Volgens deskundigen geven ZK-bewijzen DePIN’s een voorsprong nu de vraag naar betrouwbare AI toeneemt

De basis van 7,6 biljoen dollar

Een recent rapport van Goldman Sachs verschuift het debat van de vraag of er vraag is naar kunstmatige intelligentie (AI) naar welke factoren aan de aanbodzijde de werkelijke kosten van de uitbouw zullen bepalen. Het rapport voorspelt 7,6 biljoen dollar aan AI-kapitaaluitgaven als basis, maar benadrukt dat dit cijfer zeer gevoelig is voor "schommelende variabelen", waaronder de levensduur van AI-silicium.

Deze levensduur wordt gezien als de meest cruciale factor, omdat snelle innovatie ervoor zou kunnen zorgen dat standaardchips – die doorgaans vier tot zes jaar meegaan – binnen drie jaar verouderd zijn, waardoor de kosten omhoogschieten. Omgekeerd zou een "gelaagd model", waarbij oudere chips worden hergebruikt voor eenvoudigere taken, zoals inferentie, de kosten kunnen stabiliseren.

De complexiteit van datacenters en de elasticiteit van de vraag naar rekenkracht zijn andere variabelen die waarschijnlijk van invloed zullen zijn op de hoogte van de kapitaaluitgaven voor AI-infrastructuur in de komende vijf jaar. Tekorten aan capaciteit in het elektriciteitsnet, gespecialiseerde arbeidskrachten en elektrische apparatuur worden ook gezien als factoren die de uitbouw vertragen.

Een afzonderlijk rapport beschouwt deze duizelingwekkende infrastructuuruitgaven ondertussen als de hoeksteen van een opkomende 'machine-economie'. In dit paradigma worden AI-agenten de belangrijkste economische actoren, die hoogfrequente transacties uitvoeren en de toewijzing van middelen zelfstandig beheren. De auteurs van het rapport stellen dat verouderde financiële systemen, die worden gekenmerkt door trage afwikkelingscycli en rigide 'know your customer' (KYC)-kaders, fundamenteel niet zijn toegerust voor de snelheid van agentische handel.

Gedecentraliseerde infrastructuur en de afweging tussen latentie

Bijgevolg positioneert het crypto en gedecentraliseerde protocollen als de essentiële, toestemmingsloze "economische rails" die nodig zijn om deze verschuiving te faciliteren. Sceptici blijven echter op hun hoede en vragen zich af of gedecentraliseerde fysieke infrastructuurnetwerken (DePIN's) de explosief stijgende kapitaalbehoeften van AI werkelijk kunnen opvangen.

Vadim Taszycki, hoofd groei bij StealthEX, merkt op dat gedecentraliseerde netwerken weliswaar aanzienlijke kostenbesparingen kunnen opleveren, maar te maken hebben met fysieke beperkingen. Hoewel een gedecentraliseerde aanbieder als Akash een H100 GPU misschien voor $ 1,48 per uur verhuurt, vergeleken met $ 12,30 bij Amazon Web Services, is de afweging snelheid.
"De grote cloudproviders kunnen dit doen [fast work] omdat hun GPU's naast elkaar in één gebouw staan, verbonden door speciale kabels die gegevens in microseconden verplaatsen," zei Taszycki. Hij legde uit dat gedecentraliseerde netwerken, die GPU's in verschillende landen via het openbare internet met elkaar verbinden, milliseconden vertraging toevoegen. Deze latentie maakt gedecentraliseerde orkestratie concurrerend voor batchtaken en fijnafstemming, maar ongeschikt voor het bedienen van grootschalige, live chatbots waarbij de gebruikerservaring afhankelijk is van vrijwel onmiddellijke reacties.

Leo Fan, oprichter van Cysic, sloot zich bij deze mening aan en benadrukte dat gedecentraliseerde inferentie ongeschikt is voor workloads met lage latentie. Fan stelde echter dat latentie de verkeerde maatstaf is om gedecentraliseerde platforms en hyperscalers zoals AWS met elkaar te vergelijken.

"Het moeilijke probleem is niet gedistribueerde rekenkracht, maar ontdekking, planning en attestatie. Het verschil zit niet in de prijs per token, maar in de verifieerbaarheid", aldus Fan. Hij merkte op dat trusted execution environments (TEE's) en zero-knowledge (ZK)-attestaties gedecentraliseerde netwerken in staat stellen te concurreren in sectoren waar vertrouwen en verificatie belangrijker zijn dan 'tail latency'.

Onchain-krediet en de financieringskloof

Naast rekenkracht verschuift de focus naar de financiering van deze kapitaalintensieve projecten. Hoewel traditionele particuliere kredietverstrekkers over ruim kapitaal beschikken, zien ze kleinere of niet-standaarddeals vaak over het hoofd. Onchain-krediet biedt duidelijke voordelen, zoals de mogelijkheid voor particuliere beleggers om te delen in de inkomsten van datacenters, iets wat voorheen voorbehouden was aan institutionele commanditaire vennoten. Bovendien kunnen platforms zoals Maple en Centrifuge leningen syndiceren in de orde van grootte van 5 tot 50 miljoen dollar – een segment dat vaak door bedrijven als Apollo wordt genegeerd vanwege de hoge acceptatiekosten in verhouding tot de vergoedingen.

Ten slotte maakt on-chain krediet nieuwe "pay-per-inference"-modellen mogelijk, waarbij de inkomsten fluctueren met het GPU-gebruik. Dergelijke modellen passen natuurlijker in tokenized inkomstendeling-structuren dan rigide traditionele leaseovereenkomsten met een looptijd van 20 jaar.

Ondanks dit potentieel identificeren experts vier "poorten" die nog gesloten blijven voor institutionele acceptatie: juridische afdwingbaarheid in faillissementsrechtbanken, het ontbreken van fraudebestendige orakel-infrastructuur voor het nakomen van convenanten, onzekerheid over regelgeving voor tranches van miljarden dollars, en niet-gestandaardiseerde fiscale en boekhoudkundige producten.

De consensus suggereert een realistische tijdlijn van 12 tot 24 maanden voordat middelgrote syndicaatstransacties op de blockchain voet aan de grond krijgen, waarbij mezzanine-schuld met een meerderheid op de blockchain waarschijnlijk nog drie tot vijf jaar op zich laat wachten. De eerste doorbraken zullen waarschijnlijk komen van Tier 2-operators in plaats van marktleiders zoals Coreweave.