Oblast umělé inteligence se rychle konsoliduje. Pět předních laboratoří (OpenAI, Anthropic, Google DeepMind, Meta a xAI) ovládá většinu nejvýkonnějších modelů na světě, proprietární data, na nichž byly tyto modely vycvičeny, a výpočetní clustery potřebné k dalšímu trénování. Decentralizovaná umělá inteligence představuje odpověď vycházející z kryptoměn.
Decentralizovaná umělá inteligence (DeAI) vychází z myšlenky, že stejné komponenty, na nichž funguje moderní umělá inteligence, mohou být koordinovány pomocí blockchainů a motivace v podobě tokenů namísto jedné jediné společnosti. Jejím cílem není překonat OpenAI v oblasti výcviku modelů na GPU clusteru za 10 miliard dolarů, ale vytvořit otevřené alternativy na těch úrovních, kde decentralizace skutečně funguje.
Co je to decentralizovaná umělá inteligence?
Decentralizovaná umělá inteligence, často zkracovaná jako DeAI, označuje systémy umělé inteligence postavené na blockchainové infrastruktuře a koordinované pomocí tokenových pobídek – výpočetní výkon, data, modely a rozhodování jsou tak rozloženy mezi mnoho účastníků namísto jedné jediné společnosti.
Zkratka „DeAI“ (velké D, velké AI) se v tomto odvětví stala standardem; v celém textu ji používáme jako synonymum pro „decentralizovanou AI“. Tento pojem je širší než jakýkoli jednotlivý projekt. Zahrnuje celou strukturu (v dolní části trhy s výpočetním výkonem, uprostřed sítě dat a modelů, nahoře rámce agentů), propojenou koordinačními vrstvami blockchainu.
Cílem organizace DeAI je čelit třem trendům. Zaprvé jde o koncentraci špičkové umělé inteligence do pěti laboratoří, jejichž interní koordinace, bezpečnostní opatření a cenová politika mají dopad na všechny. Za druhé, netransparentnost uzavřených modelů trénovaných na datech, která veřejnost nemůže vidět a s jejichž použitím nesouhlasila. Za třetí, nesoulad mezi laboratořemi zabývajícími se umělou inteligencí a uživateli, na jejichž datech byly modely trénovány: hodnota proudí jedním směrem, přičemž přispěvatelům se nevrací žádné tokeny, podíly ani výnosy.
Žádný z těchto problémů nelze plně vyřešit pouhým zavedením blockchainu. Každý z nich se však stává lépe řešitelným, pokud lze vlastnictví, platby a ověřování koordinovat v systému bez nutnosti povolení.
Decentralizovaná umělá inteligence vs. federované učení
„Decentralizovaná umělá inteligence“ a „federované učení“ znějí podobně, řeší však zcela odlišné problémy. Federované učení je technika strojového učení zachovávající soukromí, kterou využívají velké technologické společnosti; DeAI je kryptoměnové hnutí založené na blockchainu a tokenech.
Při federovaném učení se model trénuje napříč mnoha zařízeními (vaším telefonem, servery nemocnice, databází banky), aniž by surová data kdy opustila jednotlivá zařízení. Přenášejí se pouze aktualizace modelu. Google Gboard jej využívá pro predikci dalšího slova; Apple jej používá pro učení na zařízení; lékařská konsorcia jej využívají k trénování diagnostických modelů, aniž by odhalila záznamy o pacientech. Vše koordinuje centrální strana, obvykle společnost, která model vlastní.
DeAI je protikladem centrální koordinace. Výpočetní výkon, data a někdy i samotný model jsou ve vlastnictví mnoha nezávislých subjektů, které je také provozují. Jejich činnost koordinuje blockchain; užitečné příspěvky jsou odměňovány tokeny.
Tyto dva přístupy lze kombinovat, protože v rámci systémů DeAI lze využívat techniky federovaného učení k zajištění ochrany soukromí. Samotné federované učení však ještě neznamená DeAI. Federované učení se týká toho, jak se provádějí výpočty. DeAI se týká toho, komu systém patří.
Jak funguje decentralizovaná umělá inteligence
DeAI není jedna jediná technologie, ale celá architektura. Klíčové jsou čtyři vrstvy, z nichž každá zahrnuje vlastní projekty.
Výpočetní vrstva
Grafické procesory (GPU) a další hardware potřebný k trénování a provozování modelů umělé inteligence. Právě v této oblasti se DeAI přímo překrývá s DePIN. Sítě jako Render, Akash a io.net pronajímají decentralizovaný výpočetní výkon GPU pro úlohy umělé inteligence, a to od jednotlivých nadšenců provádějících inferenční úlohy až po startupy provádějící ladění ve velkém měřítku. Nedostatek GPU v letech 2024–2026 učinil z této vrstvy nejaktivnější část ekosystému DeAI.
Datová vrstva
Datové sady potřebné k trénování modelů. Decentralizované datové tržiště umožňují vlastníkům dat zpeněžit své datové sady, aniž by se museli vzdát kontroly nad nimi. Úložné sítě jako Filecoin a Arweave hostují váhy modelů, trénovací datové sady a výstupy. Objem dat je zde ve srovnání s centralizovanými zprostředkovateli dat stále skromný, ale infrastruktura funguje.
Vrstva modelu
Modely s otevřenou váhou, které může kdokoli spustit, doladit nebo upravit. Trénovací sítě s motivací prostřednictvím tokenů, z nichž nejznámější je Bittensor, odměňují účastníky za to, že přispívají užitečnými vylepšeními modelů pro konkrétní úkoly. Všimněte si, že samotná „otevřená váha“ (modely Llama od Meta, modely Mistral) není DeAI. Je to open source. DeAI přidává k otevřenosti koordinaci blockchainu a ekonomiku tokenů.
Vrstva dedukce a agentů
Jakmile model existuje, je třeba jej spustit. Decentralizované inferenční sítě rozdělují tuto práci mezi mnoho provozovatelů uzlů. Nad tím se nachází vrstva agentů umělé inteligence – autonomní programy, které jednají jménem uživatele a stále častěji provádějí platby v kryptoměnách. Mezi nejčastěji zmiňované projekty v této oblasti patří Olas a Virtuals Protocol, přičemž oba se stále vyvíjejí.
Nejzajímavější projekty v oblasti DeAI, které byste měli znát v roce 2026
DeAI je kategorie, nikoli konkrétní konkurent OpenAI. Projekty je třeba seskupovat podle toho, čím se skutečně zabývají.
Blockchainy založené na umělé inteligenci a trénovací sítě
Nejčastěji zmiňovaným příkladem je Bittensor (TAO). Provozuje 128 aktivních „podsítí“, z nichž každá představuje specializovaný trh pro jednu úlohu v oblasti umělé inteligence: předtrénování jazykových modelů, vkládání obrazů, finanční prognózy, zpracování řeči a vyhledávání.
Těžaři v jednotlivých podsítích soutěží o odměny v podobě tokenů na základě kvality produkce. V prvním čtvrtletí roku 2026 společnost NVIDIA vložila 420 milionů dolarů a Polychain Capital přispěl částkou 200 milionů dolarů, čímž se celkový objem institucionálních investic zvýšil na více než 620 milionů dolarů. Tržby sítě dosáhly v posledním čtvrtletí 43 milionů dolarů.
Aliance ASI
Společnosti Fetch.ai, SingularityNET, Ocean Protocol a (později) CUDOS se v roce 2024 spojily a vytvořily Alianci pro umělou superinteligenci (Artificial Superintelligence Alliance), přičemž sjednotily své tokeny do jediného tokenu FET s plánem přejmenovat jej na ASI. Úplná změna názvu však nebyla na burzách nikdy dokončena, a proto většina z nich stále uvádí FET.
V říjnu 2025 se Ocean Protocol kvůli sporům ohledně správy formálně z aliance stáhl. Zbývající členové (Fetch.ai, SingularityNET a CUDOS) pokračují v dodávkách produktů, včetně ASI-1 mini, nativního LLM pro Web3 s 7 miliardami parametrů, a plánované vrstvy 1 s názvem ASI Chain.
Zástupci
Olas se zaměřuje na ekonomiku autonomních agentů: nezávislé programy, které si navzájem platí, koordinují se a plní úkoly. Virtuals Protocol se zaměřuje na spotřebitelské AI agenty, zejména v oblasti her a sociálních sítí. Tato vrstva je nejnovější a stále se vyvíjí.
Co je skutečně decentralizované a co ne
DeAI má skutečný rozmach, ale i skutečné nedostatky. Upřímné zhodnocení, krok za krokem:
Školení modelů Frontier: stále centralizované
Trénování modelu v měřítku GPT-5 vyžaduje stovky milionů dolarů na koordinované výpočetní kapacity, proprietární data a centralizovaný tým vývojářů. Žádný projekt zaměřený na odstranění umělé inteligence (DeAI) to v takovémto rozsahu neprovádí a v dohledné době ani provádět nebude.
I největší technický milník projektu Bittensor (společný předtrénink modelu Covenant AI s 72 miliardami parametrů provedený v březnu 2026) byl o řády menší než výsledky špičkových výzkumných laboratoří. Covenant později opustil síť a označil decentralizaci za „divadlo“ kvůli sporům o správu, což připomíná, že „decentralizovaný“ může popisovat matematiku, aniž by popisoval moc.
Výpočetní výkon: skutečná decentralizace
Grafické karty jsou zaměnitelné, úlohy jsou krátkodobé a ověření výstupu je jednoduché, a proto se zde nabídka skutečně zhmotnila. Služba Render zpracovává přibližně 1,5 milionu snímků měsíčně; společnost Akash překročila v 1. čtvrtletí roku 2026 hranici 5 milionů dolarů v nákladech na výpočetní výkon; platforma io.net sdružuje grafické karty ve více než 130 zemích. Stejná karta, na které se v noci hraje videohra, může následujícího rána zpracovávat úlohu inferenčního učení a zákazník nemusí vědět, komu patří.
Závěr: proveditelné a na vzestupu
Inference je bezstavová, úlohy jsou malé a výstupy ověřitelné – jde o logickou další vrstvu, kterou lze decentralizovat po samotném výpočetním výkonu. Sítě využívají spotřebitelské a herní grafické karty, které by jinak zůstávaly nevyužité, takže malý model s otevřenou váhou, jako je Llama-3-8B, lze často provozovat za poloviční cenu oproti AWS nebo Azure. Rozdíl se zmenšuje s rostoucí velikostí modelu; decentralizované poskytování modelu s 400 miliardami parametrů je stále obtížnější než na hyperscaleru.
Tržiště s daty: zatím v počátcích, ale již reálná
Sítě jako Vana pro osobní data a Grass pro data získaná z webu dokazují, že decentralizovaná výměna dat je technicky proveditelná. Složitější otázkou je poptávka. Laboratoře zabývající se umělou inteligencí již mají vše, co potřebují: data získaná z otevřeného webu a prémiové přímé dohody (Reddit–Google, NYT–OpenAI, Shutterstock). Decentralizované tržiště řeší problém na straně nabídky, který na straně poptávky zatím neexistuje, i když se to změní, pokud se trénovací data stanou více spornými.
Výzkum a vývoj motivovaný tokeny: působení v úzkých specializovaných oblastech
Odměny v podobě tokenů se osvědčují při postupném zlepšování měřitelných úkolů (přesnost převodu řeči na text, kvalita vkládání, benchmarky klasifikace obrázků) a podsítě Bittensor vytvářejí konkurenceschopné modely právě v těchto oblastech. To, co tokeny nemohou snadno financovat, je průlomový výzkum, který vyžaduje roky trpělivého kapitálu, nákladné experimenty a toleranci k neúspěchu. Spory ohledně správy Bittensoru také vyvolávají strukturální otázku: výzkum a vývoj založený na tokenech funguje pouze tak dobře, jak dobře funguje protokol, který ho obklopuje.
Závěr
Zajímavou otázkou ohledně DeAI v roce 2026 je, které vrstvy architektury obstojí, až přijde na řadu podrobná kontrola. Výpočetní a inferenční vrstvy vykonávají pro platící zákazníky skutečnou, měřitelnou práci.
Trhy s daty a modely se rozrůstají, ale jejich spolehlivost zatím nebyla prokázána. Úroveň správy (část, která určuje, zda pojem „decentralizovaný“ popisuje matematický model, nebo rozložení moci) je i nadále zdrojem kontroverzí, jako byl odchod společnosti Ocean z aliance ASI Alliance a odchod společnosti Covenant z projektu Bittensor.
DeAI v roce 2026 OpenAI nenahradí a možná k tomu nikdy nedojde. Vytváří však skutečné alternativy ve střední a okrajových částech technologického stacku, a právě tam bude většina lidí s umělou inteligencí nakonec stejně komunikovat.
