"Din AI-policy är en begäran, inte en strategi": Gonkas Liberman-bröder om GPU-feodalism, energiflaskhalsen och vem som kontrollerar underrättelselagret
I korthet
AI:s verkliga hinder är el och nätåtkomst, inte chips. Gonkas medskapare inom decentraliserad beräkning, GPU-feodalism och öppen AI-infrastruktur.
AI-kapplöpningen brukar framställas som en tävling mellan modeller, chips och kapital. Men ett växande antal röster menar att den verkliga gränsen är enklare och mer fysisk: elektricitet, tillgång till nätet och den handfull företag som kontrollerar infrastrukturen som allt annat körs på. Om du inte äger datorer, går argumentet, är din AI-strategi bara en begäran.
Konsekvenserna av den logiken börjar redan märkas. Elnätsoperatörerna slår larm, räkningarna för energi och avgifter stiger, och frågan om vem som får tillgång till AI – inte bara använda den, utan driva den, äga den, bygga vidare på den – håller i tysthet på att bli en av de mest betydande infrastrukturfrågorna under årtiondet. För större delen av världen är svaret just nu: på någon annans villkor.
MPost satte sig ner med Daniil och David Liberman, medskapare av Gonk, ett decentraliserat AI-beräkningsnätverk, för att ta reda på om det finns ett annat sätt.
När blev AI-energiproblemet en nödsituation? Vad händer härnäst?
Nödsituationen började när den begränsande faktorn slutade vara chips och blev elektricitet. I åratal behandlade AI-industrin datacenter som finansiella objekt. Man samlar in pengar, köper GPU:er och bygger ett massivt campus. Men datacenter är fysiska objekt kopplade till transformatorer, kraftverk och lokala nät. Dessa saker kan inte skalas upp med mjukvarans hastighet. De senaste juliordrarna visar att nät som PJM aktivt styrs kring datacenterefterfrågan och använder backupgenerering som en absolut sista utväg. Det som bryts ner härnäst är hela den ekonomiska modellen. Man kan ha miljarder dollar i GPU:er och bokstavligen ingenstans att koppla in dem. Sedan bryts det politiska lagret när hushållen börjar fråga sig varför deras elräkningar finansierar en AI-anläggning. Det djupare misstaget är att anta att varje AI-beräkning kräver ett campus på gigawattnivå. Vi måste flytta beräkningar mot energi: en decentraliserad strategi dirigerar arbetsbelastningar till befintliga maskiner och regioner där ström redan finns tillgänglig.
Vilka är GPU-feodalismens herrar och livegna? Hur ser jordräntan ut?
Lorderna är de få aktörer som kontrollerar de fysiska och avtalsenliga lagren, som avancerade chips, hyperskaliga moln och den energi som krävs för att driva dem. Livegna är nästan alla andra. De är startups, utvecklare och hela länder som måste importera intelligens som en tjänst. Det är precis vad vi kallar GPU-feodalism, en framtid där människor blir hyresgäster på någon annans datortillgångar. Hyran de betalar är delvis ekonomisk, men den farligare hyran är tillstånd. En leverantör kan ändra din kvot, stänga av ditt konto eller tyst byta modell du använder. Om fem företag och två stater kontrollerar infrastrukturen får du åtta miljarder hyresgäster. AI är ren information och kan kopieras nästan utan gräns. Modellen får plats på ett USB-minne, men monopolet finns i datacentret. Den fysiska flaskhalsen är precis där artificiell knapphet påtvingas något som är avsett att skapa globalt överflöd.
Varför avgör äganderätten till infrastruktur vilken AI som byggs?
En idé utan beräkningsförmåga är inte ett företag, bara ett dokument. När åtkomst till beräkningsförmåga är dyr eller politiskt begränsad ändrar utvecklare fysiskt vad de bygger. En startup kan överge en modell med öppen källkod helt enkelt för att en massiv molnleverantör subventionerar åtkomst till ett proprietärt API. Infrastrukturägarna dikterar vilken hårdvara som stöds, vilka regioner som får kapacitet och vem som prioriteras vid brist. Det är därför öppna vikter aldrig räcker till. Att publicera modellvikter utan prisvärd exekvering är som att dela ritningar för ett flygplan när ett enda företag äger varje landningsbana. Du behöver också verifierbarhet. Ett decentraliserat system måste bevisa att den förväntade modellen faktiskt exekverades utan tysta kvalitetsminskningar. En agent som flyttar pengar behöver mer än förtroende, den behöver bevis. Om du inte kontrollerar beräkningsförmågan är din AI-policy en begäran snarare än en strategi.
Hur nära är vi att välja mellan behörigheter snarare än modeller?
Vi lever redan i den första versionen av den världen. Användare tror att de måste välja bland dussintals AI-produkter, men många är bara gränssnitt byggda på exakt samma lilla grupp av modellleverantörer. Idag ser behörigheter ut som geografiska begränsningar, användningsnivåer och API-policyer. Imorgon, när AI-system blir avgörande för ekonomisk produktivitet, blir dessa begränsningar strukturella. Tänk dig att en ingenjör har tillgång till den bästa kodningsagenten medan en annan inte har det. Företaget eller landet som nekas åtkomst hamnar omedelbart på efterkälken. Det slutliga resultatet är en intelligenshierarki där åtkomsten helt beror på din jurisdiktion, arbetsgivare eller identitet. Människor kommer tekniskt sett att vara fria att avvisa dessa system, men de kommer inte längre att vara ekonomiskt konkurrenskraftiga utan dem. Vi kan fortfarande vända på detta, men fönstret mäts i år. Varje API-avstängning eller åtkomstnekans är bara ytterligare en reklam för decentraliserad AI.
Vem vinner när slutledning blir den dominerande slagfältet?
Träningsmodeller genererar de största rubrikerna, men det är genom inferens som AI blir en verklig ekonomi. En modell tränas regelbundet, men inferens sker kontinuerligt varje gång en användare ställer en fråga eller en robot fattar ett beslut. Detta förändrar konkurrenslandskapet. Medan träning kräver massiva och tätt sammankopplade kluster, kan inferens ofta bearbetas oberoende. Du behöver inte varje förfrågan köras inom ett enda gigawatt-campus. Vinnarna kommer att vara system som minskar kostnaden per användbar token, upprätthåller hög hårdvaruutnyttjandegrad och garanterar modellens integritet. Förlorarna kommer att vara företag som permanent förlitar sig på subventionerad API-prissättning och länder som importerar varje enhet av intelligens. Detta är exakt den öppningen för distribuerade system. Decentraliserad beräkning kan utnyttja global tillgång och lokal energi utan att kräva att ett företag äger varje anläggning.
Vad avslöjar 100 miljoner förfrågningar i 26 länder om outnyttjad databehandling?
De bevisar att geografiskt distribuerad AI-beräkning inte längre bara är ett teoretiskt koncept. Innan man drev ett riktigt nätverk antog man att världen innehöll en homogen pool av lediga GPU:er som väntade på att aktiveras. Verkligheten är att hårdvara, nätverk och tillgänglighet skiljer sig drastiskt åt. Den verkligt knappa resursen är samordning. Ett nätverk måste upptäcka kapacitet, mäta prestanda, verifiera exekvering och skapa incitament som håller operatörerna online. Det är därför Gonka använder transformerbaserade Proof of Work- och Sprint-mekanismer för att verifiera verklig AI-hårdvara. Det outnyttjade utbudet är enormt, inklusive företagsreserver, regionala moln och universitetshårdvara som helt enkelt saknade en koppling till den globala AI-efterfrågan. Bearbetningen av dessa arbetsbelastningar visar att utvecklare kan konsumera decentraliserad inferens genom ett gemensamt gränssnitt utan att behöva att all beräkning befinner sig inom en företagsperimeter.
Kan ett öppet alternativ fortfarande uppstå, och i vilken skala?
Ja, men det kommer inte att uppstå automatiskt från de nuvarande marknadsledarna. Ett öppet alternativ måste nå massiv fysisk skala för att bli ett genuint strukturellt alternativ. Vi pratar om gigawatt kapacitet och miljontals avancerade GPU:er. Bitcoin ger den perfekta lärdomen här. Det samlade inte in miljarder dollar för att bygga ett enormt datacenter. Istället skapade det ett ekonomiskt protokoll som mobiliserade global fysisk infrastruktur. AI behöver en jämförbar standard för användbar beräkning. Öppna modeller kräver öppen exekveringsinfrastruktur. Ekonomiska belöningar måste flöda direkt till de människor som tillhandahåller och förbättrar hårdvara. Om AI får ett beräkningsanpassat protokoll kommer hårdvaruinnovation att gå från långsamma företagsfärdplaner till global konkurrens.
Är delad beräkning en väg till AI-suveränitet för tillväxtregioner?
Det kan absolut vara så, förutsatt att suveräniteten är defined korrekt. AI-suveränitet betyder inte att varje land måste tillverka sina egna chip och bygga ett inhemskt hyperskaligt moln. Låt oss vara realistiska – det är inte möjligt. En mer praktisk defiKonklusionen är att ett land inte ensidigt kan kopplas bort från underrättelsetjänsten. Att hyra ett API från ett utländskt företag är ett rent beroende. Ett land utan datorkraft kommer att förhandla med AI precis som en hyresgäst förhandlar med en hyresvärd. Att ansluta inhemsk energi, ingenjörer och datacenter till ett öppet nätverk är ett verkligt deltagande. Inget medelstort land kan spendera mer än USA eller Kina individuellt. Men om tvåhundra länder vardera bidrar med tiotusen GPU:er i genomsnitt, skapar de ett delat nätverk med två miljoner GPU:er. Denna samordning garanterar suverän tillgång till underrättelselagret, vilket ger tillväxtregioner i Asien, Afrika och Mellanöstern ett verkligt alternativ att ta sig ur centraliserad kontroll.
Är decentraliserad AI strukturellt konkurrenskraftig, eller fyller den bara Big Techs luckor?
Idag gör den båda. De flesta decentraliserade nätverk startar i områden där centraliserade leverantörer är dyra, restriktiva eller helt enkelt ointresserade. Det är helt normalt. Det blir dock strukturellt konkurrenskraftigt när det skapar en öppen standard som koordinerar global energi, belönar bättre hårdvara och ger utvecklare en trovärdig exitstrategi. Det relevanta måttet är aldrig börsvärdet för en token. Det avgörande måttet är användbar AI-beräkning som behandlas per dag. Decentraliserade system behöver inte centraliserade leverantörer för att försvinna. Internet eliminerade inte privata nätverk, och Bitcoin eliminerade inte banker. När utvecklare har ett gångbart alternativ tvingas etablerade aktörer att konkurrera mycket mer seriöst om pris, åtkomst och transparens.
Varför skulle decentraliserad AI undvika återkonsolidering?
Återkonsolidering är en verklig risk. Decentralisering är inte ett permanent tillstånd bara för att någon skrev ordet i en vitbok. AI-beräkning har massiva skalfördelar, vilket innebär att större operatörer kan förhandla fram bättre elavtal och köpa hårdvara billigare. Ett tillståndslöst nätverk skulle lätt kunna konsolideras kring ett fåtal industriella operatörer. Det är just därför Gonka är byggt på beräkningsvägd styrning, vilket säkerställer att inflytandet är kopplat till verifierat beräkningsbidrag snarare än enkelt tokenägande. Framtiden för AI-infrastruktur måste styras av de människor som faktiskt bringar intelligens till nätverket, inte av ledigt kapital. Målet är inte att hindra stora operatörer från att existera. Stora operatörer är mycket effektiva. Men vi måste se till att de förblir operatörer inom ett öppet protokoll snarare än att bli absoluta ägare av själva protokollet.
Ansvarsfriskrivning
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
fler artiklar
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
