Сфера искусственного интеллекта стремительно консолидируется. Пять передовых лабораторий (OpenAI, Anthropic, Google DeepMind, Meta и xAI) контролируют большинство самых мощных моделей в мире, проприетарные данные, на которых они были обучены, а также вычислительные кластеры, необходимые для обучения новых моделей. Децентрализованный ИИ — это ответ, основанный на криптовалютных технологиях.
Децентрализованный ИИ, или DeAI, — это концепция, согласно которой те же компоненты, которые обеспечивают работу современного ИИ, могут координироваться с помощью блокчейнов и токенов-стимулов вместо одной компании. Его цель не в том, чтобы превзойти OpenAI по мощности обучения на кластере графических процессоров стоимостью 10 миллиардов долларов, а в том, чтобы создать открытые альтернативы на тех уровнях, где децентрализация действительно работает.
Что такое децентрализованный ИИ?
Децентрализованный ИИ, часто обозначаемый аббревиатурой DeAI, представляет собой системы искусственного интеллекта, построенные на инфраструктуре блокчейна и координируемые с помощью токенов-стимулов, при этом вычислительные ресурсы, данные, модели и процесс принятия решений распределяются между множеством участников, а не сосредоточены в одной компании.
Аббревиатура «DeAI» (с заглавной буквой D и заглавными буквами AI) в настоящее время является стандартной в данной сфере; в тексте мы используем её как синоним термина «децентрализованный ИИ». Этот термин охватывает нечто более широкое, чем какой-либо отдельный проект. Он включает в себя стек (вычислительные рынки внизу, сети данных и моделей посередине, фреймворки агентов наверху), соединенный координационными слоями блокчейна.
DeAI призвана противостоять трем тенденциям. Во-первых, это концентрация передовых разработок в области ИИ в пяти лабораториях, чьи внутренние решения по согласованию целей, безопасности и ценообразованию затрагивают всех. Во-вторых, непрозрачность закрытых моделей, обученных на данных, которые общественность не может видеть и на использование которых она не давала согласия. В-третьих, несогласованность интересов лабораторий ИИ и пользователей, на данных которых они обучались: ценность течет в одну сторону, при этом ни токены, ни доли, ни доходы не возвращаются участникам.
Ни одна из этих проблем не решается полностью за счет внедрения блокчейна. Однако решение каждой из них становится более реальным, когда право собственности, платежи и подтверждения могут координироваться в системе без разрешений.
Децентрализованный ИИ против федеративного обучения
«Децентрализованный ИИ» и «федеративное обучение» звучат похоже, но решают совершенно разные задачи. Федеративное обучение — это метод машинного обучения с обеспечением конфиденциальности, который используют крупные технологические компании; DeAI — это крипто-ориентированное движение, построенное на блокчейнах и токенах.
При федеративном обучении модель обучается на множестве устройств (вашем телефоне, серверах больницы, базе данных банка), при этом исходные данные никогда не покидают каждое из этих устройств. Передаются только обновления модели. Google Gboard использует эту технологию для прогнозирования следующего слова; Apple — для обучения на устройстве; медицинские консорциумы — для обучения диагностических моделей без раскрытия медицинских карт пациентов. Центральная сторона, обычно компания, владеющая моделью, координирует весь процесс.
DeAI — это противоположность централизованной координации. Вычислительные ресурсы, данные, а иногда и сама модель находятся в собственности и управляются множеством независимых участников. Их работу координирует блокчейн, а полезный вклад вознаграждается токенами.
Эти два подхода можно сочетать, поскольку методы федеративного обучения могут применяться в системах DeAI для обеспечения конфиденциальности. Однако само по себе федеративное обучение не является DeAI. Федеративное обучение касается того, как осуществляются математические вычисления. DeAI касается того, кому принадлежит система.
Как работает децентрализованный ИИ
DeAI — это не отдельная технология, а целый стек. Важны четыре уровня, каждый из которых включает в себя собственные проекты.
Вычислительный уровень
Графические процессоры (GPU) и другое оборудование, необходимое для обучения и запуска моделей искусственного интеллекта. Именно в этом аспекте DeAI напрямую пересекается с DePIN. Такие сети, как Render, Akash и io.net, сдают в аренду децентрализованные вычислительные мощности GPU для задач искусственного интеллекта — от отдельных энтузиастов, выполняющих задачи инференса, до стартапов, занимающихся масштабной настройкой моделей. Дефицит графических процессоров в 2024–2026 годах сделал этот уровень наиболее активной частью экосистемы DeAI.
Уровень данных
Наборы данных, необходимые для обучения моделей. Децентрализованные платформы для обмена данными позволяют владельцам данных монетизировать свои наборы данных, не теряя при этом контроль над ними. Сети хранения данных, такие как Filecoin и Arweave, хранят весовые коэффициенты моделей, обучающие наборы данных и результаты. Объем данных здесь пока остается скромным по сравнению с централизованными брокерами данных, но инфраструктура работает.
Слой модели
Модели с открытым весом, которые любой может запускать, настраивать или модифицировать. Сети обучения с токеновым стимулированием, наиболее известной из которых является Bittensor, вознаграждают участников за вклад в улучшение моделей при решении конкретных задач. Обратите внимание, что «открытые веса» сами по себе (Llama от Meta, модели Mistral) не являются DeAI. Это открытый исходный код. DeAI добавляет к открытости координацию на блокчейне и токен-экономику.
Уровень вывода и агентов
Как только модель создана, кто-то должен ее запустить. Децентрализованные сети инференции распределяют эту работу между множеством операторов узлов. Над ними находится уровень ИИ-агентов — автономных программ, действующих от имени пользователя и все чаще осуществляющих расчеты в криптовалюте. Наиболее часто упоминаемыми проектами в этой сфере являются Olas и Virtuals Protocol, оба из которых все еще находятся на стадии развития.
Лучшие проекты в области DeAI, о которых стоит знать в 2026 году
DeAI — это целая категория, а не отдельный конкурент OpenAI. Группируйте проекты по тому, чем они на самом деле занимаются.
Блокчейны с встроенным ИИ и обучающие сети
Наиболее часто приводимым примером является Bittensor (TAO). Он управляет 128 активными «подсетями», каждая из которых представляет собой специализированный рынок для одной задачи в области искусственного интеллекта: предварительное обучение языковых моделей, встраивание изображений, финансовое прогнозирование, обработка речи, поиск.
В каждой подсети майнеры соревнуются за вознаграждение в виде токенов, размер которого зависит от качества вычислений. В первом квартале 2026 года компания NVIDIA вложила 420 миллионов долларов, а Polychain Capital — 200 миллионов, в результате чего совокупный объем институциональных инвестиций превысил 620 миллионов долларов. Доход сети в прошлом квартале составил 43 миллиона долларов.
Альянс ASI
В 2024 году Fetch.ai, SingularityNET, Ocean Protocol и (позже) CUDOS объединились, образовав Альянс искусственного сверхразума (Artificial Superintelligence Alliance), объединив свои токены в единый токен FET с планами переименовать его в ASI. Полный ребрендинг так и не был завершен на всех биржах, поэтому большинство из них по-прежнему торгуют токеном FET.
В октябре 2025 года Ocean Protocol официально вышел из альянса из-за разногласий по вопросам управления. Остальные участники (Fetch.ai, SingularityNET и CUDOS) продолжают выпускать продукты, в том числе ASI-1 mini — нативную для Web3 модель LLM с 7 миллиардами параметров — и планируемый Layer 1 под названием ASI Chain.
Агенты
Olas специализируется на экономике автономных агентов: независимых программах, которые осуществляют взаимные платежи, координируют свои действия и выполняют задачи. Virtuals Protocol ориентирован на потребительских ИИ-агентов, особенно в игровой и социальной сферах. Этот уровень является самым новым и пока находится в стадии развития.
Что на самом деле является децентрализованным, а что нет
В области DeAI наблюдается реальный рост, но и существуют реальные пробелы. Честная оценка, шаг за шагом:
Обучение на модели Frontier: по-прежнему централизованное
Обучение модели масштаба GPT-5 требует сотен миллионов долларов на обеспечение скоординированных вычислительных ресурсов, собственных данных и централизованной команды инженеров. Ни один проект по удалению искусственного интеллекта (DeAI) не осуществляет это в таких масштабах и в ближайшее время не сможет этого сделать.
Даже самый значительный технический прорыв Bittensor (проведенная в марте 2026 года совместная предварительная обучение модели Covenant AI с 72 миллиардами параметров) был на порядок меньше, чем достижения передовых исследовательских лабораторий. Позже Covenant вышел из сети, назвав децентрализацию «театром» из-за споров по поводу управления, что напоминает о том, что термин «децентрализованный» может описывать математику, но не власть.
Вычисления: подлинная децентрализация
Графические процессоры взаимозаменяемы, задания выполняются быстро, а проверка результатов не представляет сложности — именно поэтому в этой сфере удалось обеспечить достаточный объем предложения. Сервис Render обрабатывает около 1,5 миллиона кадров в месяц; в первом квартале 2026 года компания Akash превысила отметку в 5 миллионов долларов по расходам на вычислительные ресурсы; платформа io.net объединяет графические процессоры из более чем 130 стран. Та же самая видеокарта, на которой вечером запущена видеоигра, на следующее утро может выполнять задачу инференса, и клиенту не нужно знать, кому она принадлежит.
Выводы: реалистичные и перспективные
Вычисления не требуют сохранения состояния, задания небольшие, а результаты поддаются проверке — это естественный следующий уровень децентрализации после вычислительных ресурсов. Сети задействуют потребительские и игровые графические процессоры, которые в противном случае простаивали бы, поэтому небольшая модель с открытым весом, такая как Llama-3-8B, часто может обслуживаться за половину стоимости по сравнению с AWS или Azure. Разница сокращается по мере увеличения размера модели; децентрализованное обслуживание модели с 400 миллиардами параметров по-прежнему сложнее, чем на гипермасштабируемой платформе.
Платформы для обмена данными: пока в зачаточном состоянии, но уже существуют
Такие сети, как Vana для личных данных и Grass для данных, собранных с веб-сайтов, доказывают, что децентрализованный обмен данными технически возможен. Более сложный вопрос — это спрос. Лаборатории искусственного интеллекта уже имеют всё необходимое: данные, собранные из открытого интернета, а также прямые соглашения с премиум-партнерами (Reddit–Google, NYT–OpenAI, Shutterstock). Децентрализованные торговые площадки решают проблему со стороны предложения, которой пока нет со стороны спроса, хотя ситуация изменится, если обучающие данные станут более востребованными.
Научно-исследовательские и опытно-конструкторские работы с использованием токенов в качестве стимула: работа в узких нишах
Вознаграждение в виде токенов хорошо подходит для постепенного совершенствования по измеримым задачам (точность преобразования речи в текст, качество встраивания, тесты по классификации изображений), и подсети Bittensor создают конкурентоспособные модели именно в этих нишах. То, что токены не могут легко финансировать, — это прорывные исследования, которые требуют многолетнего терпеливого капитала, дорогостоящих экспериментов и готовности к неудачам. Споры по поводу управления Bittensor также поднимают структурный вопрос: ориентированные на токены исследования и разработки работают только настолько хорошо, насколько хорошо работает протокол вокруг них.
Заключение
Интересный вопрос, касающийся DeAI в 2026 году, заключается в том, какие уровни стека выдержат проверку. Вычислительные и инференционные процессы выполняют реальную, поддающуюся измерению работу для платных клиентов.
Рынки данных и моделей растут, но их надежность пока не доказана. Уровень управления (то, что определяет, относится ли термин «децентрализованный» к математике или к власти) продолжает вызывать споры, такие как выход Ocean из альянса ASI и Covenant из Bittensor.
DeAI не заменит OpenAI в 2026 году и, возможно, никогда этого не сделает. Но эта компания создает реальные альтернативы на промежуточных уровнях и на периферии технологической архитектуры, а именно там большинство людей в конечном итоге и будет взаимодействовать с ИИ.
