现代的 AI ，运行在少数几家拥有芯片、数据与模型的巨型公司之上。一个不断增长的加密运动，想要打破那种集中，转而把 AI 基础设施——算力、训练与推理——建成开放的、代币激励的网络。以下是去中心化 AI 基础设施试图做什么、它如何运作，以及现实仍然落后于那愿景多远。
为什么要去中心化 AI
今天的 AI 是极度中心化的。少数几家公司，控制着大多数先进的芯片、最大的数据集、与领先的模型，这集中了权力、抬高了成本，并让少数几个把关者，去决定谁能获得访问、以及以什么条件。去中心化 AI 基础设施，志在把这个分散开来：让任何人都能贡献计算力、数据或模型给开放的网络，并为此以代币获得报酬。目标是更便宜、更开放、且更抗审查的 AI ，没有单独一家公司控制。
去中心化算力
最成熟的一块，是去中心化算力，它把许多所有者的图形处理器，汇集进一个共享的市场。用户不是从单独一个云提供商租用，而是接入由全球的数据中心与个人贡献的闲置硬件，通过一个代币网络协调并支付。这动用了一大批未被充分利用的芯片的供应，并能在价格上压过中心化的云。数个网络，如今专门以这种方式，为渲染、模型训练与推理供给 GPU 算力。
去中心化的智能与训练
在原始算力之外，一些网络试图去中心化智能本身的创造。最知名的设计，运行一个机器学习模型的市场，独立的参与者在其中竞争产出有用的输出，并按他们所添的价值以代币获得奖励。被组织进专门的子网络，这把模型的构建，变成一场开放的、有激励的竞赛，而非一项封闭的公司努力。目的是以区块链众包安全的、那同样无需许可的方式，去众包并持续地改进 AI 。
数据与推理
智能，也需要数据去学习，以及一种在训练之后运行模型的方式。去中心化基础设施，延伸到那些不被锁在一家公司之内的、开放的、共享的数据集，以及去中心化推理，运行一个模型的请求，在其中由一个分布式的网络、而非单独一个提供商来服务。一个反复出现的、艰难的问题，是核验：证明一台远程的机器，确实诚实且正确地做了它被付钱去做的计算，而没有一个可信的中间人去为它担保。
愿景对比现实
那愿景引人入胜，但与中心化 AI 的差距是真实的。协调分布式的硬件，增添了延迟与复杂性，在规模上核验诚实的工作尚未解决，而那些最大的模型，仍然偏爱紧密整合的数据中心。代币激励，也可能吸引跑赢真实使用的投机。去中心化基础设施今天最好用之处，是在供给灵活的、更低成本的算力，以及在利基或专门的任务里，而非在彻底推翻前沿实验室。
结语
去中心化 AI 基础设施，试图把 AI 的技术栈——算力、训练、数据与推理——重建成由代币协调、而非被少数公司拥有的开放网络。去中心化的 GPU 市场，已然有用、且在成本上有竞争力，而去中心化的智能与推理，仍然更早期、并面对艰难的核验挑战。这个方向要紧，因为它反抗着 AI 的集中，但把这个板块，当作有希望但未经证实的，并把它众多的代币，当作投机性的、而非已尘埃落定的基础设施。
免责声明：本文为币贝学院提供的教育内容，仅供参考。不构成投资、交易、税务或财务建议。撰写于 2026 年 7 月；请以最新官方信息为准。
参考资料
[1] Bittensor, "Decentralized machine intelligence" bittensor.com
[2] CoinGecko, "Decentralized AI and compute networks" coingecko.com
