Experter hyllar decentraliserade AI:s effektivitetsvinster när GPU-brist och energigränser hotar

Infrastruktur, inte kapital, är den nya begränsningen

Under de senaste veckorna har investerarnas förtroende skakats av växande rädslor om att hypecykeln för artificiell intelligens (AI) har metastaserat till en ohållbar bubbla. Detta har i sin tur skapat kraftigt nedåtriktat tryck som bidragit till att marknader och tillgångar som bitcoin sjunkit. Denna fördjupade oro har överväldigat alla positiva marknadskatalysatorer, inklusive nyheter om den lösta amerikanska statsstängningen, eftersom många fruktar en omedelbar uppgörelse likt dot-com-eran för sektorn.

Ökad försiktighet, särskilt efter Kinas Deepseek-framgång, som skiftade marknadens uppmärksamhet österut, har fokuserat ett kritiskt ljus på Silicon Valleys finanser. Den centrala oron kretsar nu kring den uppenbara skillnaden mellan ambitiösa, långsiktiga intäktsprognoser och de mycket uppblåsta, spekulativa värderingarna som AI-företag tar ut. Kritiker säger att dessa metriska indikationer tyder på att en signifikant korrigering kan vara försenad.

Utöver rädslan för att AI-industrin överdriver sina förmågor, har andra branschledare nyligen slagit larm om hur den olösta frågan om att driva datacenter hotar att hämma tillväxten. Även om vissa AI-företag kan lyckas samla in miljarder dollar, kommer deras ultimata framgång att bero inte bara på det kapital som samlats in utan också på tillgängligheten av infrastruktur.

Denna oro belystes nyligen av Microsofts VD Satya Nadella, som avslöjade att teknikjätten har många NVIDIA GPU:er som sitter inaktiva eftersom det inte finns tillräckligt med energi att driva dem. Denna situation bekräftar att kraft och datacenterutrymme är de verkliga begränsningarna för tillväxten av AI-industrin, vilket gör tillgången till försedda datacenter till den nya hävstångspunkten.

Som följd står konventionella lösningar, såsom att bygga kärnkraftverk, inför en mismatch: efterfrågan växer snabbare än den tid och det massiva kapital som krävs för att online få nya anläggningar. Denna mismatch ger drivkraft åt idén att använda decentraliserad AI (DAI) beräkning för att matcha ekosystemets tillväxttakt.

Argumentet för decentraliserad AI

Enligt experter är decentraliserad AI till sin natur immuna mot de centraliserade energifelen som hyperscalers som Microsoft och Google är utsatta för. Denna modell underlättar också en kostnadseffektiv marknadsplats för spridda resurser, och kan potentiellt få tillgång till en uppskattad 30%–40% av världens oanvända GPU-kapacitet.

Dock är DAI inte utan sina kritiker. Person oroas över dess brist på en central auktoritet att samordna resurser och riskerna som skapats genom att privat data monetiseras via tokens och blockkedjor kan skapa nya möjligheter för cyberkriminella och bedragare.

Läs mer: Bitcoin Dips som Concerns of an AI Bubble Mount

Trots dessa bekymmer är experter intervjuade av Bitcoin.com News övertygade om att fördelarna med DAI överväger nackdelarna. Michael Heinrich, VD för 0G Labs, noterar att DAI-modeller “kan dra nytta av distribuerad träning, där hundratals noder spridda överallt används för att träna en modell, och detta har visat sig ge stora effektivitetsvinster,” vilket gör träningen snabbare och billigare.

Medan centraliserade datacenter erbjuder hög genomströmning och låg latenstid på deras interna nätverk, hävdar Argentum AI:s grundare och VD Andrew Sobko att decentraliserade uppställningar “vinner för lyhördhet och robusthet vid kanten” för avlägsna användare.

Energibesparingar: Sobko tillägger att decentralisering minskar energibehoven på “båda sidor av myntet,” och säger: “Att lägga till mer centraliserad beräkning kräver att lägga till mer centraliserad elektricitet, vilket skapar mer värme, vilket kräver mer kylning, vilket också kräver mycket energi. Det kräver också en enorm mängd vatten.”

Hållbara ekonomiska modeller

Båda experterna håller med om att tokeniserade incitament och marknadsmekanismer är de centrala ekonomiska modellerna som stöder DAI. Dessa inkluderar ryktebaserade system där belöningar är kopplade till driftstid och tillförlitlighet, vilket därmed incitamenterar bättre service från bidragsgivare.

Dessutom är båda experterna överens om att lokala förnybara mikronätverk och samhällsägda energikällor är en naturlig partner för DAI-noder. Sobko argumenterar för att genom att samlokalisera en AI-beräkningsnod med ett sådant mikronätverk, “kan överskottsren kraft konsumeras på plats” för beräkningsuppgifter. Detta ger samhällen ett sätt att tjäna pengar på sina verksamheter utan att behöva ansluta till centralnätet, vilket effektivt stärker lokal infrastruktur och hållbarhet.

FAQ 🧠

• Varför är marknaderna under press? Rädslor för en AI-bubbla och övervärderade företag har skakat det globala investerarförtroendet.
• Vilken är den viktigaste infrastrukturutmaningen? Strömbrist och begränsad kapacitet i datacenter begränsar AI-industrins tillväxt världen över.
• Hur hjälper decentraliserad AI globalt? DAI nyttjar oanvänd GPU-kapacitet, möjliggör gränsöverskridande effektivitet, och minskar centraliserade energirisker.
• Vad stöder DAI-antagande? Tokeniserade incitament och lokala förnybara mikronät skapar hållbara, gemenskapsdrivna ekonomiska modeller.