一句话定位
不是又一个 Agent 框架，而是 Agent 跑起来的基础设施。
全球首个完全分布式 AI 运行时——推理、训练、强化学习，全部跑在全球 280 万台消费设备上。
全球首个完全分布式 AI 运行时——推理、训练、强化学习，全部跑在全球 280 万台消费设备上。
当 CrewAI、AutoGen、Hermes Agent 在争论"如何编排 Agent"时，Gradient 在解决一个更底层的问题：Agent 的算力从哪来？它将全球分散的 GPU、笔记本、Mac 和服务器组织成一个统一的 AI 运行时网络，让 Agent 的推理和训练不再依赖中心化云服务商[1]。
如果说 Claude Code 是"工匠用最好的工具"，OpenClaw 是"开源版的工匠工具"，Hermes 是"会自学的工匠"，那 Gradient 就是"工匠们共享的整个工坊"——一个去中心化的 AI 基础设施网络。
核心数据
2.8M+
全球活跃节点
180+
覆盖国家
$10M
Seed 融资
780K
Twitter 粉丝
135K
Discord 成员
10.6x
训练成本降低
3.1x
推理吞吐提升
1.1B+
网络验证次数
技术架构：Open Intelligence Stack
Gradient 的技术栈叫 Open Intelligence Stack (OIS)，由三个核心组件构成——覆盖从推理到训练到编排的完整链路[2]。
Parallax — 分布式推理引擎
已开源
全球首个完全分布式的 LLM 推理引擎。将笔记本、台式机、各类 GPU、Apple Silicon 等异构硬件转化为统一的自适应推理网络[3]。
3.1x
端到端延迟降低
5.3x
Token 间延迟改进
3.1x
吞吐量提升
GitHub: GradientHQ/parallax · 技术论文
Echo-2 — 分布式强化学习
2026.02
Parallax 负责"跑模型"，Echo 负责"炼模型"。核心创新是将训练与推理解耦——推理阶段借助 Parallax 跑在分布式网络上，训练阶段集中在 GPU 集群，大幅降低 RL 训练的算力成本[4]。
$4,490 → $425
训练成本（对比云基线）
67-92%
训练速度提升
Gradient Cloud — 企业级服务
商业化
面向企业的商业化产品。将 Parallax 和 Echo 的能力封装为可直接使用的云服务，提供分布式 AI 推理和训练的 API[1]。具体定价未公开。
网络通信协议：
Lattica
P2P 数据传输协议（类 BitTorrent），用于节点间高效数据通信
POA + POC
Proof-of-Availability（在线验证）+ Proof-of-Connectivity（连接验证）
与其他 Agent 项目的区别
层次不同。CrewAI / AutoGen / Hermes 是"Agent 怎么编排"的应用层，Gradient 是"Agent 跑在哪"的基础设施层。两者不互斥——理论上你可以在 Gradient 网络上运行 Hermes Agent。
| 维度 | Gradient | CrewAI / AutoGen | Hermes Agent |
|---|---|---|---|
| 定位 | 分布式 AI 基础设施 | Agent 编排框架 | 自进化持久 Agent |
| 推理位置 | 全球分散（消费设备） | 中央 LLM API | 本地 / 自托管 |
| Agent 通信 | P2P 自组织 | 任务分派 | 会话内记忆 |
| 成本模型 | P2P 激励 | 按 API 调用 | 自托管免费 |
| 训练能力 | 分布式 RL（Echo） | 无 | RL 数据导出 |
| 数据隐私 | 高（边缘计算） | 依赖 API 商 | 高（自托管） |
| 成熟度 | 测试网 | 生产就绪 | Beta |
团队与融资
创始团队
Yuan Gao — 创始人
前 Helium Foundation 增长负责人，Columbia University 毕业。Helium 是 Solana 生态成功的去中心化网络项目，为 Gradient 的分布式架构提供了经验基础[5]。
Eric Yang — CEO
团队核心成员，具有加密原住民背景，擅长分布式网络设计与运营。
融资情况
Seed $10M
2025 年 6 月完成 $10M Seed 轮融资[6]：
Pantera Capital 领投
Multicoin Capital 领投
HSG (前红杉中国)
资金用于加速开发 Lattica（P2P 传输协议）和 Parallax（推理协议）。估值未公开披露。
投资视角分析
为什么值得关注？
1. 解决真实痛点。AI Agent 的推理和训练成本是最大瓶颈。OpenAI 一年烧数十亿美元在算力上，Gradient 用分布式网络将训练成本降低 10 倍——这不是边际改进，是数量级的变化[4]。
2. 网络效应。2.8M 节点是真实的网络规模，不是 PPT 数字。每新增一个节点，整个网络的算力池都变大，形成正向飞轮。
3. 顶级 VC 背书。Pantera 和 Multicoin 是加密基础设施投资的头部基金，HSG（前红杉中国）的参与说明亚太市场的关注度。
4. 团队背景匹配。来自 Helium（成功的去中心化网络项目），对分布式网络的设计、激励和运营有实战经验。
2. 网络效应。2.8M 节点是真实的网络规模，不是 PPT 数字。每新增一个节点，整个网络的算力池都变大，形成正向飞轮。
3. 顶级 VC 背书。Pantera 和 Multicoin 是加密基础设施投资的头部基金，HSG（前红杉中国）的参与说明亚太市场的关注度。
4. 团队背景匹配。来自 Helium（成功的去中心化网络项目），对分布式网络的设计、激励和运营有实战经验。
风险与挑战
1. Token 未发行。目前节点参与者获得积分而非 Token，TGE 时间和代币经济学未公布。空投预期可能是社区增长的主要驱动力，一旦低于预期可能导致节点流失。
2. 早期阶段。仍处于测试网，商业化路径（Gradient Cloud）尚未验证收入能力。
3. 竞争激烈。分布式 AI 推理赛道有 Together AI、io.net、Akash Network 等竞争者，各有不同的技术路径和生态优势。
4. 监管不确定性。涉及加密激励和去中心化网络，可能面临不同司法管辖区的监管挑战。
2. 早期阶段。仍处于测试网，商业化路径（Gradient Cloud）尚未验证收入能力。
3. 竞争激烈。分布式 AI 推理赛道有 Together AI、io.net、Akash Network 等竞争者，各有不同的技术路径和生态优势。
4. 监管不确定性。涉及加密激励和去中心化网络，可能面临不同司法管辖区的监管挑战。
投资阶段判断
Gradient 目前处于从 Seed 到 A 轮的过渡期，技术产品已交付（Parallax 开源 + Echo-2 发布），网络规模已验证（2.8M 节点），但商业模式尚在探索。
适合关注的投资者类型：
• 加密基础设施投资者（DePIN 赛道）
• AI 基础设施投资者（算力降本方向）
• 早期 VC（愿意承受 Token 化不确定性）
• 加密基础设施投资者（DePIN 赛道）
• AI 基础设施投资者（算力降本方向）
• 早期 VC（愿意承受 Token 化不确定性）
发展时间线
2025 年 6 月
完成 $10M Seed 融资，Pantera Capital 与 Multicoin Capital 联合领投
2025 年 8 月
Echo 分布式 RL 框架发布，首次实现训练与推理解耦
2025 年 10 月
Parallax 开源发布，分布式推理引擎上线 GitHub
2026 年 2 月
Echo-2 正式发布，训练成本降至云基线的 1/10
2026 年 3 月
Edge Host Pilot Program，邀请数据中心和基础设施提供商参与
2026 年（预计）
Logits RL-as-a-Service（企业级 RL 服务）、Token 化（TGE）
商业模式
Gradient 的商业模式分为三层——供给侧激励、需求侧收费、后期 Token 化。
供给侧：Sentry Node 激励
全球用户运行 Sentry Node 客户端贡献算力，获得积分奖励。激励包括在线时间奖励（POA）、连接性奖励（POC）、P2P 验证奖励（Taps）和推荐佣金（20 积分 + 10% 永久分成）[7]。积分目前不可转让，未来可能兑换为 Token。
需求侧：Gradient Cloud
企业级商业化产品，将分布式推理和训练能力封装为云服务 API。面向需要低成本 AI 推理和 RL 训练的企业客户。定价未公开。
后期：Token 化
尚未发行原生 Token（$GRAD），TGE 预计 2026 年内。代币经济学（vesting、总供应、分配比例）均未公开披露。
编辑观点
Gradient 在赌一个大趋势：AI Agent 的算力需求将超越现有云服务的承受能力。
当每个人都有多个 Agent 24/7 运行——帮你写代码、管理邮件、分析数据——对推理算力的需求将是天文数字。中心化云服务商（AWS/GCP/Azure）的扩建速度可能跟不上。Gradient 的解法是：把全世界闲置的消费设备变成算力池。
但它面临的核心挑战也很明确——分布式推理的延迟和一致性。在论文基准测试中 Parallax 表现不错（3.1x 吞吐提升），但实际消费设备的网络质量参差不齐，能否在生产环境中达到商业级 SLA 仍需验证。
最值得关注的信号是节点数量。280 万不是一个小数字——这意味着全球有相当数量的人愿意贡献自己的设备算力来参与这个网络。即使其中不少人是冲着空投来的，网络本身的规模已经是一个强大的护城河。
Agent 需要大脑（模型），也需要身体（算力）。
Gradient 要做的是给全世界的 Agent 造身体。
Gradient 要做的是给全世界的 Agent 造身体。
参考文献
[1] Gradient Network 官方文档 — docs.gradient.network
[2] Gradient Network 官方网站 — gradient.network
[3] Parallax: Efficient Distributed LLM Inference on Heterogeneous Hardware — gradient.network/parallax.pdf
[4] Echo: Decoupling Inference and Training (arXiv) — arxiv.org/pdf/2508.05387
[5] Messari — Gradient Network Profile — messari.io/project/gradient-network
[6] Yahoo Finance — Gradient Launches Echo-2 — finance.yahoo.com
[7] CoinGecko — What is Gradient Network — coingecko.com
[8] Messari — Echo-2 分析报告 — messari.io
[9] GradientHQ/parallax GitHub Repository — github.com/GradientHQ/parallax
[10] X/Twitter @Gradient_HQ — x.com/Gradient_HQ
本研报由 AI 辅助撰写，数据截至 2026 年 4 月 11 日。投资有风险，本文不构成投资建议。