AI实验室需要比公共数据集更新、更干净的数据，越来越多的去中心化网络声称能够以更低成本并提供可验证来源的方式提供这些数据。问题是，这个新的DePIN垂直领域能否将代币驱动的炒作转化为来自付费客户的经常性收入。
模型如何运作
GRASS是数据驱动AI领域的知名项目，通过租用分布式端点来众包公共网络数据。个人运行轻量级客户端，充当带宽共享代理，根据在线时长、带宽、地理稀缺性和质量过滤器赚取积分或代币。在需求端，AI实验室和数据供应商为新鲜、合规、具有审计追踪的特定领域数据付费。定价可以是按页面、按代币、按千兆字节或按任务（包括爬取、清洗、标注和毒性过滤）计算。
其宣传点是，中心化的Web2供应商无法匹敌去中心化网络利用全球数千个端点的数据新鲜度或成本。买家还重视覆盖范围、对robots.txt和退出规则的遵守情况，以及服务水平协议（SLA）和重新运行选项等可靠性保证。
供需——一个实时实验
GRASS是更广泛的DePIN运动的一部分，该运动已在无线（Helium）、地图（Hivemapper）、存储（Filecoin、Arweave）和计算（Akash、Render）领域取得突破。每个垂直领域销售不同的资源：Helium销售连接性，Hivemapper销售地图瓦片和更新，Filecoin销售持久存储，Akash销售GPU和CPU时间。
数据驱动AI是最新的赛道。其供应端依赖于个人贡献带宽和端点，通过代币奖励激励。需求来自需要专门数据集的AI实验室——不仅仅是更多数据，而是当前、干净且合法抓取的数据。但与计算或存储市场相比，这种需求仍处于起步阶段。
从炒作到资产负债表
像GRASS这样的项目的代币价格反映了投机兴趣，而不一定是商业吸引力。关键考验在于，数据驱动AI的DePIN能否从真实企业那里产生经常性发票。AI实验室有数据采购预算，但它们也与Scale AI、Appen和网络抓取服务等中心化供应商建立了稳固关系。
去中心化网络提供来源日志和合规追踪，随着监管机构对训练数据的规定收紧，这可能成为一个差异化因素。但买家需要信任网络能够持续大规模提供高质量、新鲜的数据，并且他们为服务支付的代币不仅仅是波动风险。
未解决的问题
GRASS及其同行仍处于早期阶段。数据驱动AI的理论在纸面上是合理的：用陈旧或嘈杂数据训练的模型会产生更差的结果，而中心化抓取成本高昂且法律风险大。但去中心化来源能否在价格和质量上实际低于现有供应商，并且可靠地做到这一点，尚未得到证实。
能够存活的项目很可能是那些能展示来自AI实验室的实际发票的项目，而不仅仅是代币交易量。目前，炒作是真实的，但收入尚未到来。
