【英文长推】观点：AI 需要去中心化和可验证性

Chainfeeds 导读：

在探讨去中心化 AI 时，我们首先要问自己，为什么 AI 需要去中心化？它的去中心化将带来哪些后果？几乎所有去中心化的设想最终都会不可避免地指向一个核心问题 —— 激励机制的合理性。

文章来源：

https://x.com/paramonoww/status/1901633115237531890

文章作者：

Pavel Paramonov 

观点：

Pavel Paramonov ：当前大规模 AI 模型的计算资源需求极高，这自然限制了许多潜在用户的参与。AI 模型不仅需要大量的数据资源，同时还需要庞大的算力支持，而这些资源的获取成本远超普通个体的承受能力。尤其是在开源 AI 领域，开发者除了投入时间训练模型外，还需要投入昂贵的计算资源，这导致开源 AI 发展受限。尽管某些个人可以配置算力来运行 AI 模型，就像个人可以运行自己的区块链节点一样，但这并不能从根本上解决问题，因为算力仍然远远不足以完成实际任务。 激励机制的合理性是指通过建立规则，使得参与者在追求自身利益的同时，也能推动整个系统的发展。加密货币的多个领域已经成功解决了激励机制的问题，其中最典型的例子就是 DePIN（去中心化物理基础设施网络） 领域。Helium（去中心化无线网络）和 Render Network（去中心化 GPU 计算网络）就是通过分布式节点和 GPU 资源贡献，实现了激励机制的合理化。为什么不能把 DePIN 的模式应用到 AI 领域，以构建更加开放和可访问的 AI 生态？答案是：完全可以。Web3 和加密货币的核心驱动力是「所有权」：你拥有自己的数据；你拥有你的激励；即使你只是持有代币，也仍然拥有整个网络的一部分。这种 「所有权赋权」 是激励资源提供者贡献资产的根本动力 —— 他们希望从网络的成功中获益。 如果我们希望构建一个去中心化 AI 系统，并确保其中的激励机制有效，那这个系统就必须具备类似于区块链的可验证机制：网络效应（更多参与者 → 更强的生态）；降低进入门槛（节点可依赖未来收益补贴初始成本）及惩罚机制（对作恶行为进行惩罚，以保持系统稳定）。其中，惩罚机制依赖可验证性。如果我们无法验证谁在系统中作恶，那就无法对其进行惩罚，这会导致系统极易受到攻击和欺诈。在去中心化 AI 体系中，可验证性是必要条件，因为系统没有单一的信任中心，而是希望构建一个无需信任、但可验证的架构。当前 AI 生态中已经有多个去中心化算力网络在尝试解决这些问题，例如：Hyperbolic 提供 GPU 计算资源租赁，降低 AI 训练成本高达 75%；Hyperspace 开发 Proof-of-FLOPS 机制，让节点证明计算能力并获得激励；OpenLayer 提供可信数据源，让 AI 训练数据更加去中心化和多样化。这些项目都在探索如何让 AI 变得更加开放、去中心化，并确保整个激励体系的公平性和可验证性。【原文为英文】