Eksperter mener, at ZK-beviser giver DePIN'er en fordel i takt med stigende krav til tillid til AI

Baselinjen på 7,6 billioner dollar

En nylig rapport fra Goldman Sachs flytter debatten fra, om der er efterspørgsel efter kunstig intelligens (AI), til hvilke faktorer på udbudssiden der vil bestemme de faktiske omkostninger ved udbygningen. Rapporten forudser 7,6 billioner dollar i AI-investeringer som basis, men understreger, at dette tal er meget følsomt over for "svingende variabler", herunder AI-siliciums levetid.

Denne levetid ses som den mest kritiske faktor, fordi hurtig innovation kan gøre standardchips – som typisk holder fire til seks år – forældede på tre år, hvilket får omkostningerne til at skyde i vejret. Omvendt kan en "lagdelt model", hvor ældre chips genbruges til enklere opgaver, såsom inferens, stabilisere omkostningerne.

Datacentrets kompleksitet og elasticiteten i efterspørgslen efter regnekraft er andre variabler, der sandsynligvis vil påvirke, hvor meget kapital der bruges på AI-infrastruktur i de næste fem år. Mangel på kapacitet i elnettet, specialiseret arbejdskraft og elektrisk udstyr ses også som faktorer, der forlænger udbygningen.

En separat rapport fremstiller derimod disse svimlende infrastrukturudgifter som hjørnestenen i en fremvoksende "maskinøkonomi". I dette paradigme bliver AI-agenter de primære økonomiske aktører, der udfører højfrekvente transaktioner og administrerer ressourceallokering uafhængigt. Rapportens forfattere hævder, at ældre finansielle systemer, der er kendetegnet ved langsomme afregningscyklusser og stive "know your customer" (KYC)-rammer, grundlæggende er dårligt rustet til hastigheden i agentbaseret handel.

Decentraliseret infrastruktur og kompromiset med latenstid

Derfor positionerer den krypto og decentraliserede protokoller som de essentielle, tilladelsesfri "økonomiske skinner", der er nødvendige for at muliggøre dette skift. Skeptikere er dog fortsat på vagt og stiller spørgsmålstegn ved, om decentraliserede fysiske infrastrukturnetværk (DePIN'er) virkelig kan afbøde AI's eksplosive kapitalbehov.

Vadim Taszycki, vækstchef hos StealthEX, bemærker, at selvom decentraliserede netværk kan tilbyde betydelige omkostningsbesparelser, står de over for fysiske begrænsninger. Mens en decentraliseret udbyder som Akash måske lejer en H100 GPU for 1,48 dollar i timen sammenlignet med 12,30 dollar hos Amazon Web Services, er kompromiset hastigheden.
"De store cloududbydere kan gøre det [fast work] det, fordi deres GPU'er sidder ved siden af hinanden i én bygning, forbundet med specielle kabler, der flytter data på mikrosekunder," sagde Taszycki. Han forklarede, at decentraliserede netværk, som forbinder GPU'er på tværs af forskellige lande via det offentlige internet, tilføjer millisekunder i forsinkelse. Denne latenstid gør decentraliseret orkestrering konkurrencedygtig til batch-opgaver og finjustering, men uegnet til at betjene store, live chatbots, hvor brugeroplevelsen afhænger af næsten øjeblikkelige svar.

Leo Fan, grundlægger af Cysic, gav udtryk for samme holdning og insisterede på, at decentraliseret inferens er uegnet til arbejdsopgaver med lav forsinkelse. Fan argumenterede dog for, at forsinkelse er det forkerte benchmark til at sammenligne decentraliserede platforme og hyperscalere som AWS.

"Det svære problem er ikke distribueret databehandling, men opdagelse, planlægning og attestering. Det afgørende er ikke prisen pr. token, men verificerbarheden," sagde Fan. Han bemærkede, at Trusted Execution Environments (TEE'er) og Zero-Knowledge (ZK)-attesteringer gør det muligt for decentraliserede netværk at konkurrere i sektorer, hvor tillid og verifikation betyder mere end "tail latency".

Onchain-kredit og finansieringskløften

Ud over databehandling flytter fokus sig til, hvordan disse kapitalintensive projekter finansieres. Mens traditionel privat kredit har rigelig kapital, overser den ofte mindre eller ikke-standardiserede aftaler. Onchain-kredit tilbyder tydelige fordele, såsom at give detailinvestorer mulighed for at deltage i datacenterindtægter, der tidligere var forbeholdt institutionelle kommanditister. Desuden kan platforme som Maple og Centrifuge syndikere lån i størrelsesordenen 5 til 50 millioner dollars – et interval, der ofte ignoreres af firmaer som Apollo på grund af høje garantikostnader i forhold til gebyrer.
Endelig muliggør onchain-kredit nye "pay-per-inference"-modeller, hvor indtægterne svinger med GPU-forbruget. Sådanne modeller passer mere naturligt ind i tokeniserede indtægtsdelingsstrukturer end stive, traditionelle 20-årige lejekontrakter.

På trods af dette potentiale identificerer eksperter fire "hindringer", der fortsat står i vejen for institutionel adoption: juridisk håndhævelse i konkursretterne, manglen på en orakel-infrastruktur, der er sikret mod manipulation, til håndtering af covenants, regulatorisk usikkerhed for trancher på milliarder af dollars samt ikke-standardiserede skatte- og regnskabsprodukter.

Konsensus tyder på en realistisk tidshorisont på 12 til 24 måneder, før mellemstore syndikerede aftaler vinder fodfæste på blockchainen, mens mezzanin-gæld, der hovedsageligt er på blockchainen, sandsynligvis ligger tre til fem år ude i fremtiden. De første gennembrud vil sandsynligvis komme fra Tier 2-operatører snarere end brancheledere som Coreweave.