閒置的算力、便宜的電、被埋沒的模型——DGrid 想把它們都變成收益

By: rootdata|2026/07/23 09:51:43

如果你手上有一批閒置的 GPU，或者身處一個電價極低的地區，你能靠 AI 賺到錢嗎？如果你微調出了一個在某個垂直場景表現極佳的模型，卻苦於沒有渠道賣出去，又該怎麼辦？

這些看似不相關的問題，DGrid 最新上線的 Model Marketplace 給出了同一個答案：把它們接入一個開放的模型市場，讓每一份算力、每一度電、每一個好模型，都能找到願意為之付費的用戶。

AI 模型的數量在過去兩年裡以驚人的速度膨脹。從通用大模型到垂直行業微調版本，從代碼生成到多模態理解，供給側已經極度豐富。但模型變多了，「讓模型被用上、讓做模型和提供算力的人真正賺到錢」這件事，並沒有變得更容易。

對於有能力做出好模型、或手握算力資源的一方來說，變現依然是一個沒有被好好解決的問題；對於開發者來說，找到「適合這個場景的那個模型」仍然意味著在一堆平台之間跳來跳去。DGrid 正式上線的 Model Marketplace，瞄準的正是這個供需兩端都在抱怨、卻一直沒有好答案的中間地帶。

開放市場，而不是又一個 API 中轉站

要理解 DGrid Model Marketplace 的定位，得先區分兩種不同的商業邏輯。

當前大多數「AI 模型聚合」平台走的是中間商邏輯：平台自己接渠道、談折扣、再打包賣給用戶。這種模式有一個內在局限------平台能接入什麼、怎麼定價、供給方是誰，用戶和開發者全程不知情，本質是黑箱。

DGrid 走的是另一條路：開放市場。任何模型提供方------無論是做原創大模型的團隊、針對垂直場景做微調的機構，還是有算力基礎設施能力的部署方------都可以直接在平台上架模型、自主定價，在模型被調用時獲得鏈上直接結算的收益。

平台本身不靠吃差價生存，而是作為基礎設施撮合供需。從理念上看，這比「黑箱中轉」更接近一個健康市場應有的樣子。而它真正的想像力，藏在「誰可以成為供給方」這個問題的答案裡。

八種方式把資源變成收益

DGrid Model Marketplace 開放的，不只是模型開發者這一類群體。它試圖把幾種此前被分割、甚至長期閒置的資源，都納入同一個市場變現。

閒置算力的出路。 對於擁有 GPU 基礎設施但利用率不足的機構或個人來說，部署模型並通過 DGrid 對外提供服務，是一條直接的變現路徑。算力不再只是成本，而是可以轉化為持續收益的資產。

內部算力的對外溢出。 很多企業或團隊會自部署模型用於內部使用，但實際調用量往往無法填滿全部算力。DGrid 提供了一個機制：在滿足內部需求的同時，把剩餘算力和服務能力開放給外部用戶，把「虧損的固定成本」變成部分可變收益。

垂直微調模型的分發渠道。 針對法律、醫療、金融、代碼等特定場景微調過的模型，往往在特定任務上遠超通用大模型，但苦於沒有合適的渠道觸達真正需要它的用戶。DGrid 提供了標準化的上架和分發路徑------模型團隊只需專注把模型做好，分發和計費交給平台。

**大模型開發者的輕量化分發。**對於具備研發實力的大模型團隊來說，分發和市場運營往往是非核心但耗費資源的事。通過 DGrid 上架，可以直接接觸大量付費開發者和用戶，專注於模型能力本身，而不必在渠道建設上重複投入。

渠道資源方的價格優勢。 部分供應商手握特定模型的渠道資源或更低的成本結構，可以在 DGrid 提供比官方更有競爭力的價格，吸引用戶並形成差異化競爭。這種充分市場競爭對用戶來說意味著更低的使用成本。

更好的模型發現機制。 對於開發者而言，當前的困境不只是「模型太多選不過來」，還有「好模型被埋在信息噪音裡找不到」。DGrid 的統一市場提供了規範化的模型描述、能力標籤和 PoQ 驗證的質量信號，讓優質模型更容易被發現和推薦。

跨地域調用與合規靈活性。 AI 模型的可用性往往受地域限制影響------某些模型在特定地區無法直接訪問，或某些用戶有多地區調用的需求。通過 DGrid 統一入口調用，可以在合規框架內解決跨地域訪問的問題，拓寬模型的實際可用範圍。

電力轉算力的跨地套利。 這或許是最有想像力的一個場景：在電價極低的地區（如部分水電豐富的地區），通過部署 AI 推理服務接入 DGrid，實質上是把低價電力轉化為 AI 算力，再以模型調用服務的形式輸出給全球用戶。這讓「電力的跨地區套利」有了新的實現路徑，也讓全球用戶有機會以更低成本享受到 AI 服務。

以上八個場景，覆蓋了從算力方、模型開發者、渠道資源方到地域套利者的完整供給側圖譜。DGrid 模型市場的價值，正是把這些此前分散、低效甚至閒置的資源，匯聚進同一個需求明確、付費真實的市場。

PoQ：開放市場必須解決的信任問題

開放帶來豐富供給，也帶來了一個新問題：當任何人都可以上架模型時，用戶怎麼知道自己調用的模型貨真價實？

這正是 DGrid 的 PoQ（Proof of Quality）機制存在的意義。

需要釐清一個關鍵細節：PoQ 驗證的對象是模型提供方，而不是用戶的每一次調用。它的工作方式是：DGrid 用自有的基準測試集對平台上的提供方進行獨立、隨機抽檢，再將驗證結果上鏈，公開可查。整個過程不觸碰用戶的請求數據，也不會將用戶數據上鏈。

這個設計解決了開放市場最容易出現的「以次充好」問題。提供方知道自己隨時可能被抽檢，悄悄降級模型的代價是被檢測和懲罰，而不只是靠自律。PoQ 從機制層面為這個開放市場提供了信任基礎。

DGrid 團隊核心成員擁有 Stony Brook University 等院校的博士背景，圍繞 PoQ 已發表 4 篇 arXiv 學術論文，涵蓋 Proof of Quality 核心設計、Optimistic TEE-Rollups、Cost-Aware Proof 以及 PoQ-Judge 等方向。這在同類平台中並不常見。

相比之下，當前市值較高的 AI 聚合平台（如 OpenRouter）雖然有品牌背書，但並沒有任何鏈上驗證機制。DGrid 的 PoQ 把「基於信任」替換成了「基於驗證」，在機制層面解決了問題。

-- 價格

需求側已經證明，供給側才是下一步

DGrid Model Marketplace 的上線並不是在創造一個全新市場，而是在打通一個已有真實需求的市場的供給側。

從需求側看，DGrid 目前已聚合 Claude、GPT、Gemini、MiniMax、GLM 等 200 多種主流模型，付費用戶超過 15,000 名，2026 年上半年累計營收突破 2,300 萬美元------而這些是基於 $500 萬種子輪融資做到的。這組數字說明了一件事：有大量用戶在為 AI 服務持續付費，需求是真實的，市場是存在的。

但現有的 200+ 模型，大多是 DGrid 主動接入的頭部商業模型。供給側的真正缺口在於：那些有真實能力的垂直模型、微調模型、有算力資源卻缺乏變現渠道的基礎設施方，此前沒有一個標準化的通道進入這個市場，也沒有一套清晰的分成機制。Model Marketplace 正是為這個缺口而建。

DGrid 已經用 $2,300 萬營收驗證了需求側願意付費，現在用開放市場拓展供給側，讓供需兩端在同一個平台完成匹配，再用 PoQ 保障質量------飛輪的閉環邏輯清晰。

接下來值得觀察的幾個看點

任何開放市場的成敗，最終都取決於執行。對 DGrid 而言，有幾個方向值得持續關注------這些既是它的機會，也是檢驗這套模式能否跑通的關鍵。

第一，供給規模的擴張速度。 開放市場的價值在於聚集效應：模型越多越豐富，對開發者越有吸引力；用戶越多，對供給方越有回報。DGrid 已有的 15,000+ 付費用戶和真實的調用需求，讓它的冷啟動起點明顯優於從零開始的平台------供給方一旦入駐，面對的是一個已經在付費的現成市場。接下來能吸引多少高質量的垂直模型和算力資源加入，將決定這個飛輪轉得有多快。

第二，質量篩選機制的持續有效性。 越開放，進來的模型質量差異就越大，這是所有開放市場的共性課題。DGrid 的差異化在於，它並不只依賴人工審核，而是有 PoQ 這套鏈上驗證機制作為底層篩選器。隨著規模擴大，PoQ 能否穩定地把優質模型和劣質模型區分開，將是這個市場長期公信力的核心。

第三，AI 與 Crypto 兩類用戶的融合。 DGrid 連接的既有 Web3 原生用戶，也有大量只關心「模型好不好用、便不便宜」的傳統 AI 開發者。能同時服務好這兩個群體，是打通 AI 與 Crypto 的產品普遍面臨的課題，而 DGrid 用「鏈上結算但體驗無感」的產品設計，已經把 15,000+ 付費用戶拉到了同一個平台上------這本身就是一個不錯的信號。