专家们宣扬去中心化人工智能效率提升，因GPU短缺和能源限制迫在眉睫

基础设施，而非资本，是新的约束条件

最近几周，由于对人工智能（AI）热潮周期已演变为不可持续泡沫的担忧增加，投资者信心受到动摇。这反过来又产生了强大的下行压力，导致市场和比特币等资产暴跌。这种不断加剧的不安感压倒了任何积极的市场催化剂，包括美国政府关门问题解决的消息，因为许多人担心行业即将面临类似互联网泡沫的清算。

特别是在中国Deepseek取得成功后，这种谨慎态度进一步加剧，转移了市场注意力至东方，并将批判性光束聚焦于硅谷的财务状况。核心问题现在围绕着雄心勃勃的长期收入预测与AI公司高度膨胀的投机估值之间明显的差距。评论家表示，这些指标表明可能需要大幅修正。

除了担心AI行业夸大其能力外，其他行业领袖最近也对如何为数据中心供电这一悬而未决的问题可能限制增长提出了警告。虽然一些AI公司可能成功筹集数十亿美元，但他们的最终成功不仅取决于所筹资本，还取决于基础设施的可用性。

微软CEO Satya Nadella最近揭示，这家科技巨头有大量NVIDIA GPU因能源不足而闲置。这种情况证实了电力和数据中心空间是AI行业增长的真正限制因素，使得供电数据中心的通达性成为新的杠杆点。

因此，传统解决方案如建造核电厂面临供需失衡：需求的增长速度快于新电厂上线所需的时间和巨额资本。这种失衡为使用分散化AI（DAI）计算来匹配生态系统增长的步伐提供了动力。

分散化AI的理由

根据专家说法，分散化AI本质上能够避免微软和谷歌等超大规模公司容易出现的集中化能源故障。这种模式还促成了一个负担得起的分散资源市场，潜在地访问全球约30%–40%的未使用GPU容量。

然而，DAI并非没有批评者。担忧包括缺乏协调资源的中央权威，以及通过代币和区块链货币化私人数据可能会为网络犯罪分子和诈骗者创造新的机会。

阅读更多: 比特币下跌因AI泡沫担忧加剧

尽管存在这些担忧，Bitcoin.com News采访的专家确信DAI的优势超过了劣势。0G Labs CEO Michael Heinrich指出，DAI模型“可以利用分布式训练，通过分布在各地的数百个节点来训练一个模型，已被证明能带来巨大的效率提升，”使得训练更快更便宜。

虽然集中化数据中心提供高吞吐量和低延迟的内部网络，但Argentum AI创始人兼CEO Andrew Sobko断言，在响应性和边缘用户的稳健性上，分散化设置更优。

能源节省：Sobko补充说，分散化减少了“硬币两面”的能源需求，他说：“增加更多的集中计算需要增加更多的集中电力，这会产生更多的热量，从而需要更多的冷却，这也需要很多能源。还需要大量的水。”

可持续经济模型

两位专家都同意代币化激励和市场机制是支持DAI的核心经济模型。这包括与正常运行时间和可靠性相关的基于声誉的系统，从而激励贡献者提供更好的服务。

此外，两位专家一致认为本地可再生微电网和社区拥有的能源来源是DAI节点的天然伙伴。Sobko认为，通过将AI计算节点与这样的微电网并置，“过剩的清洁能源可以在现场用于计算任务。”这使得社区在不必连接到中央电网的情况下能够货币化他们的运营，从而有效地加强本地基础设施和可持续性。

常见问题 🧠

• 为什么市场承压？ 对AI泡沫和估值过高公司的担忧动摇了全球投资者信心。
• 主要的基础设施挑战是什么？ 电力短缺和有限的数据中心容量限制了全球AI行业的增长。
• 分散化AI如何在全球范围内发挥作用？ DAI利用未使用的GPU容量，实现跨国界的效率，并减少集中化能源风险。
• 什么支持DAI的采用？ 代币化激励和本地可再生微电网创造可持续的社区驱动经济模型。