AI se brzo konsolidira. Pet vodećih laboratorija (OpenAI, Anthropic, Google DeepMind, Meta i xAI) kontrolira većinu najsposobnijih modela na svijetu, vlasničke podatke na kojima su ih trenirali i računalne klastere potrebne za daljnje treniranje. Decentralizirani AI je kripto-nativni odgovor.
Decentralizirana umjetna inteligencija, ili DeAI, je ideja da se iste komponente koje omogućuju rad moderne umjetne inteligencije mogu koordinirati putem blockchaina i poticaja u obliku tokena umjesto jedne tvrtke. Ne radi se o pokušaju nadmašiti OpenAI na GPU klasteru vrijednom 10 milijardi dolara, već o izgradnji otvorenih alternativa na slojevima gdje decentralizacija zaista funkcionira.
Što je decentralizirana umjetna inteligencija?
Decentralizirana umjetna inteligencija, često skraćeno DeAI, odnosi se na sustave umjetne inteligencije izgrađene na blockchain infrastrukturi i koordinirane poticajima u obliku tokena – raspodjeljujući računalne resurse, podatke, modele i donošenje odluka među mnogim sudionicima umjesto jedne tvrtke.
Skraćenica "DeAI" (veliko slovo D, veliko slovo AI) sada je standardna u cijelom području; koristimo je naizmjenično s "decentralizirana AI" u cijelom tekstu. Termin je širi od bilo kojeg pojedinačnog projekta. Obuhvaća slojevit sustav (na dnu tržišta računalnih usluga, u sredini mreže podataka i modela, na vrhu okviri za agente) povezan slojevima blockchain koordinacije.
DeAI postoji kako bi se suprotstavio trima trendovima. Prvo, koncentraciji napredne umjetne inteligencije u pet laboratorija čije unutarnje usklađivanje, sigurnosne i odluke o cijenama utječu na sve. Drugo, neprozirnost zatvorenih modela treniranih na podacima koje javnost ne može vidjeti i na koje nije dala pristanak. Treće, neusklađenost između AI laboratorija i korisnika čijim su podacima trenirani: vrijednost teče samo u jednom smjeru, bez ikakvih tokena, udjela ili prihoda koji se vraćaju doprinositeljima.
Nijedan od tih problema nije u potpunosti riješen dodavanjem blockchaina. Ali svaki postaje lakše rješiv kada se vlasništvo, plaćanja i dokazi mogu koordinirati u sustavu bez dozvole.
Decentralizirana umjetna inteligencija naspram federiranog učenja
"Decentralizirana umjetna inteligencija" i "federativno učenje" zvuče srodno, ali rješavaju vrlo različite probleme. Federativno učenje je tehnika strojnog učenja koja štiti privatnost i koju koriste velike tehnološke tvrtke; DeAI je kripto-nativni pokret izgrađen oko blockchaina i tokena.
U federiranom učenju model se obučava na više uređaja (na vašem telefonu, na poslužiteljima bolnice, u bazi podataka banke) a da sirovi podaci nikada ne napuste svaki uređaj. Putuju samo ažuriranja modela. Google Gboard ga koristi za predviđanje sljedeće riječi; Apple ga koristi za učenje na uređaju; medicinska konzorcija ga koriste za obuku dijagnostičkih modela bez otkrivanja pacijentovih zapisa. Centralna strana, obično tvrtka koja posjeduje model, koordinira sve.
DeAI je suprotnost centralnoj koordinaciji. Računalna snaga, podaci i ponekad sam model u vlasništvu su i upravljani od strane mnogih neovisnih strana. Blockchain ih koordinira; tokeni nagrađuju korisne doprinose.
Oba se mogu kombinirati, jer se tehnike federiranog učenja mogu izvoditi unutar DeAI sustava kako bi se očuvala privatnost. No samo federirano učenje nije DeAI. Federated learning se odnosi na to kako se matematika izvodi. DeAI se odnosi na to tko posjeduje sustav.
Kako funkcionira decentralizirana umjetna inteligencija
DeAI nije jedna tehnologija; to je slojevit sustav. Četiri su sloja važna, svaki sa svojim projektima.
Sloj za obradu
GPU-ovi i ostali hardver potrebni za obuku i pokretanje AI modela. Ovo je područje u kojem se DeAI izravno preklapa s DePIN-om. Mreže poput Render, Akash i io.net iznajmljuju decentraliziranu GPU snagu za AI zadatke, od pojedinačnih hobista koji pokreću inferencijske zadatke do startupova koji provode finetuning u velikom opsegu. Nedostatak GPU-a u razdoblju 2024.–2026. učinio je ovaj sloj najaktivnijim dijelom DeAI ekosustava.
Sloj podataka
Skupovi podataka potrebni su za obuku modela. Decentralizirana tržišta podataka omogućuju vlasnicima podataka da monetiziraju skupove podataka bez gubitka kontrole. Mreže za pohranu poput Filecoina i Arweavea hostaju težine modela, skupove podataka za obuku i rezultate. Obujam je ovdje još uvijek skroman u usporedbi s centraliziranim posrednicima podataka, ali infrastruktura funkcionira.
Modelni sloj
Modeli otvorene težine koje svatko može pokretati, fino podešavati ili mijenjati. Mreže za obuku potaknute tokenima, pri čemu je Bittensor najistaknutiji, nagrađuju sudionike za doprinos korisnim poboljšanjima modela na određenim zadacima. Imajte na umu da "open-weight" sam po sebi (Metaova Llama, Mistralovi modeli) nije DeAI. To je otvoreni kod. DeAI na otvorenost nadodaje koordinaciju putem blockchaina i ekonomiju tokena.
Sloj inferencije i agenta
Kad model postoji, netko ga mora pokrenuti. Decentralizirane mreže za inferenciju raspoređuju taj posao na mnoge operatere čvorova. Iznad toga nalazi se sloj AI agenata – autonomni programi koji djeluju u ime korisnika, sve češće obračunavajući plaćanja u kriptovalutama. Olas i Virtuals Protocol su najčešće spominjani projekti u ovom području, oboje su još uvijek u razvoju.
Najbolji DeAI projekti koje trebate poznavati 2026.
DeAI je kategorija, a ne pojedinačni konkurent OpenAI-u. Grupirajte projekte prema onome što zapravo rade.
AI-nativni blockchaini i mreže za obuku
Bittensor (TAO) je najčešće navođen primjer. Pokreće 128 aktivnih "submreža", od kojih je svaka specijalizirano tržište za jedan AI zadatak: predobuku jezičnog modela, ugradnje slika, financijsko predviđanje, govor i pretraživanje.
Rudari se natječu na svakom podmreži za nagrade u tokenima na temelju kvalitete izlaza. U prvom tromjesečju 2026. NVIDIA je uložila 420 milijuna dolara, a Polychain Capital je dodao 200 milijuna dolara, čime su ukupni institucionalni priljevi premašili 620 milijuna dolara. Prihodi mreže dosegli su 43 milijuna dolara u posljednjem tromjesečju.
Savez ASI
Fetch.ai, SingularityNET, Ocean Protocol i (kasnije) CUDOS spojili su se 2024. godine kako bi formirali Savez umjetne superinteligencije, konsolidirajući tokene u FET s planovima da ga preimenuju u ASI. Potpuna promjena brenda nikada nije dovršena na burzama, pa većina i dalje navodi FET.
U listopadu 2025. Ocean Protocol se formalno povukao iz saveza zbog nesuglasica oko upravljanja. Preostali članovi (Fetch.ai, SingularityNET i CUDOS) nastavljaju isporučivati proizvode, uključujući ASI-1 mini, Web3-nativni LLM s 7 milijardi parametara, i planirani Layer 1 nazvan ASI Chain.
Agenti
Olas se usredotočuje na ekonomiju autonomnih agenata: neovisni programi koji međusobno plaćaju, koordiniraju se i obavljaju zadatke. Virtuals Protocol se usredotočuje na AI agente potrošača, osobito u igrama i društvenim mrežama. Ovaj sloj je najnoviji i još uvijek se razvija.
Što je zapravo decentralizirano, a što nije
DeAI ima stvaran zamah i stvarne praznine. Iskrena procjena, sloj po sloj:
Obuka modela Frontier: i dalje centralizirana
Obuka GPT-5 skalarnog modela zahtijeva stotine milijuna dolara koordiniranih računalnih resursa, vlasničkih podataka i centraliziranog inženjerskog tima. Nijedan DeAI projekt to ne radi u razmjeru frontier i neće to uskoro učiniti.
Čak je i najveći tehnički podvig Bittensora (Covenant AI-jev kolaborativni pre-training s 72 milijarde parametara u ožujku 2026.) bio redova veličine manji od napora Frontier Laba. Covenant je kasnije napustio mrežu, nazivajući decentralizaciju "pozorištem" zbog sporova oko upravljanja, podsjetnik da "decentralizirano" može opisati matematiku, a da ne opisuje moć.
Računarstvo: istinski decentralizirati
GPU-ovi su zamjenjivi, zadaci su kratki, a provjera rezultata je jednostavna, zbog čega se opskrba ovdje doista ostvarila. Render obrađuje oko 1,5 milijuna kadrova mjesečno; Akash je u prvom tromjesečju 2026. premašio 5 milijuna dolara potrošnje na računalne usluge; io.net objedinjuje GPU-ove u više od 130 zemalja. Ista kartica koja noću pokreće videoigru može sljedećeg jutra pokrenuti zadatak inferencije, a kupac ne mora znati tko je njezin vlasnik.
Zaključak: izvedivo i rastuće
Inferencija je bezstanja, zadaci su mali, a rezultati provjerljivi – prirodan sljedeći sloj za decentralizaciju nakon sirovog računanja. Mreže koriste potrošačke i gejmerske GPU-ove koji bi inače stajali neiskorišteni, pa se mali open-weight model poput Llama-3-8B često može poslužiti za polovicu troška AWS-a ili Azurea. Jaz se smanjuje kako model raste; decentralizirano posluživanje modela od 400 milijardi parametara i dalje je teže nego na hiperskaleru.
Tržišta podataka: rana, ali stvarna
Mreže poput Vane za osobne podatke i Grassa za podatke prikupljene s weba dokazuju da je decentralizirana razmjena podataka tehnički izvediva. Teže je pitanje potražnje. Laboratoriji za umjetnu inteligenciju već imaju sve što im treba: prikupljene podatke s otvorenog weba i premium direktne sporazume (Reddit–Google, NYT–OpenAI, Shutterstock). Dezentralizirana tržišta rješavaju problem na strani ponude koji strana potražnje još nema, iako će se to promijeniti ako podaci za obuku postanu sporni.
Istraživanje i razvoj potaknuti tokenima: rad u uskim nišama
Nagradni tokeni dobro funkcioniraju za postupna poboljšanja na mjerljivim zadacima (točnost pretvorbe govora u tekst, kvaliteta ugradnje, referentne vrijednosti za klasifikaciju slika), a Bittensorove podmreže proizvode konkurentne modele upravo u tim nišama. Ono što tokeni ne mogu lako financirati jest istraživanje koje donosi proboj, za koje su potrebne godine strpljivog ulaganja, skupi eksperimenti i tolerancija na neuspjeh. Bittensorovi sporovi o upravljanju također postavljaju strukturno pitanje: istraživanje i razvoj usklađeni s tokenima funkcioniraju samo onoliko dobro koliko je dobar protokol oko njih.
Zaključak
Zanimljivo pitanje o DeAI-u 2026. jest koji slojevi stoga izdrže kad dođe do pomne provjere. Računski resursi i inferencija obavljaju stvaran, mjerljiv posao za plaćajuće korisnike.
Tržišta podataka i modela rastu, ali su neproverena. Sloj upravljanja (dio koji odlučuje opisuje li "decentralizirano" matematiku ili moć) neprestano stvara kontroverze poput izlaska Ocean iz ASI Alliancea i Covenant iz Bittensora.
DeAI neće zamijeniti OpenAI 2026. godine, a možda nikada ni neće. Ali gradi stvarne alternative u sredini i na rubovima slojevitog sustava, i upravo će se tamo većina ljudi na kraju ipak susresti s umjetnom inteligencijom.
