Eksperter Fremhever Fordeler med Desentralisert AI Effektivitetsforbedringer Mens GPU-Mangel og Energibegrensninger Truer

Infrastruktur, ikke kapital, er den nye begrensningen

I de siste ukene har investorers tillit blitt rystet av økende frykt for at hype rundt kunstig intelligens (AI) har metastasert til en uholdbar boble. Dette har igjen skapt kraftig nedadgående press som har bidratt til at markeder og aktiva som bitcoin faller. Denne økende uroen har overskygget alle positive markedskatalysatorer, inkludert nyheter om den løste amerikanske regjeringsnedstengningen, da mange frykter en nært forestående dommedag lik den i dot-com-æraen for sektoren.

Økt forsiktighet, særlig etter Kinas Deepseek-suksess som flyttet markedsfokus mot øst, har satt et kritisk lys på Silicon Valleys økonomi. Den sentrale bekymringen nå kretser rundt den åpenbare avstanden mellom ambisiøse, langsiktige inntjeningsprognoser og de svært oppblåste, spekulative verdsettelsene som AI-selskaper kommando. Kritikere sier at disse målingene antyder at en betydelig korreksjon kan være på overtid.

Utover frykten for at AI-industriens evner er overdrevet, har andre industriledere nylig uttrykt bekymring for hvordan det uløste problemet med å drive datasentre truer med å bremse veksten. Mens noen AI-selskaper kanskje kan samle inn milliarder av dollar, vil deres endelige suksess avhenge ikke bare av kapital innsamlet, men av infrastruktur tilgjengelighet.

Denne bekymringen ble nylig fremhevet av Microsofts administrerende direktør, Satya Nadella, som avslørte at teknologigiganten har en rekke NVIDIA GPU-er som står ubrukte fordi det ikke er nok energi til å drive dem. Denne situasjonen viser at kraft og datasenterplass er de virkelige begrensningene for veksten av AI-industrien, noe som gjør tilgang til strømsatte datasentre til det nye fortrinnspunktet.

Følgelig møter konvensjonelle løsninger, som bygging av atomkraftverk, en misforhold: Etterspørselen vokser raskere enn den tid og det massive kapitalbehovet som kreves for å få nye anlegg i drift. Dette misforholdet gir drivkraft til ideen om å bruke desentralisert AI (DAI) beregning for å matche økosystemets vekstrate.

Argumentet for desentralisert AI

Ifølge eksperter er desentralisert AI iboende immun mot de sentraliserte energisviktene som hyperskalere som Microsoft og Google er utsatt for. Denne modellen muliggjør også en kostnadseffektiv markedsplass for spredte ressurser, og får potensielt tilgang til anslagsvis 30%–40% av verdens ubrukte GPU-kapasitet.

Imidlertid er ikke DAI uten sine kritikere. Bekymringer inkluderer mangelen på en sentral myndighet til å koordinere ressurser og risikoen for at inntektsgenerering av privat data via token og blokkjedeteknologi kan skape nye muligheter for nettkriminelle og svindlere.

Les mer: Bitcoin faller når bekymringer for AI-boble vokser

Til tross for disse bekymringene, er eksperter intervjuet av Bitcoin.com News sikre på at fordelene ved DAI oppveier ulempene. Michael Heinrich, administrerende direktør i 0G Labs, bemerker at DAI-modeller “kan dra nytte av distribuert trening, hvor hundrevis av noder spredt overalt brukes til å trene en modell, og dette har vist seg å gi enorme effektivitetsgevinster,” noe som gjør treningen raskere og billigere.

Mens sentraliserte datasentre tilbyr høy gjennomstrømning og lav latens på sine interne nettverk, hevder Argentum AI-gründer og administrerende direktør Andrew Sobko at desentraliserte oppsett “vinner på respons og robusthet ved kanten” for fjerne brukere.

Energisparing: Sobko la til at desentralisering reduserer energibehovet på “begge sider av mynten,” og uttalte: “Å legge til mer sentralisert datakapasitet krever mer sentralisert elektrisitet, noe som skaper mer varme, som krever mer kjøling, som også krever mye energi. Det krever også en betydelig mengde vann.”

Bærekraftige økonomiske modeller

Begge ekspertene er enige om at tokeniserte incentiver og markedsplassmekanismer er de kjerneøkonomiske modellene som støtter DAI. Disse inkluderer omdømmebaserte systemer hvor belønninger er knyttet til driftstid og pålitelighet, dermed insentiver til bedre service fra bidragsyterne.

Videre er begge ekspertene enige om at lokale fornybare mikrogrid og felleseide energikilder er en naturlig partner for DAI-noder. Sobko argumenterer for at ved å samlokalisere en AI-beregningsnode med et slikt mikrogrid, kan “overflødig ren kraft konsumeres på stedet” for databehandlingsoppgaver. Dette gir samfunnene en måte å tjene penger på driften deres uten å måtte koble til det sentrale nettet, noe som effektivt styrker lokal infrastruktur og bærekraft.

FAQ 🧠

• Hvorfor er markedene under press? Frykt for en AI-boble og overprisede selskaper har rystet global investorers tillit.
• Hva er den viktigste infrastrukturutfordringen? Strømbrist og begrenset datasenterkapasitet begrenser AI-industriens vekst verden over.
• Hvordan hjelper desentralisert AI globalt? DAI utnytter ubrukt GPU-kapasitet, muliggjør effektivitet over landegrensene og reduserer sentraliserte energirisikoer.
• Hva støtter DAI-adopsjon? Tokeniserte incentiver og lokale fornybare mikrogrid skaper bærekraftige, samfunnsdrevne økonomiske modeller.