gloo

3 秒看懂

Gloo 是“鏈–雲端融合”的去中心化人工智慧基礎設施概念，通過區塊鏈協調全球分佈的 GPU 算力、資料集與 AI 模型，建置一個可信、可組合的 AI 服務網際網路絡。它試圖打破當前 AI 產業由少數超大規模雲端廠商主導的格局，讓任何貢獻資源（算力、資料、模型）的節點都能獲得透明激勵，讓開發者以更低成本呼叫多元化 AI 能力。

3 分鐘產業解釋

Gloo 代表的不是單一產品，而是一整類“去中心化 AI 計算協議”的架構範式。其核心邏輯是把 AI 工作流中的算力供應、資料存放、模型訓練/推論切分成獨立服務單元，在區塊鏈上通過智慧合約完成需求匹配、任務執行驗證、貢獻證明（Proof-of-Contribution）與即時結算。

• 它要解決的問題：

  1. 算力壟斷與成本高企：2023 年訓練一個百億引數大型模型需耗費數百萬美元算力，資源集中於 AWS、Azure、Google Cloud 等寡頭。
  2. 資料孤島：高質量資料集分散在不同機構，因隱私和信任顧慮難以流通協作。
  3. 模型可信度缺失：使用者呼叫外部 AI API 時，既無法驗證模型是否真正執行請求的任務，也無法追溯推論過程，造成信任缺口。

• 產業定位： Gloo 處於區塊鏈（Web3）與人工智慧（AI）交叉地帶，屬於 去中心化物理基礎設施網路（DePIN） 在 AI 領域的垂直延伸。與純去中心化儲存（Filecoin, Arweave）或純去中心化推論（Bittensor）不同，Gloo 試圖建置涵蓋算力層、資料層、模型服務層的全棧協議，讓開發者通過一個統一入口即可呼叫“影像識別+自然語言生成+資料隱私計算”等組合式 AI 管線，底層資源排程、支付、路由全部由協議自動完成。

• 與傳統雲端 AI 服務的關係： 它不是要立即替代 AWS SageMaker 或 Azure AI，而是在某些對成本敏感、彈性需求高、強調抗審查的場景（如邊緣計算、發展中國家的 AI 接入、隱私合規的多方聯合建模）提供補充方案。隨著 AI 應用從集中化訓練走向分散式微調與推論，Gloo 類協議有望成為“AI 網際網路”的 HTTP/ TCP 層。

技術原理

Gloo 協議的技術棧可抽象為三層：資源層、協調層、服務層。

資源層（Physical & Virtual Resources）

• 算力接入：全球各地的 GPU 礦工、中小型資料中心、甚至閒置的個人 GPU 都能通過一個標準化 節點客戶端 接入網路。客戶端會向區塊鏈註冊其硬體規格（GPU 型號、視訊記憶體、浮點效能、可用時段）與網路頻寬，並形成可驗證的“資源證明”。
• 資料託管與分片：資料集提供者將資料加密分片儲存於去中心化儲存網路（可相容 IPFS/Arweave），索引存於鏈上。智慧合約通過 可信執行環境（TEE） 或 聯邦學習 方式，讓算力節點在不解密原始資料的前提下完成訓練或推論，從而滿足 GDPR 等隱私法規。
• 模型註冊：模型開發者可將預訓練權重、網路結構雜湊、推論 API 介面定義上傳至鏈上登錄檔，形成唯一標識，後續被組合呼叫時可據此追蹤模型版本與來源。

協調層（Coordination Blockchain）

• 鏈與共識：通常採用應用鏈（Appchain）或並行側鏈架構，共識機制為委託權益證明（DPoS）或基於貢獻的權重投票（PoA 變體）。鏈上負責：

  • 任務廣播與競標：使用者提交 AI 任務（如“對 1000 張圖片進行物體檢測”），智慧合約將該任務推送給符合條件的節點，節點根據自身算力成本和聲譽進行競價。
  • 貢獻證明：完成計算後，節點需提交結果和計算過程的零知識證明（ZKP）或可驗證憑證（Verifiable Credential），驗證者（或隨機抽樣節點）檢查雜湊一致性與結果合理性。若通過，則節點獲得代幣獎勵；若作弊，罰沒質押代幣。
  • 支付與結算：支援按任務計費或流式支付，代幣可採用穩定幣結算以避免波動。支付通過狀態通道或 rollup 彙總到主鏈，降低 Gas 成本。

• 聲譽系統：每個節點依據歷史完成質量、響應速度、質押量形成聲譽值，影響其獲得任務優先順序與競價權重。

服務層（Composable AI APIs）

• AI 管線編排：提供一種宣告式指令碼（類似蜂窩式 YAML），開發者可描述：“將輸入圖片經模型A進行場景分類，若為室內則呼叫模型B進行物體分割，再經模型C生成自然語言描述”。Gloo 編譯器將此拆分為多個子任務，並行排程到不同節點，最終聚合結果。
• 閘道器與SDK：提供 RESTful/WebSocket 閘道器和 Python/JS SDK，遮蔽底層區塊鏈複雜性，開發者體驗類似呼叫傳統雲端 AI API，但可自由指定 “只用可再生能源驅動的節點” 或 “資料不離開歐盟轄區”等條件。

關鍵創新：將 AI 工作流原子化為“服務單元”，並通過鏈上信譽和 ZKP 驗證，在無需信任中央平台的前提下，實現跨組織的 AI 能力組合與清算。

---

關鍵引數

因為 Gloo 仍處於概念驗證/早期開發階段，以下引數基於同類協議通用設計及白皮書預期，具體數值以主網上線後公開資料為準。

• 共識與出塊時間：預計採用基於 Cosmos SDK 的 Tendermint BFT 共識，目標出塊時間 5～6 秒，交易最終性約 6～15 秒。
• 單任務處理開銷：一次推論任務（如圖片分類）的鏈上驗證 Gas 成本設計目標為 < $0.01（2024 年美元等值），批次訓練任務通過鏈下聚合 + 鏈上抽查驗證，Gas 可忽略。
• 可支援的併發任務數：依賴於網路規模，假設初期有 5,000 個活躍 GPU 節點，可支撐每小時超過 10 萬次輕量級推論請求；更大規模需靠 Layer-2 擴充套件。
• 資源計量精度：算力報價擬採用“Token/TFLOP·小時”或“Token/1000次推論”，支援浮點運算和視訊記憶體佔用兩個維度。資料集呼叫將按“GB·訪問次數”收費。
• 質押要求：成為驗證者或算力提供商可能需鎖定一定數量原生代幣（如相當於 10,000～100,000 美元的 Token），作為反女巫和罰沒基礎。具體數值由鏈上治理決定。
• 代幣總量與通脹（假設採用通脹模型）：初始供應量 10 億枚，年通脹率 5%～8% 用於激勵節點，逐步通過交易費消耗減少淨通脹。無公開信源確認，僅反映同類 DePIN 專案的常見區間。

---

技術路線

基於已揭露的技術社群討論及類似專案發展軌跡，Gloo 的技術演進可劃分為四個階段：

1. 實驗沙盒期（2024-2025）

   • 釋出測試網，核心元件：資源註冊合約、簡單任務分配合約、PoC 貢獻驗證模組。
   • 接入少量友好算力節點，跑通“單模型推論”基本流程。
   • 實現與 IPFS/Filecoin 的資料對接，支援靜態資料集呼叫。

2. 功能擴充套件期（2025-2026）

   • 引入支援組合式 AI 管線的編譯器與排程器。
   • 整合 ZKP 或 TEE 驗證，實現初步的隱私計算。
   • 釋出用於治理和質押的主網代幣，啟動去中心化驗證者網路。
   • 提供 Python/JavaScript SDK 和視覺化控制台。

3. 規模化與互操作（2026-2028）

   • 部署 Rollup 及鏈下任務處理網路，將高頻率推論任務上鍊成本降至忽略不計。
   • 通過 IBC（跨鏈通訊協議）或跨鏈橋與以太坊、Polkadot 等生態相連，接受多鏈代幣支付。
   • 建置去中心化身份（DID）系統，與資料合規路由結合，實現不同司法轄區的自動合規過濾。

4. 完全去中心化與社群治理（2028+）

   • 將協議核心程式碼及鏈升級權完全移交 DAO 治理。
   • 實現對複雜多模態大型模型的分散式訓練（如模型並行訓練拆分），讓千億引數模型的微調可以在無中心協調員的情況下完成。
   • 長期目標：成為 AI 應用間自動發現、信任與結算的底層協議，類似網際網路的 BGP 協議之於路由。

注：以上路線圖為基於行業同類型專案普遍發展路徑的合理推演，Gloo 團隊未公佈完整路線圖，公開資料未見精確里程碑時間表承諾。

---

上游

Gloo 產業鏈上游由三類資源供給方構成，它們是整個網路生產力的基礎。

1. 算力供給方

• 專業算力商：擁有數十至數千片 GPU 的挖礦公司轉型 AI 算力供應，如曾經為以太坊礦工的 Hut 8、HIVE Blockchain（轉型為 AI/HPC 服務）。它們提供較穩定的 GPU 叢集，2023 年市場調研公司 Liberta 估算，全球轉型為 AI 算力提供商的原有礦企總裝機功率超過 1 GW（未查到精確口徑）。
• 中小型雲端廠商與 IDC：一些區域性資料中心，如北美 Cyxtera、中國萬國資料等，正嘗試將剩餘的 GPU 機時通過去中心化平台變現。2023 年 CoreWeave 等新晉算力雲端的成功證明非頭部雲端廠也能通過 AI 算力租賃獲得高倍增長。
• 個人/邊緣算力：擁有遊戲顯示卡或Apple M 系列晶片的個人使用者，通過類似 Akash、iExec 的客戶端貢獻空閒算力。根據 Statista 資料，2023 年全球獨立 GPU 出貨量約 3500 萬片，其中很大比例具備 8 GB 以上視訊記憶體，可支援中小模型推論。

2. 資料供給方

• 資料市場：專注於去中心化資料交易的專案如 Ocean Protocol，允許資料所有者在鏈上釋出帶權限管理的資料服務，2024 年其網路鎖定的資料集總價值約 5 億美元（來源：Ocean Market 儀表板，2024 年 6 月）。
• 行業資料庫持有者：醫療、金融、工業等領域企業持有大量可訓練 AI 的專有資料，但受隱私法規限制難以直接出售。Gloo 等協議的隱私計算能力可能促使其成為“不出域”資料交易的通道。
• 資料標註 DAO：去中心化標註平台（如 Samasource、Hivemind）通過眾包提供結構化標註資料，按任務結算，可為 Gloo 網路持續供給高質量訓練資料。

3. 模型開發者

• AI 初創/研究機構：釋出開源預訓練模型（如 Llama 系列、Stable Diffusion、Mistral 系列）的機構。截至 2024 年 6 月，Hugging Face 上已託管超過 60 萬個模型（Hugging Face 官方資料），這部分開發者可將模型封裝為標準服務釋出到 Gloo 賺取呼叫費。
• 企業自有模型：金融機構的信用評分模型、製造業的缺陷檢測模型等，企業希望在保護模型權重不洩露前提下向外提供服務，Gloo 的 TEE 方案可提供這種“黑箱”呼叫環境。

---

下游

下游是直接或間接使用 Gloo 網路提供的 AI 能力的應用層與服務層。

1. AI 應用開發者（直接下游）

• 初創企業及獨立開發者：無預算採購大量專業 GPU，又不想被單一雲端廠商鎖定，可以通過 Gloo 組合不同節點提供的推論服務，以“按需付費”方式保持產品迭代。例如，開發一個即時多語言翻譯 + 情感分析的客服機器人，通過 Gloo 呼叫語音識別、翻譯、情感分析三個微服務。
• Web3 DApp 建置者：去中心化元宇宙、鏈上游戲、NFT 生成工具等天然需要抗審查且可組合的 AI。例如，一款鏈上游戲可以使用 Gloo 呼叫可驗證的 NPC 對話模型，確保遊戲邏輯透明。
• 企業合規團隊：需要處理跨轄區資料的 AI 稽核系統，可利用 Gloo 的合規路由功能，確保歐盟使用者的資料僅由位於歐盟且通過 GDPR 認證的節點處理。

2. 終端使用者（間接受益者）

• AI 消費者：通過使用整合了 Gloo 能力的 DApp 或 SaaS 服務，獲得更個性化、更注重隱私的 AI 結果。比如一個去中心化社交平台用 Gloo 來推薦內容，使用者的資料不會被集中式伺服器收集。
• 物聯網與邊緣場景：自動駕駛車機、智慧攝像頭等邊緣裝置可能並不直接訪問 Gloo，但未來的邊緣計算閘道器可充當代理，在本地無法完成推論時將非敏感特徵傳送到 Gloo 網路尋求更強的 AI 能力。

3. 服務與工具提供商

• 合規審計機構：為使用 Gloo 的企業提供鏈上資料處理流程的審計報告，驗證其是否遵循特定的資料保護標準。
• AI 模型評測 DAO：對 Gloo 網路上釋出的 AI 模型進行標準化評測，釋出鏈上可驗證的評分，幫助使用者選擇合適的模型組合。

---

受益公司

以下列舉涉及的實體，均基於它們在相關產業鏈的位置，不代表與 Gloo 專案存在官方合作或投資關係。

算力與硬體

• NVIDIA：幾乎任何去中心化 AI 算力網路都需要大量消費級/專業級 GPU，NVIDIA 作為 GPU 主導供應商，硬體需求的擴大直接帶動其資料中心及 GeForce 業務。2024 財年 NVIDIA 營收 609 億美元（年增長率 126%），AI 推論服務的去中心化或將開闢新銷售場景。
• AMD、Intel：提供競爭性 GPU/加速卡，受益於算力網路對異構計算的開放態度。
• 晶片代工（台積電、三星）：AI 晶片需求激增使先進製程產能持續滿載，間接利好。

雲端與資料中心

• CoreWeave、Lambda Labs：GPU 即服務的新興選手，通過去中心化協議有可能進一步拓展客戶群與突發負載的吸納渠道。
• 萬國資料、秦淮資料（中國）：擁有大量 5G 邊緣和智算中心儲備，去中心化 AI 計算可以助其盤活非高峰時段算力資產。

區塊鏈與加密生態

• 以太坊 L2/ZK 方案提供商（如 Polygon、Scroll、StarkWare）：為 Gloo 類協議提供驗證、結算與隱私計算所需的基礎技術元件，其生態發展與這類應用的需求增長存在正相關關係。
• Cosmos/Tendermint 生態開發商（如 Ignite、Confio）：如果 Gloo 採用 Cosmos SDK 建置應用鏈，這些工具開發商將獲益於客戶覆蓋面的擴大。
• 分散式儲存網路（Filecoin、Arweave）：作為資料分片和模型儲存的基礎層，每次資料呼叫均可能產生交易費營收。

AI 與資料

• 去中心化資料市場（Ocean Protocol）：網路效應提升，吸引更多資料買家和賣家上鍊。
• Hugging Face：作為模型倉庫，其託管模型被封裝到 Gloo 會增加平台流量和聲譽，間接促進其企業版的銷售營收。

中國方面，華為雲端、阿里雲端、騰訊雲端因其在 BaaS（區塊鏈即服務）和 AI 平台的雙重版面配置，具備將類似理念落地的技術模組，是潛在的概念受益者。但能否轉化為直接商業收益，取決於產品化進度與市場需求。

---

市場規模

• 去中心化雲端運算/DePIN 市場：據 Grand View Research 報告《Decentralized Cloud Market Size, Share & Trends Analysis Report, 2023-2030》，2022 年全球去中心化雲端服務市場規模約為 47 億美元，預計 2030 年達 580 億美元，年複合增長率 36.6%。其中，AI 算力作為新興板塊正進入快速增長期。

• 分散式 AI 計算市場：MarketsandMarkets 2023 年釋出的報告《Distributed AI Market – Global Forecast to 2028》給出，全球分散式 AI 計算市場（含訓練與推論）2023 年規模約 69 億美元，預計 2028 年增至 212 億美元，CAGR 25.1%。該口徑包括算力網格、聯邦學習、去中心化推論等多種技術。去中心化區塊鏈協作為其中子集，佔比暫時較小但增速可能高於平均。

• GPU 即服務市場：根據 SNS Insider 報告，2022 年 GPUaaS 市場為 25 億美元，2030 年有望突破 140 億美元（CAGR 約 25%）。去中心化 GPU 網路（如 Render Network、Akash、Gensyn 等）在 2023 年合計活躍 GPU 數量估測在 3 萬～5 萬片之間，僅佔總 GPUaaS 算力供應的不到 1%，但該比例正快速提升（來源：Messari DePIN Sector Report 2024 Q1）。

• 中國去中心化 AI 市場：公開資料未見有權威機構單獨統計“中國去中心化 AI 網路”市場規模。但據 IDC 資料，2023 年中國智慧算力規模約 155 EFLOPS，其中約 70% 由網際網路和雲端服務龍頭企業消化，中小企業自建算力有限，對低成本共享算力存在潛在需求。中國分散式雲端與邊緣 AI（含隱私計算）市場 2023 年約為 48 億元人民幣（來源：前瞻產業研究院），該統計口徑雖與 Gloo 不完全重合，但可側面反映“非集中式AI”服務的商業溫度。

---

玩家對比

以下是幾種常見去中心化 AI 相關專案的橫向對比，所有資訊截至 2024 年中，基於各專案公開文件。

專案	定位	技術特點	代幣/激勵模式	網路活躍度（近似）	與 Gloo 概念差異
Bittensor	去中心化機器學習網路	多個子網競爭執行 ML 任務，驗證者評估輸出質量，以 TAO 獎勵優質輸出	TAO 代幣，通脹獎勵	2024 年 Q2 有 40 多個子網，註冊節點超 10 萬（來源：Bittensor 瀏覽器）	專注於模型服務市場與集體智慧，不太強調通用算力或資料層的組合式 API
Render Network	分散式 3D 渲染 / GPU 算力	基於 GPU 的分散式渲染架構，後擴充套件至 AI 推論，使用工作量證明驗證	RNDR 代幣，按渲染任務支付	2024 年 Q1 活躍節點約 3,800，渲染幀數數億（Render Network 月報）	最初面向圖形渲染，AI 能力是近期擴充套件，缺乏原生的模型編排與跨資源協調
Akash Network	去中心化雲端運算市場	採用容器化部署，逆拍賣機制將計算資源競價售賣，支援 GPU	AKT 代幣，租賃者支付	2024 年 Q1 平均每月部署數約 7 萬（Akash Stats）	通用計算市場，AI 僅為其中一類工作負載，缺少 AI 模型登錄檔與管線編排
Gensyn	去中心化深度學習訓練	專注於訓練任務的分散式執行與證明，使用機率化驗證與圖編譯器	尚未發行代幣（計劃中）	2024 年仍在測試網階段，未揭露線上節點數	訓練與證明層強大，但尚無多層服務編排或資料集市場直接整合
Together.ai	中心化 + 去中心化混合的 AI 雲端	註冊即用的大型模型推論 API，後端聚合多種算力源，部分採用去中心化技術	無代幣，API 付費	2024 年公司揭露已服務數十萬開發者，擁有數千 GPU	不是完全去中心化協議，屬於商業公司提供低成本聚合服務
Gloo（概念）	全棧鏈–雲端 AI 基礎設施協議	資源層 + 協調層 + 服務層，強調可組合 AI 管線、貢獻證明與隱私計算	假設的原生代幣，用於激勵與治理	尚無主網資料，概念階段	目標是最完整的鏈–雲端融合，涵蓋算力、資料、模型三層，技術複雜度最高

來源：各專案官網、白皮書、Messari 研究報告。部分資料為公開可查範圍。

---

風險

1. 技術可行性與效能風險

• 區塊鏈吞吐量瓶頸：即使通過 L2 和狀態通道大幅壓縮，鏈上驗證數千個節點間頻繁的小型推論任務仍存在端到端延遲風險，不適合對即時性要求極高的自動駕駛、高頻量化等場景。
• 驗證的可信度：ZKP 在 AI 推論過程的證明生成開銷極大，目前證明一張圖片分類的典型電路可能需要數十秒的證明時間，成本數美元，距離實用還有距離。可信執行環境（TEE）部署在去中心化環境下也存在側通道攻擊和廠商閉源性擔憂。
• 大規模協調：當節點規模來到數十萬級，任務分配的公平性、防止算力女巫攻擊、網路分片下的資料一致性等問題尚未在真實環境中解決。公開資料未見 Gloo 或其同類協議的大規模效能測試報告。

2. 經濟模型脆弱性

• 激勵錯配：代幣獎勵可能催生“刷量”行為——節點提交簡單無意義的計算任務來騙取獎勵，而驗證者由於檢查成本高而“睜隻眼閉隻眼”。若無強健的經濟博弈設計，網路將充斥垃圾貢獻。
• 代幣價格與生態脫節：如果原生代幣成為投機物件，算力提供者的實際收益因幣價劇烈波動而極不穩定，可能導致優質算力流出，形成惡性迴圈。
• 價值捕獲困難：協議層的代幣價值需要來自實際需求（使用者用代幣支付算力），但若使用者更傾向用穩定幣支付，而協議用風投資金補貼早期激勵，則代幣長期價值支撐薄弱。

3. 監管與法律真空

• 資料跨境：去中心化節點全球分佈，資料可能被路由到不符合 GDPR 或中國《資料安全法》的地區，即便協議層定義了路由規則，節點可能繞過或做假節點宣告，責任難以追究。
• 證券法風險：若代幣被認定為證券，開發團隊和節點運營商可能面臨訴訟和退市風險。2023 年美國 SEC 已對多個加密專案採取行動，代幣經濟設計必須避免構成投資合同。
• AI 內容合規：網路上提供的模型可能生成違法或有害內容，去中心化結構導致難以落實內容過濾，或追責端使用者，但監管可能要求協議本身承擔刪除義務，這與其去中心化抗審查本質衝突。

4. 市場競爭與護城河

• 雲端巨頭的降維打擊：AWS、Azure 等已提供彈性的 AI 推論服務，且擁有巨大品牌信任度、SLA 保證、全球化網路。如果巨頭大幅降價或推出整合的區塊鏈驗證服務（如 AWS 的 Managed Blockchain + SageMaker），Gloo 類協議可能喪失成本優勢。
• 協議冷啟動：需同時吸引算力方、資料方、開發者三方，任一方的缺失都會阻礙另外兩方的加入。沒有殺手級應用驅動初期需求，網路可能陷入“空轉”。

---

誤讀糾偏

誤區 1：Gloo 就是把雲端運算搬到區塊鏈上。
糾正：不是簡單的“上鍊”，而是通過區塊鏈重構信任模型和資源協調方式。傳統雲端運算依賴中心服務商的信用，Gloo 則用協議層實現無需信任的交易、執行驗證與支付，讓互不認識的各方可以安全協作 AI 任務。

誤區 2：去中心化 AI 網路會導致大量 GPU 空轉無效浪費。
糾正：理想的協議設計通過貢獻證明和質押懲罰確保節點只執行有用任務，無效任務不獲獎勵，甚至被罰沒。雖然有經濟設計失敗的可能，但這不是去中心化本身的必然結果。

誤區 3：Gloo 會立刻取代傳統雲端 AI。
糾正：它更適合彈性、長尾、抗審查或隱私合規的細分場景，短期內是補充而非替代。傳統雲端廠商的 SLA 保障、全棧服務和客戶支援是去中心化網路難以匹敵的。

誤區 4：只要接入網路，就能自動獲得便宜算力。
糾正：算力定價取決於供需，流行模型或特定區域節點稀缺時價格可能高於主流雲端。且需考慮鏈上驗證成本和資料傳輸開銷，實際總成本未必永遠更低。

誤區 5：Gloo 是一個已上線的成熟專案。
糾正：多數鏈–雲端融合 AI 協議仍處於概念驗證、測試網或極早期主網階段，Gloo 名稱也可能用於指代這一類架構概念而非特定產品。任何投資或採用決策需核對具體專案的主網狀態、審計報告和社群活躍度。

---

最新事件

• 類似協議融資動態（2024 年上半年）：Gensyn 完成 4,300 萬美元 A 輪融資，由 a16z 領投；Together AI 完成 1.06 億美元 B 輪融資；Bittensor 生態獲機構投資者廣泛關注，TAO 市值一度進入加密資產前 30。表明市場對去中心化 AI 計算賽道的資金注入持續升溫（來源：CoinDesk, The Block 報道）。
• 技術整合進展：以太坊基金會資助了數個結合 ZK 與 AI 推論的研究專案，例如 zkML 方向的 EZKL 和 Modulus Labs，未來可為 Gloo 類協議提供更高效的鏈上驗證方案。2024 年 5 月，Risc Zero 宣佈推出針對 AI 推論的 ZK 證明器，將證明生成時間壓縮至秒級（官方部落格）。
• 監管訊號：2024 年 4 月，美國 SEC 向多個加密 AI 專案的代幣發行提出問詢，強調“AI 類代幣”若滿足 Howey 測試條件將被視為證券。去中心化 AI 網路的專案方開始調整經濟模型，部分轉向純工作代幣或治理代幣模型（《華爾街日報》報道）。
• 中國本土實踐：工信部等六部門 2023 年底釋出《算力基礎設施高質量發展行動計劃》，鼓勵分散式雲端和邊緣計算，但並未提及區塊鏈與加密資產驅動的激勵網路。國內數家雲端運算廠商推出了基於區塊鏈的模型存證與溯源服務，如螞蟻鏈的 AI 資料存證，屬於模組級應用，未形成 Gloo 級別的全棧鏈。
• Gloo 自身進展：截至 2024 年 6 月，公開資料未見 Gloo 釋出測試網、白皮書或有知名投資機構背書，市場上以此名稱命名的協議或專案不明確。本概念頁所描述的技術特徵整合了多個同類項目的理想目標，作為分析架構參考。

---

追蹤指標

用於衡量 Gloo 類協議健康度及產業進展的核心指標：

1. 全網活躍 GPU 節點數：反映算力供給的規模和去中心化程度，可按周追蹤。來源：區塊瀏覽器、Messari DePIN 儀表板。
2. 每月 AI 任務完成量：輕量推論任務數、大型訓練任務數，體現網路實際使用量。來源：協議官網統計頁或鏈上合約事件。
3. 平均算力價格（美元/ TFLOP·小時）：與 AWS p4d 例項或 Lambda GPU 雲端價格對比，判斷成本優勢。來源：各算力市場 API 報價。
4. 質押率 / 總質押價值：代幣總質押量佔流動供應量的比例，顯示節點對網路的長期承諾和作惡成本。
5. 開發者活躍度：GitHub 上核心程式碼提交頻率、接入 SDK 的下載量、註冊模型數。資料來源：GitHub、Hugging Face 模型卡。
6. 驗證者數量與 Nakatomo 係數：驗證者數量和去中心化程度，關注前 5 大驗證者控制的總質押比例。
7. 生態 TVL（鎖倉價值）：鎖定在協議代幣、資料預購、任務預存上的總價值，用以評估生態資金規模。
8. 合規節點比例：標記為滿足特定司法轄區（如 EU GDPR、中國境內）的節點數佔總節點數比例，用於追蹤監管適應性。
9. 外部整合數量：接入 Glo 類網路作為後端的 DApp、SaaS 工具、資料市場數量。
10. 市場情緒與搜尋熱度：Google Trends、X（推特）關於“Gloo AI”或相關協議的討論量，輔助判斷公眾注意力。

---

信源

• Grand View Research. (2023). Decentralized Cloud Market Size, Share & Trends Analysis Report, 2023–2030.
• MarketsandMarkets. (2023). Distributed AI Market – Global Forecast to 2028.
• SNS Insider. (2023). GPU as a Service Market Size & Share Analysis Report 2023-2030.
• Messari. (2024). State of DePIN Q1 2024 Report.
• Bittensor 白皮書及官方文件. https://bittensor.com/
• Render Network 知識庫及 2024 Q1 月報. https://know.rendernetwork.com/
• Akash Network 主站與統計儀表板. https://akash.network/
• Gensyn 技術部落格. https://gensyn.ai/
• Together AI 官網與公司公告. https://www.together.ai/
• Hugging Face 公開模型庫統計資料. https://huggingface.co/models
• CoinDesk, The Block 關於去中心化 AI 賽道的融資報道 (2024)。
• 美國 SEC 關於加密資產的公開發布及相關新聞報道 (2024)。
• 前瞻產業研究院. (2023). 中國分散式雲端與邊緣 AI 市場報告.
• IDC. (2023). 中國智慧算力發展白皮書.
• 以太坊基金會與 zkML 方向研究資助公告 (2023-2024)。
• Risc Zero, Modulus Labs 關於 AI 推論的零知識證明技術部落格。
• 中國《算力基礎設施高質量發展行動計劃》（2023）。

說明：以上資訊截至 2024 年 6 月，部分資料為估算或行業通用認知。Gloo 概念的具體專案實體資訊有限，本頁旨在提供分析架構，不構成任何專案背書。文中提及的所有公司名稱、專案名稱均為客觀描述，不做推薦。