DeAI：Era pertumbuhan liar AI, mengapa membutuhkan Web3 untuk mengaturnya

null

原文作者：K，Web3Caff Research 研究员

Dalam jejak perkembangan kecerdasan buatan, dua tahun terakhir mengalami perubahan struktural yang mendalam. Kemampuan model terus menembus batas, efisiensi inferensi terus dioptimalkan, modal global dan mesin negara berbondong-bondong datang. Namun, di balik gelombang sentralisasi yang penuh semangat dan fokus modal ini, DeAI (arsitektur pelatihan dan inferensi AI yang terdesentralisasi) sedang menjadi jalur lain menuju masa depan, yang secara langsung mengatasi dua risiko utama perkembangan AI saat ini: mekanisme buta dan kerentanan ekspansi.

Kemakmuran AI terpusat dibangun di atas infrastruktur fisik yang besar, dari klaster komputasi super hingga kotak hitam inferensi model tertutup, dari produk SaaS yang dikemas hingga panggilan API internal perusahaan. Tetapi seperti halnya internet yang beralih dari tertutup ke terbuka, dari platform Web2 ke protokol Web3, perkembangan AI juga pada akhirnya akan menghadapi dua masalah mendasar: pertama, bagaimana pengguna memastikan hasil inferensi model tidak diubah dan memiliki keaslian? Kedua, ketika pelatihan dan inferensi melintasi batas geografis, perangkat, budaya, dan hukum, akankah arsitektur terpusat tetap mempertahankan keunggulan biaya dan kinerja?

Jaringan DeAI menawarkan solusi yang berbeda secara drastis dari paradigma terpusat. Ia berfokus pada “Perhitungan Terbukti (Verifiable Compute)”, memastikan setiap jalannya model memiliki jalur eksekusi yang dapat dilacak dan dibuktikan melalui kriptografi dan mekanisme konsensus. Ini tidak hanya menyelesaikan masalah kepercayaan pengguna terhadap “buta percaya” pada model, tetapi juga menyediakan dasar kepercayaan umum untuk kolaborasi lintas batas. Saat ini, pelopor seperti Prime Intellect dan Inference Labs telah mewujudkan sebagian inferensi verifikasi di klaster GPU jarak jauh, membuka kemungkinan baru untuk pelatihan terdistribusi dan layanan AI otonom.[70]

Dari sudut pandang ekonomi, kebangkitan DeAI juga terkait erat dengan perubahan RoG (Return-on-GPU, yaitu pendapatan per jam dari kekuatan GPU) di industri AI. Desain GPT-4.1 tidak lagi sekadar mengejar model besar dan jumlah komputasi, tetapi menekankan penyempurnaan dan pengaturan sumber daya inferensi secara cermat, misalnya dengan memanfaatkan konteks yang sudah ada selama proses generasi, mengurangi perhitungan ulang yang tidak perlu, sehingga mengurangi output tidak valid dan konsumsi Token, dan lebih banyak mengarahkan kekuatan komputasi ke proses inferensi yang benar-benar bernilai. [68] Ini menandai pergeseran fokus industri dari “berapa banyak GPU yang bisa dibakar” ke “berapa banyak nilai yang bisa diperoleh per jam”. Efisiensi ini justru memberikan peluang terbaik bagi jaringan AI yang terdesentralisasi.

Biaya tetap yang tinggi dan hambatan efisiensi dari klaster GPU terpusat dalam skala besar akan sulit bersaing dengan jaringan GPU heterogen permissionless yang dikontribusikan oleh pengguna global. Jika jaringan ini memiliki “kemampuan terbukti”, maka tidak hanya dapat bersaing dari segi biaya dengan infrastruktur terpusat seperti AWS dan Azure, tetapi juga secara alami memiliki keunggulan transparansi dan kepercayaan.

Selain itu, pengaruh DeAI jauh melampaui aspek teknologi, ia akan merombak struktur kepemilikan dan partisipasi dalam pengembangan AI. Dalam ekosistem pelatihan tertutup yang didominasi oleh raksasa seperti OpenAI dan Anthropic saat ini, sebagian besar pengembang hanya berperan sebagai “pengguna model”, tanpa bisa berpartisipasi dalam keuntungan pelatihan model atau pengambilan keputusan inferensi. Di jaringan DeAI, setiap kontributor, baik node yang menyediakan kekuatan komputasi, pengguna yang menyediakan data, maupun insinyur yang mengembangkan Agent, dapat berpartisipasi dalam tata kelola dan berbagi hasil melalui protokol. Ini bukan hanya inovasi mekanisme ekonomi, tetapi juga kemajuan dalam etika pengembangan AI.

Tentu saja, DeAI saat ini masih dalam tahap eksplorasi awal. Ia belum mencapai tingkat kinerja yang mampu menggantikan model terpusat, dan juga belum mampu mengatasi hambatan stabilitas jaringan dan efisiensi verifikasi. Tetapi masa depan AI tidak akan satu jalur saja, melainkan paralel dengan banyak jalur. Platform terpusat akan terus mendominasi pasar perusahaan, mengejar produk yang dioptimalkan untuk RoG; sementara jaringan DeAI akan tumbuh di skenario edge dan pasar baru, secara bertahap berkembang menjadi ekosistem model terbuka yang memiliki kekuatan hidupnya sendiri. Seperti internet bagi kebebasan informasi, DeAI bagi otonomi cerdas. Pentingnya bukan hanya karena keunggulan teknisnya, tetapi juga karena ia menawarkan kemungkinan dunia lain, masa depan yang tidak memerlukan kepercayaan pada perantara tertentu, tetapi tetap dapat mempercayai kecerdasan itu sendiri.

Konten ini diambil dari laporan penelitian Web3Caff Research berjudul: 《Laporan Tahunan Web3 2025 (Bagian Bawah): Menghadapi Persimpangan Sejarah Keuangan × Komputasi × Tatanan Internet, Apakah Perubahan Industri Akan Dimulai? Analisis Menyeluruh tentang Perubahan Struktur, Potensi Nilai, Batasan Risiko, dan Prospek Masa Depan》

Laporan ini (yang sudah tersedia untuk bacaan gratis) ditulis oleh peneliti Web3Caff Research, K, yang secara sistematis menguraikan logika inti dari perubahan tahap perkembangan Web3 hingga 2025, dengan fokus pada mengapa eksplorasi aplikasi dan kolaborasi sistem secara bertahap menjadi fokus baru di tengah evolusi berkelanjutan dari kemampuan dasar dan regulasi, termasuk poin-poin utama:

Latar belakang evolusi tahap: alasan internal di balik berakhirnya pembangunan infrastruktur dan munculnya perubahan fokus industri;

Perubahan mekanisme utama: kejelasan bertahap dari kerangka aturan dan mekanisme on-chain, serta pengaruhnya terhadap cara sistem berjalan;

Arah aplikasi utama: eksplorasi dalam pembayaran dan penyelesaian, pemetaan skenario nyata, dan kolaborasi yang dapat diprogram;

Arah pengembangan masa depan: analisis tren evolusi Web3 setelah 2026.