核心摘要:训练大型模型需要建设或升级数据中心。但中心化基础设施如今正面临硬性的物理极限。为了提升基础设施能力,AI 被用于创造更大的规模与智能产出。然而,对算力的控制正在成为 AI 行业中的关键权力节点。此时,Gonka 应运而生。Gonka 协议是一个无需许可的全球网络,任何人都可以加入,请求通过程序化方式在分布式参与者之间进行路由。在与《Analytics Insight》的独家对话中,Gonka 联合创始人兼高级产品经理 Anastasia Matveeva 讨论了他们如何在算力获取方式上进行创新,以构建一个更可控、更安全的 AI 生态系统。
问:公众关于 AI 的讨论多集中在模型的中心化问题上,但对算力中心化的关注却较少。为什么对算力的控制正成为 AI 行业中的关键权力节点?这种集中会对创新和市场整体带来哪些风险?
答:公众讨论往往聚焦模型,因为模型是可见的。但真正的权力核心在更底层——算力,这是决定谁能够构建、部署和扩展 AI 系统的基础层。
算力控制之所以变得关键,是因为经济与物理层面的原因。现代 AI 的主要瓶颈已不再是算法,而是获取 GPU、电力与数据中心容量的能力。
训练大型模型越来越需要建设或升级数据中心。然而,中心化基础设施正在遭遇物理极限:能源密度、散热约束,以及单一地点可承载的最大供电能力。行业正在尝试极端解决方案——重新设计芯片、散热系统以及新的能源来源。
这种集中带来了系统性后果。
首先,它建立了结构性的创新壁垒。算力获取成为基础设施特权,而非基于能力的竞争。小团队、独立研究者甚至整个地区被价格排除在外,实验空间缩小,创新趋于保守。
其次,算力中心化巩固了“租金提取”模式。AI 有潜力创造“丰裕”——智能本质上是可复制的——但当底层基础设施稀缺且被控制时,这种丰裕被人为压制。市场转向订阅制、锁定效应与定价权,而非成本下降与广泛可及。
第三,它带来系统性脆弱性。当先进算力集中在少数运营者和地理位置时,监管、政治或物理层面的扰动都会波及整个 AI 生态系统。依赖变成结构性的,而非可选的。
更重要的是,算力并非中立。谁控制算力,谁就隐性决定什么是可行的、被允许的以及在经济上可持续的。当这种控制是中心化的,AI 的治理将默认形成,而不是经过设计。
风险不仅是垄断,而是 AI 发展轨迹的长期扭曲:更少的建设者、更低的应用多样性、更慢的硬件创新,以及无法匹配下一代模型雄心的基础设施。
因此,算力必须被视为基础性基础设施——能够在经济与物理层面扩展的架构,对 AI 的未来至关重要。
问:许多 AI 算力平台——无论中心化还是去中心化——都声称高效。在评估 AI 算力系统效率时,真正重要的指标是什么?这些模型通常在哪些方面遇到实际限制?
答:算力效率常被当作营销概念。实际上,真正重要的只有少数具体指标,涵盖用户侧性能、提供方运营效率以及支配两者的激励结构。
对用户而言,效率意味着速度与成本透明。
速度指的是在真实需求下的延迟。中心化枢纽因物理共址通常具有优势。但如果区块链仅作为安全层,而不参与实时执行路径,去中心化架构也可以实现相近性能。只要请求保持在链下处理,协议本身不会增加延迟。
成本透明同样关键。虽然“每 token 成本”是常见 KPI,但模型完整性往往缺乏透明度。在中心化环境中,产品可能是黑箱。在高峰期,提供方可能调整模型配置以维持利润,这些变化通常不可见,却可能影响输出质量。真正的效率要求定价反映一致的计算精度。
对提供方而言,效率是 GPU 利用率与弹性的平衡。
中心化运营者在利用率方面表现出色,共址环境下 GPU 可接近满载运行,但缺乏弹性,在需求低谷时需承担闲置成本。
去中心化网络在一定程度上牺牲利用率以换取弹性,但必须最小化共识与验证开销,使算力可随需求在不同工作负载间重新分配。
最关键的是激励设计。
当收益与更快、更便宜、可验证的 AI 工作负载挂钩时,优化成为结构性的。参与者被激励提升硬件效率、降低延迟、尝试专用芯片。
反之,如果奖励或治理权重主要与资本持有挂钩,优化方向会偏离基础设施性能,低效将被固化。
在 Gonka 中,效率嵌入协议层:几乎 100% 的算力用于真实 AI 工作负载(主要是推理)。收益与治理权重基于经测量的算力贡献,而非资本持有。
真正的效率只有在大多数算力用于真实任务、激励奖励经验证贡献、内部开销不随网络规模失控增长时才会出现。
问:去中心化 AI 算力网络是否可能实现大部分算力用于真实 AI 工作负载,而不是维护网络本身?关键架构选择是什么?
答:这是可能的——但前提是将开销视为核心架构约束,而非去中心化的必然副产物。
多数去中心化算力网络将大量资源用于维护共识与安全,而非 AI 工作负载。这是因为生产性工作与安全机制被分离,导致重复计算。
要实现大部分算力用于真实 AI 任务,需要几个关键原则:
第一,安全与测量机制必须是“时间限定”的,而非持续运行。证明机制应集中在明确的短周期内,而不是持续消耗资源。在 Gonka 中,这通过 Sprint(结构化、时间限定周期)实现。周期外,硬件资源可用于真实 AI 工作负载。
第二,通过选择性与信誉动态调整验证来减少重复,而非对每个任务进行完全复制验证。新参与者的工作可能 100% 被验证;随着信誉建立,验证比例可降低至约 1%。整体验证算力占比可控制在约 10% 以下,同时保持安全性。
试图作弊的参与者不会获得奖励,因此作弊在经济上变得不合理。
第三,奖励与治理权重必须与经验证的算力贡献挂钩,而非资本持有。
当共识轻量化、验证自适应、激励与生产性计算对齐时,去中心化算力才能真正服务实际工作负载。
问:去中心化 AI 算力网络通常强调开放参与,但基础设施要求可能会造成较高的准入门槛。这样的系统如何在规模化的同时,仍然对算力水平差异很大的参与者保持可访问性?
答:虽然去中心化网络旨在降低 AI 基础设施的准入门槛,但长期生存同样需要与中心化提供商竞争,并满足现实世界的需求。硬件约束最终归结为一个核心要求:能够承载真正有市场需求的模型。
要在保持可访问性的同时实现规模化,有几个原则至关重要。
首先,是无需许可的基础设施接入。任何 GPU 拥有者——无论是单设备运营者,还是大型数据中心——都应当能够在没有审批流程或中心化守门机制的情况下加入网络。这消除了结构性的准入壁垒。
其次,是基于经验证算力的比例奖励与影响力。在一种以算力权重为基础的模型中,更高的计算贡献自然会带来更多的任务份额、奖励份额以及治理权重。这并不会让小参与者与大参与者完全平等——也不应如此。关键在于规则统一:影响力由实际计算贡献决定,而不是由资本、委托机制或金融杠杆决定。
第三,是算力池(Pools)的角色。在具有实际基础设施要求的系统中,资源聚合会自然出现。算力池允许较小的参与者整合资源、降低波动性,并参与更大规模的工作负载。
然而,架构必须避免赋予大型算力池结构性优势,或激励影响力的过度集中。算力池应当作为协调工具存在,而不是成为再中心化机制。
最终,去中心化 AI 算力网络的规模化不应意味着提高准入门槛。它应当意味着在保持中立、透明与一致参与规则的前提下,提高整体算力容量,同时维持网络为用户创造的真实经济价值。开放接入、比例化经济机制以及受控的集中程度,决定了一个系统在成长过程中是否仍然保持去中心化。
问:为什么在当前时刻,去中心化 AI 算力的问题变得尤为紧迫?如果未来几年内不解决这个问题,您认为对行业的长期后果会是什么?
答:这种紧迫性反映了 AI 正从实验阶段转向基础设施阶段。
如前所述,算力已经成为物理瓶颈。扩展能力越来越不仅仅受资本约束,也受到能源、功率密度以及数据中心限制的制约。同时,先进 GPU 与超大规模基础设施的获取,受到长期合同、企业集中化以及国家战略优先级的影响。
这种组合加深了结构性不对称。那些控制大规模基础设施的主体不断巩固其优势,而小型团队和新兴地区的准入门槛持续上升。风险不仅是市场集中化,更是全球算力鸿沟的扩大。
如果这种趋势持续下去,创新将更多依赖于基础设施获取能力,而不是创意本身。AI 市场可能会固化为一种基于租金的模式,在这种模式下,智能是在少数主导提供商所设定的条件下被访问的。
因此,去中心化算力并非一场意识形态辩论。它是对可见结构性约束的回应——也是一项将塑造 AI 行业长期架构的选择。
问:AI 代理(AI agents)正越来越多地自主预订 GPU 资源。Gonka 的架构如何支持自我调节的 AI 算力经济实现无缝集成?
答:Agent 化 AI 的兴起意味着系统越来越多地做出自主决策——包括获取计算资源。在这种模型中,算力成为代理之间经济交互中的核心资产。
这样的生态系统需要程序化接入、透明的经济机制以及可靠性。
首先,集成必须是无缝的。Gonka 提供 OpenAI 兼容 API,使大多数 AI 代理能够在不改变其架构或工作流程的情况下接入。
其次,算力经济必须透明且由系统驱动。定价根据网络负载动态调整,而不是通过合同固定。在网络早期阶段,推理成本被设计为显著低于中心化提供商,因为参与者不仅通过用户费用获得补偿,还通过类似比特币发行机制的奖励获得补偿,该奖励与可用算力容量成比例。
这种结构使得在预算范围内运行的 AI 代理能够高效执行工作负载。随着网络演进,定价参数仍将接受社区治理。
第三,可靠性在协议层面得到强化。在中心化环境中,可靠性来自认证与服务级别协议。在去中心化基础设施中,可靠性通过开源代码、第三方审计以及链上可测量的计算完成证明与网络性能证明来支持。
这些要素共同使 AI 代理能够在透明框架下请求算力并分配预算。通过这种方式,Gonka 为自我调节的 AI 算力经济提供了基础设施基础,使代理不仅能够执行任务,还能动态优化其所依赖的资源。
问:围绕去中心化技术的监管不确定性正在加剧。Gonka 如何在碎片化的全球市场中,主动应对数据主权与 AI 治理合规问题?
答:在去中心化算力的背景下,主要挑战在于在网络开放性与多样且不断演变的司法管辖要求之间取得平衡。
Gonka 是一个无需许可的全球网络——任何人都可以加入,请求会在分布式参与者之间通过程序化方式进行路由。在当前阶段,用户无法确定性地控制其请求被处理的地理位置。对于具有严格数据驻留或区域处理要求的使用场景而言,这目前可能是一种限制。
然而,从隐私角度来看,这种架构减少了数据集中化。每个请求都由随机选择的参与者处理,并且独立路由,从而防止完整用户历史的积累。到目前为止,这种模型已经覆盖了大多数实际使用场景,同时允许网络规模扩展。
随着网络增长以及市场需求变得更加明确,治理机制允许参与者提出并投票决定架构变更,以支持特定的监管要求。这些变更可能包括:具有额外参与标准的专用子网、特定司法辖区的运营约束,或针对企业工作负载的硬件级保障,例如可信执行环境(TEE)。
去中心化并不会消除合规义务。它提供的是架构灵活性。Gonka 的设计允许网络根据监管与市场需求演进,而不是从一开始就被锁定在单一合规模型之中。
