2026年4月，Render Network 社群完成了一場被業界視為「規模豪賭」的治理投票。提案 RNP-023 以首輪 98.86% 的壓倒性贊成率通過，正式將 Salad Network 作為獨家子網納入 Render 生態，由此引入約 60,000 張日常活躍 GPU。
Salad Network 並非傳統資料中心算力供應商。它營運著全球規模最大的消費級 GPU 網路，涵蓋超過 180 個國家，擁有超過 450,000 個註冊節點，日常活躍 GPU 約 60,000 張。其算力來源為遊戲玩家與個人用戶的閒置顯示卡——RTX 3070、RTX 3080、RTX 3090 及 RTX 4090 等消費級型號構成了供給主體。這與 AWS、GCP 等超大規模雲端服務商所依賴的企業級 A100、H100 叢集形成鮮明對比。
截至 2026 年 5 月 19 日，根據 Gate 行情數據，RENDER 報價 1.8254 美元，24 小時漲幅 2.90%，流通市值約 9.46 億美元，市場情緒中性。
核心事實清單：
- RNP-023 首輪投票獲 130 萬贊成票、1.55 萬反對票，贊成率 98.86%
- Salad Network 約 60,000 張日常活躍 GPU 將作為獨家子網接入 Render
- 集成分為三個里程碑：第一階段 Chefs 獲得 RENDER 獎勵；第二階段客戶可用 RENDER 支付；第三階段全部交易遷移至鏈上 BME 模型
- 遷移前，Render 網路已有約 5,700 個活躍 GPU 節點，累計處理超 7,140 萬幀渲染畫面
- NVIDIA GTC 2026 上，黃仁勳預測 Blackwell 與 Vera Rubin 架構 AI 晶片到 2027 年底訂單需求將達至少 1 兆美元，較上年預測翻倍
從 BME 到 RNP-023：Render 擴容的時間線
Render Network 的算力擴容並非孤立事件。它的演進嵌套在兩個宏觀趨勢之中：AI 大模型對 GPU 資源的結構性渴求，以及去中心化實體基礎設施網路從敘事走向落地的階段性試探。
時間線：
- 2023 年：社群通過 RNP-002 提案，Render 從以太坊遷移至 Solana，引入 Burn-and-Mint Equilibrium（BME）代幣經濟模型。該模型下，GPU 任務支付費用被銷毀，新代幣按需鑄造，使代幣供應與網路實際使用率形成動態關聯
- 2024 至 2025 年：網路驗證了分散式 GPU 資源調度的可行性，AI 推理與微調任務占比持續上升，至 2026 年初 AI 工作負載已接近網路總活動量的 40%
- 2026 年 3 月：Salad 提交正式提案，申請作為獨家子網接入 Render Network
- 2026 年 3 月：NVIDIA GTC 2026 召開，黃仁勳發布 1 兆美元需求預測，GPU 短缺敘事獲得產業級背書
- 2026 年 4 月 1 日：RNP-023 首輪投票結束，98.86% 贊成
- 2026 年 4 月 7 日：RNP-023 正式通過，Salad 確認加入 Render Network
BME 模型與集成的關鍵傳導鏈條：RNP-023 的核心設計之一，是將 Salad 的算力收入引入 BME 銷毀機制。Salad 創辦人公開表示：「銷毀超過鑄造的設計是經過深思熟慮的——我們希望 Salad 的成長對整個 Render 生態有利，而不僅僅是對我們自己有利。」據此可推導（推測）：若 Salad 集成帶動網路使用率顯著提升，BME 模型下的代幣銷毀量將相應增加，形成「需求成長→銷毀加速→供給收緊」的傳導邏輯。但這一推導是否成立，取決於實際使用率而非提案文本。
算力躍升與成本真相：數據透視
算力供給的階躍：5,700 到 65,000 以上
集成前，Render Network 約有 5,700 個活躍 GPU 節點。Salad Network 的加入帶來了約 60,000 張日常活躍 GPU，使得網路理論可用 GPU 數量躍升至約 65,000 以上級別。這在供給曲線上構成一次非連續躍升——不是增量優化，而是規模級別的改變。
但 GPU 的「數量」並不等同於「可用算力」。消費級 GPU 與企業級 GPU 在多個維度存在顯著差異：
消費級 GPU vs 企業級 GPU：關鍵差異
| 維度 | 消費級 GPU（Salad 主力） | 企業級 GPU（AWS/GCP 主力） |
|---|---|---|
| 典型型號 | RTX 3070/3080/3090/4090 | A100 80GB / H100 80GB / H200 |
| 顯存 | 8GB–24GB | 40GB–141GB |
| 互聯頻寬 | PCIe（無 NVLink/NVSwitch） | NVLink + NVSwitch（高頻寬互聯） |
| 適用場景 | AI 推理、批次處理、中小規模渲染 | 大規模分散式訓練、70B+ 模型全參數微調 |
| 節點可靠性 | 個人裝置，可隨時離線 | 資料中心級，99.9%+ SLA |
| 單位成本 | 極低（0.02 美元/小時起） | 高（H100 約 4.50–5.50 美元/小時） |
Salad 本身的定位也佐證了這一分工邏輯。其官方部落格指出，開源 AI 模型越來越傾向於在消費級硬體上運行，且 Agentic AI 工作負載正在激增，每次互動產生的運算需求比傳統 API 呼叫高出數個量級。此外，Salad 客戶案例顯示，在消費級 GPU 上運行工作負載，可在成本降低的同時實現規模擴展。這意味著，集成後的 Render 網路並非試圖在全部場景上取代 AWS/GCP，而是聚焦於對延遲容忍度較高、對成本高度敏感、可拆分可並行的運算任務。
與 AWS 的價格鴻溝：最高省下 90%
這是理解 Render 與 AWS/GCP 競爭關係最核心的數據維度。以下基於 2026 年上半年公開可得的價格數據進行對比：
H100 級 GPU 價格對比
| 供應商 | GPU 類型 | 按需價格（美元/小時） | 說明 |
|---|---|---|---|
| AWS（單卡折算） | 1×H100 80GB | 約 4.50–5.50 | Securities.io 產業估算 |
| 去中心化網路（Akash/Render） | 1×H100 80GB | 約 1.20–1.80 | Securities.io 數據 |
| Salad（消費級） | 最低起價 | 0.02 | salad.com 首頁數據 |
數據來源：H100 單卡估算價格與去中心化價格取自 Securities.io；Salad 起價取自 salad.com。價格因區域、供應波動與優先級設定而有浮動，僅供參考。
去中心化網路在 H100 級 GPU 上的價格約為 AWS 按需價格的 25%–35%，節省幅度達 65%–75%。而消費級 GPU（RTX 系列）的價格低至每小時 0.02 美元起，與超大規模雲端服務商的價差可達 90% 以上。
但有一個關鍵邏輯需要釐清：價格低並不代表能夠取代。對於需要 InfiniBand 高速互聯的大規模同步訓練任務，中心化叢集仍然是唯一可行的架構。AWS、GCP 在這方面擁有去中心化方案難以複製的硬體互聯優勢。Render Network 的價值主張在於填補「不需要高端互聯、但需要大量並行算力」的中間地帶——AI 推理、批次處理、中小模型微調、3D 渲染等場景。
銷毀超過 122 萬枚：網路使用與代幣基本面
據 2026 年 Q1 數據，Render Network 已處理超過 7,140 萬幀渲染畫面，AI 工作負載占比接近 40%。累計銷毀 RENDER 代幣超過 122 萬枚。
根據官方數據，2026 Q1 Render 網路關鍵指標如下：
| 指標 | 2026 Q1 |
|---|---|
| 活躍 GPU 節點數 | 超過 5,700 個 |
| 累計處理幀數 | 71,269,082 幀 |
| AI 工作負載占比 | 接近 40% |
| 累計銷毀 RENDER | 1,228,380 枚 |
| 流通供應量 | 552,011,095 / 644,168,762 最大供應 |
Salad 集成後，網路可用 GPU 節點數在理論層面躍升至 65,000+ 級別，但實際線上並發數量取決於調度引擎效率與 Chefs 參與度，需以持續性營運數據為準。
代幣經濟學視角（事實與分析）：Render 的 BME 模型使得網路使用量與代幣供需存在機制性關聯。Salad 集成後，其收入將部分進入 BME 銷毀流程。其實際影響需以持續追蹤的銷毀數據和網路使用率數據為準，不宜過度解讀。
市場分歧：三大派系如何解讀 RNP-023
擴容樂觀派：規模即壁壘
支持者認為，Render 透過 Salad 集成獲得了一個傳統雲端服務商難以複製的算力供應來源——全球數百萬遊戲玩家的閒置 GPU。這一供給具有以下特徵：邊際成本極低（設備已購置，算力是「副產品」）；地理分布高度分散（超過 180 個國家）；規模具有網路效應（Chefs 越多，算力越充足，吸引更多客戶）。
Salad 創辦人 Bob Miles 在提案通過後的聲明中表示：「開源的 AI 模型越來越傾向於在消費級硬體上運行。Agentic AI 工作負載正在激增——每次互動產生的運算需求比傳統 API 呼叫高出數個量級。我們 Chefs 所運行的機器，正是產業所需的基礎設施。」
Render 官方揭露的機構合作方也增強了這一敘事的可信度——NVIDIA、Stability AI、WME 等已與 Render 建立合作。其中 NVIDIA 的參與尤為引人關注：一家主導 GPU 製造的巨頭，為何關注去中心化算力網路？（推測）可能的邏輯是：任何擴大 GPU 使用場景的生態，都有利於輝達的核心晶片業務。
謹慎觀察派：規模不等於收入
相對冷靜的觀點則聚焦於幾個硬數據。Salad 集成為 Render 網路帶來了算力供給的顯著擴張，但實際收入貢獻有多大？Salad 創辦人聲明中未公開具體收入預測。加密協議的估值模型通常不等同於傳統市盈率框架，網路效應、敘事溢價與未來成長預期在代幣定價中權重更高。
此外，有分析師指出，RNP-023 屬於治理層面的事件，本質影響取決於後續執行而非投票本身。在加密市場，「買預期、賣事實」的事件驅動邏輯屢見不鮮。
競爭結構派：DePIN 賽道的內部博弈
Salad 在提案中明確表示「選擇不發行自己的代幣」而加入 Render 生態，理由是「Render 擁有最強的團隊、基礎設施和社群基礎」。但這一選擇也意味著 Salad 放棄了獨立捕捉代幣價值的可能性，將其算力供給綁定在 Render 的 BME 模型之下。
與此同時，去中心化算力賽道並非 Render 一家獨大。Akash Network 面向通用容器化應用的開放市場定位，以及 io.net 圍繞 AI 算力調度的布局，都與 Render 存在不同程度的交集。隨著 Salad 集成將 Render 推向更大規模，Render 與其他 DePIN 算力協議之間的競爭邊界將更加複雜。
數字背後：6 萬 GPU 敘事的三層驗證
在加密產業，敘事先於基本面是常態。「6 萬張 GPU」是一個極具傳播力的數字，但本文需對這一敘事進行逐層拆解。
第一層：6 萬張 GPU 是真實存在的嗎？ Salad 官方數據為「60,000 daily active machines across 180+ countries」。另有數據顯示，Salad 生態系統擁有超過 450,000 個註冊節點。60,000 張的表述來自 Salad 官方口徑，已在至少 6 個獨立來源中得到確認。但就消費級 GPU 網路的特性而言，日常活躍數量可能存在波動，實際並發線上數與註冊活躍裝置數之間也存在差異。
第二層：這些 GPU 能為 Render 所用嗎？（推測，基於提案內容）根據集成計畫，Salad 將成為 Render 的「獨家子網」，所有透過 Salad 完成的支付將逐步遷移至 RENDER 鏈上結算。這意味著這批 GPU 從經濟激勵上被綁定在 Render 生態內。但從技術執行角度看，消費級 GPU 的離線風險、網路延遲和算力波動性是無法完全消除的結構性特徵。Salad 官方支援文件明確指出，由於分散式和可中斷網路的特性，無法保證硬體投資報酬，收入可能每天波動。這些 GPU 是否真的能穩定服務於商業級 AI 和渲染任務，取決於 Salad 的調度引擎與 Render 任務系統的對接深度。
第三層：GPU 數量增加是否必然意味著網路價值提升？（觀點）這取決於兩個前提條件：這些 GPU 是否能持續接到有效的付費任務；這些付費任務是否透過 BME 模型轉化為代幣層面的價值捕捉。兩者之間的傳導鏈條目前存在多個變數——客戶取得速度、任務定價水準、競品壓力——尚缺乏足夠的可驗證數據支撐確定性結論。
產業影響：從整合到替代的路徑推演
DePIN 賽道加速整合
RNP-023 的通過，標誌著 DePIN 算力賽道從「專案各自獨立發展」進入了「規模整合」階段。Salad 選擇不發行獨立代幣而是併入 Render，可能預示著未來中小型算力網路更傾向於與頭部協議整合而非獨立競爭。這種模式若被驗證可行，將加速 DePIN 賽道的馬太效應。
互補而非顛覆：雲端服務市場的真實位移
去中心化算力是否真的能「撼動」AWS/GCP，取決於如何定義「撼動」。如果定義為「在全部 GPU 運算場景中取代中心化雲端」，答案是目前完全否定的。正如 Securities.io 在對比報告中所指出的，對於需要超低延遲互聯的大規模同步基礎模型訓練，中心化叢集仍然是唯一可行的架構。
但如果定義為「在高性價比敏感場景中分流中心化雲端的增量需求」，答案則傾向於肯定。去中心化網路提供的折扣幅度達 65%–75%，在某些消費級 GPU 場景中可節省高達 90%。
去中心化算力的市場切入路徑，更接近於「互補性分流」而非「顛覆性替代」。這一判斷（觀點）建立在以下可驗證邏輯之上：消費級 GPU 的低成本優勢在推理與批次處理場景中真實存在；但高端訓練場景對低延遲互聯、SLA 保障和資料治理的需求，是分散式消費級網路在物理層面難以滿足的。
BME 模型的新變數
Salad 集成為 BME 模型引入了新的銷毀來源。從結構上看，這意味著 RENDER 代幣的需求端從原本的「渲染任務支付需求」擴展至「消費級 GPU 算力的鏈上支付需求」，擴大了代幣效用範圍。Salad 創辦人明確表示「銷毀超過鑄造的設計是經過深思熟慮的」，集成後 Salad 收入的 BME 銷毀將為代幣供需帶來結構性影響。但實際影響取決於網路使用率的持續成長幅度，需拉長時間觀察。
結語
Render Network 透過 RNP-023 集成 Salad Network 的 60,000 張消費級 GPU，是 2026 年 DePIN 賽道最具規模意義的事件之一。它驗證了去中心化算力網路在供給端實現規模化擴容的可行性——這一度被視為該賽道的核心瓶頸。
但「6 萬張 GPU」的真正價值，不取決於這個數字本身，而取決於 Render 能否將這些 GPU 有效轉化為可持續的網路使用量與代幣層面的價值捕捉。截至 2026 年 5 月 19 日，Render 流通市值約 9.46 億美元，RENDER 報價 1.8254 美元。Salad 集成帶來的算力供給躍升已體現在網路基本面中，但在實際收入規模、客戶取得與 BME 銷毀數據等層面上，仍需更長時間窗口的驗證。
從產業視角看，去中心化算力與 AWS/GCP 之間的關係，更準確的描述是「特定場景下的成本替代」而非「全面競爭」。這並非去中心化算力的失敗——恰恰相反，在一個由少數超大規模雲端服務商主導了二十年的市場中，任何從成本端打開缺口的能力，本身就是一次值得嚴肅對待的結構性試探。
