Поэтому все больше технологических компаний делают акцент на оптимизации инференса.
Для бизнеса снижение затрат на инференс позволяет не только экономить, но и обслуживать больше пользователей, повышать маржинальность и расширять долю рынка. В ближайшие годы конкуренция в AI может сместиться от «у кого самая сильная модель» к «кто способен предоставлять AI-сервисы с минимальными затратами».
В этом контексте ресурсы GPU становятся еще более значимыми.
Рынок теперь фокусируется на стоимости приобретения GPU, эффективности использования ресурсов и оптимизации распределения вычислительной мощности. В отличие от уровня моделей, где постоянно появляются новые игроки, спрос на GPU-сети и вычислительные платформы более стабилен. Независимо от того, какая компания победит, всем потребуется огромная вычислительная мощность. Именно поэтому проекты AI-инфраструктуры продолжают привлекать интерес рынка.
Почему новые коммерческие кейсы IO вызывают интерес
Отраслевые тренды задают направление для капитала, но прогресс коммерциализации на уровне проекта определяет, готов ли рынок присваивать более высокую оценку.
Одним из главных сомнений в отношении сектора DePIN в прошлом году была нехватка реального спроса. Многие проекты быстро агрегируют ресурсы благодаря токен-стимулированию, но им сложно доказать, что эти ресурсы используются реальными бизнесами. Поэтому рынок сохранял осторожность по отношению к DePIN-проектам.
Недавние раскрытия IO напрямую отвечают на этот вопрос.
Самый заметный пример — Leonardo.AI. По официальным данным, платформа увеличила число пользователей примерно с 14 000 до 19 миллионов. В процессе масштабирования Leonardo.AI использовала сеть IO для получения GPU-ресурсов, снизив общие затраты на GPU более чем на 50% и сократив сроки закупки с недель и месяцев до нескольких дней.
Для рынка этот кейс важен не только с точки зрения экономии. Он демонстрирует, что децентрализованные GPU-сети обслуживают реальные AI-платформы с десятками миллионов пользователей, а не только работают в тестовых средах.
Другой яркий пример — музыкальная AI-платформа Wondera. По официальным данным, Wondera использовала более 550 000 GPU-часов для обучения моделей и привлекла 96 высокопроизводительных GPU для связанных задач. По сравнению с традиционными облачными решениями Wondera снизила затраты на обучение примерно на 75%, сэкономив около $2,48 млн.
Эти кейсы дают четкий сигнал: децентрализованные GPU-сети переходят от proof-of-concept к коммерческой валидации. Когда рынок видит, что реальные бизнесы используют сетевые ресурсы для снижения затрат и масштабирования, логика оценки проектов меняется.
Почему AI-компании ищут вычислительные мощности вне традиционных облачных сервисов
Децентрализованные GPU-сети привлекают внимание не только благодаря развитию отдельных проектов, но и из-за общих проблем отрасли.
Главная причина — реальные вызовы, с которыми сталкивается сектор AI.
В последние годы крупные облачные провайдеры практически монополизировали рынок высокопроизводительных GPU. Но с ростом спроса на AI традиционные облачные модели выявили новые проблемы. С одной стороны, GPU постоянно в дефиците, и многие компании не могут получить необходимые ресурсы даже при наличии бюджета. С другой стороны, рост стоимости облачных сервисов снижает маржинальность AI-компаний.
Особенно остро эта проблема стоит для малых и средних AI-компаний.
У них нет возможности заранее резервировать крупные объемы GPU, как у технологических гигантов, и они не могут позволить себе постоянные высокие расходы на облако. Поэтому отрасль ищет более гибкие и доступные источники вычислительных мощностей.
Здесь открывается возможность для децентрализованных GPU-сетей.
Агрегируя неиспользуемые GPU по всему миру, такие сети предлагают бизнесу более гибкий доступ к ресурсам. При всплеске спроса компании быстро масштабируются, при снижении — избегают долгосрочных затрат. С точки зрения отрасли эта модель напоминает открытый рынок, а не традиционную централизованную систему распределения.
По мере роста числа AI-приложений значение эластичного управления ресурсами будет только увеличиваться.
DePIN-сети вычислений проходят этап реальной валидации спроса
С точки зрения развития отрасли AI становится ключевым катализатором коммерциализации DePIN.
В последние годы DePIN-проекты концентрировались на решении проблемы предложения — стимулировали подключение устройств и формировали глобальный рынок ресурсов. Но настоящая задача — не расширение предложения, а валидация спроса. Без реальных клиентов и устойчивых рабочих нагрузок даже самая большая сеть не создаст долговременную ценность.
AI впервые объединяет предложение и спрос.
Ранее GPU-сети испытывали недостаток клиентов, теперь AI-компании испытывают дефицит GPU. Ранее сетям данных не хватало кейсов, теперь AI-модели требуют все больше данных. Открытые вычислительные сети раньше не имели приложений, теперь спрос на AI-инференс стремительно растет.
Это означает, что DePIN теперь основывается не просто на агрегировании ресурсов, а на реальном отраслевом спросе.
Последняя динамика рынка показывает: инвесторы пересматривают подход к сектору. Вместо того чтобы ориентироваться только на количество узлов и масштаб устройств, рынок оценивает корпоративных клиентов, загрузку сетей и реальные источники дохода. Другими словами, DePIN переходит от «рассказывания историй» к «валидации спроса», и AI играет ключевую роль в этом переходе.
Почему AI-инфраструктура становится главным бенефициаром текущего цикла AI-рынка
Если посмотреть на сектор AI сегодня, можно увидеть, как капитал постепенно смещается от уровня приложений к инфраструктуре.
Причина проста: конкуренция между приложениями крайне непредсказуема, а спрос на инфраструктуру гораздо более устойчив. Независимо от того, какая AI-компания завоюет рынок или какая платформа Agent станет доминирующей, всем потребуется постоянная вычислительная мощность, данные и сетевые ресурсы.
Этот спрос не исчезнет даже если конкуренция среди приложений завершится.
Поэтому вместо ставок на отдельные AI-продукты все больше инвесторов выбирают инфраструктуру. Для рынка настоящим дефицитом в AI являются не токены, а базовые ресурсы, обеспечивающие работу экосистемы. С переходом отрасли к эпохе инференса значение GPU-ресурсов будет только расти, и инфраструктурные проекты получат дополнительную выгоду от этой тенденции.
С этой точки зрения рост цены IO отражает не только признание самого проекта, но и переоценку долгосрочной ценности AI-инфраструктуры.
Ключевые показатели для будущей динамики IO
Для IO долгосрочную ценность определяют не только настроения рынка.
Главное — рост корпоративных клиентов, загрузка GPU в сети, масштаб реальных рабочих нагрузок и данные о коммерческих доходах. Если IO продолжит раскрывать кейсы вроде Leonardo.AI и Wondera и демонстрировать работу сети, рынок начнет оценивать проект по инфраструктурным моделям.
Также важен общий темп развития AI-индустрии. Если спрос на инференс будет расти, а предприятия продолжат искать дополнительные GPU-ресурсы, пространство для децентрализованных GPU-сетей расширится.
Таким образом, основной будущий драйвер IO — не просто концепция AI, а способность стабильно удовлетворять реальный спрос, обусловленный ростом AI-отрасли.
Заключение
Продолжающееся ралли IO за последние два месяца — это не просто результат обновленного интереса к сектору AI. Оно отражает фундаментальную смену подхода к оценке AI-инфраструктуры. По мере перехода отрасли от эпохи обучения к эпохе инференса ресурсы GPU становятся критически важными, а корпоративный спрос на недорогие и гибкие вычислительные мощности стремительно растет.
От Leonardo.AI до Wondera — новые коммерческие кейсы IO показывают, что децентрализованные GPU-сети выходят на реальные бизнес-сценарии. Это означает, что сектор DePIN переходит от агрегирования ресурсов к валидации спроса. Если индустрия AI продолжит расширяться, децентрализованная вычислительная сеть IO может стать важной частью инфраструктурной экосистемы эпохи искусственного интеллекта.
FAQ
Почему цена IO продолжает расти в последнее время?
Рост IO обусловлен новым импульсом в секторе AI-инфраструктуры, увеличением числа коммерческих кейсов и обновленным фокусом рынка на спросе на GPU-сети.
Какие наиболее значимые события произошли у IO недавно?
Самые заметные достижения IO — кейсы коммерциализации с Leonardo.AI и Wondera. Leonardo.AI увеличил число пользователей до 19 миллионов и снизил затраты на GPU более чем на 50%. Wondera сэкономила около $2,48 млн на обучении моделей благодаря использованию сети IO. Эти кейсы подтверждают коммерческую жизнеспособность децентрализованных GPU-сетей.
Почему децентрализованные GPU-сети привлекают внимание в AI-индустрии?
Децентрализованные GPU-сети становятся популярными, потому что объединяют глобально распределенные GPU-ресурсы и предлагают предприятиям более гибкие и доступные вычислительные сервисы. По мере стремительного роста спроса на AI-инференс такая модель помогает снизить затраты и решить проблему дефицита ресурсов, характерную для традиционных облачных сервисов.
Почему DePIN становится ключевым бенефициаром в AI-индустрии?
DePIN выигрывает, потому что спрос AI-компаний на GPU, данные и вычислительные ресурсы стабильно растет, что приносит реальный внешний спрос на DePIN-сети.
Какие факторы важны для будущей динамики цены IO?
Ключевые факторы долгосрочной динамики IO — рост корпоративных клиентов, загрузка GPU, масштаб доходов сети и рост спроса на AI-инференс. Если IO сможет продолжать расширять реальные рабочие нагрузки и развивать коммерциализацию, долгосрочная ценность проекта получит дополнительное подтверждение.
