DGrid AI

什么是 DGrid AI？

DGrid AI 是一个去中心化的 AI 推理与智能体服务网络，试图通过单一的 Web3 原生访问层，将 AI 模型供给、开发者需求、路由、验证以及基于区块链的结算连接起来。实际上，它并不是一个通用型的一层公链；而是一个围绕 BNB Chain 结算构建的应用层 AI 基础设施协议，以 DGrid AI Gateway、DGridRPC 风格的访问、基于节点的推理执行、质量证明（Proof of Quality）评分，以及作为质押、支付、激励和治理资产的 dgai 代币为核心。

它试图解决的问题，是 AI 推理高度集中在中心化 API 服务商手中：定价、在线率、模型可用性、内容审核策略、计费方式以及开发者锁定度，都由少数公司控制。其试图构筑的护城河，不只是“拥有算力”本身，而是：为多种模型提供统一 API、链上计费、基于质押的服务责任机制，以及一个对推理结果进行评分的验证层，从而避免用户必须信任不透明的节点运营方。

项目自己的文档提到：其网关可接入 200 多种模型、AI Arena 偏好评估、模型市场、Dori 模型选择、DClaw 智能体工具，以及基于 dgai 的质押和治理；而 MiCA 格式的白皮书则将该协议定位为一个去中心化的 AI 推理和智能体服务系统，而不是传统意义上的 DeFi 原语。（docs.dgrid.ai）

DGrid AI 当前的市场地位偏早期和小众，而非主导性项目。它属于 AI、DePIN、基础设施以及 BNB Chain 生态等类别；但在评估其规模时需要谨慎，因为可靠的应用层指标仍然有限。截至 2026 年 8 月 25 日，第三方市场页面给出的流通量估计为 1 亿 5,000 万枚 dgai，对应总量上限 10 亿枚；同时市值排名在不同聚合网站上差异显著，Decrypt 的 DGrid AI 页面显示其市值排名在 200 名末尾、TVL 为 “N/A”，而其他聚合器则给出不同排名，原因在于对流通量和交易所覆盖度的处理并不一致。

这一点很重要，因为 DGrid 并不是借贷协议或 AMM，这类协议天然将 TVL 作为核心指标；对该资产而言，更相关的长期指标包括：付费推理量、节点可靠性、活跃开发者密钥数、成功请求数、市场深度，以及通过 dgai 结算的使用占比。针对这些运营指标的、可公开验证的数据面板尚未达到成熟 DeFi 分析工具的可比水平，因此投机性交易量不应被误认为是产品市场契合度。（decrypt.co）

谁在什么时候创立了 DGrid AI？

DGrid AI 看起来是在 2025–2026 年间逐步公开推出的，那一轮市场周期中，去中心化 AI 基础设施、GPU 网络以及可验证推理，随着大语言模型的快速商业化，成为加密风投偏好的主题。项目路线图显示：架构设计、经济模型设计、DGrid AI Gateway 开发、质量证明（Proof-of-Quality）算法以及高级预售工具，规划在 2025 年上半年；网站、白皮书、种子轮融资和高级会员预售则在 2025 年下半年完成。MiCA 白皮书指出，注册在英属维尔京群岛的 DGrid AI Labs Limited 参与了项目实施，并列出了 Yunpeng Ding、Teng Chen 和 Chaymaa Khaldi 为参与实施的人员，但并未像一些早期一层公链那样，提供清晰的“创始人传记”与公开创始团队介绍。融资信息追踪方显示，该项目获得了 Waterdrip Capital、IoTeX、Paramita Ventures、Zenith Capital、CatcherVC 等机构参与的种子轮融资，DefiLlama 的融资数据库记录为 2026 年 7 月完成 500 万美元种子轮。（docs.dgrid.ai）

项目叙事从早期相对宽泛的“去中心化 AI 推理”概念，演进为更结构化的技术堆栈，强调 Web3 原生网关、盲测模型评估、AI 智能体、市场化定价、链上结算以及后续治理。根据 ICO Analytics 报告，dgai 代币生成事件发生在 2026 年 8 月 17 日，而 DGrid 的 MiCA 文件则将 2026 年 6 月 1 日列为与“准入交易文件”相关的发布日期和起始日，因此应将其“公开资产阶段”视为非常新近的进展，即便技术路线早在此前就已启动。对投资者而言，这一点尤为重要：年轻的代币网络通常会先呈现一个成熟的目标架构，而系统在大规模去中心化生产环境下的实际表现尚未得到验证。DGrid 近期的叙事，因此更少强调“重建一条新底层链”，而更多是将加密原生的责任机制、可编程支付和市场激励，嵌入到 AI API 消费之中。（icoanalytics.org）

DGrid AI 网络如何运作？

与其将 DGrid AI 视为一条拥有主权共识的公链，不如将其理解为锚定在 EVM 兼容结算层之上的去中心化应用与服务网络。官方文档将 dgai 记载为 BNB Smart Chain 上的 BEP-20 代币，并提到在 Arbitrum One 上也有映射表示，这意味着交易最终性和底层安全性依赖这些基础链，而非独立的 DGrid 验证者集合。在 DGrid 系统内，关键的协调机制被描述为“质量证明”（Proof of Quality，PoQ），在部分路线图语言中也称为“PoS Quality Proof”设计，但不应将其与 Nakamoto 式的工作量证明，或传统权益证明一层共识协议混为一谈。PoQ 属于应用层的验证与评分模型，用于评估推理输出质量、节点可靠性、延迟以及对请求格式的遵从情况，而 dgai 质押则作为节点和服务提供方行为的抵押品存在。（docs.dgrid.ai）

技术设计组合了 DGrid AI Gateway、去中心化路由、节点执行、计费合约、用于审计记录的数据可用性层、x402 风格的按请求支付授权，以及 AI Arena 偏好数据。开发者可以通过单一的、兼容 OpenAI 的 API 端点访问多种 AI 模型，而网络则根据任务类型、预算、延迟及历史表现路由请求。DGrid 节点负责执行推理任务，回报延迟和算力单元数据，并接受 PoQ 评分，评分维度包括输出对齐度、多节点一致性、格式合规性、成本效率以及语义相似度。计费层根据算力单元和延迟计算费用，通过智能合约托管并分发支付；恶意或不可靠节点则可通过削减质押（slashing）与拉黑机制受到惩罚。

这些控制机制在概念上是有用的，但该设计面临一个去中心化 AI 领域的共性“硬问题”：验证概率性 LLM 输出的质量，远比验证确定性的区块链状态转移要困难得多。因此，DGrid 的可信度，在很大程度上取决于 PoQ 能否发展成一个稳健、能抗对手攻击的评估系统，而不只是一个简单的声誉分数启发式。（docs.dgrid.ai）

dgai 的代币经济模型是什么？

dgai 的供应模型有上限，但并非一开始就全部流通。官方文档指出，总供应量固定为 10 亿枚，计划中没有发行后持续通胀增发；而 2026 年 8 月下旬的第三方市场数据，普遍采用 1 亿 5,000 万枚 dgai 作为流通量估计值。

官方分配方案为：50% 用于节点和基础设施激励，15% 用于社区计划，10% 用于团队激励，10% 分配给投资者，8% 用于空投，7% 用于初始流动性。节点激励将在 10 年内线性释放，每两年减半一次；社区代币锁定 6 个月后，在两年内线性释放；团队和投资者份额则锁定一年，此后在两年内线性归属。

这意味着，从铸造层面看，dgai 是“总量不扩张”的；但从流通层面看，项目上线后的多年内仍然处于“流通通胀”状态，因为计划中的解锁和节点奖励会持续增加可交易筹码，即使没有新增代币铸造。（docs.dgrid.ai）

代币的效用主要集中在质押、支付、激励与治理四个方面。节点运营者和 AI 服务提供方需要质押 dgai，才能获得网络流量、积累声誉并为服务表现提供抵押；用户则使用 dgai 支付按算力单元、延迟和任务复杂度定价的推理与智能体服务。

文档中描述了一个 Bill Contract（账单合约），负责托管并向节点、服务提供方、金库职能以及治理池分发支付；其中 2% 作为处理费，用于 gas 与数据可用性归档成本，任务支付的 5% 则分配给治理参与者。因此，价值捕获高度依赖实际使用：如果真实推理需求产生持续支付流；如果质押减少了自由流通的代币；并且如果惩罚机制能为低质量运营者带来可信的负面结果，那么 dgai 的经济相关性才会提高。

销毁机制并非类似以太坊 EIP-1559 那种大范围的手续费销毁，而主要与节点违规或长时间离线导致的质押没收相关；文档中给出的削减区间为 5%–20%，被没收的代币将被销毁。（docs.dgrid.ai）

谁在使用 DGrid AI？

目前关于 DGrid AI 的最显著使用信号，更多体现在产品侧与市场侧，但二者并不等同。从产品端来看（原文在此处中断，后续内容未提供），公开信息主要集中在网关、节点网络、开发者接入以及早期生态应用等方面；从市场端来看，则体现在代币上市、流动性和交易活动上。 从网络层面来看，该网络提供了 AI Gateway、AI Arena、模型市场、Dori 模型选择界面、DClaw 代理工具，以及兼容 x402 的支付引用；从市场层面来看，dgai 在上线后于中心化和去中心化场所均表现出较高的交易换手率。两者区分很重要，因为交易所成交量可能由做市、上币补贴、空投活动或投机轮动驱动，而真正的链上效用则会体现为持续付费请求、开发者复用率、活跃节点运营者、已结算的算力单元体量，以及治理参与度。DGrid 自身的网站和文档提及系统部分模块和 AI Arena 中每天有数千次交互，但这些说法目前尚未配套那种可以让机构用户区分“可持续需求”和“上线初期参与热度”的独立公共分析数据。(docs.dgrid.ai)

目前，在正当外部验证方面，融资与生态知名度的信号要强于企业级采纳的信号。DefiLlama 的融资数据库以及 ICO Analytics 记录了 DGrid AI 的种子轮融资，参与方包括 Waterdrip Capital、IoTeX、Paramita Ventures、Zenith Capital、CatcherVC 以及其他加密原生投资者，而官方的 MiCA 白皮书则描述了其在欧洲寻求进入由 Kraken 运营的 Payward Global Solutions 平台进行交易的努力。这些都是对可见度和合规准备具有意义的信号，但并不等同于大型企业的生产环境采纳，或针对 AI 推理服务的长期采购协议。在 DGrid 发布经审计的使用统计、企业案例研究，或可验证且与推理结算直接挂钩的链上收入之前，较为保守的观点是：其当前用户群主要是早期开发者、社区评估者、代币参与者和基础设施投机者的混合体，而非已经被验证的机构级 AI 客户基础。(defillama.com)

DGrid AI 面临哪些风险与挑战？

DGrid AI 在多个层面上暴露于监管风险之下。其 MiCA 白皮书声明，dgai 是一种既非电子货币代币又非资产锚定代币的加密资产，并明确表示它不符合 MiCA 所称的“utility token（功能型代币）”定义，因为其预期用途超出了仅由发行方单独提供的某项商品或服务的访问权。同一文件还指出，dgai 不授予具有法律约束力的所有权、利润分成、治理权或类似的传统金融权利，但这一免责声明并不能消除在其他司法辖区被重新定性或归类的风险。在美国，加密资产的监管处理仍然取决于具体事实，并可能依赖于代币的销售方式、营销方式、使用方式以及治理方式；在为本说明文进行检索时，未发现针对 DGrid 的 SEC 或 CFTC 公开执法行动，但“没有诉讼”并不等同于“获得监管部门的积极放行”。集中化风险同样显著：项目仍处于早期阶段，团队和投资者分配的代币仍在归属期内，节点参与尚未在大规模上得到证明，对 BNB Chain 以及中心化 AI 模型提供方或 API 供给的依赖，可能限制该网络在实践中的去中心化程度。(static.dgrid.ai)

竞争威胁非常严峻，因为 DGrid 所处的是多个拥挤市场的交叉点。它在成本、可靠性、模型广度和开发者体验方面，要与中心化 AI API 聚合商和超大规模云服务商竞争；在代币激励和节点供给方面，要与去中心化算力与 AI 网络竞争；在分发与变现方面，还要与模型市场竞争。其关于“Proof of Quality（PoQ，质量证明）可以实现可验证推理”的技术主张，也必须经受住对抗性行为、合谋、基准测试博弈、女巫攻击，以及许多大语言模型输出结果本身具有主观性的现实考验。在经济层面，最大的风险是：如果用户更偏好使用稳定币计费、中心化路由或链下订阅模式，或如果节点激励产生的代币排放缺乏对应的真实收入，那么 dgai 需求可能无法随使用量按比例扩张。在这种情形下，网络或许会拥有一个表面运转正常的代币经济，却缺乏坚实的经济实质——奖励更多是在循环内部的代币供应，而非反映由外部付费需求驱动的价值创造。(docs.dgrid.ai)

DGrid AI 的未来展望如何？

DGrid AI 的未来更取决于它能否将路线图转化为“可量化的基础设施使用”，而非短期代币流动性表现。

已验证的路线图指向 2026 年的治理与生态扩展阶段，其中包括 Agent 启动平台、链上治理与 AI DAO 1.0 的激活，以及模型与 Agent 市场和 DGrid Scan 的上线。更早期的 2026 年里程碑则包括 DGrid AI Gateway 的发布、企业级模型集成、AI Arena、优质奖励、x402 集成、多链支付以及多链网关接入。

这些里程碑构成了一套连贯的产品论点，但难点在于执行：DGrid 必须证明，去中心化路由在可靠性上可以媲美中心化 API；PoQ 能以用户信任的方式对输出进行评估；dgai 结算不会沦为额外摩擦层；而节点运营者可以在不过度依赖补贴的情况下，提供可持续的算力供给。(docs.dgrid.ai)

因此，其基础设施前景呈现“不对称但尚未被验证”的状态。如果 DGrid 能公布透明的请求量数据、节点在线率、费用结算、惩罚（slashing）事件、开发者留存，以及市场收入情况，它就有可能成为加密原生 AI 应用的可信中间层，为其提供可编程支付与可审计推理。如果这些指标始终不透明，该资产将主要根据交易所流动性和叙事强度来被评估——而对于一个声称自身价值主张在于“可验证 AI 基础设施”的协议而言，这样的评估基础是偏弱的。

不应给出任何价格预测；对机构而言，更相关的问题在于：DGrid 是否能证明，去中心化 AI 推理不仅在技术上可行，而且在经济上优于中心化模型网关。