Как децентрализованное обучение ИИ создаст новый класс активов для цифрового интеллекта

Frontier AI — самые передовые универсальные системы искусственного интеллекта, которые сейчас находятся в разработке — становятся одной из наиболее стратегически и экономически важных отраслей мира, однако по-прежнему остаются в значительной степени недоступными для большинства инвесторов и разработчиков. Обучение конкурентоспособной модели ИИ сегодня, подобной тем, которыми пользуются розничные пользователи, может стоить сотни миллионов долларов, требовать десятки тысяч высококлассных графических процессоров и предполагать уровень операционной сложности, который под силу поддерживать лишь немногим компаниям. Поэтому для большинства инвесторов, особенно розничных, отсутствует прямой способ владения долей в секторе искусственного интеллекта.

Это ограничение собирается измениться. Новое поколение децентрализованных AI-сетей переходит от теории к производству. Эти сети объединяют GPU всех видов со всего мира — от дорогостоящего высококлассного оборудования до игровых консолей потребительского уровня и даже чипа M4 вашего MacBook — в единую вычислительную структуру, способную поддерживать масштабные, передовые процессы обучения. Важно для рынков, что эта инфраструктура делает не просто координацию вычислительных ресурсов; она также координирует право собственности, выпуская токены участникам, которые предоставляют ресурсы, что даёт им прямую заинтересованность в AI-моделях, которые они помогают создавать.

Децентрализованное обучение является подлинным прорывом в области передовых технологий. До недавнего времени проведение обучения крупных моделей на недоверенном, гетерогенном оборудовании в открытом интернете считалось невозможным экспертами в области ИИ. Тем не менее, Prime Intellect теперь обучает децентрализованные модели, уже используемые в производстве — одну с 10 миллиардами параметров (быструю, эффективную универсальную модель, подходящую для повседневных задач) и другую с 32 миллиардами параметров (глубокую модель, которая превосходит в сложном рассуждении и обеспечивает более тонкие, совершенные результаты).

Gensyn, децентрализованный протокол машинного обучения, продемонстрировал обучение с подкреплением, которое можно проверить в блокчейне. Pluralis показал, что обучение крупных моделей с использованием обычных GPU (стандартных графических карт, используемых в игровых компьютерах и потребительских устройствах, а не дорогих специализированных чипов) в виде роя становится всё более жизнеспособным децентрализованным подходом для масштабной предварительной подготовки — базового этапа, на котором модели ИИ обучаются на огромных наборах данных перед загрузкой для выполнения конкретных задач.

Чтобы было ясно, эта работа — не просто исследовательский проект — она уже реализуется. В децентрализованных сетях обучения модель не «находится» в дата-центре одной компании. Вместо этого она существует по всей сети. Параметры модели фрагментированы и распределены, что означает отсутствие у одного участника полного владения активом. Участники предоставляют вычислительные мощности GPU и пропускную способность, а взамен получают токены, отражающие их долю в итоговой модели. Таким образом, участники обучения не просто выступают в роли ресурсов; они получают долю и владение в создаваемом ими ИИ. Это совершенно иной уровень согласования интересов по сравнению с тем, что мы видим в централизованных лабораториях ИИ.

Здесь токенизация становится неотъемлемой частью, придавая модели экономическую структуру и рыночную стоимость. Токенизированная ИИ-модель функционирует как акция, а денежные потоки отражают спрос на модель. Так же, как OpenAI и Anthropic взимают плату с пользователей за доступ к API, это могут делать и децентрализованные сети. В результате появляется новый вид актива: токенизированный интеллект.

Вместо инвестирования в крупную публичную компанию, владеющую моделями, инвесторы могут получить прямой доступ к самим моделям. Сети будут реализовывать это через различные стратегии. Некоторые токены могут преимущественно предоставлять права доступа — приоритетное или гарантированное использование возможностей модели — в то время как другие могут явно отслеживать долю чистой выручки, получаемой при оплате пользователями выполнения запросов через модель. В обоих случаях рынки токенов начинают функционировать как фондовый рынок для моделей, где цены отражают ожидания относительно качества модели, спроса и полезности. Для многих инвесторов это может быть самым прямым путем финансового участия в росте ИИ.

Данное событие не происходит в вакууме. Токенизация уже постепенно входит в финансовый мейнстрим, с такими платформами, как Superstate и Securitize (планирующей выход на биржу в 2026 году), которые переводят фонды и традиционные ценные бумаги в ончейн. Стратегии, основанные на активах из реального мира, сейчас являются популярной темой среди регуляторов, управляющих активами и банков. Токенизированные AI-модели естественным образом вписываются в эту категорию: они цифровые по своей природе, доступны каждому, у кого есть подключение к интернету, вне зависимости от местоположения, а их основная экономическая деятельность — вычисления для инференса, процесс запуска запросов через обученную модель для получения ответов — уже автоматизирована и отслеживается программным обеспечением. Среди всех токенизированных активов, постоянно совершенствующиеся AI-системы могут быть самыми по природе динамичными, поскольку модели могут обновляться, переобучаться и улучшаться со временем.

Децентрализованные сети ИИ являются естественным продолжением тезиса о том, что блокчейны позволяют сообществам коллективно финансировать, создавать и владеть цифровыми активами способами, ранее невозможными. Сначала были деньги, затем финансовые контракты, затем активы из реального мира. Модели ИИ — это следующий цифровой класс активов, который будет организован, владеться и торговаться в блокчейне. Наша точка зрения заключается в том, что пересечение криптовалюты и ИИ не ограничится «токенами с тематикой ИИ»; оно будет основано на фактических доходах от моделей, подкрепленных измеримыми вычислительными ресурсами и использованием.

Это еще только начало. Большинство децентрализованных систем обучения находятся в активной разработке, и многие дизайны токенов не пройдут технические, экономические или регуляторные испытания. Но направление ясно: децентрализованные сети обучения ИИ станут ликвидным, глобально скоординированным ресурсом. Модели ИИ становятся долевыми, собственными и торгуемыми через токены. По мере развития этих сетей рынки будут оценивать не только компании, создающие интеллект; они будут оценивать сам интеллект.