作者：Pavel Paramonov

编译：深潮TechFlow

Curve Finance的创始人@newmichwill最近在推文中表示，加密货币的主要目的在于DeFi（去中心化金融），而AI（人工智能）根本不需要加密货币。虽然我同意DeFi是加密领域的重要组成部分，但我并不认同AI不需要加密货币的观点。

随着AI代理（AI agents）的兴起，许多代理通常会附带一个代币，这让人们误以为加密货币与AI的交集仅仅是这些AI代理。而另一个被忽视的重要话题是“去中心化AI”，这与AI模型本身的训练息息相关。

我对某些叙事的不满在于，大多数用户会盲目地认为某事物在流行时就一定重要且有用，甚至更糟的是，他们认为这些叙事的唯一目标就是尽可能地榨取价值（换句话说，就是赚钱）。

在讨论去中心化AI时，我们首先应该问自己：为什么AI需要去中心化？以及这会带来哪些后果？

事实证明，去中心化的理念几乎总是不可避免地与“激励机制的对齐”这一概念联系在一起。

在AI领域，有许多根本性的问题可以通过加密技术来解决，更有一些机制不仅能解决现有问题，还能为AI增加更多的可信度。

那么，为什么AI需要加密货币呢？

1. 高昂的计算成本限制了参与和创新

无论幸运与否，大型AI模型需要大量的计算资源，这自然限制了许多潜在用户的参与。大多数情况下，AI模型需要海量的数据资源以及实际的计算能力，而这些对于单个个体来说几乎难以承担。

这一问题在开源开发中尤为突出。贡献者不仅需要投入时间来训练模型，还必须投入计算资源，这使得开源开发效率低下。

确实，个体可以投入大量资源来运行AI模型，就像用户可以为运行自己区块链节点分配计算资源一样。

然而，这并不能从根本上解决问题，因为算力仍不足以完成相关任务。

独立开发者或研究人员无法参与诸如LLaMA这类大型AI模型的开发，仅仅因为他们无法承担训练模型所需的计算成本：需要成千上万的GPU、数据中心以及额外的基础设施。

以下是一些规模感知的数据：

→ 埃隆·马斯克（Elon Musk）表示，最新的Grok 3模型使用了10万块Nvidia H100 GPU进行训练。

→ 每块芯片的价值约为3万美元。

→ 用于训练Grok 3的AI芯片总成本约为30亿美元。

这一问题在某种程度上类似于初创企业的建设过程，个体可能拥有时间、技术能力和执行计划，但一开始却缺乏足够的资源来实现愿景。

正如@dbarabander所指出的，传统的开源软件项目只需要贡献者捐赠时间，而开源AI项目则需要时间和大量资源，例如算力和数据。

仅仅依靠善意和志愿者的努力不足以激励足够多的个人或团体提供这些高昂的资源。额外的激励机制是驱动参与的必要条件。#p#分页标题#e#

2. 加密技术是实现激励对齐的最佳工具

所谓激励对齐（Incentive Alignment），是指通过制定规则，鼓励参与者在为系统做出贡献的同时，也能获得自身利益。

加密技术在帮助不同系统实现激励对齐方面有无数成功案例，而最显著的例子之一就是去中心化物理基础设施网络（DePIN）行业，它与这一理念完美契合。

例如，@helium和 @rendernetwork这样的项目通过分布式的节点和GPU网络实现了激励对齐，成为了典范。

那么，为什么我们不能将这一模式应用到AI领域，使其生态系统更加开放和可访问呢？

事实证明，我们是可以的。

推动Web3和加密技术发展的核心在于“所有权”。

你拥有自己的数据，你拥有自己的激励机制，甚至当你持有某些代币时，你也拥有了网络的一部分。赋予资源提供者所有权，可以激励他们将自己的资产提供给项目，期待从网络的成功中获得回报。

为了让AI更加普及，加密技术是最优解。开发者可以在项目之间自由共享模型设计，而计算和数据提供者则可以通过提供资源换取所有权份额（激励）。

3. 激励对齐与可验证性密切相关

如果我们设想一个具备适当激励对齐的去中心化AI系统，它应该继承经典区块链机制的一些特性：

1. 网络效应（Network Effects）。

2. 较低的初始要求，节点可以通过未来的收益获得回报。

3. 惩罚机制（Slashing Mechanisms），对恶意行为者进行