2026 年上半年，DGrid Genesis 会员计划累计营收突破 2300 万美元，付费会员超过 15,000 名。DGrid 将这组数据视为一个信号：去中心化 AI 正从概念叙事走向真实付费验证的商业阶段。
DGrid 对自身的定位并非单纯的去中心化算力平台，也不只是模型调用撮合工具，而是连接 AI 开发者、企业用户与加密原生用户的可验证智能网络枢纽。与更偏向去中心化训练或纯算力市场的项目不同，DGrid 把重点放在两件事上：让推理过程更可验证，以及让付费闭环真正运转起来。前者对应信任问题，后者对应商业需求验证，这也是其底层 Proof of Quality（PoQ）机制存在的核心背景。
Genesis 计划用真实付费验证商业可行性
Genesis 会员计划是 DGrid 当前最具代表性的商业成果。用户支付 1,580 美元年费后，可以加入该计划，并获得每月 300 美元的模型使用额度（Credit）、专属 NFT 权益、DClaw 一键部署能力，以及 DGAI 代币挖矿奖励等权益。
按年费口径计算，会员每月获得的模型调用权益相当于官方价格的约 4.4 折。DGrid 认为，这一价格在市场上具备较强竞争力。
与传统 Web2 AI 订阅服务不同，DGrid 的会员付费记录建立在链上，具备公开透明的特征。文中称，这笔超过 2300 万美元的营收并非停留在演示材料里的叙事，而是建立在真实付费行为之上的数据。
文章同时指出，超过 15,000 名付费会员所代表的是持续存在的市场需求。用户愿意为 AI 服务直接付费，被视为产品实际价值已经得到验证，这一点也是许多纯 Token 叙事项目尚未证明的部分。
在会员体系之外，DGrid 还通过 AI Arena 让用户参与模型盲测和打分，沉淀高质量的人类偏好数据。这些数据会反哺智能路由优化，用于提升 Gateway 的服务质量。付费需求验证价值，产品体验持续优化，这两条路径构成了 DGrid 所描述的正向循环。
文中还提到，DGrid 的种子轮融资规模为 500 万美元。以 500 万美元融资撬动 2300 万美元营收，这种资本效率在该赛道中较为少见，也被用来说明其商业模式的健康度。
不过，这一循环能否长期维持，仍取决于多个变量，包括用户留存、Credit 消耗率、模型成本控制，以及 DGAI 激励机制能否持续运转。就当前结果而言，DGrid 已迈出其去中心化 AI 商业化进程中的关键一步。
产品矩阵围绕真实使用场景展开
为 Genesis 计划提供支撑的，是 DGrid 围绕用户真实痛点搭建的产品架构。
其中，AI Gateway 提供一站式智能路由入口，可以根据成本、速度和历史表现，自动调用 Claude、GPT、Gemini、MiniMax、GLM 等 200 多种主流模型。用户通过一个 API 即可接入高质量 AI 服务，无需分别对接不同厂商接口，目标是在更低成本下完成调用。
AI Arena 则通过盲测打分收集不同模型输出的人类偏好数据。用户会匿名评判两个模型回答的优劣，这些数据既可用于优化智能路由，也可以进一步沉淀为可商业化的标注资产。目前，Arena 参与用户已超过 30 万。
DClaw 支持用户在分钟级完成本地 AI 助手部署，无需配置密钥即可直接调用顶尖模型，并提供持久化记忆和热插拔技能插件，适配 Telegram、微信、Discord 等主流平台，主要面向长期稳定使用场景。
Model Marketplace 支持 AI 模型自由上架、自主定价和资产代币化。模型提供方可以直接入驻并参与市场竞争，从而获得更直接的收益路径。
此外，DGrid 还推出了 Dori 智能推荐代理，允许用户用自然语言描述需求，再据此推荐合适的模型和调用方案，以降低多模型 AI 服务的使用门槛。
按照文中说法，这套产品矩阵的重点不在于简单叠加功能，而是围绕一个核心问题展开：怎样让用户以更低成本、更可信、更方便的方式使用 AI。
与 BNB Chain 集成，扩展 Agent 的链上能力
如果说产品矩阵主要解决的是 AI 是否好用，那么 DGrid 与 BNB Chain 的集成，处理的则是另一个问题：AI Agent 能否在链上自主运行。
通过接入 Agent Registry 与 x402 支付能力，DGrid 让 AI Agent 具备了链上身份和按次付费调用能力。
一方面，DGrid 部署的 AI Agent 可以在链上完成注册，成为可发现、可组合、可调用的链上实体。另一方面，当 AI Agent 调用 DGrid 上的模型时，也能够通过按请求付费的方式完成服务结算。
这意味着，AI Agent 不再只是链下工具，而是开始具备链上身份、服务调用与自主支付能力。在这一基础上，Agent 才有机会从单一工具继续演进为可参与链上经济活动的智能主体。
PoQ 机制试图解决去中心化 AI 的信任问题
PoQ 机制所针对的，是去中心化 AI 更底层的信任问题。
在中心化 AI 服务中，用户通常默认平台能够完成真实调用、准确计费并稳定交付。但在去中心化网络中，模型提供方、节点运营者、开发者和用户分属不同角色。如果缺少验证机制，就可能出现劣质模型冒充、虚假计费、任务执行过程不可追踪等情况。
DGrid 提出的 Proof of Quality（PoQ），正是围绕这一问题设计。根据文章介绍，该机制通过独立抽检验证模型提供方的服务质量，并将验证结果上链。
文中特别强调，PoQ 检测的是提供方是否诚实交付了所承诺的模型服务。验证过程使用平台自有测试集，不触碰用户调用数据，也不会将用户数据上链。
在开放式 AI 服务网络中，信任不再只来自品牌背书，而需要依靠一套可验证、可追责、可结算的机制。DGrid 对 PoQ 的定位，正是为这种开放网络提供基础信任层。
DGrid 团队也在持续围绕 PoQ、Optimistic TEE-Rollups 等方向展开研究。根据公开资料，其核心成员拥有 Stony Brook University 等院校的博士背景，并已发表 4 篇相关论文：
- Proof of Quality：https://arxiv.org/abs/2512.16317
- Optimistic TEE-Rollups：https://arxiv.org/abs/2512.20176
- Cost-Aware Proof：https://arxiv.org/html/2601.21189v1
- PoQ-Judge：https://arxiv.org/pdf/2606.11196
从单次验证走向完整服务网络
PoQ 最初要解决的是单次推理任务如何被验证，但 DGrid 想构建的并不只是一个可验证调用工具，而是一套连接模型提供方、节点运营者、开发者和终端用户的 AI 服务网络。
在这套网络中，调用、验证、计费和结算需要被放入同一个闭环。用户支付费用，节点完成服务，系统记录关键过程，开发者和模型提供方获得收益。只有当整个流程足够透明，网络才可能从早期试用走向更大规模的真实采用。
这也是 DGrid 获得外部机构关注的原因之一。文章提到，其种子轮曾吸引 Waterdrip Capital、IoTeX、Paramita VC、Zenith Capital、CatcherVC 等机构参与。
Waterdrip Capital CEO Jademont 曾表示，如果去中心化网络让构建者无法了解数据处理过程，就会很快面临执行瓶颈。
这句话点出了去中心化 AI 面临的一项核心难题：网络越开放，参与方越多，信任成本越高。如果模型推理、数据处理和节点执行过程都不可见，那么随着规模扩大，系统更容易陷入低效与不可信。
DGrid 给出的路径是，借助 PoQ、链上记录和支付机制，把 AI 服务从“能调用”推进到“可验证、可计费、可追责”。这也是其与单纯算力市场或模型聚合平台之间的重要区别。
DGrid 交出一份阶段性答卷
文章最后总结称，DGrid 通过超过 2300 万美元的 Genesis 会员收入，以及一套逐步成型的产品矩阵，给出去中心化 AI 商业化的一份阶段性答卷：可验证的去中心化 AI 已经不只是远期概念，而是开始进入真实付费和商业验证阶段。
不过，这条路径仍需要长期打磨。如何在保证验证能力的同时降低延迟和成本，如何平滑接入企业既有系统，如何维持会员增长与 Token 激励之间的平衡，都将影响 DGrid 后续的发展。
文中认为，市场已不再只关注“AI + Crypto”能讲出多大的故事，而是更关注它能产生多少真实收入、沉淀多少真实用户，以及解决多少真实问题。对 DGrid 来说，超过 2300 万美元是其给出的第一个答案，接下来还需要观察这套模式能否从 Genesis 会员计划延伸到更大规模的开发者生态、模型市场和企业级应用中。