闲置的算力、便宜的电、被埋没的模型——DGrid 想把它们都变成收益

如果你手里有一批闲置的 GPU，或者身处一个电价极低的地区，你能靠 AI 赚到钱吗？如果你微调出了一个在某个垂直场景表现极佳的模型，却苦于没有渠道卖出去，又该怎么办？

这些看似不相关的问题，DGrid 最新上线的 Model Marketplace 给出了同一个答案：把它们接入一个开放的模型市场，让每一份算力、每一度电、每一个好模型，都能找到愿意为之付费的用户。

AI 模型的数量在过去两年里以惊人的速度膨胀。从通用大模型到垂直行业微调版本，从代码生成到多模态理解，供给侧已经极度丰富。但模型变多了，「让模型被用上、让做模型和提供算力的人真正赚到钱」这件事，并没有变得更容易。

对于有能力做出好模型、或手握算力资源的一方来说，变现依然是个没有被好好解决的问题；对于开发者来说，找到「适合这个场景的那个模型」仍然意味着在一堆平台之间跳来跳去。DGrid 正式上线的 Model Marketplace，瞄准的正是这个供需两端都在抱怨、却一直没有好答案的中间地带。

开放市场，而不是又一个 API 中转站

要理解 DGrid Model Marketplace 的定位，得先区分两种不同的商业逻辑。

当前大多数「AI 模型聚合」平台走的是中间商逻辑：平台自己接渠道、谈折扣、再打包卖给用户。这种模式有一个内在局限------平台能接入什么、怎么定价、供给方是谁，用户和开发者全程不知情，本质是黑箱。

DGrid 走的是另一条路：开放市场。任何模型提供方------无论是做原创大模型的团队、针对垂直场景做微调的机构，还是有算力基础设施能力的部署方------都可以直接在平台上架模型、自主定价，在模型被调用时获得链上直接结算的收益。

平台本身不靠吃差价生存，而是作为基础设施撮合供需。从理念上看，这比「黑箱中转」更接近一个健康市场应有的样子。而它真正的想象力，藏在「谁可以成为供给方」这个问题的答案里。

八种方式把资源变成收益

DGrid Model Marketplace 开放的，不只是模型开发者这一类群体。它试图把几种此前被分割、甚至长期闲置的资源，都纳入同一个市场变现。

闲置算力的出路。 对于拥有 GPU 基础设施但利用率不足的机构或个人来说，部署模型并通过 DGrid 对外提供服务，是一条直接的变现路径。算力不再只是成本，而是可以转化为持续收益的资产。

内部算力的对外溢出。 很多企业或团队会自部署模型用于内部使用，但实际调用量往往无法填满全部算力。DGrid 提供了一个机制：在满足内部需求的同时，把剩余算力和服务能力开放给外部用户，把「亏损的固定成本」变成部分可变收益。

垂直微调模型的分发渠道。 针对法律、医疗、金融、代码等特定场景微调过的模型，往往在特定任务上远超通用大模型，但苦于没有合适的渠道触达真正需要它的用户。DGrid 提供了标准化的上架和分发路径------模型团队只需专注把模型做好，分发和计费交给平台。

**大模型开发者的轻量化分发。**对于具备研发实力的大模型团队来说，分发和市场运营往往是非核心但耗费资源的事。通过 DGrid 上架，可以直接接触大量付费开发者和用户，专注于模型能力本身，而不必在渠道建设上重复投入。

渠道资源方的价格优势。 部分供应商手握特定模型的渠道资源或更低的成本结构，可以在 DGrid 提供比官方更有竞争力的价格，吸引用户并形成差异化竞争。这种充分市场竞争对用户来说意味着更低的使用成本。

更好的模型发现机制。 对于开发者而言，当前的困境不只是「模型太多选不过来」，还有「好模型被埋在信息噪音里找不到」。DGrid 的统一市场提供了规范化的模型描述、能力标签和 PoQ 验证的质量信号，让优质模型更容易被发现和推荐。

跨地域调用与合规灵活性。 AI 模型的可用性往往受地域限制影响------某些模型在特定地区无法直接访问，或某些用户有多地区调用的需求。通过 DGrid 统一入口调用，可以在合规框架内解决跨地域访问的问题，拓宽模型的实际可用范围。

电力转算力的跨地套利。 这或许是最有想象力的一个场景：在电价极低的地区（如部分水电丰富的地区），通过部署 AI 推理服务接入 DGrid，实质上是把低价电力转化为 AI 算力，再以模型调用服务的形式输出给全球用户。这让「电力的跨地区套利」有了新的实现路径，也让全球用户有机会以更低成本享受到 AI 服务。

以上八个场景，覆盖了从算力方、模型开发者、渠道资源方到地域套利者的完整供给侧图谱。DGrid 模型市场的价值，正是把这些此前分散、低效甚至闲置的资源，汇聚进同一个需求明确、付费真实的市场。

PoQ：开放市场必须解决的信任问题

开放带来丰富供给，也带来了一个新问题：当任何人都可以上架模型时，用户怎么知道自己调用的模型货真价实？

这正是 DGrid 的 PoQ（Proof of Quality）机制存在的意义。

需要厘清一个关键细节：PoQ 验证的对象是模型提供方，而不是用户的每一次调用。它的工作方式是：DGrid 用自有的基准测试集对平台上的提供方进行独立、随机抽检，再将验证结果上链，公开可查。整个过程不触碰用户的请求数据，也不会将用户数据上链。

这个设计解决了开放市场最容易出现的「以次充好」问题。提供方知道自己随时可能被抽检，悄悄降级模型的代价是被检测和惩罚，而不只是靠自律。PoQ 从机制层面为这个开放市场提供了信任基础。

DGrid 团队核心成员拥有 Stony Brook University 等院校的博士背景，围绕 PoQ 已发表 4 篇 arXiv 学术论文，涵盖 Proof of Quality 核心设计、Optimistic TEE-Rollups、Cost-Aware Proof 以及 PoQ-Judge 等方向。这在同类平台中并不常见。

相比之下，当前市值较高的 AI 聚合平台（如 OpenRouter）虽然有品牌背书，但并没有任何链上验证机制。DGrid 的 PoQ 把「基于信任」替换成了「基于验证」，在机制层面解决了问题。

需求侧已经证明，供给侧才是下一步

DGrid Model Marketplace 的上线并不是在创造一个全新市场，而是在打通一个已有真实需求的市场的供给侧。

从需求侧看，DGrid 目前已聚合 Claude、GPT、Gemini、MiniMax、GLM 等 200 多种主流模型，付费用户超过 15,000 名，2026 年上半年累计营收突破 2,300 万美元------而这些是基于 $500 万种子轮融资做到的。这组数字说明了一件事：有大量用户在为 AI 服务持续付费，需求是真实的，市场是存在的。

但现有的 200+ 模型，大多数是 DGrid 主动接入的头部商业模型。供给侧的真正缺口在于：那些有真实能力的垂直模型、微调模型、有算力资源却缺乏变现渠道的基础设施方，此前没有一个标准化的通道进入这个市场，也没有一套清晰的分成机制。Model Marketplace 正是为这个缺口而建。

DGrid 已经用 $2,300 万营收验证了需求侧愿意付费，现在用开放市场拓展供给侧，让供需两端在同一个平台完成匹配，再用 PoQ 保障质量------飞轮的闭环逻辑清晰。

接下来值得观察的几个看点

任何开放市场的成败，最终都取决于执行。对 DGrid 而言，有几个方向值得持续关注------这些既是它的机会，也是检验这套模式能否跑通的关键。

第一，供给规模的扩张速度。 开放市场的价值在于聚集效应：模型越多越丰富，对开发者越有吸引力；用户越多，对供给方越有回报。DGrid 已有的 15,000+ 付费用户和真实的调用需求，让它的冷启动起点明显优于从零开始的平台------供给方一旦入驻，面对的是一个已经在付费的现成市场。接下来能吸引多少高质量的垂直模型和算力资源加入，将决定这个飞轮转得有多快。

第二，质量筛选机制的持续有效性。 越开放，进来的模型质量差异就越大，这是所有开放市场的共性课题。DGrid 的差异化在于，它并不只依赖人工审核，而是有 PoQ 这套链上验证机制作为底层筛选器。随着规模扩大，PoQ 能否稳定地把优质模型和劣质模型区分开，将是这个市场长期公信力的核心。

第三，AI 与 Crypto 两类用户的融合。 DGrid 连接的既有 Web3 原生用户，也有大量只关心「模型好不好用、便不便宜」的传统 AI 开发者。能同时服务好这两个群体，是打通 AI 与 Crypto 的产品普遍面临的课题，而 DGrid 用「链上结算但体验无感」的产品设计，已经把 15,000+ 付费用户拉到了同一个平台上------这本身就是一个不错的信号。

结语

AI 模型市场的格局还在形成中。头部商业模型会持续迭代，但垂直场景、特定用例、以及大量被低估的算力资源，有巨大的空间尚未被充分挖掘。

DGrid Model Marketplace 的意义，不只在于它是否能立刻成为「AI 模型的淘宝」，而在于它提出了一个更宏观的问题：如果闲置的算力可以变成 AI 服务，低价电力可以变成全球可用的推理能力，微调模型可以直接触达最需要它的用户------这个市场会有多大？

DGrid 选择用一个开放市场、加上链上验证机制来回答这个问题。对于正在寻找分发渠道的模型团队、手握算力资源却缺乏变现路径的基础设施方、以及关注 DeAI 赛道进展的观察者来说，这次发布都值得认真看一下。