32萬張GPU接入Pearl挖礦，礦工選擇能否反映算力價格

同樣是H100 GPU，租金每小時可從3美元到10美元不等。差別在於網路連線、散熱環境，以及有沒有保證穩定運行。Pearl(PEARL)的構想，是把GPU營運者「拿機器去挖礦，還是拿去出租」的選擇彙整起來，藉此推算「算力價格」。

提出這項構想的Decentralised Co，在分析文章中先說明GPU價格為何差這麼多。3美元的H100通常像是一台沒有穩定運行保證、以一般乙太網路連線的伺服器。10美元的則是甲骨文(Oracle)雲端專用機房，GPU之間以每秒400Gb的InfiniBand相連。Silicon Data測試11處機房共3500張H100時，晶片效能差距也達38%。文章指出，把網路與運行時間一併計入後，服務層級的價差可達200%至700%。

Pearl是一條讓GPU執行矩陣乘法，並把結果用於「工作量證明」的區塊鏈。工作量證明是在產生區塊時，確認參與者確實完成指定運算的程序。矩陣乘法則是AI模型訓練與推論的基本運算。Decentralised Co介紹，NoisyGEMM的做法是在輸入矩陣加上隨機雜訊，讓礦工無法走捷徑領取獎勵。

文章提到，網路會在194秒的目標出塊間隔內，量測每張GPU實際處理的矩陣運算量。同樣是H100，散熱良好的企業機房與一般環境，差距會直接反映在運算量上。這正是只依型號取平均的價格指數所忽略的部分。

價格訊號則來自機器的調度。Decentralised Co表示，目前有32萬張GPU接入Pearl挖礦。租賃需求上升時，營運者會把機器從挖礦撤下，轉去處理客戶任務；需求轉弱時再投入挖礦，網路運算量也隨之起伏。文章主張，真正的價格資訊並非公開報價表，而是營運者用自己的機器和資金做出的選擇。

以指數為基礎的做法也在嘗試中。Decentralised Co說明，芝商所(CME)的GPU期貨不涉及實物交割，而是以Silicon Data的調查指數現金結算。這項指數彙整的是雲端業者的公開報價，與大型買家議價後的實際價格不同。文章稱，大型買家通常能拿到低40%至50%的價格。

Pearl也已有商用服務。Together AI於5月15日宣布與Pearl Research Labs合作，並推出「Gemma-4-31B-it-pearl」推論端點。該公司稱價格比一般定價低25%以上，折扣部分由推論過程中同步發行的PRL價值抵銷。不過，這只是特定模型的價格資訊，並不能代表整個網路的付費需求。

關鍵爭議在於，挖礦運算有多少真正用在AI工作上。獨立研究者阿比納巴·巴蘇(Abhinaba Basu)於6月3日發表研究，分析了Pearl的挖礦軟體與驗證程序。這項研究是尚未經同儕審查的預印本。Castle Labs在6月的研究中表示，約8000台支援推論的硬體並未執行任何AI相關程式碼。

運算效率同樣是課題。Castle Labs指出，Pearl網路簡化後的INT8格式約產生10%至15%的額外負擔。Pearl Research Labs則表示，以Llama 70B和DeepSeek V3.2為基準，PoUW核心的端到端額外負擔分別為5.08%和3.9%。這些數字屬於公司自行測量的結果。

「評論」：GPU執行矩陣運算，和運算結果被客戶用於AI訓練或推論，是兩回事。Decentralised Co也承認，Pearl網路的大部分算力目前仍未獲得足夠的付費推論需求。不過文章反駁說，價格訊號源自營運者的機會成本，與需求是否被滿足無關。這份機會成本能在多大程度上解釋租賃市場價格，仍有待後續數據驗證。