A mesterséges intelligencia gyorsan konszolidálódik. Öt élen járó kutatólaboratórium (OpenAI, Anthropic, Google DeepMind, Meta és xAI) ellenőrzi a világ legképzettebb modelljeinek nagy részét, az azok betanításához használt saját tulajdonú adatokat, valamint a további modellek betanításához szükséges számítási klasztereket. A decentralizált mesterséges intelligencia a kriptovaluta-alapú válasz erre a helyzetre.
A decentralizált mesterséges intelligencia, röviden DeAI, azon az elképzelésen alapul, hogy a modern mesterséges intelligencia működését biztosító elemeket nem egyetlen vállalat, hanem blokkláncok és tokenalapú ösztönzők segítségével lehet összehangolni. Célja nem az, hogy egy 10 milliárd dolláros GPU-klaszteren felülmúlja az OpenAI-t, hanem hogy olyan rétegekben hozzon létre nyílt alternatívákat, ahol a decentralizáció valóban működőképes.
Mi az a decentralizált mesterséges intelligencia?
A decentralizált mesterséges intelligencia (gyakran DeAI rövidítéssel) olyan mesterséges intelligencia-rendszereket jelöl, amelyek blokklánc-infrastruktúrára épülnek és token-alapú ösztönzőkkel működnek – a számítási feladatok, az adatok, a modellek és a döntéshozatal egyetlen vállalat helyett számos résztvevő között oszlik meg.
A „DeAI” rövidítés (nagy D, nagy AI) mára az egész szektorban általánosan elterjedt; a szövegben végig szinonimaként használjuk a „decentralizált mesterséges intelligencia” kifejezéssel. A kifejezés tágabb értelemben használatos, mint bármelyik egyedi projekt. Egy olyan rétegeket foglal magában (alul a számítási piacok, középen az adat- és modellhálózatok, felül az ügynökkeretrendszerek), amelyeket blokklánc-koordinációs rétegek kötnek össze.
A DeAI azért jött létre, hogy három tendenciával szálljon szembe. Először is a csúcstechnológiájú mesterséges intelligencia öt laboratóriumban való koncentrációjával, amelyek belső összehangoltsága, biztonsági és árazási döntései mindenkit érintenek. Másodszor, a zárt modellek átláthatatlansága, amelyek olyan adatokon alapulnak, amelyeket a nyilvánosság nem láthat, és amelyekhez nem járult hozzá. Harmadszor, az AI-laboratóriumok és azok a felhasználók közötti eltérés, akiknek az adatait felhasználják a képzéshez: az érték egy irányba áramlik, és semmilyen token, részesedés vagy bevétel nem jut vissza a közreműködőknek.
Ezeket a problémákat a blokklánc bevezetése önmagában nem oldja meg teljesen. Ugyanakkor mindegyik könnyebben kezelhetővé válik, ha a tulajdonjogot, a fizetéseket és a bizonyítékokat egy engedélyezés nélküli rendszerben lehet összehangolni.
Decentralizált mesterséges intelligencia kontra szövetségi tanulás
A „decentralizált mesterséges intelligencia” és a „szövetségi tanulás” kifejezések hasonlóan hangzanak, de egészen más problémákat oldanak meg. A szövetségi tanulás egy adatvédelmet biztosító gépi tanulási technika, amelyet a nagy technológiai vállalatok alkalmaznak; a DeAI pedig egy blokkláncokra és tokenekre épülő, kriptográfiai alapú mozgalom.
A szövetségi tanulás során a modell több eszközön (például a telefonodon, egy kórház szerverein, egy bank adatbázisában) történik a betanítás, anélkül, hogy a nyers adatok elhagynák az egyes eszközöket. Csak a modell frissítései kerülnek továbbításra. A Google Gboard a következő szó előrejelzéséhez használja; az Apple az eszközön történő tanuláshoz; az orvosi konzorciumok pedig diagnosztikai modellek betanításához használják anélkül, hogy a betegek adatait nyilvánosságra hoznák. Egy központi fél, általában a modell tulajdonosa, koordinálja az egészet.
A DeAI a központi koordináció ellentéte. A számítási kapacitás, az adatok, és esetenként maga a modell is számos független fél tulajdonában van, és azok üzemeltetik. A blokklánc koordinálja őket; a tokenek pedig a hasznos hozzájárulásokat jutalmazzák.
A kettő kombinálható, mivel a szövetségi tanulási technikák a DeAI-rendszereken belül is futtathatók az adatvédelem biztosítása érdekében. A szövetségi tanulás önmagában azonban nem egyenlő a DeAI-vel. A szövetségi tanulás arról szól, hogyan történik a matematikai feldolgozás. A DeAI arról szól, ki a rendszer tulajdonosa.
Hogyan működik a decentralizált mesterséges intelligencia?
A DeAI nem egyetlen technológia, hanem egy technológiai réteg. Négy rétegből áll, amelyek mindegyike saját projekteket foglal magában.
A számítási réteg
A mesterséges intelligencia modellek betanításához és futtatásához szükséges GPU-k és egyéb hardverek. Ez az a terület, ahol a DeAI közvetlenül átfedésben van a DePIN-nel. Az olyan hálózatok, mint a Render, az Akash és az io.net, decentralizált GPU-teljesítményt adnak bérbe mesterséges intelligencia feladatokhoz – az inferencia-feladatokat futtató egyéni hobbistáktól kezdve a nagy léptékű finomhangolást végző startupokig. A 2024–2026-os GPU-hiány miatt ez a réteg lett a DeAI ökoszisztéma legaktívabb része.
Az adatreteg
A modellek betanításához szükséges adatkészletek. A decentralizált adatpiacok lehetővé teszik az adatkészletek tulajdonosainak, hogy bevételt szerezzenek az adatkészletekből anélkül, hogy feladnák az irányítást. Az olyan tárolóhálózatok, mint a Filecoin és az Arweave, tárolják a modell súlyozásait, a betanító adatkészleteket és a kimeneti adatokat. A forgalom itt még mindig szerény a központosított adatkereskedőkhöz képest, de az infrastruktúra működőképes.
A modellréteg
Nyílt súlyú modellek, amelyeket bárki futtathat, finomhangolhat vagy módosíthat. A tokenekkel ösztönzött tanuló hálózatok – amelyek közül a Bittensor a legismertebb – jutalmazzák a résztvevőket, ha hasznos modellfejlesztésekkel járulnak hozzá bizonyos feladatok megoldásához. Ne feledje, hogy önmagában a „nyitott súlyozás” (a Meta Llama és a Mistral modelljei) nem DeAI. Az nyílt forráskódú. A DeAI a nyitottságon felül blokklánc-koordinációt és token-gazdaságtant is hozzáad.
A következtető és az ügynöki réteg
Miután elkészült a modell, valakinek futtatnia kell azt. A decentralizált következtető hálózatok ezt a feladatot számos csomópont-üzemeltető között osztják szét. Mindezek tetején helyezkedik el a mesterséges intelligencia-ügynökök rétege – olyan autonóm programok, amelyek a felhasználó nevében cselekszenek, és egyre gyakrabban kriptovalutában bonyolítják le a fizetéseket. Az Olas és a Virtuals Protocol a leggyakrabban emlegetett projektek ezen a téren, mindkettő még fejlődőben van.
A 2026-ban érdemes figyelni a legfontosabb DeAI-projektek
A DeAI egy kategória, nem pedig az OpenAI egyetlen versenytársa. A projekteket aszerint csoportosítsd, hogy mit is csinálnak valójában.
Mesterséges intelligenciára épülő blokkláncok és tanuló hálózatok
A Bittensor (TAO) a leggyakrabban emlegetett példa. 128 aktív „alhálózatot” működtet, amelyek mindegyike egy-egy mesterséges intelligencia-feladatra specializálódott piac: nyelvi modellek előzetes betanítása, képbeágyazások, pénzügyi előrejelzések, beszédfeldolgozás, keresés.
A bányászok az egyes alhálózatokon a termelés minőségének függvényében versenyeznek a token-jutalmakért. 2026 első negyedévében az NVIDIA 420 millió dollárral, a Polychain Capital pedig 200 millió dollárral járult hozzá a tőkeáttételhez, így az intézményi befektetések összege meghaladta a 620 millió dollárt. A hálózat bevétele az elmúlt negyedévben 43 millió dollárt ért el.
Az ASI Szövetség
A Fetch.ai, a SingularityNET, az Ocean Protocol és (később) a CUDOS 2024-ben egyesült, és megalakította az Artificial Superintelligence Alliance-t, amelynek keretében a tokeneket FET-be egyesítették, és azt tervezték, hogy ASI-re keresztelik át. A teljes márkanévváltás soha nem valósult meg az összes tőzsdén, ezért a legtöbbjük továbbra is a FET-et jegyzi.
2025 októberében az Ocean Protocol irányítási viták miatt hivatalosan kilépett a szövetségből. A fennmaradó tagok (Fetch.ai, SingularityNET és CUDOS) továbbra is szállítják termékeiket, köztük az ASI-1 mini-t, egy 7 milliárd paraméteres, Web3-natív LLM-et, valamint egy tervezett, ASI Chain nevű Layer 1-et.
Ügynökök
Az Olas az autonóm ügynökök gazdaságára összpontosít: olyan független programokra, amelyek egymásnak fizetnek, egymással együttműködnek és feladatokat hajtanak végre. A Virtuals Protocol a fogyasztói mesterséges intelligencia-ügynökökre összpontosít, különösen a játékok és a közösségi média területén. Ez a réteg a legújabb, és még mindig fejlődőben van.
Mi számít valójában decentralizáltnak, és mi nem
A DeAI-nak vannak erősségei és hiányosságai is. Őszinte értékelés, rétegenként:
A Frontier-modell betanítása: továbbra is központosított
Egy GPT-5-ös méretű modell betanítása több százmillió dollárba kerül, ami magában foglalja a koordinált számítási kapacitást, a saját tulajdonú adatokat és egy központosított mérnöki csapatot. Egyetlen DeAI-projekt sem végzi ezt ilyen hatalmas léptékben, és egyelőre nem is fogja.
Még a Bittensor legnagyobb technikai mérföldköve (a Covenant AI 72 milliárd paraméteres, együttműködésen alapuló előzetes betanítása 2026 márciusában) is nagyságrendekkel kisebb volt, mint a csúcstechnológiai laboratóriumok erőfeszítései. A Covenant később kilépett a hálózatból, a decentralizációt „színháznak” nevezve a kormányzási viták miatt, ami arra emlékeztet, hogy a „decentralizált” kifejezés leírhatja a matematikát anélkül, hogy a hatalmat is leírná.
Számítás: valódi decentralizálás
A GPU-k egymással felcserélhetők, a feladatok rövidek, az eredmények ellenőrzése pedig egyszerű, ezért alakult ki itt tényleges kínálat. A Render havonta körülbelül 1,5 millió képkockát dolgoz fel; az Akash 2026 első negyedévében meghaladta az 5 millió dolláros számítási költséget; az io.net pedig több mint 130 országban gyűjti össze a GPU-kat. Ugyanaz a kártya, amelyik éjszaka videójátékot futtat, másnap reggel inferencia-feladatot is futtathat, és az ügyfélnek nem kell tudnia, ki a tulajdonosa.
Következtetés: megvalósítható és egyre terjedő
A következtetés állapotmentes, a feladatok kicsiek, a kimenetek pedig ellenőrizhetők – ez a nyers számítási kapacitás után a decentralizáció következő természetes lépcsőfoka. A hálózatok olyan fogyasztói és játékcélú GPU-kat használnak ki, amelyek egyébként tétlenül állnának, így egy kis, nyílt súlyú modell, mint például a Llama-3-8B, gyakran az AWS vagy az Azure költségeinek felénél olcsóbban üzemeltethető. A különbség a modell méretének növekedésével csökken; egy 400 milliárd paraméteres modell decentralizált kiszolgálása még mindig nehezebb, mint egy hyperscaleren.
Adatpiacok: még kezdeti stádiumban, de már valós jelenség
Az olyan hálózatok, mint a személyes adatokra specializálódott Vana és a webes adatgyűjtésre szakosodott Grass, bizonyítják, hogy a decentralizált adatcsere technikailag megvalósítható. A nehezebb kérdés a kereslet. A mesterséges intelligencia laboratóriumok már rendelkeznek mindennel, amire szükségük van: a nyílt webről gyűjtött adatokkal, valamint prémium közvetlen megállapodásokkal (Reddit–Google, NYT–OpenAI, Shutterstock). A decentralizált piacterek olyan kínálati oldali problémát oldanak meg, amely a keresleti oldalon még nem jelentkezik, bár ez megváltozhat, ha a képzési adatokért egyre nagyobb verseny alakul ki.
Tokenekkel ösztönzött K+F: szűk piaci résekben való tevékenység
A tokenalapú jutalmazás jól működik a mérhető feladatok fokozatos fejlesztése esetén (beszéd-szöveg átalakítás pontossága, beágyazás minősége, képbesorolási referenciaértékek), és a Bittensor alhálózatai éppen ezeken a szakterületeken hoznak létre versenyképes modelleket. Amit a tokenek nem tudnak könnyen finanszírozni, az az áttörő kutatás, amelyhez évekig tartó türelmes tőke, drága kísérletek és a kudarcok iránti tolerancia szükséges. A Bittensor irányítási vitái egy strukturális kérdést is felvetnek: a tokenekhez igazodó K+F csak annyira működik jól, amennyire a körülötte lévő protokoll.
Következtetés
A DeAI-vel kapcsolatban 2026-ban az a kérdés merül fel, hogy a rendszer mely rétegei állják ki a próbát, amikor a kritikus vizsgálatok megkezdődnek. A számítási és a következtetési rétegek valódi, mérhető munkát végeznek a fizető ügyfelek számára.
Az adat- és modelltőzsdék egyre terjednek, de még nem bizonyítottak. Az irányítási réteg – az a rész, amely eldönti, hogy a „decentralizált” kifejezés a matematikai modellt vagy a hatalmi viszonyokat jellemzi-e – folyamatosan vitákat szül, mint például az Ocean kilépése az ASI Alliance-ból, illetve a Covenant kilépése a Bittensor-ból.
A DeAI nem fogja felváltani az OpenAI-t 2026-ban, és talán soha nem is fogja. De valódi alternatívákat hoz létre a technológiai réteg közepén és szélén, és végül is éppen ott fog a legtöbb ember kapcsolatba kerülni a mesterséges intelligenciával.
