汤不热吧在大模型训练和推理需求爆炸式增长的今天，GPU 算力已经成为最稀缺的资源之一。主流云服务商的 GPU 实例价格高昂，一台 A100 每小时费用动辄 2-3 美元，让个人开发者和初创团队望而却步。而 Akash Network 作为一个去中心化的云计算市场，通过整合全球闲置 GPU 资源，为用户提供了极具性价比的算力选择，甚至可以通过社区赠金和激励计划实现零成本使用。
本文将全面介绍 Akash Network 的核心架构、免费额度获取方式、GPU 租用流程、实际部署案例以及与其他免费算力平台的对比，帮助你快速上手这一去中心化算力平台。
一、Akash Network 是什么？
Akash Network 是一个基于 Cosmos SDK 构建的去中心化云计算平台，其核心思想是打造一个「算力的 Airbnb」——让拥有闲置 GPU/CPU 资源的数据中心和个人矿工将算力出租给需要的人。与传统的中心化云服务不同，Akash 通过区块链技术实现供需双方的直接对接，省去了中间商的利润加成，从而大幅降低算力成本。
Akash 的技术架构包含以下核心组件：
- Akash 节点（Akash Node）：基于 Cosmos SDK 和 Tendermint 共识引擎的区块链节点，负责交易验证和状态管理
- Provider：算力提供方，在 Akash 网络上注册自己的计算资源，接受租用订单
- Tenant：算力租用方，通过 SDL（Stack Definition Language）声明工作负载需求并出价租用
- AKT 代币：Akash 网络的原生代币，用于支付算力费用和激励 Provider 提供服务
- SDL（Stack Definition Language）：类似 Docker Compose 的声明式配置语言，用于定义部署的工作负载
目前 Akash 网络上可用的 GPU 类型包括 NVIDIA A100、H100、RTX 4090、RTX 3090、V100 等，价格通常比主流云厂商低 50%-85%。例如，一台 A100 80GB 实例在 Akash 上的时费约为 1.2-1.8 美元，而 AWS 同等配置需要 3.5 美元以上。
二、免费额度与获取方式
Akash Network 本质上是一个市场，算力费用由 Provider 定价。不过，通过以下几种途径，你可以获得免费或近乎免费的 GPU 算力：
1. Akash 社区赠金计划（Community Grants）
Akash 社区定期向开源项目、研究者和教育机构发放算力赠金。申请流程如下：
- 访问 Akash 社区论坛提交赠金提案
- 说明项目用途、所需算力类型和预计使用时长
- 社区投票通过后，以 AKT 代币形式发放赠金
- 典型赠金额度在 100-500 AKT 之间，按当前价格约合 50-250 美元
2. Akash 加速器计划（Akash Accelerator）
Akash 官方推出的加速器计划为 AI 初创项目提供最高 $100,000 的算力资助。虽然主要面向团队，个人开发者如果正在开发有潜力的 AI 应用，同样可以申请。申请需要提交项目白皮书和技术方案，审核周期约 2-4 周。
3. 空投和测试网奖励
Akash 在重大网络升级时通常会进行代币空投。参与测试网验证、提交 Bug 报告、编写文档等贡献都可以获得 AKT 奖励。对于开发者而言，这是获取初始资金最直接的方式。
4. 极低成本 GPU 实例
即便不使用赠金，Akash 上也有大量超低价 GPU 实例。由于 Provider 是去中心化的，部分 Provider（尤其是电费低廉地区的矿工）会以极低价格提供算力。以下是一些典型价格参考：
| GPU 型号 | Akash 低价 | AWS 对比 | 折扣 |
|---|---|---|---|
| NVIDIA A100 40GB | ~$0.80/hr | $3.21/hr | 75% |
| NVIDIA A100 80GB | ~$1.20/hr | $3.52/hr | 66% |
| NVIDIA H100 80GB | ~$1.80/hr | $4.50/hr | 60% |
| NVIDIA RTX 4090 | ~$0.40/hr | N/A | – |
| NVIDIA RTX 3090 | ~$0.25/hr | N/A | – |
注：价格为 2025-2026 年市场参考，实际价格随供需波动。
三、环境准备与账户设置
在开始使用 Akash 之前，你需要完成以下准备工作：
1. 安装 Akash CLI
2
3
4
5
6
7
8
9
10
brew install akash-network/tap/akash
# Linux (amd64)
curl -fsSL https://github.com/akash-network/node/releases/latest/download/akash_linux_amd64.zip -o akash.zip
unzip akash.zip
sudo mv akash /usr/local/bin/
# 验证安装
akash version
2. 创建钱包并获取 AKT
2
3
4
5
6
7
8
9
10
11
akash keys default add my-wallet
# 或从助记词恢复
akash keys default add my-wallet --recover
# 查看钱包地址
akash keys default show my-wallet -a
# 查看余额
akash query bank balances $(akash keys default show my-wallet -a)
获取 AKT 代币的方式：
- 在中心化交易所（如 Kraken、Gate.io、KuCoin）购买后提币到 Akash 地址
- 通过 Osmosis DEX 交换 ATOM/OSMO 为 AKT
- 申请社区赠金获得 AKT
3. 使用 Cloudmos（推荐新手）
如果你不熟悉命令行操作，推荐使用 Cloudmos，这是 Akash 官方推荐的 Web 界面部署工具。它提供了可视化钱包管理、SDL 编辑器、部署监控等功能，大大降低了使用门槛。
2
3
4
5
6
# - 浏览器内 Keplr 钱包集成，无需手动管理密钥
# - 可视化 Provider 选择和价格对比
# - 一键模板部署（Ollama、vLLM、Stable Diffusion 等常用服务）
# - 实时部署日志和资源监控
# - 支持 GitHub 登录
四、GPU 实例部署实战
下面我们通过一个实际案例，在 Akash 上部署一个带有 A100 GPU 的 Ollama 大模型推理服务。
1. 编写 SDL 部署文件
创建 deploy.yaml 文件：
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
version: "2.0"
services:
ollama:
image: ollama/ollama:latest
expose:
- port: 11434
as: 11434
to:
- global: true
env:
- OLLAMA_HOST=0.0.0.0
params:
storage:
- name: model-data
mount: /root/.ollama
check:
type: http
port: 11434
interval: 30
timeout: 10
profiles:
compute:
ollama:
resources:
cpu:
units: 8
memory:
size: 32Gi
storage:
- size: 100Gi
- name: model-data
size: 200Gi
attributes:
persistent: true
gpu:
units: 1
attributes:
vendor:
nvidia:
- model: a100
placement:
akash:
pricing:
ollama:
denom: uakt
amount: 100000
deployment:
ollama:
akash:
profile: ollama
count: 1
2. 创建部署
2
3
4
5
6
7
8
9
10
11
12
13
14
akash tx deployment create deploy.yaml --from my-wallet --chain-id akashnet-2 --node https://rpc.akashnet.io:443 --fees 5000uakt
# 查看可用的 Provider 报价
akash query market order list --owner $(akash keys default show my-wallet -a) --node https://rpc.akashnet.io:443
# 选择报价并创建租约
akash tx market lease create --dseq [DSEQ] --oseq 1 --gseq 1 --provider [PROVIDER_ADDRESS] --from my-wallet --chain-id akashnet-2
# 发送部署清单（Manifest）
akash send-manifest deploy.yaml --dseq [DSEQ] --oseq 1 --gseq 1 --provider [PROVIDER_ADDRESS] --from my-wallet
# 查看部署状态
akash get lease-status --dseq [DSEQ] --oseq 1 --gseq 1 --provider [PROVIDER_ADDRESS] --from my-wallet
3. 访问 Ollama 服务
2
3
4
5
6
7
8
9
10
11
akash get lease-status --dseq [DSEQ] --provider [PROVIDER_ADDRESS] --from my-wallet
# 拉取模型并运行推理
curl http://[SERVICE_URI]:11434/api/pull -d '{"name":"llama3:70b"}'
# 发送推理请求
curl http://[SERVICE_URI]:11434/api/generate -d '{
"model": "llama3:70b",
"prompt": "Explain the key concepts of transformer architecture"
}'
五、常用 AI 工作负载模板
Akash 社区维护了大量开箱即用的部署模板，以下是几个最常用的 AI 工作负载：
1. vLLM 高性能推理服务
vLLM 是当前最流行的高吞吐 LLM 推理引擎，支持连续批处理和 PagedAttention。在 Akash 上部署 vLLM 可以获得极高的推理吞吐量。
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
services:
vllm:
image: vllm/vllm-openai:latest
args:
- --model
- meta-llama/Meta-Llama-3-70B-Instruct
- --tensor-parallel-size
- "2"
- --max-model-len
- "8192"
expose:
- port: 8000
as: 8000
to:
- global: true
2. Stable Diffusion WebUI
在 RTX 4090 上运行 Stable Diffusion XL，每小时成本仅约 $0.40：
2
3
4
5
6
7
8
9
10
11
services:
sd-webui:
image: siutin/stable-diffusion-webui:latest
env:
- CLI_ARGS=--xformers --listen --port 7860
expose:
- port: 7860
as: 7860
to:
- global: true
3. Jupyter Notebook 环境
对于需要交互式开发的研究场景，可以部署带 GPU 的 Jupyter 环境：
2
3
4
5
6
7
8
9
10
jupyter:
image: jupyter/tensorflow-notebook:latest
env:
- JUPYTER_TOKEN=*** - GRANT_SUDO=yes
expose:
- port: 8888
as: 8888
to:
- global: true
六、Akash 与其他免费算力平台对比
为了帮助你选择最适合自己的平台，下面对 Akash 与其他主流免费/低成本算力平台进行对比：
| 特性 | Akash Network | Google Colab | Kaggle | RunPod | Vast.ai |
|---|---|---|---|---|---|
| 免费额度 | 社区赠金 | 免费GPU时长 | 30h/周GPU | $5 试用 | 无 |
| A100 可用性 | ✅ 丰富 | ❌ 仅Pro | ❌ | ✅ | ✅ |
| H100 可用性 | ✅ | ❌ | ❌ | ✅ | ✅ |
| 自定义镜像 | ✅ 完全自定义 | ❌ 受限 | ❌ 受限 | ✅ | ✅ |
| 持久化存储 | ✅ | ❌ 临时 | ❌ 临时 | ✅ | ✅ |
| 网络访问 | ✅ 公网IP | ❌ 受限 | ❌ 受限 | ✅ | ✅ |
| 部署时长 | 无限期 | 12h断开 | 9h断开 | 无限期 | 无限期 |
| 支付方式 | AKT代币 | 免费/订阅 | 免费 | 信用卡 | 信用卡 |
从对比可以看出，Akash 在 GPU 型号丰富度、自定义灵活度和部署时长 方面具有明显优势，特别适合需要长时间运行大模型推理或微调任务的场景。
七、注意事项与最佳实践
1. 数据安全与隐私
Akash 是去中心化平台，你的容器运行在第三方 Provider 的硬件上。因此：
- 不要在容器中存储敏感信息（API Key、密码等），使用环境变量并在部署后清除
- 使用加密卷存储训练数据和模型
- 生产环境建议配合 VPN 或 WireGuard 隧道使用
- 定期备份重要数据到自己的存储
2. Provider 选择策略
并非所有 Provider 的服务质量都一致。选择时建议：
- 优先选择信誉评分高（uptime > 99%）的 Provider
- 查看 Provider 的历史在线时长和审计记录
- 对于长时间训练任务，选择提供持久化存储的 Provider
- 新 Provider 虽然价格可能更低，但稳定性风险也更高
3. 成本优化技巧
- 竞价部署：Akash 支持竞价模式，你可以设置较低的最高出价，等待有空闲算力的 Provider 接单
- 按需选择 GPU：推理任务不一定需要 H100，RTX 4090 的性价比通常更高
- 利用区域差价：不同地区 Provider 的定价差异显著，北美和欧洲通常最便宜
- 批量任务：短时间批量推理比长时间空置更省钱
4. 故障恢复
2
3
4
5
6
7
8
akash get lease-logs --dseq [DSEQ] --provider [PROVIDER_ADDRESS] --from my-wallet --tail 100
# 关闭部署（释放资源停止计费）
akash tx deployment close --dseq [DSEQ] --from my-wallet --chain-id akashnet-2
# 重新部署到新 Provider
akash tx deployment create deploy.yaml --from my-wallet
八、总结
Akash Network 为 AI 开发者提供了一个独特的选择——通过去中心化市场获取高性价比 GPU 算力。虽然使用门槛比 Google Colab 等平台略高（需要理解区块链钱包和 SDL 配置），但换来的是更强大的 GPU 选择、更灵活的部署方式和更低的长期成本。
对于以下场景，Akash 尤为适合：
- 需要 A100/H100 等高端 GPU 进行大模型推理或微调
- 需要长时间运行的推理服务（不受 12 小时断开限制）
- 需要自定义 Docker 环境和网络配置
- 预算有限但需要专业级 GPU 算力的个人研究者和初创团队
通过社区赠金和 AKT 代币，你可以零成本体验 Akash 的算力服务。即使自费使用，其价格通常也只有主流云厂商的 1/3 到 1/5。如果你正在寻找高性价比的 GPU 算力方案，Akash Network 值得一试。