鏈上 AI 推理是什麼？Orbio、Surplus 與 Antseed 的算力商業模式有何不同？

鏈上 AI 推理（On-Chain AI Inference）是指將人工智慧模型的推理流程與區塊鏈支付、身分、激勵或驗證機制結合的技術模式。與完全在區塊鏈虛擬機中執行模型計算不同，實際上的大規模 AI 推理通常仍由鏈下 GPU、CPU 或專用加速器完成。區塊鏈主要負責記錄交易、協調參與者，或提供可驗證的經濟關係。

隨著 AI Agent、自動化交易和生成式 AI 應用發展，推理正逐漸成為持續消耗計算資源的服務。模型訓練通常具有階段性，但推理會隨著使用者請求和 Agent 呼叫持續發生。這使算力市場的關注點逐漸從「誰擁有 GPU」轉向「誰能以穩定的價格、速度和品質交付推理結果」。

Orbio、Surplus 與 Antseed 代表了值得關注的去中心化 AI 基礎設施探索方向。本文將從 AI 推理的技術原理出發，討論算力供給、任務協調和商業變現之間的關係，並比較 3 個專案的市場定位、潛在優勢及需要驗證的關鍵指標。

核心要點

• 鏈上 AI 推理並不代表模型必須直接在區塊鏈上執行。多數實際方案採用鏈下執行、鏈上支付或驗證的混合架構，以避免區塊鏈執行成本和吞吐量限制。

• 去中心化 AI 算力市場試圖連接閒置計算資源與 AI 應用需求。其核心問題不僅是算力是否充足，還包括任務調度、服務品質、推理延遲和資源利用率。

• Orbio、Surplus 與 Antseed 可以從不同商業環節進行比較。需要區分算力資源供給、推理服務交付和網路協調機制，而不能僅憑 AI 或 DePIN 標籤判斷其商業模式。

• 推理服務的商業價值取決於實際需求。GPU 數量、網路節點和代幣交易量都不能直接代表真實推理收入，持續付費的使用者和服務毛利更能反映業務品質。

• 去中心化推理仍面臨技術與經濟挑戰。模型載入、硬體異質性、結果驗證、資料隱私和服務穩定性，都會影響其與中心化雲端服務的競爭能力。

什麼是鏈上 AI 推理？為什麼它正成為 AI 與 Web3 的交會點？

AI 推理是指已完成訓練的模型接收輸入，並產生預測、文字、圖像或其他結果的過程。例如，使用者向大型語言模型提問，模型產生回答；AI Agent 分析市場資料並決定下一步操作；應用程式呼叫模型 API 進行內容分類，這些都屬於推理場景。

與模型訓練不同，推理需求通常更加分散、持續且高頻。訓練可能集中在特定時間使用大量計算資源，但推理成本會隨著使用者數量、模型呼叫次數和上下文長度持續增加。對於需要全天候運作的 AI Agent 而言，推理費用甚至可能成為影響商業模式的重要成本。

鏈上 AI 推理市場試圖解決的是推理服務的資源組織和交易問題，而不一定是將 AI 計算本身移至區塊鏈上。實際工作流程通常包含 4 個環節：需求方提交模型呼叫請求，市場尋找能夠提供服務的供應商，鏈下計算環境執行推理，再透過相應的支付或結算機制完成費用處理。

這種結構將區塊鏈的可程式化支付能力與鏈下 AI 計算結合，使不同參與者能夠圍繞模型呼叫、算力資源和服務價格建立市場關係。

但這裡需要區分 2 個概念：鏈上協調的 AI 推理與可驗證的 AI 推理。前者強調支付、激勵和市場組織，後者強調能否證明模型確實按照要求執行。一個平台支援 USDC 支付或鏈上憑證，並不代表它已經實現密碼學意義上的推理結果驗證。

為什麼去中心化 AI 推理市場能夠提供低價服務？

傳統 AI API 服務通常由模型提供商或雲端服務商直接定價。使用者支付費用後，透過統一介面呼叫模型，取得相應的推理結果。這種模式的優勢是服務穩定、整合簡單，但價格和供應條件主要由服務商決定。

去中心化 AI 推理市場則試圖引入更多供應主體。不同服務商可以提供模型 API 額度、閒置 GPU 資源或自行部署的推理服務，透過競爭爭取使用者請求。

低價主要可能來自 3 種機制。

第一種是 API 額度聚合與轉售。市場將不同渠道的模型呼叫能力彙集起來，透過採購成本差異、服務商競爭或平台補貼提供折扣。其優勢是不必從零開始建置模型基礎設施，但實際成本仍取決於上游服務。

第二種是閒置算力利用。擁有 GPU 的個人或機構可以在閒置時提供推理能力，提高硬體利用率。不過，這類模式需要解決裝置效能差異、模型部署和服務穩定性問題。

第三種是代幣激勵與市場補貼。平台可以透過獎勵、積分或鏈上憑證降低使用者的表面支付價格，吸引早期需求。但如果折扣主要由補貼支撐，而不是計算效率提升，長期價格優勢就可能難以持續。

因此，判斷一個平台是否真正降低推理成本，不能只比較展示的 API 價格，還需要考察補貼來源、上游成本、服務品質，以及補貼減少後的可持續性。

Orbio 是什麼？它如何讓 AI Agent 自主購買推理額度？

Orbio 的核心定位是面向 AI Agent 的推理資源市場。它不僅提供模型呼叫入口，還嘗試將推理額度轉化為能夠透過鏈上資產購買和管理的資源，使智慧體可以圍繞自身任務安排推理預算。

與傳統 API 訂閱模式不同，Orbio 引入了 CREDIT 憑證。在其設計中，每枚 CREDIT 對應平台閘道內價值 1 美元的模型呼叫額度。使用者或智慧體可以透過購買並兌換 CREDIT 取得推理服務。

這種模式的意義在於，讓推理預算成為可程式化的資源。例如，擁有錢包和支出權限的 AI Agent 可以根據任務需求購買額度，再透過模型介面完成資訊分析、內容生成或其他自動化工作。

Orbio 還嘗試將推理服務與智慧體建立、代幣發行和交易功能連結起來。開發者可以圍繞智慧體建立應用程式及相關資產，從而形成模型呼叫、智慧體運作和鏈上交易之間的關聯。

但這種設計存在一個重要問題：推理額度的發行和交易，不一定代表真實的推理消費。

如果 CREDIT 的市場價格低於其標稱呼叫額度，使用者可能因為折扣而購買，也可能出於交易或套利預期而持有。此時，憑證交易活躍度與實際模型呼叫量可能出現明顯差異。

此外，如果折扣主要依賴交易手續費產生的獎勵，就需要持續的交易活動提供支援。一旦市場交易減少，補貼規模和折扣水準可能發生變化。

因此，評估 Orbio 時，應重點觀察 CREDIT 的實際兌換率、模型呼叫量、重複使用的使用者數量，以及在缺少交易激勵的情況下，推理消費是否仍能持續成長。

TechFlow

Surplus Intelligence 是什麼？它如何透過算力聚合降低 AI 呼叫成本？

Surplus Intelligence 更接近 AI 推理服務聚合市場。它允許不同服務商提供模型呼叫介面，並透過自主定價和請求路由，讓使用者從多個供應來源取得推理服務。

與 Orbio 強調智慧體經濟和鏈上憑證不同，Surplus 的商業邏輯相對直接：將分散的模型服務整合為統一的呼叫市場，透過供應商競爭改善價格與服務選擇。

服務商可以提供不同模型介面，平台根據路由規則將請求分配給相應供應商。使用者不必分別與每個模型服務商建立獨立的呼叫流程，而是可以透過聚合市場取得服務。

這種模式的優勢在於容易理解，也更接近傳統 API 聚合業務。平台的核心競爭力不是發行多少代幣，而是能否持續吸引可靠的服務商、處理真實呼叫請求，並保持較低的價格和穩定的回應速度。

Surplus 還引入了敏感資訊去識別化功能，嘗試在將請求傳送給外部模型服務商之前，將部分 API 金鑰或其他敏感欄位替換為預留位置。這有助於降低敏感資訊直接暴露給服務商的風險。

不過，去識別化並不代表端對端隱私保護。負責處理原始請求的平台仍可能接觸敏感內容，使用者需要關注資料存取權限、日誌保留和第三方服務商的安全邊界。

Surplus 的另一個特點是產品使用與代幣價值之間的關係相對有限。現有公開資訊顯示，SURPLUS 代幣尚未直接承擔推理費用支付、請求路由或市場收入分配等核心功能。

這表示，即使平台推理請求持續增加，也不能直接推導出代幣需求會同步增加。平台商業收入與代幣價值捕獲，是 2 個需要分別驗證的問題。

TechFlow

Antseed 是什麼？開放式 P2P 算力網路如何運作？

Antseed 採用與 Orbio 和 Surplus 不同的架構。它更強調開放式點對點（P2P）算力發現網路，讓需求方直接尋找可用的推理服務提供者，而不是完全依賴統一閘道進行請求分配。

在這種模式下，算力提供者可以自行加入網路並公布可提供的模型服務，需求方則根據模型類型、價格及其他條件選擇供應商。平台主要承擔服務發現和網路協調等職責。

這種架構的潛在優勢是減少對單一閘道的依賴，讓不同規模和類型的算力提供者參與競爭。對於有特殊模型需求的開發者而言，開放網路也可能提供更多供應選擇。

但 P2P 架構會帶來額外的服務品質問題。不同提供者的硬體效能、網路延遲和運作穩定性可能存在明顯差異。即使供應商宣稱提供某種模型，也需要考慮如何驗證其實際執行的模型與宣傳內容是否一致。

因此，Antseed 的設計還涉及信譽與質押機制。其 ANTS 代幣被規劃用於市場信譽和參與者激勵，服務提供者可以透過質押參與相關信譽體系，並爭取獲得獎勵資格。

與依賴交易手續費獎勵的 Orbio 不同，Antseed 目前公開的獎勵設計主要依靠專案國庫資金，而不是直接從推理交易收入中分配。這表示獎勵發放與真實業務收入之間仍可能存在差距。

截至 2026 年 10 月下旬，ANTS 尚未公開交易，相關代幣機制的長期可持續性仍需要進一步驗證。

TechFlow

Orbio、Surplus 與 Antseed 的算力商業模式有何不同？

雖然 3 個專案都試圖降低 AI 推理的取得成本，但它們實際上在解決不同的問題。

Orbio 重點解決 AI Agent 如何購買和管理推理資源的問題；Surplus 重點解決不同模型服務商之間的價格競爭和請求分配問題；Antseed 則嘗試透過開放網路連接算力供需雙方。

從商業模式來看，3 個專案還可以進一步歸納為不同的收入與激勵結構。

Orbio 更接近推理額度與智慧體資產經濟的結合。它嘗試透過 CREDIT 將推理消費和鏈上資產連結起來，但需要證明實際消費能夠支撐市場運作，而不是主要依賴交易活動。

Surplus 更接近傳統的 API 聚合服務。其核心商業機會在於聚合供應、處理呼叫請求和提供增值功能，但實際平台收入、利潤率及其與代幣的關係仍需獨立評估。

Antseed 更接近開放式算力服務發現網路。它嘗試透過信譽與質押機制協調供需，但需要驗證服務商品質、實際成交規模，以及除了國庫激勵之外是否能夠形成穩定的收入來源。

因此，3 者之間的競爭並非簡單比較誰的推理價格最低，而是比較誰能夠建立更穩定的供應網路、吸引持續付費的使用者，並形成能夠覆蓋營運成本的經濟結構。

如何判斷去中心化 AI 推理專案是否具有真實需求？

AI 推理專案通常會展示模型數量、支援的服務商、推理請求次數或代幣交易活動，但這些指標不能直接等同於真實商業收入。

• 需要關注實際付費呼叫量。一個平台處理了大量請求，並不代表所有請求都來自獨立付費使用者。測試請求、獎勵驅動的呼叫或低成本自動化流量，都可能推高使用數據。

• 需要觀察使用者留存和重複消費。如果開發者只是因為早期補貼而使用平台，一旦折扣消失就轉向其他服務，那麼現有使用量未必能夠持續。相反地，持續運作的 AI Agent、穩定呼叫 API 的應用程式，以及願意按市場價格付費的開發者，更能說明產品具備實際需求。

• 需要分析推理服務的真實成本。較低的展示價格可能來自上游採購優勢，也可能來自代幣補貼。只有在考慮計算成本、頻寬、路由、支付和營運費用後，才能判斷平台是否具有可持續的盈利能力。

• 需要區分平台收入與代幣價值。平台可能擁有大量使用者，但代幣並不參與支付、質押或收入分配。反過來，代幣交易活躍也不代表推理服務已經獲得市場認可。

• 需要關注服務品質。推理延遲、請求成功率、模型一致性和資料安全，都是開發者選擇基礎設施的重要因素。如果平台無法提供穩定的服務，即使價格較低，也可能難以進入生產環境。

這些指標共同構成評估去中心化 AI 推理市場的基本框架。相比單一的交易量或代幣價格，持續付費需求與實際服務交付能力更值得關注。

去中心化 AI 推理市場面臨哪些風險？

去中心化 AI 推理的主要挑戰，並不只是能否找到便宜的 GPU，而是能否以穩定、可驗證且安全的方式交付模型服務。

在技術層面，不同硬體和服務商之間可能存在效能差異。模型載入時間、回應延遲、並行處理能力和故障復原機制，都會影響應用體驗。對於需要連續執行任務的 AI Agent 而言，單次推理失敗可能導致整個工作流程中斷。

在安全層面，模型請求可能包含使用者資料、業務資訊，甚至敏感憑證。即使平台採用去識別化、可信任執行環境或其他保護措施，也需要明確哪些參與者能夠接觸原始輸入，以及資料是否會被記錄或保留。

在經濟層面，代幣獎勵可能幫助市場取得早期流動性，但也可能掩蓋真實供需關係。如果獎勵主要依賴國庫資金或交易活動，專案需要說明在補貼減少後，如何維持服務價格和供應商收入。

在市場層面，去中心化平台還需要面對成熟雲端服務和 AI API 提供商的競爭。中心化服務通常具備統一的服務標準、成熟的開發工具和較完善的客戶支援。去中心化市場需要透過價格、開放性、可組合性或特定場景優勢，證明使用者為何應該改變現有的採購方式。

因此，去中心化並不天然代表成本更低、隱私更好或服務更可靠。不同架構之間存在取捨，使用者應根據實際需求選擇合適的推理服務。

總結

鏈上 AI 推理市場正嘗試重新組織模型呼叫和計算資源的供需關係。其核心價值不一定來自將 AI 計算放到區塊鏈上，而是透過鏈上支付、市場協調、憑證和激勵機制，讓更多參與者能夠提供和取得推理服務。

Orbio、Surplus Intelligence 與 Antseed 展示了 3 種不同的發展路徑：Orbio 強調 AI Agent 自主購買推理額度，Surplus 透過 API 聚合與價格競爭連接供需，Antseed 則嘗試建立開放式 P2P 算力發現網路。

3 種模式各有優勢，也都面臨需要驗證的問題。Orbio 需要證明 CREDIT 的真實消費需求，Surplus 需要建立平台業務與代幣之間清晰的經濟關係，Antseed 則需要解決服務品質與激勵可持續性。

對整個賽道而言，未來競爭的關鍵可能不再是單純提供最低的推理報價，而是能否形成穩定的服務交付能力、持續付費需求，以及不依賴短期補貼的商業模式。

FAQ

鏈上 AI 推理是什麼意思？

鏈上 AI 推理通常是指將 AI 模型推理與區塊鏈支付、激勵、身分或驗證機制結合。實際模型計算多數仍在鏈下完成。

鏈上 AI 推理和去中心化 GPU 算力有什麼區別？

去中心化 GPU 算力強調計算資源的供應和租賃，鏈上 AI 推理市場則更關注模型呼叫、請求路由、費用結算和服務交付。兩者可能重疊，但並不完全相同。

Orbio 的 CREDIT 有什麼用途？

CREDIT 被設計為 Orbio 平台內的推理額度憑證，每枚對應標稱價值 1 美元的模型呼叫額度，可用於兌換相關服務。

Surplus Intelligence 的主要優勢是什麼？

Surplus 透過聚合不同模型服務商、允許自主定價和分配推理請求，為開發者提供更多價格和服務選擇。

Antseed 為什麼採用 P2P 架構？

Antseed 希望讓需求方直接發現和選擇獨立算力提供者，減少對統一閘道的依賴，同時透過信譽機制協調市場參與者。

去中心化 AI 推理一定比傳統 API 便宜嗎？

不一定。部分平台的低價可能來自市場競爭，也可能來自代幣獎勵或臨時補貼。實際成本還取決於模型、服務品質和呼叫規模。

AI 推理平台的使用量成長會推動代幣上漲嗎？

沒有必然關係。需要先確認代幣是否承擔實際支付、質押或其他經濟功能，以及平台成長能否轉化為相應的代幣需求。

如何判斷一個 AI 推理專案是否具有長期價值？

可以重點觀察真實付費呼叫量、重複使用率、服務穩定性、推理成本、供應商收入，以及代幣激勵減少後的業務表現。