deepseek 對 web3 ai 上下游協議產生的影響

deepseek 戳破 agent 賽道最後的泡沫，defai 可能孕育新生，行業融資方式迎來轉變。

撰文：kevin, the researcher at blockbooster

tl;dr

• deepseek 的出現擊碎算力護城河，開源模型引領的算力優化成為新方向;

• deepseek 利好行業上下游中的模型層與應用層，對基礎設施中的算力協議產生消極影響;

• deepseek 的利好無意中戳破 agent 賽道最後的泡沫，defai 最有可能孕育新生;

• 項目融資的零和遊戲有望迎來終結，社區發射 + 少量 vc 的新融資方式可能成為常態。

deepseek 引發的衝擊會在今年對 ai 產業的上下游產生深遠的影響，deepseek 成功讓家用消費級顯卡完成了原本大量高端 gpu 才能承擔的大模型訓練任務。圍繞 ai 發展的第一護城河——算力，開始崩塌，當算法效率以每年 68% 的速度狂奔，而硬體性能遵循摩爾定律的線性爬升時，過去三年根深蒂固的估值模型不再適用，ai 的下一章，將由開源模型來開啟。

儘管 web3 的 ai 協議和 web2 的完全不同，但也不可避免地承受 deepseek 的影響，這種影響會對 web3 ai 上下游：基礎設施層、中間件層、模型層和應用層，催生出全新的用例。

梳理上下游協議的協作關係

通過技術架構、功能定位和實際用例的分析，我將整個生態劃分為：基礎設施層、中間件層、模型層、應用層，並梳理其依賴關係：

基礎設施層

基礎設施層提供去中心化的底層資源（算力、存儲、l1），其中算力協議有：render、akash、io.net 等;存儲協議有：arweave、filecoin、storj 等;l1 有：near、olas、fetch.ai 等。

算力層協議支撐模型訓練、推理和框架的運行;存儲協議保存訓練數據、模型參數和鏈上交互記錄;l1 通過專門的節點優化數據傳輸效率，降低延遲。

中間件層

中間件層是連接基礎設施與上層應用的橋樑，提供框架開發工具、數據服務和隱私保護，其中數據標註協議有:grass、masa、vana 等;開發框架協議有：eliza、arc、swarms 等;隱私計算協議有：phala 等。

數據服務層為模型訓練提供燃料，開發框架依賴基礎設施層的算力和存儲，隱私計算層保護數據在訓練/推理中的安全性。

模型層

模型層用於模型開發、訓練和分發，其中開源模型訓練平台：bittensor。

模型層依賴基礎設施層的算力和中間件層的數據;模型通過開發框架部署到鏈上;模型市場將訓練成果輸送到應用層。

應用層

應用層是面向終端用戶的 ai 產品，其中 agent 包括：goat、aixbt 等;defai 協議有：griffain、buzz 等。

應用層調用模型層的預訓練模型;依賴中間件層的隱私計算;複雜應用需要基礎設施層的實時算力。

deepseek 可能對去中心化算力產生消極影響

據抽樣調查顯示，約 70% 的 web3 ai 項目實際調用 openai 或中心化雲平台，僅 15% 的項目使用去中心化 gpu（如 bittensor 子網模型），剩餘 15% 為混合架構（敏感數據本地處理，通用任務上雲）。

去中心化算力協議的實際使用率遠遠低於預期，與其實際市值並不匹配。造成使用率低的原因有三點：web2 開發者遷移至 web3 時沿用原有工具鏈;去中心化 gpu 平台尚未實現價格優勢;部分項目以“去中心化”為名規避數據合規審查，實際算力仍依賴中心化雲。

aws/gcp 占據 ai 算力 90%+ 的市場份額，與之相比 akash 的等效算力僅為 aws 的 0.2%。中心化雲平台護城河有：集群管理、rdma 高速網絡、彈性擴縮容;去中心化雲平台有上述技術的 web3 改良版本，但是無法完善的缺陷有，延遲問題：分布式節點通信延遲是中心化雲的 6 倍;工具鏈割裂：pytorch/tensorflow 未原生支持去中心化調度。

deepseek 通過稀疏訓練（sparse training）減少 50% 算力消耗，動態模型剪枝實現消費級 gpu 訓練百億參數模型。市場對於短期內高端 gpu 的需求預期大幅下調，邊緣計算的市場潛力被重新估值。如上圖所示，deepseek 出現之前，行業內的巨大多數協議和應用都使用 aws 等平台，只有極少數用例部署在去中心化 gpu 網絡中，這類用例看中後者在消費級算力上的價格優勢，並且不關注延遲的影響。

這種情況可能隨著 deepseek 的出現進一步惡化。deepseek 釋放了長尾開發者的限制，低成本高效的推理模型將以前所未有的速度普及，事實上，當下上述中心化雲平台和不少國家都已經開始部署 deepseek，推理成本的大幅降低會催生大量前端應用，這些應用對於消費級 gpu 有著龐大的需求。面對即將到來的龐大市場，中心化雲平台會開展新一輪的用戶爭奪戰，不僅是和頭部平台競爭，還是和無數小型中心化雲平台的競爭。而最直接的競爭方式就是降價，可以預見 4090 在中心化平台的價格會迎來下調，這對 web3 的算力平台來說可謂滅頂之災。當價格不是後者的唯一護城河，行業內的算力平台也被迫下調價格時，結果是 io.net、render、akash 們無法承受的。價格戰將摧毀後者僅存的估值上限，收益下降和用戶流失帶來的死亡螺旋可能讓去中心化算力協議轉型新的方向。

deepseek 對行業上下游協議帶來的具體意義

如圖所示，我認為 deepseek 會對基礎設施層、模型層以及應用層帶來不同影響，從積極影響來說：

• 應用層會收益於推理成本的大幅降低，更多的應用可以用低成本確保 agent 應用長時間在線，並實時完成任務;

• 同時 deepseek 這樣的低成本模型開銷，可以讓 defai 協議組成更複雜的 swarm，成千的 agent 被用於一個用例上，每個 agent 的分工將非常細微且明確，這樣能大幅提高用戶使用體驗，避免用戶輸入被模型錯誤拆解和執行;

• 應用層的開發者可以微調模型，給 defi 相關 ai 應用投餵價格，鏈上數據與分析，協議治理的數據，而不必再支付高昂的牌照費用。

• 開源模型層在 deepseek 出世後，存在意義被證明，高端模型開放給長尾開發者，可以刺激廣泛的開發熱潮;

• 過去三年圍繞高端 gpu 構建的算力高牆被徹底打破，開發者有更多選擇，更為開源模型確立方向，未來 ai 模型比拼的將不再是算力而是算法，信念的轉變會成為開源模型開發者的信心基石;

圍繞 deepseek 的特定子網會層出不窮，在同等算力下的模型參數會上升，會有更多開發者加入開源社區。

從消極影響來說：

• 基礎設施中算力協議客觀存在的使用延遲無法被優化;

• 並且 a100 和 4090 組成的混合網絡對於協調算法要求更高，而這並非去中心化平台的優勢。

deepseek 戳破 agent 賽道最後的泡沫，defai 可能孕育新生，行業融資方式迎來轉變

agent 是行業內 ai 最後的希望，deepseek 的出現，解放了算力限制，描繪出應用爆發的未來預期。本是對 agent 賽道的巨大利好，卻由於行業和美股以及美聯儲政策的強關聯，被戳破僅剩的泡沫，賽道市值跌入谷底。

ai 與行業的融合浪潮中，技術突破與市場博弈始終如影隨形。英偉達市值震盪引發的連鎖反應，恰似一面照妖鏡，映照出行業內 ai 敘事的深層困境：從 on-chain agent 到 defai 引擎，看似完整的生態圖譜下，掩蓋著技術基建薄弱、價值邏輯空心化、資本主導的殘酷現實。表面繁榮的鏈上生態暗藏隱疾：大量高 fdv 代幣爭奪有限流動性，陳舊資產依靠 fomo 情緒苟延殘喘，開發者困在 pvp 內卷中消耗創新勢能。當增量資金與用戶增長觸及天花板，整個行業陷入“創新者的窘境”——既渴望突破性敘事破局，又難以擺脫路徑依賴的枷鎖。這種撕裂狀態恰為 ai agent 提供了歷史性機遇：它不僅是技術工具箱的升級，更是價值創造範式的重構。

過去一年，行業里越來越多團隊發現，傳統融資模型正在失效——給 vc 小份額、高度控盤、等上所拉盤的套路已難以為繼。vc 口袋收緊、散戶拒絕接盤、大所上幣門檻高企，三重壓力下，一套更適應熊市的新玩法正在崛起：聯合頭部 kol+ 少量 vc，大比例社區發射，低市值冷啟動。

以 soon 和 pump fun 為代表的創新者正通過“社區發射”開闢新路徑——聯合頭部 kol 背書，將 40%-60% 代幣直接向社區分發，在低至 1000 萬美金 fdv 的估值水位啟動項目，實現數百萬美金融資。這種模式通過 kol 影響力構建共識 fomo，使團隊提前鎖定收益，同時以高流通性換取市場深度，雖放棄短期控盤優勢，卻可通過合規做市機制在熊市低價回購代幣。本質而言，這是權力結構的範式遷移：從 vc 主導的擊鼓傳花遊戲（機構接盤 – 上所拋售 – 散戶買單），轉向社區共識定價的透明博弈，項目方與社區在流動性溢價中形成新型共生關係。當行業邁入透明度革命周期，執著於傳統控盤邏輯的項目，或將淪為權力遷移浪潮下的時代殘影。

市場短期陣痛恰恰印證著技術長潮的不可逆。當 ai agent 將鏈上交互成本降低兩個數量級，當自適應模型持續優化 defi 協議的資金效率，行業有望迎來苦等已久的 massive adoption。這場變革不依靠概念炒作或資本催熟，而是紮根於真實需求的技術穿透力——就像電力革命不曾因燈泡企業的破產而停滯，agent 終將在泡沫破滅後成為真正的黃金賽道。而 defai 可能正是孕育新生的沃土，當低成本推理成為日常，我們可能很快看到上百 agent 被組合到一個 swarm 中的用例誕生。在等效算力下，模型參數大幅上升可以確保開源模型時代的 agent 可以被更充分的微調，即使面對用戶複雜的輸入指令，也能拆分為單一 agent 可以充分執行的任務 pipeline。每個 agent 優化鏈上操作，可能會促進整體 defi 協議活躍度增加和流動性上升。以 defai 為首更多複雜的 defi 產品會出現，而這正是上一輪泡沫破滅後，新的機會出現的地方。

歡迎加入深潮techflow官方社群

telegram訂閱群：https://www.gushiio.com/TechFlowDaily
twitter官方帳號：https://www.gushiio.com/TechFlowPost
Twitter英文账号：https://www.gushiio.com/DeFlow_Intern