توکن GPU رمزارزی است که در یک بازار پردازش غیرمتمرکز نقش پول و پاداش را بازی می‌کند. صاحبان کارت گرافیک توان بیکار خود را عرضه می‌کنند و استودیوهای رندر سه‌بعدی یا تیم‌های هوش مصنوعی آن را اجاره می‌کنند. پرداخت، پاداش و در برخی شبکه‌ها سوزاندن توکن، این دو طرف را بدون یک شرکت ابری مرکزی به هم وصل می‌کند.
توکن GPU دقیقاً چه مشکلی را حل می‌کند؟
آموزش مدل‌های زبانی، اجرای چت‌بات‌ها و رندر یک انیمیشن سه‌بعدی همگی به پردازنده‌های گرافیکی نیاز دارند، چون GPU هزاران محاسبهٔ کوچک را هم‌زمان انجام می‌دهد. مشکل اینجاست که دسترسی به GPU قدرتمند گران است و بخش بزرگی از آن در اختیار چند شرکت ابری بزرگ قرار دارد. از آن طرف، میلیون‌ها کارت گرافیک در کامپیوترهای گیمرها، رندرفارم‌های کوچک و مراکز داده بخش زیادی از روز بیکار می‌مانند.
ایدهٔ پشت این پروژه‌ها شبیه اسنپ است: اسنپ مالک هیچ خودرویی نیست، فقط راننده و مسافر را به هم می‌رساند و قیمت و پرداخت را مدیریت می‌کند. شبکه‌های پردازش غیرمتمرکز همین کار را برای GPU انجام می‌دهند. تفاوت این است که به‌جای یک شرکت، قواعد بازار، ثبت قراردادها و تسویهٔ پول روی فناوری بلاک چین اجرا می‌شود و توکن، واحد حساب و انگیزهٔ مشترک همهٔ طرف‌هاست.
این مدل زیرمجموعه‌ای از دپین یا زیرساخت فیزیکی غیرمتمرکز است؛ دسته‌ای از پروژه‌ها که سخت‌افزار واقعی مثل هارد، آنتن یا کارت گرافیک را با پاداش رمزارزی کنار هم جمع می‌کنند. حتی بخشی از صنعت ماینینگ هم به همین سمت رفته است و برخی ماینرهای بیت کوین که به دیتاسنتر هوش مصنوعی رو آورده‌اند نشان می‌دهند تقاضا برای پردازش AI چقدر جدی شده است.
بازار پردازش غیرمتمرکز چطور کار می‌کند؟
هر بازار پردازش غیرمتمرکز دو سمت دارد و توکن بین این دو جریان پیدا می‌کند. اگر یکی از دو سمت ضعیف باشد، کل بازار لنگ می‌زند؛ درست مثل بازاری که فروشنده زیاد دارد ولی مشتری ندارد.
سمت عرضه: صاحبان GPU
عرضه‌کننده می‌تواند یک دیتاسنتر حرفه‌ای، یک ارائه‌دهندهٔ ابری کوچک یا حتی یک فرد با کارت گرافیک قوی باشد. او نرم‌افزار نود یا ارائه‌دهنده را نصب می‌کند، مشخصات سخت‌افزارش را در شبکه ثبت می‌کند و منتظر کار می‌ماند. برای مثال، آکاش در گزارش فصل اول 2026 خود از محصول Homenode در نسخهٔ بتا خبر داد که برای GPUهای خانگی و نیمه‌حرفه‌ای مثل RTX 4090 و RTX 5090 طراحی شده و تمرکزش استنتاج هوش مصنوعی است.
سمت تقاضا: خریداران پردازش
خریدار معمولاً یک استودیوی گرافیک، توسعه‌دهندهٔ مدل هوش مصنوعی یا استارتاپی است که نمی‌خواهد برای چند ساعت کار، قرارداد بلندمدت با ارائه‌دهندهٔ ابری ببندد. او مشخص می‌کند چه نوع GPU، چه مقدار حافظه و چه بودجه‌ای لازم دارد. امروز سهم مهمی از این تقاضا از سمت هوش مصنوعی می‌آید؛ از آموزش و تنظیم مدل‌ها تا اجرای ایجنت‌های هوش مصنوعی روی بلاکچین که مدام به استنتاج نیاز دارند.
چرخهٔ یک کار در این بازارها، با کمی تفاوت بین پروژه‌ها، معمولاً این مراحل را طی می‌کند:
- خریدار نیاز خود را تعریف می‌کند؛ مثلاً یک فایل صحنهٔ سه‌بعدی یا یک کانتینر مدل زبانی، همراه با سقف قیمت.
- شبکه درخواست را به ارائه‌دهنده‌ها اعلام می‌کند و آن‌ها پیشنهاد قیمت می‌دهند یا کار به‌صورت خودکار تخصیص پیدا می‌کند.
- قرارداد اجاره ثبت می‌شود و هزینه در یک حساب امانی (اسکرو) قفل می‌شود.
- ارائه‌دهنده کار را روی GPU خود اجرا می‌کند و خروجی را تحویل می‌دهد.
- پس از تأیید، هزینه تسویه می‌شود و ارائه‌دهنده پاداش خود را به توکن یا معادل دلاری آن می‌گیرد.
نقش توکن GPU در این بازار چیست؟
توکن GPU معمولاً سه کار را هم‌زمان انجام می‌دهد و فهم همین سه نقش، کلید تشخیص پروژهٔ جدی از پروژهٔ نمایشی است.
وسیلهٔ پرداخت
در ساده‌ترین حالت، خریدار هزینهٔ پردازش را با توکن شبکه می‌پردازد. اما بیشتر مشتریان جدی نمی‌خواهند بودجه‌شان با نوسان یک رمزارز بالا و پایین برود. به همین دلیل پروژه‌های اصلی قیمت کار را به دلار تعیین می‌کنند و فقط در لحظهٔ پرداخت، معادل آن را به توکن تبدیل می‌کنند.
پاداش عرضه‌کننده
شبکه برای جذب صاحبان GPU، به‌خصوص در روزهای اول که تقاضا کم است، توکن تازه منتشر می‌کند و به ارائه‌دهنده‌ها پاداش می‌دهد. این پاداش در کوتاه‌مدت عرضه را بالا می‌برد، ولی اگر تقاضای واقعی پشتش نباشد، صرفاً تورم ایجاد می‌کند و فشار فروش روی توکن می‌گذارد.
سوزاندن و مدل BME
مدل تعادل سوزاندن و ضرب (Burn Mint Equilibrium یا BME) تلاشی است برای گره زدن ارزش توکن به مصرف واقعی. طبق مستندات رسمی رندر، کار با ارز فیات قیمت‌گذاری می‌شود، معادل آن به RENDER تبدیل و پس از اتمام کار سوزانده می‌شود و پاداش ارائه‌دهنده‌ها جداگانه، با برنامهٔ انتشار کاهشی و در دوره‌های معمولاً هفتگی، ضرب می‌شود.
یک مثال عددی ساده: اگر کاری 100 دلار هزینه داشته باشد و طبق داده‌های CoinGecko در ۱۴ مهر ۱۴۰۵ قیمت RENDER برابر $2.06 باشد، حدود 48.5 توکن RENDER سوزانده می‌شود. اگر در یک دوره مقدار سوزانده‌شده از مقدار ضرب‌شده بیشتر شود، عرضهٔ در گردش کم می‌شود؛ اگر کمتر باشد، تورم ادامه دارد. پس BME به‌خودی‌خود ضدتورمی نیست، فقط مصرف را به عرضه وصل می‌کند.
پروژه‌های توکن GPU: رندر، آکاش و io.net چه فرقی دارند؟
این سه پروژه هر سه GPU اجاره می‌دهند، اما بازار هدف، بلاکچین و طراحی توکنشان متفاوت است. Bittensor هم معمولاً کنار آن‌ها نام برده می‌شود، در حالی که منطق دیگری دارد.
رندر نتورک (RENDER)
رندر از دنیای گرافیک سه‌بعدی آمده و طبق سایت رسمی شبکهٔ رندر، از موتورهای OctaneRender، Redshift و Blender Cycles پشتیبانی می‌کند و ابزارهای هوش مصنوعی مولد را هم به مجموعه اضافه کرده است. بنیاد رندر در نوامبر 2023 اعلام کرد زیرساخت اصلی شبکه از اتریوم به سولانا منتقل شده و توکن جدید RENDER روی سولانا فعال است. مدل اقتصادی آن همان BME است که بالاتر توضیح دادیم. برای بررسی روند قیمت می‌توانید تحلیل تکنیکال و چشم‌انداز رندر را هم بخوانید.
آکاش نتورک (AKT)
آکاش یک «ابر غیرمتمرکز» عمومی است که CPU، حافظه و GPU را اجاره می‌دهد. طبق مستندات وب‌سایت آکاش نتورک، این شبکه روی Cosmos SDK ساخته شده و قیمت را با مزایدهٔ معکوس تعیین می‌کند: کاربر سقف بودجه را اعلام می‌کند و ارائه‌دهنده‌ها برای گرفتن کار پیشنهاد قیمت پایین‌تر می‌دهند. آکاش در حال بررسی پیشنهادی (AEP-79) برای اجارهٔ امنیت از یک لایهٔ یک دیگر است؛ ایده‌ای نزدیک به منطق معماری بلاکچین ماژولار.
تغییر مهم آکاش در 2026 رخ داد. طبق گزارش رسمی فصل اول 2026، مدل BME از 23 مارس 2026 و پس از تصویب پروپوزال 318 فعال شد. حالا پرداخت مشتری از بازار AKT می‌خرد، آن را می‌سوزاند و توکن غیرقابل‌انتقال و دلاری ACT می‌سازد که تسویهٔ اجاره با آن انجام می‌شود. همین گزارش می‌گوید مجموع هزینهٔ پردازش در آکاش از ابتدا از 5 میلیون دلار عبور کرده است.
io.net (IO)
io.net روی سولانا کار می‌کند و تمرکزش کاملاً روی بارهای کاری هوش مصنوعی است: استنتاج دسته‌ای، آموزش موازی مدل، تنظیم ابرپارامترها و یادگیری تقویتی. طبق صفحهٔ رسمی io.net و مستندات توکنومیک آن، عرضهٔ اولیهٔ IO برابر 500 میلیون بوده و طی ۲۰ سال تا سقف 800 میلیون می‌رسد. موتور اقتصادی جدید پروژه (IDE) تعیین کرده که پس از پرداخت سهم تأمین‌کنندگان، دست‌کم 50٪ درآمد باقی‌مانده به‌صورت IO سوزانده شود.
Bittensor (TAO): بازار هوش، نه اجارهٔ GPU
Bittensor را نباید با این سه پروژه یکی دانست. در این شبکه کسی ساعت GPU نمی‌فروشد؛ زیرشبکه‌ها (Subnet) تعریف می‌کنند چه «کالای دیجیتالی» تولید شود، مثلاً پاسخ مدل زبانی یا پیش‌بینی، ماینرها آن را تولید می‌کنند و ولیدیتورها کیفیتش را امتیاز می‌دهند. ماینرها البته خودشان GPU مصرف می‌کنند، اما چیزی که شبکه پاداش می‌دهد خروجی هوشمند است. طبق داده‌های CoinGecko در ۱۴ مهر ۱۴۰۵، TAO با قیمت $299.96 در رتبهٔ 35 بازار است و سقف عرضهٔ آن 21 میلیون واحد است.
ظرفیت ادعایی در برابر مصرف واقعی چقدر فاصله دارد؟
مهم‌ترین سؤالی که دربارهٔ هر پروژهٔ GPU باید پرسید این است: چند کارت گرافیک واقعاً کار انجام می‌دهند و پولی بابتش پرداخت می‌شود؟ عدد «GPU ثبت‌شده» شبیه تعداد صندلی‌های یک رستوران است؛ مهم این است که چند صندلی پر است و چند نفر صورت‌حساب پرداخت می‌کنند.
طبق گزارش مساری دربارهٔ آکاش، میانگین GPUهای در حال استفاده از 367 عدد در فصل سوم 2025 به 198 عدد در فصل چهارم و سپس به 84 عدد در فصل اول 2026 رسید. در همان فصل، میانگین GPUهای در دسترس 334 عدد بود و مساری میانگین نرخ استفاده را 33.7٪ اعلام کرد. این درصد را خود مساری محاسبه کرده و حاصل تقسیم سادهٔ دو میانگین نیست. نکتهٔ مهم روند است: هم عرضه و هم مصرف با هم کوچک شده‌اند.
تجربهٔ io.net هم درس دیگری دارد. طبق گزارش مساری، این شبکه در 2024 هدف حملهٔ سیبیل با دستگاه‌های جعلی قرار گرفت؛ یعنی عده‌ای برای گرفتن پاداش، GPUهایی را ثبت کردند که واقعاً وجود نداشتند. خود تیم io.net در گزارش رسمی حادثهٔ آوریل 2024 از اضافه کردن سازوکار اثبات کار برای شناسایی GPU جعلی خبر داد. به گفتهٔ همان گزارش مساری، شکاف میان GPU ثبت‌شده و GPU فعال در این شبکه بزرگ است.
نتیجهٔ عملی روشن است: آمار «ظرفیت» در صفحهٔ اول سایت پروژه، معیار ارزش‌گذاری نیست. شما به عددهایی نیاز دارید که مصرف و درآمد دلاری را نشان بدهند، نه فقط تعداد ماشین‌های وصل‌شده.
ریسک‌های توکن GPU چیست؟
روایت «هوش مصنوعی به GPU نیاز دارد» درست است، اما از درستی این روایت نمی‌شود نتیجه گرفت که هر توکن مرتبط با آن ارزشمند است. ریسک‌های اصلی این حوزه این‌ها هستند:
- رقابت با ابرهای متمرکز: شرکت‌های بزرگ ابری با قراردادهای سازمانی، پشتیبانی و تضمین کیفیت می‌جنگند و شبکهٔ غیرمتمرکز باید روی قیمت و انعطاف برنده شود.
- جدایی قیمت توکن از مصرف: وقتی مشتری به دلار پرداخت می‌کند، توکن فقط واسطه است و ممکن است رشد مصرف دیر یا کم به قیمت منتقل شود.
- تورم پاداش: اگر انتشار توکن برای جذب عرضه بیشتر از سوزاندن ناشی از تقاضا باشد، دارندگان توکن رقیق می‌شوند.
- عرضهٔ جعلی و آمار اغراق‌شده: نمونهٔ حملهٔ سیبیل نشان داد شمارش GPU بدون راستی‌آزمایی قابل اتکا نیست.
- کیفیت و حریم داده: بسیاری از سازمان‌ها هنوز داده یا مدل حساس خود را به سخت‌افزار ناشناس نمی‌سپارند.
- نوسان شدید قیمت: طبق داده‌های CoinGecko در ۱۴ مهر ۱۴۰۵، RENDER حدود 85٪ و AKT حدود 91٪ زیر سقف تاریخی خود هستند.
برای اینکه این درصدها ملموس شود: کسی که در 17 مارس 2024 و در قیمت $13.53 معادل 100 دلار RENDER خریده بود، با قیمت $2.06 امروز دارایی‌ای در حدود 15.2 دلار دارد. این عدد پیش‌بینی آینده نیست، اما یادآوری می‌کند که روایت قوی لزوماً قیمت پایدار نمی‌سازد.
قبل از خرید توکن GPU چه چیزهایی را بررسی کنیم؟
پیش از اینکه سراغ هر پروژه‌ای در این دسته بروید، این چک‌لیست را مثل بازدید فنی پیش از خرید خودروی دست‌دوم مرور کنید:
- داشبورد مصرف واقعی: آیا پروژه آمار زندهٔ GPU در حال استفاده و قراردادهای فعال را منتشر می‌کند، یا فقط ظرفیت کل را نشان می‌دهد؟
- درآمد دلاری: مشتریان در هر فصل چقدر پول واقعی پرداخت کرده‌اند و روند آن صعودی است یا نزولی؟
- توازن سوزاندن و انتشار: در هر دوره چه مقدار توکن سوزانده و چه مقدار ضرب می‌شود؟
- برنامهٔ آزادسازی: سهم سرمایه‌گذاران اولیه و تیم کی آزاد می‌شود و سقف عرضه چقدر است؟
- راستی‌آزمایی عرضه‌کننده‌ها: شبکه چطور جلوی GPU جعلی را می‌گیرد؟ اثبات کار، وثیقه یا ممیزی ارائه‌دهنده‌ها؟
- مستندات فنی: با روش خواندن وایت پیپر در ۹ بخش، بخش توکنومیک و مدل درآمد را جدا بخوانید.
- مقایسه با هم‌دسته‌ها: پروژه را کنار پروژه‌های برتر دپین بسنجید تا ببینید از نظر مصرف و شفافیت کجای صف ایستاده است.
اگر بعد از این بررسی تصمیم گرفتید سهمی کوچک و متناسب با ریسک‌پذیری خود در این حوزه داشته باشید، در ارزینجا می‌توانید قیمت لحظه‌ای را در بازار ارزهای دیجیتال ارزینجا دنبال کنید و صفحهٔ خرید رندر را با پرداخت تومانی ببینید. این مطلب آموزشی است و توصیهٔ مالی نیست.
جمع‌بندی: توکن GPU را چطور باید دید؟
بازار پردازش غیرمتمرکز به یک نیاز واقعی جواب می‌دهد: GPU کمیاب و گران است و ظرفیت بیکار فراوانی در دنیا وجود دارد. رندر از گرافیک سه‌بعدی شروع کرده، آکاش ابر عمومی با مزایدهٔ معکوس ساخته و io.net مستقیم سراغ هوش مصنوعی رفته است؛ Bittensor هم بازار خروجی هوشمند است، نه اجارهٔ ساعتی کارت گرافیک.
با این حال، ارزش یک توکن GPU از روایت هوش مصنوعی نمی‌آید، از مصرف دلاری قابل راستی‌آزمایی و توازن سوزاندن و انتشار می‌آید. پیش از خرید، عدد GPU فعال، درآمد واقعی و برنامهٔ آزادسازی را بسنجید و فاصلهٔ ادعا تا مصرف را جدی بگیرید.
سوالات متداول
آیا می‌توان کارت گرافیک شخصی را در شبکه‌های پردازش غیرمتمرکز اجاره داد؟
بله، برخی شبکه‌ها این امکان را می‌دهند، هرچند بیشتر عرضه از دیتاسنترها و ارائه‌دهنده‌های حرفه‌ای می‌آید. برای نمونه، آکاش در گزارش فصل اول 2026 محصول Homenode را در نسخهٔ بتا معرفی کرد که برای GPUهای خانگی مثل RTX 4090 و RTX 5090 و کار استنتاج هوش مصنوعی طراحی شده است. درآمد به تقاضای واقعی، هزینهٔ برق و پایداری اینترنت بستگی دارد.
تفاوت رندر و آکاش چیست؟
رندر از دنیای رندر سه‌بعدی و گرافیک آمده، روی سولانا کار می‌کند و قیمت کار را به فیات تعیین می‌کند و معادل آن را به RENDER می‌سوزاند. آکاش یک ابر عمومی روی Cosmos SDK است که CPU، حافظه و GPU را با مزایدهٔ معکوس اجاره می‌دهد و از 23 مارس 2026 مدل BME را با توکن تسویهٔ ACT فعال کرده است.
آیا Bittensor یک شبکهٔ اجارهٔ GPU است؟
نه. در Bittensor کسی ساعت GPU نمی‌فروشد. زیرشبکه‌ها مشخص می‌کنند چه خروجی دیجیتالی، مثل پاسخ مدل زبانی یا پیش‌بینی، تولید شود؛ ماینرها آن را تولید می‌کنند و ولیدیتورها کیفیتش را امتیاز می‌دهند. ماینرها برای این کار GPU مصرف می‌کنند، اما پاداش TAO برای کیفیت خروجی داده می‌شود، نه برای در اختیار گذاشتن سخت‌افزار.
مدل BME چطور روی عرضهٔ توکن اثر می‌گذارد؟
در مدل تعادل سوزاندن و ضرب، هر بار که مشتری برای پردازش پول می‌دهد، معادل آن توکن سوزانده می‌شود و شبکه جداگانه برای پاداش ارائه‌دهنده‌ها توکن جدید ضرب می‌کند. اگر در یک دوره سوزاندن از ضرب بیشتر باشد، عرضه کم می‌شود و اگر کمتر باشد، تورم ادامه دارد. پس این مدل به‌تنهایی ضدتورمی نیست و نتیجه‌اش به حجم مصرف واقعی بستگی دارد.
چطور بفهمیم یک پروژهٔ GPU مصرف واقعی دارد؟
به‌جای عدد GPU ثبت‌شده، سراغ آمار GPU در حال استفاده، تعداد قراردادهای فعال و درآمد دلاری فصلی بروید. گزارش‌های مستقل را هم ببینید؛ طبق گزارش مساری، میانگین GPU در حال استفاده در آکاش در فصل اول 2026 به 84 عدد رسید. همچنین بررسی کنید پروژه چطور جلوی ثبت GPU جعلی را می‌گیرد و توازن سوزاندن و انتشار توکن چگونه است.
