Področje umetne inteligence se hitro konsolidira. Pet vodilnih raziskovalnih laboratorijev (OpenAI, Anthropic, Google DeepMind, Meta in xAI) nadzira večino najzmogljivejših modelov na svetu, lastniške podatkovne zbirke, na katerih so bili ti modeli usposobljeni, ter računalniške klastre, potrebne za nadaljnje usposabljanje. Decentralizirana umetna inteligenca je odgovor, ki izhaja iz sveta kriptovalut.
Decentralizirana umetna inteligenca, ali DeAI, temelji na zamisli, da se lahko iste komponente, ki omogočajo delovanje sodobne umetne inteligence, usklajujejo prek blokovnih verig in spodbud v obliki tokenov, namesto da bi to počelo eno samo podjetje. Njen cilj ni prekositi OpenAI na grafičnem procesorskem klastru v vrednosti 10 milijard dolarjev, temveč zgraditi odprte alternative na tistih ravneh, kjer decentralizacija dejansko deluje.
Kaj je decentralizirana umetna inteligenca?
Decentralizirana umetna inteligenca, pogosto okrajšano kot DeAI, se nanaša na sisteme umetne inteligence, ki temeljijo na infrastrukturi verige blokov in jih usklajujejo spodbude v obliki žetonov – pri čemer se računska moč, podatki, modeli in sprejemanje odločitev porazdelijo med številne udeležence namesto na eno samo podjetje.
Kratica »DeAI« (velika črka D, velika črka AI) je v tej panogi postala standardna; v nadaljevanju jo uporabljamo kot sopomenko za »decentralizirano umetno inteligenco«. Izraz je širši od katerega koli posameznega projekta. Zajema celoten niz (trgi računalniških zmogljivosti na dnu, omrežja podatkov in modelov v sredini, okviri agentov na vrhu), povezan s koordinacijskimi plastmi blockchaina.
DeAI je nastal z namenom, da se upre trem trendom. Prvič, koncentraciji najnaprednejše umetne inteligence v petih laboratorijih, katerih notranje usklajevanje, varnostne odločitve in določanje cen vplivajo na vse. Drugič, nepreglednost zaprtih modelov, usposobljenih na podatkih, ki jih javnost ne more videti in jim ni privolila. Tretjič, neskladje med laboratoriji za umetno inteligenco in uporabniki, na katerih podatkih so se usposabljali: vrednost teče v eno smer, pri čemer prispevajoči ne dobijo nazaj nobenega žetona, deleža ali prihodka.
Nobena od teh težav ni v celoti rešena z uvedbo tehnologije verižnega bloka. Vendar pa je vsaka od njih lažje rešljiva, če je mogoče lastništvo, plačila in potrdila usklajevati v sistemu brez predhodnih dovoljenj.
Decentralizirana umetna inteligenca proti združenemu učenju
»Decentralizirana umetna inteligenca« in »federativno učenje« se sicer slišita podobno, vendar rešujeta povsem različne probleme. Federativno učenje je tehnika strojnega učenja, ki ohranja zasebnost in jo uporabljajo velika tehnološka podjetja; DeAI pa je gibanje, ki izhaja iz kriptovalut in temelji na blokovnih verigah ter žetonih.
Pri združenem učenju se model usposablja na več napravah (na vašem telefonu, strežnikih bolnišnice, podatkovni bazi banke), ne da bi surovi podatki kdaj koli zapustili posamezno napravo. Prenosajo se le posodobitve modela. Google Gboard ga uporablja za napovedovanje naslednje besede; Apple ga uporablja za učenje na napravi; medicinska združenja ga uporabljajo za usposabljanje diagnostičnih modelov, ne da bi razkrili podatke o pacientih. Vse usklajuje osrednja stranka, običajno podjetje, ki je lastnik modela.
DeAI je nasprotje centraliziranega usklajevanja. Računalniške zmogljivosti, podatki in včasih tudi sam model so v lasti številnih neodvisnih strani, ki jih tudi upravljajo. Blockchain jih usklajuje; žetoni pa nagrajujejo koristne prispevke.
Oboje je mogoče združiti, saj se lahko tehnike združenega učenja izvajajo znotraj sistemov DeAI, da se ohrani zasebnost. Vendar pa samo združeno učenje še ne pomeni DeAI. Pri združenem učenju gre za to, kako se izvaja matematični postopek. Pri DeAI pa gre za to, komu pripada lastništvo nad sistemom.
Kako deluje decentralizirana umetna inteligenca
DeAI ni ena sama tehnologija, temveč celoten sklop. Pomembne so štiri plasti, vsaka s svojimi projekti.
Računalniška plast
Grafične kartice (GPU) in druga strojna oprema, potrebna za usposabljanje in izvajanje modelov umetne inteligence. Prav na tem področju se DeAI neposredno prekriva z DePIN. Omrežja, kot so Render, Akash in io.net, oddajajo v najem decentralizirano zmogljivost grafičnih kartic za obremenitve umetne inteligence – od posameznih ljubiteljev, ki izvajajo naloge sklepanja, do zagonskih podjetij, ki izvajajo natančno prilagajanje v velikem obsegu. Pomanjkanje grafičnih procesorjev v obdobju 2024–2026 je to plast naredilo za najbolj aktivni del ekosistema DeAI.
Podatkovna plast
Podatkovni nizi, potrebni za usposabljanje modelov. Decentralizirane tržnice podatkov lastnikom podatkov omogočajo, da s podatkovnimi nizi ustvarjajo prihodke, ne da bi pri tem izgubili nadzor nad njimi. Omrežja za shranjevanje, kot sta Filecoin in Arweave, gostijo uteži modelov, podatkovne nize za usposabljanje in izhodne podatke. Obseg je tu v primerjavi s centraliziranimi posredniki podatkov še vedno skromen, vendar infrastruktura deluje.
Sloj modela
Modeli z odprto težo, ki jih lahko vsakdo izvaja, natančno prilagaja ali spreminja. Mreže za usposabljanje, ki delujejo na podlagi spodbud v obliki žetonov – med katerimi je najbolj znana Bittensor –, nagrajujejo udeležence za prispevek k koristnim izboljšavam modelov pri določenih nalogah. Upoštevajte, da »odprta teža« sama po sebi (Meta's Llama, Mistralovi modeli) ni DeAI. To je odprta koda. DeAI k odprtosti dodaja še usklajevanje prek verige blokov in ekonomijo žetonov.
Sloj sklepanja in agentov
Ko je model enkrat pripravljen, ga mora nekdo izvajati. Decentralizirana omrežja za sklepanje razporedijo to delo med številne upravitelje vozlišč. Nad tem se nahaja plast AI-agentov – avtonomnih programov, ki delujejo v imenu uporabnika in vedno pogosteje poravnajo plačila v kriptovalutah. Olas in Virtuals Protocol sta na tem področju najpogosteje navajana projekta, ki sta še v fazi razvoja.
Najpomembnejši projekti na področju DeAI, ki jih je vredno poznati v letu 2026
DeAI je kategorija, ne pa posamezni konkurent OpenAI. Projekte razvrstite glede na to, s čim se dejansko ukvarjajo.
Blockchaini, zasnovani na umetni inteligenci, in omrežja za učenje
Bittensor (TAO) je najpogosteje naveden primer. Upravlja 128 aktivnih »podomrežij«, od katerih je vsako specializirano za eno nalogo umetne inteligence: predhodno usposabljanje jezikovnih modelov, vgrajevanje slik, finančno napovedovanje, govor in iskanje.
Rudarji v vsakem podomrežju tekmujejo za nagrade v obliki žetonov, ki temeljijo na kakovosti izhodnih podatkov. V prvem četrtletju leta 2026 je podjetje NVIDIA vložilo 420 milijonov dolarjev, Polychain Capital pa je dodal 200 milijonov dolarjev, s čimer so skupni institucionalni prilivi presegli 620 milijonov dolarjev. Prihodki omrežja so v zadnjem četrtletju dosegli 43 milijonov dolarjev.
Zveza ASI
Fetch.ai, SingularityNET, Ocean Protocol in (kasneje) CUDOS so se leta 2024 združili v Zavezništvo za umetno superinteligenco (Artificial Superintelligence Alliance), pri čemer so združili žetone v FET in načrtovali preimenovanje v ASI. Celotna sprememba blagovne znamke na borzah ni bila nikoli zaključena, zato večina še vedno navaja FET.
Oktobra 2025 se je Ocean Protocol zaradi sporov glede upravljanja uradno umaknil iz zveze. Preostali člani (Fetch.ai, SingularityNET in CUDOS) še naprej ponujajo izdelke, vključno z ASI-1 mini, 7-milijardnim parametrom Web3-native LLM in načrtovanim Layer 1, imenovanim ASI Chain.
Agentje
Olas se osredotoča na ekonomijo avtonomnih agentov: neodvisne programe, ki si med seboj izmenjujejo plačila, se usklajujejo in opravljajo naloge. Virtuals Protocol se osredotoča na potrošniške AI-agente, zlasti na področju iger in družbenih omrežij. Ta plast je najnovejša in se še razvija.
Kaj je dejansko decentralizirano in kaj ni
DeAI ima resnično zagon in resnične pomanjkljivosti. Iskrena ocena, sloj za slojem:
Usposabljanje za model Frontier: še vedno centralizirano
Usposabljanje modela v obsegu GPT-5 zahteva več sto milijonov dolarjev za usklajeno računalniško zmogljivost, lastniške podatke in centralizirano inženirsko ekipo. Noben projekt DeAI tega ne izvaja v takšnem obsegu in tega tudi v bližnji prihodnosti ne bo.
Celo največji tehnični mejnik podjetja Bittensor (skupinsko predhodno usposabljanje modela Covenant AI s 72 milijardami parametrov marca 2026) je bil za več velikostnih redov manjši od dosežkov vodilnih raziskovalnih laboratorijev. Covenant je kasneje izstopil iz omrežja in decentralizacijo označil za »gledališče« zaradi sporov glede upravljanja, kar je opomin, da »decentralizirano« lahko opisuje matematiko, ne da bi opisovalo moč.
Računalništvo: resnična decentralizacija
Grafične kartice so zamenljive, naloge so kratke, preverjanje rezultatov pa preprosto, zato se je ponudba na tem področju dejansko uresničila. Render obdela okoli 1,5 milijona sličic na mesec; Akash je v prvem četrtletju leta 2026 presegel 5 milijonov dolarjev porabe za računalniške zmogljivosti; io.net združuje grafične kartice v več kot 130 državah. Ista kartica, ki ponoči poganja videoigro, lahko naslednje jutro izvaja nalogo sklepanja, pri čemer stranka ne rabi vedeti, komu pripada.
Sklep: izvedljivo in v porastu
Sklepanje je brezstanje, naloge so majhne, rezultati pa preverljivi – to je logična naslednja stopnja decentralizacije po surovi računski moči. Omrežja izkoriščajo potrošniške in igralne grafične kartice, ki bi sicer ostale neizkoriščene, zato je majhen model z odprto težo, kot je Llama-3-8B, pogosto mogoče ponuditi za polovico cene v primerjavi z AWS ali Azure. Razlika se zmanjšuje s povečanjem velikosti modela; decentralizirano izvajanje modela s 400 milijardami parametrov je še vedno težje kot na hyperscalerju.
Trgi podatkov: še v začetnih fazah, a že realnost
Omrežja, kot sta Vana za osebne podatke in Grass za podatke, pridobljene s spletnim izpisovanjem, dokazujejo, da je decentralizirana izmenjava podatkov tehnično izvedljiva. Težje vprašanje je povpraševanje. Laboratoriji za umetno inteligenco že imajo vse, kar potrebujejo: podatke iz odprtega spleta, pridobljene z izpisovanjem, ter neposredne pogodbe z vrhunskimi ponudniki (Reddit–Google, NYT–OpenAI, Shutterstock). Decentralizirani trgi rešujejo problem na strani ponudbe, ki ga stran povpraševanja še nima, čeprav se to spremeni, če postanejo podatki za usposabljanje bolj sporni.
Raziskave in razvoj, spodbujani s tokeni: delovanje v ozkih nišah
Nagrade v obliki tokenov se dobro obnesejo pri postopnem izboljševanju merljivih nalog (natančnost pretvorbe govora v besedilo, kakovost vgrajevanja, merila uspešnosti pri razvrščanju slik), podomrežja Bittensor pa ustvarjajo konkurenčne modele prav v teh nišah. Tokeni pa ne morejo zlahka financirati prebojnih raziskav, ki zahtevajo leta potrpežljivega kapitala, dragih poskusov in tolerance do neuspehov. Spori glede upravljanja Bittensorja prav tako postavljajo strukturno vprašanje: raziskave in razvoj, usklajeni s tokeni, delujejo le toliko, kolikor deluje protokol okoli njih.
Zaključek
Zanimivo vprašanje v zvezi z DeAI v letu 2026 je, katere plasti sistema bodo zdržale, ko bo prišlo do podrobnejše preiskave. Računalniška zmogljivost in sklepanje opravljata dejansko, merljivo delo za plačljive stranke.
Trgi s podatki in modeli se širijo, vendar še niso dokazali svoje zanesljivosti. Ravni upravljanja (tisti del, ki odloča, ali izraz »decentraliziran« opisuje matematični model ali pa razporeditev moči) še naprej povzročajo polemike, kot sta izstop podjetja Ocean iz zveze ASI Alliance in izstop podjetja Covenant iz Bittensorja.
DeAI leta 2026 ne bo nadomestil OpenAI-ja in morda ga nikoli ne bo. Vendar pa razvija resnične alternative v srednji in obrobnih delih tehnološkega niza, kjer bo večina ljudi tako ali tako na koncu prišla v stik z umetno inteligenco.
