在“State of AI 2025”报告中,Messari专门用一整章讨论去中心化AI (deAI),将其定义为不是传统AI的意识形态替代品,而是确保透明度、安全性和全球参与的必要补充。
在一个模型变成黑箱且私人实验室权力不断增长的世界中,deAI 的角色并非理论上的:它是对新智能秩序挑战的结构性回应。
人工智能正成为全球最具战略意义的数字基础设施。然而,当科技巨头巩固其主导地位时,一个平行的运动正在兴起,旨在构建一种截然不同的AI:开放、可验证、无许可且分布式。
目录
什么是去中心化人工智能(deAI)?
deAI 是一个建立在分布式网络上的 AI 系统,其中:
- 数据可以在无许可模式下收集、标记和交换;
- 计算在全球独立的GPU网络上执行;
- 模型可以在没有单一控制权威的情况下进行协调训练和使用;
- 隐私、可验证性和声誉通过区块链、加密技术和认证系统得到保障;
- AI代理可以在一个trustless环境中进行交易、识别和协作。
换句话说:
去中心化AI是一个基础设施,允许构建一个“任何人都可以使用和创建”的开放AI,而无需依赖于私人巨头。
为什么去中心化AI变得必要?
Messari将原因分为两类:哲学和实践。
🔹 哲学
- 权力集中
集中化的AI赋予少数公司(OpenAI、Google、Anthropic)巨大的控制权。这影响了叙事、数据访问、技术标准,甚至是社会进程。 - 不透明性
我们不知道这些模型是如何训练的,使用了哪些数据,包含了哪些偏见。 - 信任有限
没有可验证的保证表明所提供的模型是声明的模型,或能够正确处理数据。
🔹 实践
- 全球协调
区块链能够在无需信任的情况下协调数百万设备和贡献者。 - 链上可验证性
身份、声誉、模型状态和完整性可以以不可变的方式记录。 - 原生支付
AI代理需要即时支付、微交易和即时结算:在这方面,crypto是不可替代的。 - 通过分布式网络实现可扩展性
deAI 利用现有硬件(游戏PC、边缘设备、小型数据中心),不仅仅是GPU hyperscaler。
deAI Stack:构成生态系统的6个层级
该报告详细描述了deAI的技术栈,由6个互联的层组成:Data → Compute → Training → Privacy/Verification → Agents → Applications。
让我们逐一查看。
1. 数据层
每个AI系统的核心是数据集。
在去中心化AI中,数据通过分布式网络进行收集、标记、存储和交换。
主要活动:
- 数据收集(视频、音频、传感器、实际互动)
- 通过激励性市场进行标记
- 清理和预处理
- 分布式网络上的存储 (Filecoin, Arweave, Jackal)
- 数据市场 (Ocean, Vana, Cudis)
去中心化允许:
- 更大的数据多样性
- 直接向贡献者提供经济激励
- 可验证性(来源、时间戳、身份)
- 降低专有数据集的成本
随着预计到2030年将出现“数据饥荒”,这一层变得至关重要。
2. 计算层
这里是AI最昂贵的部分:执行训练和推理。
去中心化计算网络 (DCN):
- Akash
- 渲染
- io.net
- Aethir
- 双曲线
- EigenCloud
- Exabits
主要优势:以市场价格提供按需计算服务,而不是由云服务提供商设定的价格。
历史上,由于延迟和同步问题,DCN 在大规模训练中效果不佳,但如今它们非常适合提供推理服务,因为:
- 需要较少的GPU之间通信
- 可以在异构硬件上执行
- 是预计到2030年将占据计算需求50-75%的细分市场
3. 训练与推理层
Messari 明确区分:
预训练
极难去中心化:
需要庞大的数据集、紧密的同步、高带宽。
后训练(SFT / RLHF / RL)
非常适合分布式网络:
- 更多异步性
- 减少沟通
- 更高的可扩展性
- 数据众包的可能性
去中心化推理
这是使去中心化AI在现实生活中可用的缺失环节。
报告中提到的示例:
- Prodia
- 下跌
- Fortytwo Network
- dria
- inference.net
4. 隐私与验证层
这时,最复杂的加密技术就派上用场了。
基本技术:
- ZKML (零知识机器学习)
- Optimistic ML(通过挑战期验证)
- 基于TEE的机器学习 (可信执行环境)
- FHE (全同态加密)
- MPC (多方计算)
- 联邦学习
目标:
确保模型已被正确计算,无修改且不暴露敏感数据。
提到的项目:
- Phala (TEE)
- Zama (FHE)
- Nillion (MPC)
- EZKL (ZKML)
- Lagrange (zkML + 验证基础设施)
这是企业采用的最重要层。
5. 代理与编排层
该报告分析了autonomous agents如何成为AI的新“界面”。
一个完整的栈包括:
- 基础模型 (LLM 或 SLM)
- 工具 (API, 钱包, 浏览器自动化)
- 框架 (ElizaOS, Daydreams, Olas, Questflow)
- 通信标准
- 多代理协调
- 可验证的完整性(不可篡改的提示,已验证的推理)
区块链为代理商解锁:
- 身份
- 声誉
- 自托管支付
- 无信任访问金融服务
- 可审计性
代理人将在未来5年内成为区块链的主要“用户”。
6. 应用层
最终层:构建在整个堆栈上的应用程序。
示例:
- 交易代理
- 自主DeFi机器人
- 自主浏览器
- 网络安全系统
- 数据标注 AI驱动
- 用于游戏、发现或电子商务的多代理宇宙
- 去中心化推荐引擎
deAI应用程序的运作方式与普通AI相似,但有三个不同之处:
- 透明度
- 可验证性
- 与加密货币的互操作性
为什么是现在?推动去中心化AI的5大力量
Messari 识别出五大趋势,为去中心化AI的增长创造了完美的环境:
- 推理需求呈现垂直增长
- 公共数据的耗尽与专有数据的需求
- AI代理自主交易的爆发
- 全球人才争夺战与高昂的计算成本
- 训练和验证去中心化的进展
中心化的AI无法满足所有需求:需要互补性。
结论:deAI是开放、可验证和参与式AI的基础
去中心化AI不是一种趋势:它是一种结构性回应。
随着模型的增长和大型科技公司的权力集中,对以下方面的需求:
- 验证
- 去中心化
- 证明
- 协调
- 对冲
- 保护
- 分发
变得至关重要。
deAI 是一种基础设施,使 AI 不仅强大,而且:
- 开放
- 安全
- 分布式
- 全球可访问




