विकेंद्रीकृत एआई क्या है? DeAI और खुले कृत्रिम बुद्धिमत्ता के भविष्य के लिए एक मार्गदर्शिका

एआई तेजी से एकीकृत हो रहा है। पाँच अग्रणी लैब्स (ओपनएआई, एंथ्रॉपिक, गूगल डीपमाइंड, मेटा और एक्सएआई) दुनिया के सबसे सक्षम मॉडलों, जिन पर उन्होंने प्रशिक्षण के लिए स्वामित्व वाले डेटा का उपयोग किया, और अधिक प्रशिक्षण के लिए आवश्यक कंप्यूट क्लस्टर्स पर नियंत्रण रखती हैं। विकेंद्रीकृत एआई क्रिप्टो-नेटिव प्रतिक्रिया है।

विकेंद्रीकृत एआई, या DeAI, वह विचार है कि आधुनिक एआई को चलाने वाले वही घटक ब्लॉकचेन और टोकन प्रोत्साहनों के माध्यम से समन्वित किए जा सकते हैं, न कि किसी एक कंपनी द्वारा। इसका उद्देश्य OpenAI को 10 अरब डॉलर के GPU क्लस्टर पर मात देना नहीं है, बल्कि उन परतों में खुले विकल्प बनाना है जहाँ विकेंद्रीकरण वास्तव में काम करता है।

विकेंद्रीकृत एआई क्या है?

विकेंद्रीकृत एआई, जिसे अक्सर DeAI के रूप में संक्षिप्त किया जाता है, उन कृत्रिम बुद्धिमत्ता प्रणालियों को संदर्भित करता है जो ब्लॉकचेन अवसंरचना पर निर्मित होती हैं और टोकन प्रोत्साहनों द्वारा समन्वित होती हैं - कंप्यूटिंग शक्ति, डेटा, मॉडल और निर्णय लेने को एकल कंपनी के बजाय कई प्रतिभागियों में वितरित करती हैं।

"DeAI" संक्षिप्त रूप (बड़ी D, बड़ी AI) अब पूरे क्षेत्र में मानक है; हम इसे पूरे लेख में "विकेंद्रीकृत AI" के साथ परस्पर विनिमय योग्य रूप में उपयोग करते हैं। यह शब्द किसी एक परियोजना से कहीं अधिक व्यापक है। यह एक स्टैक को कवर करता है (नीचे कंप्यूट मार्केटप्लेस, बीच में डेटा और मॉडल नेटवर्क, ऊपर एजेंट फ्रेमवर्क) जो ब्लॉकचेन समन्वय परतों द्वारा जुड़ा होता है।

DeAI का अस्तित्व तीन प्रवृत्तियों का विरोध करने के लिए है। पहला, अग्रणी एआई का पाँच प्रयोगशालाओं में केंद्रीकरण, जिनके आंतरिक संरेखण, सुरक्षा और मूल्य निर्धारण के निर्णय सभी को प्रभावित करते हैं। दूसरा, बंद मॉडलों की अस्पष्टता, जिन्हें ऐसे डेटा पर प्रशिक्षित किया गया है जिसे जनता देख नहीं सकती और जिसकी सहमति उसने नहीं दी। तीसरा, AI लैब्स और उन उपयोगकर्ताओं के बीच असंगति, जिनके डेटा पर उन्हें प्रशिक्षित किया गया: मूल्य एकतरफा प्रवाहित होता है, और योगदानकर्ताओं को कोई टोकन, शेयर या राजस्व वापस नहीं मिलता।

ब्लॉकचेन जोड़ने से उन समस्याओं में से कोई भी पूरी तरह से हल नहीं होती। लेकिन जब स्वामित्व, भुगतान और प्रमाण एक बिना अनुमति वाली प्रणाली में समन्वित किए जा सकते हैं, तो प्रत्येक समस्या अधिक सुलभ हो जाती है।

विकेंद्रीकृत एआई बनाम संघीय शिक्षण

"विकेंद्रीकृत एआई" और "फेडरेटेड लर्निंग" सुनने में संबंधित लगते हैं, लेकिन ये बहुत अलग समस्याओं का समाधान करते हैं। फेडरेटेड लर्निंग एक गोपनीयता-संरक्षित मशीन लर्निंग तकनीक है जिसका उपयोग प्रमुख तकनीकी कंपनियाँ करती हैं; डीएआई ब्लॉकचेन और टोकन के इर्द-गिर्द बनी एक क्रिप्टो-नेटिव आंदोलन है।

फेडरेटेड लर्निंग में, एक मॉडल कई उपकरणों (आपका फोन, अस्पताल के सर्वर, बैंक का डेटाबेस) पर प्रशिक्षित होता है, बिना कच्चा डेटा कभी भी किसी उपकरण से बाहर जाए। केवल मॉडल अपडेट्स ही भेजे जाते हैं। Google Gboard इसका उपयोग अगले शब्द की भविष्यवाणी के लिए करता है; Apple इसका उपयोग ऑन-डिवाइस लर्निंग के लिए करता है; चिकित्सा संघ इसका उपयोग रोगी के रिकॉर्ड को उजागर किए बिना निदान मॉडल को प्रशिक्षित करने के लिए करते हैं। एक केंद्रीय पक्ष, आमतौर पर वह कंपनी जो मॉडल की मालिक है, सब कुछ समन्वयित करती है।

DeAI केंद्रीय समन्वय का विपरीत है। कंप्यूटिंग संसाधन, डेटा और कभी-कभी स्वयं मॉडल कई स्वतंत्र पक्षों के स्वामित्व और संचालन में होते हैं। एक ब्लॉकचेन इन्हें समन्वित करता है; टोकन उपयोगी योगदानों को पुरस्कृत करते हैं।

दोनों को संयोजित किया जा सकता है, क्योंकि फेडरेटेड लर्निंग तकनीकें गोपनीयता बनाए रखने के लिए DeAI सिस्टम के भीतर चल सकती हैं। लेकिन फेडरेटेड लर्निंग अकेले DeAI नहीं है। फेडरेटेड लर्निंग इस बात से संबंधित है कि गणित कैसे किया जाता है। डीएआई इस बात से संबंधित है कि सिस्टम का मालिक कौन है।

विकेंद्रीकृत एआई कैसे काम करता है

DeAI कोई एकल तकनीक नहीं है; यह एक स्टैक है। चार परतें महत्वपूर्ण हैं, प्रत्येक की अपनी परियोजनाएँ हैं।

कंप्यूट परत

एआई मॉडल को प्रशिक्षित करने और चलाने के लिए GPU और अन्य हार्डवेयर की आवश्यकता होती है। यहीं पर DeAI का सीधा संबंध DePIN से जुड़ता है। Render, Akash, और io.net जैसे नेटवर्क एआई वर्कलोड के लिए विकेंद्रीकृत GPU पावर किराए पर देते हैं, जिसमें व्यक्तिगत शौकिया उपयोगकर्ता जो इन्फरेंस जॉब चला रहे हैं से लेकर बड़े पैमाने पर फाइन-ट्यूनिंग करने वाले स्टार्टअप तक शामिल हैं। 2024–2026 की GPU कमी ने इस परत को DeAI इकोसिस्टम का सबसे सक्रिय हिस्सा बना दिया है।

डेटा परत

मॉडलों को प्रशिक्षित करने के लिए डेटासेट आवश्यक हैं। विकेंद्रीकृत डेटा मार्केटप्लेस डेटा मालिकों को नियंत्रण खोए बिना डेटासेट का मुद्रीकरण करने की अनुमति देते हैं। Filecoin और Arweave जैसे स्टोरेज नेटवर्क मॉडल वेट्स, प्रशिक्षण डेटासेट और आउटपुट को होस्ट करते हैं। यहां का वॉल्यूम केंद्रीकृत डेटा ब्रोकरों की तुलना में अभी भी मामूली है, लेकिन यह अवसंरचना काम करती है।

मॉडल परत

ओपन-वेट मॉडल जिन्हें कोई भी चला सकता है, फाइन-ट्यून कर सकता है, या संशोधित कर सकता है। टोकन-प्रेरित प्रशिक्षण नेटवर्क, जिनमें बिटेन्सर सबसे प्रमुख है, विशिष्ट कार्यों पर उपयोगी मॉडल सुधारों में योगदान देने वाले प्रतिभागियों को पुरस्कृत करते हैं। ध्यान दें कि केवल "ओपन-वेट" (Meta के Llama, Mistral के मॉडल) DeAI नहीं है। यह ओपन सोर्स है। DeAI खुलापन के ऊपर ब्लॉकचेन समन्वय और टोकन अर्थशास्त्र जोड़ता है।

निष्कर्षण और एजेंट परत

एक बार जब कोई मॉडल मौजूद हो जाता है, तो किसी को उसे चलाना होता है। विकेंद्रीकृत इन्फरेंस नेटवर्क उस काम को कई नोड ऑपरेटरों में वितरित करते हैं। इसके ऊपर एआई एजेंट लेयर होती है – स्वायत्त प्रोग्राम जो उपयोगकर्ता की ओर से कार्य करते हैं और तेजी से क्रिप्टो में भुगतान निपटाते हैं। ओलास और वर्चुअल्स प्रोटोकॉल यहां सबसे अधिक उद्धृत परियोजनाएं हैं, दोनों अभी भी परिपक्व हो रही हैं।

2026 में जानने योग्य शीर्ष DeAI परियोजनाएँ

DeAI एक श्रेणी है, न कि OpenAI का कोई एक प्रतिस्पर्धी। समूहों को उनके वास्तविक कार्यों के आधार पर वर्गीकृत करें।

एआई-नेटिव ब्लॉकचेन और प्रशिक्षण नेटवर्क

Bittensor (TAO) सबसे अधिक उद्धृत उदाहरण है। यह 128 सक्रिय "सबनेट्स" चलाता है, प्रत्येक एक विशिष्ट AI कार्य के लिए एक विशेष बाजार है: भाषा मॉडल पूर्व-प्रशिक्षण, छवि एम्बेडिंग, वित्तीय पूर्वानुमान, भाषण, खोज। 

खनिक प्रत्येक सबनेट पर आउटपुट गुणवत्ता के आधार पर टोकन पुरस्कारों के लिए प्रतिस्पर्धा करते हैं। Q1 2026 में, NVIDIA ने $420 मिलियन का निवेश किया और Polychain Capital ने $200 मिलियन जोड़े, जिससे संयुक्त संस्थागत प्रवाह $620 मिलियन से अधिक हो गए। पिछले तिमाही में नेटवर्क राजस्व $43 मिलियन तक पहुंच गया।

एएसआई गठबंधन

Fetch.ai, SingularityNET, Ocean Protocol और (बाद में) CUDOS ने 2024 में मर्ज होकर आर्टिफिशियल सुपरइंटेलिजेंस अलायंस का गठन किया, टोकन FET में समेकित किए और इसे ASI नाम देने की योजना बनाई। पूरे एक्सचेंजों पर पूर्ण रीब्रांडिंग कभी पूरी नहीं हुई, इसलिए अधिकांश एक्सचेंज अभी भी FET को लिस्ट करते हैं। 

अक्टूबर 2025 में, गवर्नेंस विवादों के कारण ओशन प्रोटोकॉल ने गठबंधन से औपचारिक रूप से हट गया। बाकी सदस्य (Fetch.ai, SingularityNET, और CUDOS) उत्पादों की आपूर्ति जारी रखे हुए हैं, जिनमें ASI-1 मिनी, एक 7-अरब-पैरामीटर वाला वेब3-नेटिव एलएलएम, और ASI चेन नामक एक नियोजित लेयर 1 शामिल है।

एजेंट्स

Olas स्वायत्त एजेंट अर्थव्यवस्था पर केंद्रित है: स्वतंत्र प्रोग्राम जो एक-दूसरे को भुगतान करते हैं, समन्वय करते हैं और कार्य पूरे करते हैं। Virtuals Protocol उपभोक्ता AI एजेंटों पर केंद्रित है, विशेष रूप से गेमिंग और सोशल में। यह परत सबसे नई है और अभी भी परिपक्व हो रही है।

वास्तव में विकेंद्रीकृत क्या है और क्या नहीं

DeAI में वास्तविक गति और वास्तविक अंतराल हैं। ईमानदार मूल्यांकन, परत दर परत:

फ्रंटियर मॉडल प्रशिक्षण: अभी भी केंद्रीकृत

GPT-5-स्तरीय मॉडल को प्रशिक्षित करने में समन्वित कंप्यूटिंग संसाधन, स्वामित्वाधीन डेटा और एक केंद्रीकृत इंजीनियरिंग टीम में सैकड़ों मिलियन डॉलर खर्च होते हैं। कोई भी DeAI परियोजना इसे फ्रंटियर स्तर पर नहीं कर रही है, और जल्द ही नहीं करेगी।

यहाँ तक कि बिटेन्सर का सबसे बड़ा तकनीकी मील का पत्थर (मार्च 2026 में कोवेनेंट एआई का 72-अरब-पैरामीटर सहयोगी प्री-ट्रेनिंग रन) फ्रंटियर-लैब के प्रयासों की तुलना में कई गुना छोटा था। बाद में कोवेनेंट ने नेटवर्क छोड़ दिया, शासन संबंधी विवादों के चलते विकेंद्रीकरण को "थिएटर" कहकर, यह याद दिलाते हुए कि "विकेंद्रीकृत" गणित का वर्णन तो कर सकता है, लेकिन शक्ति का नहीं।

कंप्यूट: वास्तव में विकेंद्रीकरण

GPUs विनिमेय हैं, जॉब्स छोटे हैं, और आउटपुट की जांच करना सीधा-सादा है, इसलिए आपूर्ति वास्तव में यहाँ साकार हुई है। रेंडर प्रति माह लगभग 1.5 मिलियन फ्रेम संभालता है; आकाश ने Q1 2026 में कंप्यूट खर्च में 5 मिलियन डॉलर पार कर लिए; io.net 130+ देशों में GPUs को एकत्रित करता है। वही कार्ड जो रात में वीडियो गेम चलाता है, अगली सुबह एक इन्फरेंस जॉब चला सकता है, और ग्राहक को यह जानने की ज़रूरत नहीं कि इसका मालिक कौन है।

निष्कर्ष: व्यवहार्य और बढ़ता हुआ

इनफरेंस स्टेटलेस है, जॉब्स छोटे हैं, और आउटपुट सत्यापन योग्य हैं - कच्ची कंप्यूटिंग के बाद विकेंद्रीकरण के लिए यह स्वाभाविक अगली परत है। नेटवर्क उन उपभोक्ता और गेमिंग GPUs का उपयोग करते हैं जो अन्यथा निष्क्रिय पड़े रहते हैं, इसलिए Llama-3-8B जैसे एक छोटे ओपन-वेट मॉडल को अक्सर AWS या Azure की आधी लागत पर चलाया जा सकता है। जैसे-जैसे मॉडल का आकार बढ़ता है, यह अंतर कम होता जाता है; 400 अरब-पैरामीटर वाले मॉडल को विकेंद्रीकृत रूप से चलाना अभी भी हाइपरस्केलर की तुलना में अधिक कठिन है।

डेटा मार्केटप्लेस: शुरुआती लेकिन वास्तविक

वैयक्तिक डेटा के लिए Vana और वेब-स्क्रेप किए गए डेटा के लिए Grass जैसे नेटवर्क यह साबित करते हैं कि विकेंद्रीकृत डेटा विनिमय तकनीकी रूप से संभव है। कठिन सवाल मांग का है। AI लैब्स के पास पहले से ही वह सब कुछ है जिसकी उन्हें जरूरत है: स्क्रेप किया गया ओपन-वेब डेटा और प्रीमियम प्रत्यक्ष सौदे (Reddit–Google, NYT–OpenAI, Shutterstock)। विकेंद्रीकृत बाज़ार आपूर्ति-पक्ष की उस समस्या का समाधान करते हैं जो मांग-पक्ष के पास अभी नहीं है, हालांकि यदि प्रशिक्षण डेटा अधिक विवादास्पद हो जाता है तो यह बदल सकता है।

टोकन-प्रेरित अनुसंधान एवं विकास: संकीर्ण क्षेत्रों में काम करना

टोकन पुरस्कार मापने योग्य कार्यों (स्पीच-टू-टेक्स्ट सटीकता, एम्बेडिंग गुणवत्ता, छवि-वर्गीकरण बेंचमार्क) में क्रमिक सुधार के लिए अच्छी तरह काम करते हैं और बिटेन्सर सबनेट्स ठीक उन्हीं क्षेत्रों में प्रतिस्पर्धी मॉडल उत्पन्न करते हैं। टोकन जिन चीज़ों को आसानी से फंड नहीं कर सकते, वे हैं क्रांतिकारी शोध, जिन्हें वर्षों तक धैर्यपूर्ण पूंजी, महंगे प्रयोगों और असफलता के प्रति सहिष्णुता की आवश्यकता होती है। बिटेंटर की शासन संबंधी विवादों से एक संरचनात्मक प्रश्न भी उठता है: टोकन-संरेखित अनुसंधान एवं विकास केवल उतना ही प्रभावी है जितना कि उसके आसपास का प्रोटोकॉल।

निष्कर्ष

2026 में DeAI के बारे में दिलचस्प सवाल यह है कि जांच होने पर स्टैक की कौन-सी परतें टिक पाएंगी। कम्प्यूट और इन्फरेंस भुगतान करने वाले ग्राहकों के लिए वास्तविक, मापनीय काम कर रहे हैं।

डेटा और मॉडल मार्केटप्लेस बढ़ रहे हैं लेकिन अभी तक अप्रमाणित हैं। शासन परत (वह हिस्सा जो यह तय करता है कि 'विकेंद्रीकृत' गणित को दर्शाता है या शक्ति को) लगातार विवाद पैदा कर रही है, जैसे ASI अलायंस से ओशन का बाहर होना और बिटेन्सर से कॉवेनेंट का बाहर होना।

DeAI 2026 में OpenAI की जगह नहीं ले रही है, और शायद कभी नहीं लेगी। लेकिन यह स्टैक के मध्य और किनारों में वास्तविक विकल्प बना रही है, और वहीं ज्यादातर लोग अंततः AI के साथ इंटरैक्ट करेंगे।