7 แพลตฟอร์ม AI แบบกระจายอำนาจที่ดีที่สุดที่ควรจับตามอง

แชร์บทความนี้

• 
• 
• 
• 
• 

by เกรกอรี ปูดอฟสกี

เผยแพร่: 29 ตุลาคม 2025 เวลา 10:33 น. อัปเดต: 29 ตุลาคม 2025 เวลา 10:33 น.

เพื่อปรับปรุงประสบการณ์การใช้ภาษาท้องถิ่นของคุณ บางครั้งเราใช้ปลั๊กอินการแปลอัตโนมัติ โปรดทราบว่าการแปลอัตโนมัติอาจไม่ถูกต้อง โปรดอ่าน เป็นต้นฉบับ บทความสำหรับข้อมูลที่แม่นยำ

นวัตกรรมปัญญาประดิษฐ์ (AI) เติบโตอย่างมากนับตั้งแต่เปิดตัว ChatGPT ในเดือนพฤศจิกายน พ.ศ. 2022 อย่างไรก็ตาม แม้ว่าจะกลายเป็นกระแสหลัก แต่ปัญหาคอขวดสำคัญบางประการยังคงทำให้การพัฒนาและการนำ AI มาใช้ช้าลง โดยหนึ่งในความท้าทายที่ใหญ่ที่สุดที่อุตสาหกรรมใหม่นี้ต้องเผชิญคือคุณภาพและการควบคุมข้อมูล 

ตามที่ ประมาณการ โดย Epoch AI สต็อกข้อมูลสาธารณะที่สร้างโดยมนุษย์ทั้งหมดที่มีประสิทธิผลอยู่ที่ประมาณ 300 ล้านล้านโทเค็น สต็อกข้อมูลนี้มีแนวโน้มว่าจะถูกใช้โดยโมเดลภาษาเพื่อการฝึกอบรมอย่างเต็มที่ระหว่างปี 2026 ถึง 2032 ปัญหาการขาดแคลนข้อมูลที่กำลังเกิดขึ้นนี้ ประกอบกับความกังวลเกี่ยวกับความโปร่งใสและต้นทุน เป็นผลมาจากการรวมศูนย์ของข้อมูล AI ส่วนใหญ่ 

ในแง่ดี โครงสร้างพื้นฐานแบบกระจายศูนย์กำลังพิสูจน์ให้เห็นถึงคุณค่าในการแก้ไขปัญหาเหล่านี้ ในบทความนี้ เราจะเน้นย้ำถึง 7 แพลตฟอร์ม AI แบบกระจายศูนย์ชั้นนำที่กำลังสร้างความเท่าเทียม แพลตฟอร์มใหม่เหล่านี้ช่วยให้ผู้สร้าง AI และองค์กรต่างๆ สามารถค้นหาชุดข้อมูลที่ขับเคลื่อนโดยชุมชนและสามารถตรวจสอบได้ โดยไม่ต้องพึ่งพาตัวกลางแบบรวมศูนย์ 

OORT: คลาวด์ข้อมูลที่สมบูรณ์แบบสำหรับ AI แบบกระจายอำนาจ 

โอ๊ค เป็นโซลูชัน AI แบบกระจายอำนาจแบบครบวงจรที่ออกแบบมาเพื่อให้ทั้งองค์กรและบุคคลสามารถรวบรวม ประมวลผล และสร้างรายได้จากข้อมูล AI ได้ 

สิ่งที่โดดเด่นเกี่ยวกับคลาวด์ข้อมูล AI นี้เมื่อเทียบกับระบบรวมศูนย์คือแนวทางแบบชุมชนทั่วโลก แทนที่จะพึ่งพากระบวนการรวบรวมข้อมูลแบบทึบแสง OORT ได้นำเสนอแพลตฟอร์มรวบรวมข้อมูลแบบ Omni-chain แบบกระจายศูนย์ที่เรียกว่า OORT DataHub แพลตฟอร์มนี้ใช้ประโยชน์จากการมีส่วนร่วมจากชุมชนทั่วโลกเพื่อส่งมอบชุดข้อมูลที่หลากหลาย คุณภาพสูง และตรวจสอบได้ เพื่อแก้ไขข้อบกพร่องที่มีอยู่เดิมในด้านคุณภาพและการควบคุมข้อมูล AI  

สิ่งที่รองรับ OORT DataHub คือเครือข่ายแบบกระจายอำนาจ OORT Edge ซึ่งขับเคลื่อนการจัดเก็บและประมวลผลข้อมูลที่รวบรวม โดยดำเนินการผ่านอุปกรณ์ฮาร์ดแวร์โหนดขอบเครือข่ายที่เรียกว่า Deimos 

ดังนั้น ผู้ใช้ระบบนิเวศ OORT จึงมีโอกาสที่จะได้รับรางวัลที่สร้างรายได้ด้วย การบริจาค สู่ DataHub หรือกลายเป็นส่วนหนึ่งของเครือข่าย edge โดย โฮสติ้ง โหนดผ่านอุปกรณ์ Deimos ปัจจุบันมีผู้ให้ข้อมูลมากกว่า 330,000 ราย โหนดมากกว่า 83,000 โหนด และผู้ใช้มากกว่า 10,000 รายต่อวันบนระบบนิเวศ AI แบบกระจายศูนย์นี้ 

Bittensor: เครือข่ายข่าวกรองแบบกระจายอำนาจ 

บิตเทนเซอร์ เป็นอีกหนึ่งแพลตฟอร์ม AI แบบกระจายอำนาจที่น่าสนใจ โดยแกนหลักแล้ว ระบบนิเวศบนบล็อคเชนนี้รองรับการผลิตสินค้าดิจิทัลแบบออนเชน รวมถึงการอนุมาน AI การฝึกอบรม และโครงสร้างพื้นฐานที่เกี่ยวข้อง 

แล้วมันทำงานอย่างไร? Bittensor ใช้ประโยชน์จากแนวคิดของซับเน็ตเพื่อนำเสนอชุมชนที่ผลิตสินค้าดิจิทัลเหล่านี้ในราคาที่สามารถแข่งขันได้ โดยอิงตามโมเดลที่มีแรงจูงใจ ซึ่งนักขุด (ผู้มีส่วนร่วม) ที่ดีที่สุดจะได้รับรางวัลเมื่อทำภารกิจบางอย่างสำเร็จ งานบางอย่างภายในซับเน็ต AI อาจครอบคลุมตั้งแต่บริการต่างๆ เช่น การฝึกอบรม การทำนาย หรือการอนุมานเฉพาะทาง 

เครือข่ายของ Bittensor ยังรวมถึงผู้ตรวจสอบความถูกต้อง (Validator) ซึ่งมีบทบาทในการตรวจสอบความถูกต้องของงานที่นักขุดดำเนินการ ซึ่งช่วยให้มั่นใจได้ว่ามีเพียงบริการที่มีคุณภาพเท่านั้นที่จะได้รับรางวัลผ่านโมเดลแรงจูงใจของ Bittensor โดยระบบนิเวศจะปล่อยโทเค็น TAO ออกมา 7200 โทเค็นทุกวันเพื่อจุดประสงค์นี้ การจัดสรรภายในซับเน็ตแบ่งออกเป็นสามส่วน ได้แก่ ผู้สร้างซับเน็ต (18%) ผู้ตรวจสอบความถูกต้อง (41%) และนักขุด (41%) 

เครือข่ายย่อยแบบกระจายอำนาจของ Bittenor ถือเป็นการเปลี่ยนแปลงจากกระบวนการฝึกอบรม AI แบบรวมศูนย์ ซึ่งเทคโนโลยียักษ์ใหญ่มีการผูกขาดในการรวบรวมข้อมูลและบริการ AI อื่นๆ 

Ocean Protocol: ตลาดสำหรับข้อมูลที่พร้อมสำหรับ AI 

พิธีสารโอเชียน เป็นหนึ่งในผู้เล่นที่ได้รับการยอมรับในวงการนวัตกรรมที่เพิ่งเริ่มต้นนี้ แพลตฟอร์มนี้สร้างขึ้นเป็นโปรโตคอลแบบกระจายศูนย์ ซึ่งช่วยอำนวยความสะดวกให้กับสององค์ประกอบหลักที่จำเป็นสำหรับการพัฒนา AI ได้แก่ ข้อมูลและการประมวลผล 

เทคสแต็กประกอบด้วยสามส่วนหลัก ได้แก่ Datatoken, Ocean Nodes และ Compute-to-Data ด้วย Datatoken ผู้ใช้ Ocean Protocol สามารถสร้างโทเค็นข้อมูลส่วนตัวและนำไปใช้ในการฝึกอบรมโมเดลได้ โดยยังคงรักษาความเป็นส่วนตัวไว้ได้ วิธีการนี้เรียกว่า 'token-gating' ซึ่งเจ้าของข้อมูลสามารถเผยแพร่บริการข้อมูลบนตลาด Ocean Protocol ผ่านรูปแบบการควบคุมการเข้าถึงแบบกระจายศูนย์ 

สำหรับ Ocean Nodes สิ่งเหล่านี้ช่วยให้สามารถสร้างรายได้จากทรัพยากรการประมวลผลที่ไม่ได้ใช้งาน เจ้าของอุปกรณ์ทั่วโลกสามารถอุทิศพลังการประมวลผลที่ไม่ได้ใช้งานเพื่อสนับสนุน Ocean Network เพื่อแลกกับผลตอบแทนจากระบบนิเวศ 

การประมวลผลข้อมูลเป็นข้อมูล (Compute-to-Data) คือคุณสมบัติเด่นของระบบนิเวศนี้ ช่วยให้ผู้บริโภค (ผู้ฝึกอบรมโมเดล) สามารถซื้อชุดข้อมูลเพื่อนำไปรันโมเดลได้โดยไม่เปิดเผยความเป็นส่วนตัวของผู้ให้บริการ นี่คือสิ่งที่ทำให้ Ocean Protocol มีความได้เปรียบในฐานะ “ตลาดกลางสำหรับข้อมูลที่พร้อมสำหรับ AI” แบบกระจายศูนย์

SingularityNET: ผู้บุกเบิกบริการ AI แบบกระจายอำนาจ 

SingularityNET เป็นผู้บุกเบิกด้านปัญญาประดิษฐ์แบบกระจายศูนย์ (Decentralized AI) โดยเปิดตัวโครงการในปี 2017 และระดมทุน ICO ได้ 36 ล้านดอลลาร์สหรัฐภายในเวลาเพียงไม่กี่นาที นับตั้งแต่นั้นมา โครงการได้พัฒนาจนกลายเป็นแพลตฟอร์มบล็อกเชนที่มีชื่อเสียง ซึ่งผู้ใช้สามารถสร้าง แบ่งปัน และสร้างรายได้จากบริการ AI ได้ 

ต่างจากคู่แข่งที่เน้นชุดข้อมูลและการประมวลผลแบบดิบ SingularityNET มีความเชี่ยวชาญด้านบริการ AI เช่น API โมเดล และเอเจนต์ ซึ่งนักพัฒนาสามารถสร้างรายได้หรือซื้อเพื่อสนับสนุนโครงการพัฒนาของตนได้ แพลตฟอร์มนี้สามารถทำได้ผ่านโทเค็น $AGIX ของแพลตฟอร์ม ซึ่งอนุญาตให้ผู้เข้าร่วมชำระค่าบริการ AI ได้ 

โมเดลโครงสร้างพื้นฐานของ SingularityNET ยังให้ความสำคัญกับความสามารถในการทำงานร่วมกัน ซึ่งทำให้บริการต่างๆ สามารถทำงานร่วมกันได้ สิ่งนี้สร้างระบบนิเวศที่รองรับ AI ซึ่งผู้มีส่วนร่วมอิสระสามารถประกอบกระบวนการที่ซับซ้อนได้  

คุณสมบัติที่โดดเด่นอีกประการหนึ่งของโครงการนี้คือวิสัยทัศน์ของผู้ก่อตั้ง ดร.เบน เกิร์ตเซล ที่ต้องการพัฒนาปัญญาประดิษฐ์ทั่วไป (AGI) ซึ่งเป็นยุคที่ปัญญาประดิษฐ์จะมีความสามารถในการทำงานใดๆ ก็ได้ที่มนุษย์สามารถทำได้ และอาจแซงหน้าสติปัญญาของมนุษย์ในหลายด้าน 

Fetch.ai: ตัวแทนแบบกระจายอำนาจและเศรษฐกิจข้อมูล 

Fetch.ai เป็นอีกหนึ่งนวัตกรรมใหม่ที่ดำเนินการภายใต้ระบบเศรษฐกิจตัวแทนที่กำลังจะเกิดขึ้น ซึ่งขับเคลื่อนโดยตัวแทน AI โครงการนี้ได้รับการออกแบบให้เป็นแพลตฟอร์มแบบหลายตัวแทน ซึ่งช่วยให้ตัวแทนซอฟต์แวร์อัตโนมัติสามารถโต้ตอบ เจรจาต่อรอง และแลกเปลี่ยนข้อมูลในนามของผู้ใช้ องค์กร หรืออุปกรณ์ต่างๆ พร้อมกับใช้ประโยชน์จากเทคโนโลยีบล็อกเชนเพื่อรักษาความปลอดภัยให้กับช่องทางการสื่อสาร 

หนึ่งในองค์ประกอบหลักของระบบนิเวศนี้คือกรอบงานตัวแทน (AEA) ซึ่งมีหน้าที่รับผิดชอบฟังก์ชันต่างๆ เช่น การรวบรวมและวิเคราะห์ข้อมูล การโต้ตอบกับตัวแทนหรือแหล่งข้อมูลอื่นๆ การตัดสินใจ การทำธุรกรรม และการมีส่วนร่วมในการเรียนรู้ของเครื่องหรือการเพิ่มประสิทธิภาพงาน เราอาจมองสิ่งเหล่านี้เป็นเสมือนฝาแฝดดิจิทัลที่ทำหน้าที่แทนผู้ใช้  

สิ่งที่โดดเด่นเกี่ยวกับ Fetch.ai คือการเปิดใช้งานการไหลเวียนข้อมูลแบบไดนามิกแบบเรียลไทม์ระหว่างตัวแทนที่ทำงานอัตโนมัติ ซึ่งเป็นความก้าวหน้าจากระบบ AI แบบเดิมที่ไม่เพียงแต่รวมศูนย์เท่านั้น แต่ยังเป็นแบบคงที่อีกด้วย ยกตัวอย่างเช่น ระบบจัดการการจราจรในเมืองที่มีผู้คนพลุกพล่านสามารถใช้ตัวแทน AI เพื่อซื้อข้อมูลการจราจรสดจากเซ็นเซอร์ของเมืองได้ ด้วยโมเดลเศรษฐกิจแบบอิงตัวแทน 

Gensyn: การประมวลผลแบบกระจายอำนาจสำหรับการฝึกอบรม AI 

ตามที่เมื่อเร็ว ๆ นี้ รายงาน โดยโครงการของ McKinsey แสดงให้เห็นว่าศูนย์ข้อมูลทั่วโลกจะต้องใช้เงินประมาณ 6.7 ล้านล้านดอลลาร์เพื่อให้ทันกับความต้องการพลังการประมวลผลที่เพิ่มมากขึ้น เจนซิน จัดการกับความเสี่ยงด้านต้นทุนที่กำลังจะเกิดขึ้นนี้ผ่านโปรโตคอลแบบกระจายอำนาจซึ่งเน้นที่การคำนวณการเรียนรู้ของเครื่องจักร 

โดยพื้นฐานแล้ว Gensyn ช่วยให้สามารถรวมอุปกรณ์ประมวลผลทั่วโลกไว้ในเครือข่ายเดียว ซึ่งทำได้ผ่านเฟรมเวิร์กแบบกระจายศูนย์ที่เปิดโอกาสให้ทุกคนที่มีการประมวลผลแบบไม่ได้ใช้งานสามารถจัดสรรทรัพยากรไปยังเครือข่ายได้ สนับสนุนนวัตกรรม AI ด้วยการประมวลผลที่พร้อมใช้งานทั่วโลก ซึ่งสามารถเช่าเพื่อขยายขนาดการฝึกอบรมโมเดลขนาดใหญ่ได้ 

ระบบนิเวศของ Gensyn ประกอบด้วยองค์ประกอบพื้นฐานสี่ประการ ได้แก่ การดำเนินการ ML ที่สอดคล้องกัน (Consistent ML Execution), การตรวจสอบแบบไร้ความน่าเชื่อถือ (Trustless Verification), การสื่อสารแบบเพียร์ทูเพียร์ (Peer-to-Peer Communication) และการประสานงานแบบกระจายศูนย์ (Decentralized Coordination) องค์ประกอบทั้งหมดนี้ทำงานร่วมกันเพื่อนำไปสู่การเรียนรู้ของเครื่องแบบกระจายศูนย์ที่ตรวจสอบได้ (Decentralized Machine Learning) ในระดับโลก 

นอกจากนี้ โปรเจ็กต์นี้ยังอยู่ในช่วงเริ่มต้น โดยปัจจุบัน Testnet พร้อมใช้งานแล้ว ภายในประกอบด้วยแอปพลิเคชันสามตัวที่ผู้ใช้สามารถทดลองใช้งาน ได้แก่ RL Swarm, BlockAssist และ Judge 

Grass: เครือข่าย Crowdsourcing ข้อมูลแบบกระจายอำนาจ 

หลายครั้งเมื่อเราชำระเงินค่าบริการอินเทอร์เน็ต เรากลับไม่ได้ใช้แบนด์วิธที่ได้รับการจัดสรรให้ครบ หญ้าซึ่งเดิมชื่อ Grassdata นำเสนอแนวคิดใหม่ที่ผู้ใช้อินเทอร์เน็ตทั่วโลกสามารถนำแบนด์วิดท์ที่ไม่ได้ใช้ไปใช้งานได้ 

โครงการนี้ทำให้เรื่องราวนี้มีชีวิตชีวาขึ้นผ่านรูปแบบการกระจายศูนย์ที่เปิดโอกาสให้ทุกคนมีส่วนร่วมและรับรางวัลผ่านขั้นตอนง่ายๆ เปลี่ยนแบนด์วิดท์ที่ไม่ได้ใช้งานให้กลายเป็นทรัพยากรอันทรงคุณค่าสำหรับการฝึกอบรม AI กล่าวโดยสรุป Grass ทำงานเป็นเครือข่ายทางกายภาพแบบกระจายศูนย์ (DepIN) สำหรับการเข้าถึงข้อมูลบนเว็บ ซึ่งผู้ใช้สามารถรันโหนดจากอุปกรณ์ที่ใช้ในชีวิตประจำวัน ทำหน้าที่เป็นแหล่งข้อมูลสำหรับ AI และ Web Intelligence 

แนวทางแบบกระจายและไม่ต้องขออนุญาตนี้ไม่เพียงแต่จะพลิกโฉมการฝึกอบรมโมเดล AI เท่านั้น แต่ยังรวมถึงการนำทรัพยากรดิจิทัลในชีวิตประจำวันมาใช้ประโยชน์อีกด้วย ผู้ใช้สามารถทำหน้าที่เป็นผู้จัดหาข้อมูลเพื่อขับเคลื่อนเครือข่ายเปิดที่สามารถแข่งขันกับเว็บครอว์เลอร์และตัวรวบรวมข้อมูลแบบรวมศูนย์ ซึ่งปัจจุบันถูกควบคุมโดยบริษัทเทคโนโลยียักษ์ใหญ่เพียงไม่กี่แห่ง 

สรุป 

ดังที่ได้กล่าวไว้ในบทนำ วิวัฒนาการและการนำ AI มาใช้นั้นต้องเผชิญกับความท้าทายเฉพาะตัวหลายประการ ซึ่งรวมถึงการควบคุมข้อมูล คุณภาพ และต้นทุนการประมวลผลที่เพิ่มขึ้น อย่างไรก็ตาม ดังที่ได้เน้นย้ำผ่านตัวอย่างในบทความนี้ พบว่ามีความก้าวหน้าอย่างมากในด้านนวัตกรรม AI แบบกระจายศูนย์ โครงการเหล่านี้เป็นตัวอย่างเล็กๆ น้อยๆ ของสถาปัตยกรรมแบบกระจายศูนย์ที่นำเสนอ AI และในทางกลับกัน ถือเป็นประโยชน์ต่อทั้งบล็อกเชนและนวัตกรรม AI 

ตารางเปรียบเทียบแพลตฟอร์ม AI แบบกระจายอำนาจ 

คำถามที่พบบ่อย 

AI แบบกระจายอำนาจคืออะไร? 

AI แบบกระจายศูนย์ หมายถึงระบบปัญญาประดิษฐ์ที่สร้างขึ้นบนระบบนิเวศแบบกระจายศูนย์ เช่น บล็อกเชน หรือโครงสร้างพื้นฐานแบบเพียร์ทูเพียร์ ชุมชนทั่วโลกมีบทบาทในการจัดการข้อมูล การประมวลผล และการฝึกอบรมแบบจำลอง ซึ่งแตกต่างจากระบบรวมศูนย์ที่บริษัทขนาดใหญ่ควบคุมการทำงานทั้งหมดเหล่านี้ 

AI แบบกระจายอำนาจแตกต่างจากแพลตฟอร์ม AI แบบดั้งเดิมอย่างไร?

ต่างจากระบบแบบดั้งเดิมที่พึ่งพาศูนย์ข้อมูลส่วนกลางและเทคนิคการรวบรวมข้อมูลที่ไม่โปร่งใส AI แบบกระจายศูนย์จะกระจายแหล่งข้อมูล พลังการประมวลผล และการฝึกอบรมแบบจำลองให้กับผู้เข้าร่วมระบบนิเวศที่หลากหลาย วิธีนี้ช่วยเพิ่มความโปร่งใส ความปลอดภัย และการมีส่วนร่วม 

เหตุใดการควบคุมคุณภาพข้อมูลจึงมีความสำคัญต่อการพัฒนา AI 

คุณภาพของข้อมูลส่งผลโดยตรงต่อความถูกต้องแม่นยำและความเป็นธรรมของโมเดล AI ดังนั้น ไพพ์ไลน์ข้อมูล AI จึงต้องสามารถตรวจสอบได้ มีแหล่งที่มาอย่างมีจริยธรรม และแบ่งปันอย่างปลอดภัย 

ผู้เข้าร่วมจะได้รับรายได้จากระบบนิเวศ AI แบบกระจายอำนาจได้อย่างไร 

มีหลายวิธีในการสร้างรายได้จากระบบนิเวศเหล่านี้ รวมถึงการบริจาคทรัพยากรอันทรงคุณค่า เช่น ข้อมูลและพลังการประมวลผล แพลตฟอร์ม DeAI ส่วนใหญ่มีกลไกจูงใจที่ผู้ใช้สามารถรับรางวัลที่สร้างรายได้ได้ 

โครงการ AI แบบกระจายอำนาจใดบ้างที่กำลังเป็นผู้นำในพื้นที่นี้ในปัจจุบัน? 

ผู้เล่นที่มีชื่อเสียงได้แก่ OORT (คลาวด์ข้อมูล), Bittencor (เครือข่ายปัญญาประดิษฐ์), Ocean Protocol (ตลาดข้อมูลที่รองรับ AI), SingularityNET (ศูนย์กลางบริการ AI), Fetch.ai (เศรษฐกิจตัวแทน), Gensyn (การประมวลผลแบบกระจายอำนาจ) และ Grass (เครือข่ายการระดมทุนข้อมูล)

เกี่ยวกับผู้เขียน

Gregory ผู้เร่ร่อนทางดิจิทัลที่มาจากโปแลนด์ ไม่เพียงแต่เป็นนักวิเคราะห์ทางการเงินเท่านั้น แต่ยังเป็นผู้มีส่วนร่วมอันทรงคุณค่าให้กับนิตยสารออนไลน์ต่างๆ อีกด้วย ด้วยประสบการณ์มากมายในอุตสาหกรรมการเงิน ข้อมูลเชิงลึกและความเชี่ยวชาญของเขาทำให้เขาได้รับการยอมรับในสื่อสิ่งพิมพ์หลายฉบับ ปัจจุบัน Gregory ทุ่มเทให้กับการเขียนหนังสือเกี่ยวกับสกุลเงินดิจิทัลและบล็อกเชนโดยใช้เวลาว่างอย่างมีประสิทธิภาพ

บทความอื่น ๆ

เกรกอรี ปูดอฟสกี

เกรกอรี ปูดอฟสกี

Gregory ผู้เร่ร่อนทางดิจิทัลที่มาจากโปแลนด์ ไม่เพียงแต่เป็นนักวิเคราะห์ทางการเงินเท่านั้น แต่ยังเป็นผู้มีส่วนร่วมอันทรงคุณค่าให้กับนิตยสารออนไลน์ต่างๆ อีกด้วย ด้วยประสบการณ์มากมายในอุตสาหกรรมการเงิน ข้อมูลเชิงลึกและความเชี่ยวชาญของเขาทำให้เขาได้รับการยอมรับในสื่อสิ่งพิมพ์หลายฉบับ ปัจจุบัน Gregory ทุ่มเทให้กับการเขียนหนังสือเกี่ยวกับสกุลเงินดิจิทัลและบล็อกเชนโดยใช้เวลาว่างอย่างมีประสิทธิภาพ

บทความอื่น ๆ