AI 推理的金融层正在形成
Galaxy Digital 研究副总裁 Lucas Tcheyan 在一篇由深潮 TechFlow 编译、吴说转载的长文中提出，“链上推理资本市场”正在成型。按文中的定义，这是一套由网络、协议、基础设施和应用组成的系统，目标是把 AI 模型推理从 OpenAI、Anthropic 等前沿实验室以及超大规模云服务商控制的中心化 API 中拆分出来，在链上完成协调与结算，并在其上叠加金融层。
文章称，用户可以把提示词发送给由加密代币激励、协调的 GPU 运营商网络。在部分配置下，输出正确性和隐私还能得到密码学或经济层面的担保。作者认为，这一类别在 2026 年获得了更多关注，原因之一是推理已经超过训练，成为全球 GPU 需求中的主导部分；另一个原因是自主代理作为新的推理消费者出现，这类系统可以编程式付费，在运行中不依赖人工介入。
过去几年，去中心化 GPU 市场、推理协议、支付通道、代币化工具、资本形成工具和链上流动性分别发展。文章的核心判断是，这些原语不再各自独立，而是在汇聚成一个整合市场，也就是“推理资本市场”。
推动这一整合的第一股力量来自算力结构变化。文中称，GPU 使用正在从训练明确转向推理，而开源权重模型在“够用就好”的任务层级上正在追赶前沿模型。原先成本较高的任务因此可以路由给最便宜的服务方，不论后者是否通过加密网络提供服务。
文章提到，Citadel 最近的一份报告显示，以 Silicon Data LLM 指数衡量的 token 支出正在下降，反映出用户正转向更便宜的模型。这里的 AI token 指 AI 公司用来给服务定价的单位，而不是加密代币。作者还提到，Coinbase、微软、AirBnB 最近开始转向开源模型，其中以中国模型为主；OpenRouter 的融资则被视作市场对多元模型接入需求增加的一个信号。
第二股力量来自金融化。作者认为，AI 已经越来越像一种通用输入，围绕 AI 算力的商品化与金融化需求也在增加。越来越多团队尝试把 AI 硬件和产能变成可交易资产，再纳入更大的金融层，推理资本市场的早期框架因此逐步浮现。
GPU 指数与期货市场先在链下铺路
在进入链上部分前，文章先讨论了链下 GPU 期货市场的形成。作者列举了三家机构对 AI 基建资本支出的估算。摩根士丹利预测，到 2028 年全球数据中心资本支出约为 2.9 万亿美元，不含电力投资，其中约 2.5 万亿美元与 AI 相关。麦肯锡估计，到 2030 年数据中心需要 6.7 万亿美元全球资本支出，其中 5.2 万亿美元用于 AI 处理设施，1.5 万亿美元用于传统 IT，其 AI 场景范围从 3.7 万亿美元到 7.9 万亿美元不等。高盛则估计，2026 至 2031 年间 AI 基础设施资本支出约 7.6 万亿美元，覆盖算力、数据中心和电力。
虽然估算口径不同，但文中说，这些预测都指向同一个结论：算力和硬件是最大的支出项目，占比在 55% 到 67% 之间。作者解释，预测之所以困难，一方面在于需求弹性并不清晰，算力变便宜后究竟是降低账单，还是被重新投入到更大模型和更广部署，仍有不确定性；另一方面，芯片有效寿命的估算从 3 年到 7 年不等。
文章援引 Baseten 的说法称，如今采购算力“被比作毒品市场——你有一个‘人’，需要货的时候就打电话”。在作者看来，这说明市场早已存在，只是缺乏标准化。大买家会私下锁定未来算力，从按小时租赁到多年期预留合同，再到供应商与大客户间的双边交易，价格通常由不透明、关系驱动的谈判决定。OpenAI 等前沿实验室批量出售 token，超大规模云服务商彼此预留产能，新型云服务商也会从云服务商和经纪商手中提前买入算力。
作者认为，GPU 期货不会立刻替代这种配置方式，而是在这一碎片化市场上叠加一个标准化的价格风险转移层。要做到这一点，市场必须先有可靠的指数。对算力而言，一个“GPU 小时”如果不写明芯片型号、内存、网络配置、区域，以及是按需还是预留，就没有太大意义。这一点与原油、天然气在形成流动市场之前面对的底层差异类似。
文中点名了几家正在做 GPU 定价基准的公司。Ornn 作为 Galaxy 的投资组合公司，已经发布基于实时交易数据的算力价格指数。Silicon Data 则在彭博终端上每日发布 H100、A100 和 B200 的租赁指数，把不同配置、供应商和区域的数据归一化成单一基准。Compute Desk 也在推进同类建设。作者借用 Ornn 的框架说，这些指数更接近 SOFR，而不是 LIBOR，因为它们来自市场上的广泛真实交易，而不是专家估算。
不过，GPU 基准比原油更难长期维持。文章指出，WTI 的一桶油本身不会变化，但 GPU 基准会随着 H100、H200、B200、GB200，再到 Rubin 这样的芯片迭代持续重写。与此同时，AMD、Google TPU、Amazon Trainium、超大规模云自研芯片以及主权芯片也在把需求分散到不同且互不兼容的硬件之上。
文章还讨论了期货合约的结算问题。对于想对冲预算的实验室或做方向性交易的交易台，现金结算合约已经足够；但对需要真实芯片来服务客户的新型云服务商来说，真正重要的是产能本身。作者称，目前推出的 GPU 期货更倾向于现金结算，因为价格对冲最容易标准化，但也有观点认为，如果底层指数过薄，现金结算更容易被操纵，因此市场可能需要实物交割或可运作的期现转换机制。
在参与者结构上，天然买方包括 AI 实验室、应用公司以及已经向下游承诺产能的新型云服务商；天然卖方则包括超大规模云服务商、大型 GPU 持有者和经纪商。为 GPU 采购提供融资的放贷方也需要这类价格基准，因为以贬值硬件为抵押的债务必须有明确标价。文章称，目前最明显的结构性张力在于，卖方更想卖长期合约锁定收入，买方更希望购买短期合约保持灵活性。
尽管如此，作者认为更成熟的 GPU 市场已经出现早期信号。Kalshi 已推出针对特定 GPU 价格的预测市场，纽交所母公司 ICE 与 Ornn 合作，CME 与 Silicon Data 合作，双方都已宣布计划在未来一年推出 GPU 期货。
链上推理资本市场的几层结构
文章随后转向链上部分。作者把模型和推理供应商称作“token 工厂”：它们接收原始输入，也就是 GPU，把其精炼成以 token 形式计价的输出。GPU 小时这层正在被指数化和标准化，但上层的 AI token 市场仍然高度分散，不同模型的 token 定价差异很大。不过作者认为，这一层也在开始成型。
文中写道，中国三大国有电信运营商已经开始把推理以计量公用事业形式零售，销售标准化的月度 token 套餐，形式类似手机流量套餐。亚马逊据报道将开始按 Anthropic 实际消耗的 token 支付费用，而不是此前承诺的计算小时数。上海期货交易所则据说正在早期设计 AI token 期货，作为 CME 和 ICE 正在建设的 GPU 合约的对应物。
在加密领域，链上推理资本市场建立在已有的 GPU 供应商、去中心化模型开发者等原语上，同时加入代理支付标准、代币化推理市场等新垂直方向。作者称，这一生态已跨越多条链和执行环境，但开发特别集中在 Base 和 Solana 上，因为两条链都有较成熟的开发者和用户基础。
文章将这一生态概括为几层：最核心的是推理供应商和网络，它们把提示词转成输出；围绕它们的是模型开发者、GPU 和算力供应商、路由器和市场、代理和应用、支付通道以及资本形成基础设施。这些外围层的重要性，在于它们要么创造推理需求，要么供给推理所需输入，要么把推理使用转化为能够付费、融资、路由或持有的对象。
作者也强调，并非所有产品都是加密独有。Hermes 和 Ironclaw 这类代理框架可以从前沿实验室或 Venice 这样的链上供应商处获取推理；Nous Research 这类去中心化开发者的模型也能在 OpenRouter 上访问；x402 和 MPP 这类代理支付协议，既能向 OpenAI 或 Anthropic 订阅付费，也能支付 Venice 的推理费用。OpenAI 和 Visa 最近宣布自己的代理支付基础设施，也说明程序化结算正在成为行业通用能力。
真正显出差异化的，是金融化一侧。文章把这一部分分成三种形式：
- Venice、Morpheus 这类推理服务供应商，把未来推理访问权代币化，变成可以持有、定价和转售的索取权。
- Pearl、Ambient 这类有用工作量证明项目，把推理生产本身代币化，用代币奖励补贴服务推理的工作。
- USD.AI 这类信贷供应商，不代币化推理本身，而是为推理运行所需硬件提供融资，用稳定币存款为 GPU 和数据中心提供资金。
推理供应商层：链上份额仍小，但已有初步牵引力
在推理供应商这一层，作者把去中心化推理看作传统 AI API 市场的直接对应物。用户和开发者选择模型、发送提示词、按 token、按请求或按订阅付费，再获取输出。差别在于，加密原生供应商可能从去中心化 GPU 网络获取产能，接受稳定币或代币支付，提供开放或无审查模型访问，加入隐私保证，或者把代币化访问权和使用权绑定起来。
文章称，OpenRouter 是观察链上推理需求最有利的场所之一，因为那里按 token 定价，用户也能在任意请求上切换供应商。在这种环境里，更便宜或更快的供应商理应更容易获得份额。过去三个月，链上供应商处理的 token 占 OpenRouter 日处理总量的 0.5% 至 1%，与此同时 OpenRouter 的总 token 处理量仍在持续增长。作者认为，这说明链上供应商在加密原生社区之外已经拿到一些初始牵引力，但在总使用量里占比仍然很小，暂时还无法与成熟的中心化产品正面竞争。
不过，OpenRouter 不能代表全部使用量。文中举例称，Venice 报告在 6 月 23 日当天，其所有接入点合计处理了 1000 亿个 token，约为其在 OpenRouter 上处理量的 10 倍。作者据此认为，单看 OpenRouter 不能完整反映各项目的实际规模。与此同时，不同链上推理供应商也在尝试用不同方式建立用户群。Venice 主打隐私，强调用户不必担心供应商保留、检查、泄露、审查或被迫披露敏感信息；Chutes 和 AkashML 则允许任何人把 GPU 接入网络，将闲置算力变现，以尝试降低成本。
但文章认为，这些优势在很大程度上都可能被中心化供应商复制。真正更难复制的，是把推理访问权本身金融化。
Venice：把推理访问权变成可持有资产
作者把 Venice 视为目前“把推理访问权变成可拥有资产”走得最远的项目。该项目由 Erik Voorhees 创立，运行 VVV 与 DIEM 的双代币结构。文章强调，VVV 不是 Venice 平台股权，Venice 也有独立的股权结构。6 月，Venice 完成 6500 万美元 A 轮融资，估值达到独角兽水平。
按照文中描述，VVV 更像项目的“资本资产”。Venice 会把部分收入用于回购并销毁 VVV，其中包括来自一般收入支持的自由裁量销毁，也包括把每笔新订阅中的固定比例自动路由到回购销毁的程序化机制。文章称，截至目前，42% 的 VVV 已被销毁。
VVV 也有使用功能。持有者可以质押任意数量 VVV 获取年度 VVV 排放，也可以质押 100 枚 VVV 解锁 Pro 订阅。更关键的是，已质押 VVV 还能用于铸造 DIEM。每个 DIEM 永久授予 1 美元 Venice 推理积分，因此持有 100 枚 DIEM，就相当于持有可用于 Venice 平台全部模型的 100 美元 API 积分，而且永久有效，至少在 Venice 继续运营的前提下如此。
文章称，铸造每个 DIEM 所需锁定的 VVV 数量，遵循一条由 Venice 设定的曲线。随着 DIEM 供应逼近 Venice 设定的目标，该比率会指数级上升，因为每个 DIEM 在 Venice 账簿上都对应一项“每天 1 美元、永久存在”的负债。当前供应已接近这一目标，所以费率已从推出时大约 90 VVV/DIEM 升至如今的数百。锁定 VVV 以支撑 DIEM 期间，质押者只能保留常规 VVV 质押收益的 80%，剩余 20% 流向 Venice。若铸造者要赎回 VVV，只能通过销毁 DIEM 完成；如果其此前已把 DIEM 卖出，就必须重新在市场上买回。
作者认为，VVV 和 DIEM 会相互强化。DIEM 只能通过锁定已质押的 VVV 来铸造，所以 DIEM 需求上升会把 VVV 从流通中抽走；而 DIEM 的价值又与 Venice 平台的增长相关，平台越有用、使用越广泛，用户对每日访问权的可转让索取权也就越有价值。
文章还说，Venice 团队称其大多数用户并非加密原生，很多人本身并不关心代币。但无论用户是订阅、购买积分还是直接使用平台，这些行为都会推动 VVV 的回购销毁，并增加对 Venice 推理的需求。作者把这种结构概括为：代币经济位于产品下游，而不是代替产品。
DIEM 的特殊性，在文章看来，主要在于“所有权”。普通按次付费模式里，用户把推理消费掉之后不会留下任何资产；而代币化访问权则可以保留、转让、出售，甚至租出去。文中列举了几种使用方式：需求不均匀的持有者可以保留基线访问权，再把暂时不用的天数卖出或出租；代理可以直接持有 DIEM，获得一个可持有、无许可的推理余额；用户可以通过 Aerodrome 做即时出售，也可以通过 Surplus、UsePod、AntSeed、CarpeDiem 等市场进行固定期限租赁。
Venice 团队也给出过一个更直观的例子：用户买入 DIEM，用一天，再在第二天卖出。如果价格不变，相当于免费使用了一天推理；如果价格上涨，还可能盈利。但文章同时强调，反向风险同样成立，若价格下跌，持有损失可能高于直接购买推理的成本。
DIEM 还能提供一定成本确定性。作者举例称，如果一家企业或一个代理有稳定、可预测的推理需求，就可以通过持有 DIEM 预先锁定成本，逻辑与多年期云预留合同类似。按 7 月 7 日 DIEM 价格 1270 美元计算，一个 DIEM 约等于四年的“每天 1 美元”积分，也就是买家大致预付了约三年半的永续现金流。
不过，文章对这一模式也提出多项限制。首先，代币化推理更适合那些需要提前拉动需求和筹资的发行方，而掌握最好模型与真正定价权的实验室未必愿意代币化，因为这样会削弱它们在价格歧视、收入损耗和重新定价方面的灵活性。其次，DIEM 没有返还本金的到期日，也没有抵押品或储备支持，不像 GPU 支持贷款那样有底层资产，持有者本质上是在押注 Venice 长期持续提供服务。第三，DIEM 对应的是“Venice 决定 1 美元可以买到多少推理”的索取权，而不是固定数量的推理本身。各模型的 token 定价由 Venice 决定，需求和可用性变化都可能影响实际价值。
作者进一步指出，更深一层的问题在于，像 DIEM 这样永久、美元计价的结构，是否真的是推理买家想要的敞口，还是市场更需要有期限、以算力或 token 计价的索取权，或者两种特性兼具的工具。
从现状看，DIEM 主要仍被当作投机资产持有，而不是用作推理访问。文章称，每周被实际使用的推理量不到已发放 DIEM 的 50%。Venice 自身材料把 DIEM 形容为一种“区间震荡的永续资产”，并把买家分成 API 用户、提取 VVV 价值但不出售 VVV 的持有人，以及套利或做价差的投机者，后两类目前占比较大。
文章还将 DIEM 与 OpenAI 的 Scale Tier 做了比较。Scale Tier 是以 token/分钟模型吞吐量为单位、按固定期限购买的预付承诺，但它绑定账户、不能转让。DIEM 的方向正相反：它能被持有、转售，也能嵌入整个加密推理堆栈。作者认为，更理想的工具，也许会把 Scale Tier 的期限与算力计价机制，和 DIEM 的所有权、可转让性结合起来。
对 Venice 自身而言，每一枚流通中的 DIEM 都意味着其未来必须持续提供、且不能再卖给其他人的 1 美元算力，所以它本身是一项负债。这也是 Venice 使用收入回购代币的原因之一。作者最后总结称，VVV 和 DIEM 的价值，不在于模拟股权，而在于让一方拥有对 Venice 推理的索取权，另一方承担服务义务，这种围绕算力索取权形成的共享头寸，构成了该模型的核心。
有用工作量证明：Pearl 与 Ambient 的两条路线
如果说 Venice 代币化的是推理访问权，那么 Pearl 和 Ambient 代币化的是推理生产本身。作者把这类设计归为“有用工作量证明”。与传统工作量证明不同，这类网络不是让矿工解无意义难题，而是让其执行真实推理，从而让保护链安全的算力同时产出客户愿意付费的商品。
Pearl Network 是一条从比特币代码库分叉出来的 Layer-1 区块链，保留 UTXO 模型和难度调整机制，但把 SHA-256 哈希替换为矩阵乘法——也就是 AI 推理和训练中的核心运算。作者解释，当 AI 模型回答一个提示词时，底层会进行矩阵乘法；Pearl 让矿工对这些矩阵加入一层随机数扰动后再计算，中途持续检查中间结果是否低于难度目标。如果达到目标，矿工就赢得区块；而在乘法完成后，再减去随机层，就能得到客户真正需要的推理结果。
文中称，Pearl 以 vLLM 插件形式发布，这意味着已经使用 vLLM 的 AI 公司无需重建系统就能启用。由于获胜条目需要被公开验证，Pearl 还使用零知识证明封装这一过程，避免暴露客户提示词和供应商专有模型权重。Pearl 报告称，采用其方式运行模型只会增加 0.5% 到 10% 的额外工作量；在对 Llama-3.3-70B 的发布测试中，Pearl 版本甚至与标准版本一样快，某些配置下还更快。
但文章指出，Pearl 也暴露了一个核心问题：协议本身无法区分“有用计算”和“无用计算”。只要矩阵乘法被执行，不论是否真的在服务客户请求，矿工都可以参与挖矿并争夺区块奖励。Pearl 的白皮书就预设了这一点，其发布后的早期热潮也证实了这一现象——算力迅速攀升，但几乎看不到多少真实推理需求。
作者同时提到一些现实牵引力。5 月，Pearl 宣布与 Together.ai 合作，推出一个价格比 Together 标准费率低 25% 以上的推理端点，折扣来自同一算力上赚取的 Pearl 代币奖励。作者据此认为，Pearl 的双用途设计能否成立，最终仍取决于真实、付费的推理需求能否成为算力增长的驱动力。
Ambient 采取了与 Pearl 相反的设计。它不允许矿工运行任意模型，而是把整个网络标准化到一个大型开源权重模型上，并围绕该模型输出的验证建立共识。用户或代理会发布带有截止时间和报价的推理任务，也就是“在 X 分钟内完成这项工作，我付 Y”。矿工竞标承接任务，获胜者在网络模型上执行查询，提交保证金，若超时或质量不达标则会被没收。一组随机选出的验证者随后检查结果，这些验证者的优先权由历史有用工作记录而非质押资本决定。整套系统建立在 Solana 分叉上，目标是达到 Solana 级别速度。
文章称，这种拍卖机制也是 Ambient 能把推理价格压低的关键。传统 API 供应商要从用户付款中收回全部服务成本，而 Ambient 矿工可以从两端获得报酬：一部分来自发布任务的用户或代理支付，另一部分来自协议对已验证有用工作的奖励。于是，矿工在竞价时会把预期代币奖励计入报价，最终把部分补贴让渡给需求侧。
作者认为，这也是 Ambient 试图解决 Pearl 问题的地方。在 Pearl 中，矿工即便不服务真实需求，也能通过运行矩阵乘法赚取区块奖励；在 Ambient 中，矿工只有赢得真实发布且有人付费的任务，才能获得代币奖励，因此“挖矿”和“服务真实推理”在设计上被合并为同一件事。
在验证机制上，Ambient 还采用了基于 logits 的方法。文章解释，语言模型在生成文本时，每一步都会产生 logits，也就是对所有可能下一个词的原始评分。这组评分可视作模型运行过程的“指纹”，可以哈希成短数字。验证者无需重跑完整输出，只要随机挑选输出中的一个位置，让矿工提供该处指纹，再自己在同一位置生成一个 token 并核对指纹，就能用单个 token 的工作量验证数千个 token 的输出。Ambient 声称，这把验证成本控制在约 0.1%，相比其他项目尝试的零知识证明方案，开销大约低 10 倍到 1000 倍。
不过文章最后指出，有用工作量证明仍面临两个更现实的问题。第一是需求。今天愿意为可验证、抗审查、中立、无需信任供应商的推理形式付费的市场仍然很小；如果没有足够真实需求，区块奖励本身就会吸引矿工，结果仍然会回到“形式上有用、实际上无用”的状态。第二是代币价值累积。无论 Pearl 还是 Ambient，目前都没有真正闭合“真实使用驱动代币需求、代币支撑网络奖励、网络奖励继续支持使用”的循环。代币会被挖出、被卖出，但消费推理本身并不一定需要大量使用这些代币。作者认为，更可能的方向，是未来把网络代币直接变成推理的原生支付通道，但这套机制是否能让长期的有机需求超过持续排放，仍待观察。
USD.AI：链上做 GPU 融资，而不是再造一个代币故事
与 Venice、Pearl、Ambient 不同，作者把 USD.AI 视为本报告里“加密最像做自己擅长事情”的例子。原因在于，它并不尝试为推理本身铸造新需求，而是以更常规的方式为运行推理所需的 GPU 提供融资。其基本结构是：把稳定币存款导入给购买 GPU 的运营商发放贷款，再由 GPU 租赁现金流偿还贷款，并把利息回流给存款人。
文章提到，大型运营商已经能够通过银行信贷额度、资产支持证券化和私人信贷为其 GPU 设备群融资，CoreWeave 的数十亿美元 GPU 支持债务就是典型案例。相比之下，较小的新型云服务商往往有硬件、有支持贷款的合同现金流，但没有足够的资产负债表、财资能力或放贷方关系来快速获得贷款。USD.AI 的目标客户就是这部分借款人。
在文中描述下，USD.AI 有两个代币。存款人铸造 USDai，这是一种由 PayPal 的 PYUSD 支持的合成美元，而 PYUSD 又由美国国债和现金支持。USDai 本身不提供收益，重点在于流动性和可组合性。若要获取收益，存款人需要把 USDai 质押成 sUSDai，后者价值会随着奖励积累而上升。收益来源有两部分：一是 GPU 借款人的贷款利息，二是闲置储备金在部署间隔期间获得的美国国债收益。文章称，在贷款账簿约为储备金一半的情况下，质押收益约为 8%，协议目标是在更多资本完成部署后达到 10% 至 15%。
文章也详细讨论了这类贷款最难的部分：如果借款人违约，如何对物理 GPU 抵押品执行索取权。USD.AI 过去曾把每个融资的 GPU 记作 ERC-721 NFT，并将其描述为《统一商法典》第 7 条下的合法产权凭证，借款人在委托保管框架下保管机器，NFT 作为抵押物。该机制被称为 CALIBER。不过协议后来放弃了这个框架，原因是商业摩擦太大。
按照 7 月 15 日更新后的描述，现在 NFT 代表的是贷款记录，而不是直接转移抵押品法律索取权。NFT 主要承载服务条款并在链上路由还款，真正的执行依然依靠常规链下贷款文件，以及现场检查、安装证明、抵押品监控、留置权备案和数据中心或托管方配合。这条执行路径和协议整体模式尚未经历完整的不良资产回收检验。
作者还指出，USD.AI 面临典型的资产负债错配：其底层是 3 年摊销贷款，而上层却是流动代币。许多 RWA 信贷协议用“即时赎回”掩盖这一问题，并在压力下出事，文中提到 USD0++ 脱锚就是一例。USD.AI 的做法是不承诺即时退出，赎回在 30 天周期内按已摊入本金进行，先到先得，协议也不会为满足提款去强平一笔正常履约的贷款。除此之外，协议还叠加了一个借鉴 Flashbots MEV-Boost 设计的定价队列，允许希望跳过等待队列的赎回者竞价获取优先权，相关费用则分配给仍在等待的持有者。
贷款条款方面，文章给出的参数包括：70% 至 80% 贷款价值比，借款人预留约三个月偿债服务储备金，两次错过付款后进入清算，硬件有保险、受监控，并可由专门合作伙伴追回。
作者把 USD.AI 纳入“推理资本市场”框架，是因为它把信贷层和定价层联系在了一起。为 GPU 放贷的机构必须依赖某种价格标准来判断硬件折旧速度、强制出售价值、合理首付比例以及如何对冲残值风险，而 GPU 指数和逐渐形成的期货市场正提供这样的参考。反过来，真实的信贷敞口也会让这些价格基准具备超出投机交易之外的用途。
文章称，USD.AI 约 95% 的贷款账簿由长期承购合同担保，而不是现货租赁，因此借款人的偿债能力更多取决于预先承诺产能的交易对手，而非日常租赁价格。为了进一步降低风险，协议在贷款发放时就将有效 LTV 压到 60 多，因为 70% 至 80% 的 LTV 外，还有提前拨备的三个月偿债服务储备金。USD.AI 还表示，大约四分之一到三分之一的贷款会在第一年偿还，因此不少风险暴露会在硬件价值大幅下滑前就被收回。
此外，每笔新贷款现在都附带 Barkr 提供的价值损失保险，其 AI 驱动的抵押品估值由慕尼黑再保险担保和再保险。文章称，如果贷款违约，且抵押品出售价低于 Barkr 的评估价值，差额将支付给协议。在 80% LTV 上限下，USD.AI 把这一安排描述为对未偿债务的全额覆盖。
不过，作者并未把保险视作问题终结。保险只是把残值风险转移给了更强的交易对手，同时引入了对 Barkr 估值模型和再保险持续有效性的依赖。覆盖范围，以及 USD.AI 的链下执行机制，都还没有经历真正违约潮的压力测试。文章总结称，相比几个月前，一笔坏账清算现在首先由保险方承担，之后才会传导到存款人。
Galaxy 的结论：链上部分仍小，融资层目前最接近真实需求
文章最后判断，无论链上还是链下，推理资本市场相对于整个 AI 产业依然很小。链上产品若要真正扩张，必须证明它们带来的优势是可持续、可长期维持的。
作者把这些优势概括为三类。第一，像 Venice 这样的代币化访问权，把推理索取权变成可保留、可转售、可出租、还能交给代理使用的不记名资产，而不是受制于单一供应商账户体系的订阅。第二，像 Pearl 和 Ambient 这样的有用工作量证明网络，利用代币排放把推理价格压到市场价以下，并通过可验证输出降低买方对供应商的信任依赖。第三，像 USD.AI 这样的融资协议，把本来不流动的 GPU 信贷转成任何稳定币持有人都能参与和退出的链上工具，而且速度可能快于传统信贷体系。
但采用阻力同样明确。作者认为，整个行业还没有真正把“对算力的真实需求”和“对加密代币的真实需求”连接起来。生产网络会铸造代币，再把它卖出，用排放补贴低于市场价的推理；而代币化访问权的交易，更多基于对发行方的投机而不是实际使用，DIEM 的主要持有人就是这种例子。融资是其中的例外，因为它拥有明确的借款人群体，也有合同现金流支持，所以收益来自被服务的真实需求，而不是为了吸引注意力而铸造的新代币。
在 Galaxy 看来，链上推理资本市场真正的优势，不在于和成熟企业正面竞争低成本、大规模推理服务，而在于为传统金融反应太慢、规模太小或覆盖不到的市场形成资本、建立定价、提供融资和完成结算。作者把这视为加密行业反复出现的一种模式：它未必总能赢下产品、模型、交易所或应用本身，但经常成为围绕这些资产建立金融层的更快方式。
文章最后称，围绕“算力即金融资产”的指数、期货、信贷和代币化产能等市场结构，目前仍刚起步，而这本身就是机会。就现阶段而言，融资层是最先找到真实需求的部分，其他层则仍然是一场关于算力金融化会否持续向上延伸的押注。文末还注明，关于 USD.AI 的内容已在 7 月 15 日更新，以反映协议在违约贷款索取权执行方式上的变化。