解析Compute Labs：將GPU和RWA結合面臨哪些挑戰？

剛剛結束 GPU 供應商的應酬，回來寫一下 @Compute_Labs 項目的分析，看下 RWA 和 GPU 如何結合，讓我們潛進去：

目前的 GPU 市場面臨着三個問題：AI/GPU 的 ROI 高，但是單筆投資額高；除了 NVIDIA 和 AI Token，資產的流動性不好；DePin 或者雲租賃的門檻高，需要會跑 Server 或者做池化等等。



Compute Labs 試圖通過 RWA 的思路，將單一品類的 GPU 做成 NFT，然後再對於算力進行代幣化。從流動性的進入端看，項目方先通過購買 H100，Stake 到自己機房，再通過 ReStake 到 DePin/AI 項目去做 Yield Farming，所獲收益分給 Token Holder。



Compute Labs 認為項目的優勢在於和 Supermicro 的充分合作，每月能有 200 台左右的貨源；以及在客源端的 POW 礦和 AI 客戶；基於 GPU 代幣化，項目可以發展起一系列的算力衍生品生態。



作為一個算力從業者，說實話是對算力的衍生品保有興趣的，包括前端的融資租賃，中端的抵押借貸，乃至後端的 REITs（這一系列衍生品化也是我正在做的工作）。但看了這個項目之後，有幾個疑問，或許值得和項目方探討：



1. 用 H100 掛去中心化算力項目/挖 DePin 幣的 ROI 太低，H100 的單卡月租高達 1500-2000 USD，很少有 Crypto 項目能承擔這個分紅成本，唯有求速心切的 AI 巨頭才能買單，進而 Yield Farming 的來源和額度存疑。



2. 項目方有初始啟動資金購買 H100，後續購買對應 Mint NFT，由於租賃回本周期太長，手中的現金流不足夠購買機器，那麼一定存在機器質押借貸和 Token 的鏈上抵押借貸，此處是具有高度的雙押風險的，通過 Crypto 手段規避了金融審查，但是槓桿依然存在。



3. GPU 的進價和租賃價格會高度依賴於上游的型號更新（特別是 B100、光模塊等物料對於市場的衝擊）以及下游的 AI 需求，核心是一個非標品的大宗，進行衍生品定價是比較困難的，需要對於物料和淨餘殘值有比較細緻的研究，這一塊我比較感興趣，但反而項目沒有著重去 Build，簡單以 DeFi Aggregation 一筆帶過。



我分析下來，這個項目的 NFT 認購對應融資租賃，Token 對應 GPU 的 REITs，但問題在於 NFT 定價權在項目方，Token 定價在於做市，可操作的空間非常大，或存在嚴重的超賣。如果我是項目方，最好的辦法就是 Dump Token and Gain GPU，將空氣幣換成值真金白銀的 GPU。通過 GPU 的倒賣實現 VC 端的分紅和退出。



最後說一句，GPU 的 RWA 也不會導致項目所說的「算力帕累托最優」，算力的不平衡本質上和 Nvidia 的分銷代理策略以及美國商務部的禁令高度相關。在合規的語境下根本就沒有算力的公平。

算力的公平，只存在於二道販子的郵輪上，以及不連公網的第三世界機房裡。

原文連結