Bagaimana pelatihan AI terdesentralisasi akan menciptakan kelas aset baru untuk kecerdasan digital

Frontier AI — sistem AI tujuan umum paling canggih yang saat ini sedang dikembangkan — menjadi salah satu industri yang paling strategis dan penting secara ekonomi di dunia, namun tetap sebagian besar tidak dapat diakses oleh sebagian besar investor dan pengembang. Melatih model AI yang kompetitif saat ini, serupa dengan yang sering digunakan oleh pengguna ritel, dapat menghabiskan biaya ratusan juta dolar, membutuhkan puluhan ribu GPU kelas atas, dan memerlukan tingkat kecanggihan operasional yang hanya dapat didukung oleh beberapa perusahaan saja. Oleh karena itu, bagi sebagian besar investor, terutama yang ritel, tidak ada cara langsung untuk memiliki bagian dari sektor kecerdasan buatan.

Keterbatasan itu akan segera berubah. Generasi baru jaringan AI terdesentralisasi sedang beralih dari teori menuju produksi. Jaringan-jaringan ini menghubungkan GPU dari berbagai jenis di seluruh dunia, mulai dari perangkat keras kelas atas yang mahal hingga rig gaming konsumen dan bahkan chip M4 pada MacBook Anda, menjadi sebuah jaringan pelatihan tunggal yang mampu mendukung proses skala besar dan canggih. Yang penting bagi pasar adalah infrastruktur ini tidak hanya mengoordinasikan komputasi; tetapi juga mengoordinasikan kepemilikan dengan menerbitkan token kepada peserta yang menyumbangkan sumber daya, memberikan mereka kepentingan langsung dalam model AI yang mereka bantu ciptakan.

Pelatihan terdesentralisasi merupakan kemajuan nyata dalam perkembangan teknologi terkini. Melatih model besar di perangkat keras yang tidak terpercaya dan heterogen di internet terbuka, hingga baru-baru ini, dianggap mustahil oleh para ahli AI. Namun, Prime Intellect kini telah melatih model desentralisasi yang sedang digunakan — satu dengan 10 miliar parameter (yang cepat, efisien, dan serbaguna untuk tugas sehari-hari) dan satu lagi dengan 32 miliar parameter (yang mendalam dalam berpikir, unggul dalam penalaran kompleks, serta menghasilkan hasil yang lebih bernuansa dan canggih).

Gensyn, sebuah protokol pembelajaran mesin terdesentralisasi, telah menunjukkan reinforcement learning yang dapat diverifikasi secara onchain. Pluralis telah membuktikan bahwa pelatihan model besar menggunakan GPU komoditas (kartu grafis standar yang ditemukan pada komputer gaming dan perangkat konsumen, bukan chip khusus yang mahal) dalam sebuah swarm merupakan pendekatan terdesentralisasi yang semakin layak untuk pra-pelatihan berskala besar, tahap dasar di mana model AI belajar dari kumpulan data masif sebelum disesuaikan untuk tugas-tugas spesifik.

Untuk memperjelas, pekerjaan ini bukan sekadar proyek riset—ini sudah berlangsung. Dalam jaringan pelatihan terdesentralisasi, model tidak “berada” di dalam pusat data milik satu perusahaan saja. Sebaliknya, model tersebut tersebar di seluruh jaringan itu sendiri. Parameter model terfragmentasi dan didistribusikan, artinya tidak ada satu peserta pun yang memiliki aset secara keseluruhan. Kontributor menyediakan komputasi GPU dan bandwidth, dan sebagai imbalannya, mereka menerima token yang mencerminkan kepemilikan mereka dalam model yang dihasilkan. Dengan cara ini, peserta pelatihan tidak hanya bertindak sebagai sumber daya; mereka memperoleh keterlibatan dan kepemilikan dalam AI yang mereka ciptakan. Ini adalah bentuk keterlibatan yang sangat berbeda dari yang kita lihat di laboratorium AI yang terpusat.

Di sini, tokenisasi menjadi bagian integral, memberikan model sebuah struktur ekonomi dan nilai pasar. Model AI yang ditokenisasi berperan seperti saham, dengan arus kas yang mencerminkan permintaan terhadap model tersebut. Sama seperti OpenAI dan Anthropic mengenakan biaya kepada pengguna untuk akses API, jaringan terdesentralisasi pun dapat melakukannya. Hasilnya adalah jenis aset baru: kecerdasan yang ditokenisasi.

Alih-alih berinvestasi pada perusahaan publik besar yang memiliki model, investor dapat memperoleh eksposur langsung ke model tersebut. Jaringan akan menerapkan ini melalui berbagai strategi. Beberapa token mungkin terutama memberikan hak akses — prioritas atau penggunaan terjamin atas kemampuan model — sementara yang lain secara eksplisit melacak bagian dari pendapatan bersih yang dihasilkan ketika pengguna membayar untuk menjalankan kueri melalui model tersebut. Dalam kedua kasus, pasar token mulai berfungsi seperti pasar saham untuk model, di mana harga mencerminkan ekspektasi tentang kualitas, permintaan, dan kegunaan model. Bagi banyak investor, ini mungkin merupakan jalur paling langsung untuk berpartisipasi secara finansial dalam pertumbuhan AI.

Perkembangan ini tidak terjadi secara terpisah. Tokenisasi sudah mulai memasuki arus utama keuangan, dengan platform seperti Superstate dan Securitize (yang dijadwalkan go public pada tahun 2026) yang membawa dana dan sekuritas tradisional ke dalam blockchain. Strategi aset dunia nyata kini menjadi topik populer di kalangan regulator, manajer aset, dan bank. Model AI yang ditokenisasi secara alami masuk ke dalam kategori ini: mereka bersifat digital asli, dapat diakses oleh siapa saja yang memiliki koneksi internet tanpa memandang lokasi, dan aktivitas ekonomi utamanya—komputasi untuk inferensi, yaitu proses menjalankan kueri melalui model yang sudah dilatih untuk mendapatkan jawaban—sudah otomatis dan dapat dilacak oleh perangkat lunak. Di antara semua aset yang ditokenisasi, sistem AI yang terus-menerus diperbarui mungkin merupakan yang paling dinamis secara inheren, karena model dapat ditingkatkan, dilatih ulang, dan disempurnakan seiring waktu.

Jaringan AI terdesentralisasi merupakan perpanjangan alami dari tesis bahwa blockchain memungkinkan komunitas secara kolektif membiayai, membangun, dan memiliki aset digital dengan cara yang sebelumnya tidak mungkin. Pertama adalah uang, kemudian kontrak keuangan, lalu aset dunia nyata. Model AI adalah kelas aset asli digital berikutnya yang akan diorganisasi, dimiliki, dan diperdagangkan secara onchain. Pandangan kami adalah bahwa pertemuan antara kripto dan AI tidak akan terbatas pada “token bertema AI”; hal ini akan berpegang pada pendapatan model yang sesungguhnya, didukung oleh komputasi dan penggunaan yang dapat diukur.

Ini masih tahap awal. Sebagian besar sistem pelatihan terdesentralisasi sedang dalam pengembangan aktif, dan banyak desain token akan gagal dalam uji teknis, ekonomi, atau regulasi. Namun arahannya jelas: jaringan pelatihan AI terdesentralisasi akan menjadi sumber daya yang likuid dan terkoordinasi secara global. Model AI menjadi dapat dibagikan, dimiliki, dan diperdagangkan melalui token. Seiring kematangan jaringan ini, pasar tidak hanya akan menentukan harga perusahaan yang membangun kecerdasan; mereka akan menentukan harga kecerdasan itu sendiri.