Mabilis na nagkakaisa ang AI. Limang frontier lab (OpenAI, Anthropic, Google DeepMind, Meta, at xAI) ang kumokontrol sa karamihan ng pinakamakapangyarihang mga modelo sa mundo, sa proprietary na datos na ginamit sa pagsasanay nito, at sa mga compute cluster na kailangan para magsanay pa. Ang decentralized AI ang tugon na katutubo sa crypto.
Ang Decentralized AI, o DeAI, ay ang ideya na ang parehong mga sangkap na nagpapatakbo sa modernong AI ay maaaring i-coordinate ng mga blockchain at token na insentibo sa halip na isang solong kumpanya. Hindi nito sinisikap na malampasan ang OpenAI sa isang $10 bilyong GPU cluster, kundi bumuo ng bukas na alternatibo sa mga antas kung saan talagang gumagana ang desentralisasyon.
Ano ang Desentralisadong AI?
Ang Decentralized AI, na madalas na inaikli bilang DeAI, ay tumutukoy sa mga sistemang artipisyal na intelihensiya na nakasalig sa imprastruktura ng blockchain at pinangangasiwaan ng mga insentibong token—na ipinamamahagi ang pagpoproseso, datos, mga modelo, at paggawa ng desisyon sa maraming kalahok sa halip na sa isang kumpanya lamang.
Ang abbreviation na "DeAI" (malaking titik na D, malaking titik na AI) ay ngayon pamantayan na sa buong larangan; ginagamit namin ito nang palitan sa "decentralized AI" sa buong teksto. Mas malawak ang termino kaysa sa anumang iisang proyekto. Saklaw nito ang isang stack (mga pamilihan ng compute sa ibaba, mga network ng datos at modelo sa gitna, mga framework ng ahente sa itaas) na pinag-uugnay ng mga layer ng koordinasyon sa blockchain.
Ang DeAI ay umiiral upang labanan ang tatlong uso. Una, ang konsentrasyon ng frontier AI sa limang laboratoryo na ang panloob na pag-aayon, kaligtasan, at mga desisyon sa pagpepresyo ay nakakaapekto sa lahat. Pangalawa, ang kakulangan sa transparency ng mga saradong modelo na sinanay sa datos na hindi nakikita at hindi pinayagan ng publiko. Pangatlo, ang hindi pagkakatugma sa pagitan ng mga AI lab at ng mga gumagamit na ang datos ang ginamit sa pagsasanay: ang halaga ay dumadaloy sa isang direksyon lamang, nang walang token, bahagi, o kita na bumabalik sa mga nag-ambag.
Walang alinman sa mga problemang iyon ang ganap na nalulutas sa pamamagitan ng pagdaragdag ng blockchain. Ngunit mas nagiging madaling lutasin ang bawat isa kapag ang pagmamay-ari, mga bayad, at mga patunay ay maaaring magkordina sa isang sistemang walang pahintulot.
Desentralisadong AI vs. Pederal na Pagkatuto
Ang "Decentralized AI" at "federated learning" ay tila magkaugnay ngunit nalulutas nila ang magkaibang problema. Ang federated learning ay isang teknik sa ML na nagpoprotekta sa privacy na ginagamit ng mga pangunahing kumpanya sa teknolohiya; ang DeAI ay isang crypto-native na kilusan na nakasentro sa mga blockchain at token.
Sa federated learning, nagsasanay ang isang modelo sa maraming aparato (ang iyong telepono, ang mga server ng ospital, ang database ng bangko) nang hindi kailanman umaalis ang hilaw na datos sa bawat aparato. Tanging ang mga pag-update ng modelo lamang ang ipinapadala. Ginagamit ito ng Google Gboard para sa hula ng susunod na salita; ginagamit ito ng Apple para sa pagkatuto sa device; ginagamit ito ng mga medikal na konsorsiyum para sanayin ang mga modelong pang-diagnostiko nang hindi inilalantad ang mga talaan ng pasyente. Isang sentral na partido, karaniwang ang kumpanyang nagmamay-ari ng modelo, ang nagko-coordinate ng lahat.
Ang DeAI ay kabaligtaran ng sentralisadong koordinasyon. Ang pagpoproseso, datos, at kung minsan ang modelo mismo ay pag-aari at pinapatakbo ng maraming independiyenteng partido. Isang blockchain ang nagko-koordina sa kanila; ang mga token ang gantimpala sa mga kapaki-pakinabang na kontribusyon.
Maaaring pagsamahin ang dalawa, dahil maaaring patakbuhin ang mga teknik ng federated learning sa loob ng mga sistemang DeAI upang mapanatili ang privacy. Ngunit ang federated learning lamang ay hindi DeAI. Ang federated learning ay tungkol sa kung paano isinasagawa ang matematika. Ang DeAI ay tungkol sa kung sino ang nagmamay-ari ng sistema.
Paano Gumagana ang Desentralisadong AI
Ang DeAI ay hindi isang teknolohiya lamang; ito ay isang stack. Apat na antas ang mahalaga, bawat isa ay may sariling mga proyekto.
Ang patong ng pag-compute
GPU at iba pang hardware na kailangan para sanayin at patakbuhin ang mga AI model. Dito direktang nagkakapatong ang DeAI at DePIN. Ang mga network tulad ng Render, Akash, at io.net ay nag-uupa ng desentralisadong GPU power para sa mga AI workload, mula sa mga indibidwal na hobbyist na nagpapatakbo ng inference jobs hanggang sa mga startup na nagsasagawa ng fine-tuning sa malawakang sukat. Ang kakulangan sa GPU mula 2024 hanggang 2026 ang nagawang dahilan upang maging pinaka-aktibong bahagi ng DeAI ecosystem ang patong na ito.
Ang patong ng datos
Kinakailangan ang mga dataset para sanayin ang mga modelo. Pinapayagan ng mga desentralisadong pamilihan ng datos ang mga may-ari ng datos na kumita mula sa mga dataset nang hindi isinusuko ang kontrol. Ang mga storage network tulad ng Filecoin at Arweave ay nagho-host ng mga timbang ng modelo, mga dataset para sa pagsasanay, at mga output. Bagaman katamtaman pa rin ang dami dito kumpara sa mga sentralisadong tagapamagitan ng datos, gumagana ang imprastruktura.
Ang patong ng modelo
Mga open-weight na modelo na maaaring patakbuhin, i-fine-tune, o baguhin ng sinuman. Mga network ng pagsasanay na nagbibigay-gantimpala sa mga token, kung saan ang Bittensor ang pinaka-kilala, ay nagbibigay ng gantimpala sa mga kalahok para sa kanilang ambag na pagpapabuti ng modelo sa mga partikular na gawain. Tandaan na ang "open-weight" lamang (Llama ng Meta, mga modelo ng Mistral) ay hindi pa DeAI. Ito ay open source. Dinadagdagan ng DeAI ang koordinasyon sa blockchain at ekonomiyang token sa ibabaw ng pagiging bukas.
Ang patnubay at patong ng ahente
Kapag mayroon nang modelo, kailangan itong patakbuhin. Ang mga desentralisadong network ng inferensiya ay naghahati ng gawaing iyon sa maraming operator ng node. Sa ibabaw nito ay ang layer ng AI agent – mga awtonomong programa na kumikilos para sa isang gumagamit, na lalong nagbabayad gamit ang crypto. Ang Olas at Virtuals Protocol ang pinakadalas na nabanggit na mga proyekto rito, pareho pang nasa yugto ng pag-unlad.
Mga Nangungunang Proyekto ng DeAI na Dapat Malaman sa 2026
Ang DeAI ay isang kategorya, hindi isang solong kakumpitensya ng OpenAI. I-grupo ang mga proyekto ayon sa kung ano talaga ang kanilang ginagawa.
Mga blockchain na likas sa AI at mga network ng pagsasanay
Ang Bittensor (TAO) ang pinaka-madalas na binanggit na halimbawa. Pinapatakbo nito ang 128 na aktibong "subnets," na ang bawat isa ay isang espesyal na merkado para sa isang AI na gawain: paunang pagsasanay ng modelo ng wika, pag-embed ng mga imahe, pagtataya sa pananalapi, pagsasalita, paghahanap.
Nagkakumpitensya ang mga minero sa bawat subnet para sa gantimpalang token batay sa kalidad ng output. Noong Q1 2026, nangako ang NVIDIA ng $420 milyon na stake at nagdagdag ang Polychain Capital ng $200 milyon, na nagtulak sa pinagsamang institutional inflows na lumampas sa $620 milyon. Umabot sa $43 milyon ang kita ng network sa nakaraang quarter.
Ang Alyansa ng ASI
Nag-merge ang Fetch.ai, SingularityNET, Ocean Protocol, at (bandang huli) CUDOS noong 2024 upang mabuo ang Artificial Superintelligence Alliance, pinagsama ang mga token sa FET na may plano na palitan ang pangalan nito ng ASI. Hindi kailanman natapos ang buong rebrand sa lahat ng exchange, kaya karamihan ay nananatiling naglilista ng FET.
Noong Oktubre 2025, opisyal na umatras ang Ocean Protocol sa alyansa dahil sa mga alitan sa pamamahala. Ang natitirang mga miyembro (Fetch.ai, SingularityNET, at CUDOS) ay patuloy na naglalabas ng mga produkto, kabilang ang ASI-1 mini, isang Web3-native na LLM na may 7 bilyong parametro, at isang planadong Layer 1 na tinatawag na ASI Chain.
Mga ahente
Olas ay nakatuon sa ekonomiya ng mga awtonomong ahente: mga independiyenteng programa na nagbabayad sa isa't isa, nakikipag-ugnayan, at nagsasagawa ng mga gawain. Ang Virtuals Protocol ay nakatuon sa mga AI na ahente ng konsyumer, lalo na sa paglalaro at pakikipag-sosyal. Ang patong na ito ang pinakabago at patuloy pang hinuhubog.
Ano ang Tunay na Desentralisado at Ano ang Hindi
May tunay na sigla ang DeAI at may mga totoong puwang. Tapat na pagtatasa, patong-patong:
Pagsasanay sa modelong Frontier: nananatiling sentralisado
Ang pagsasanay sa isang modelong sukat ng GPT-5 ay nangangailangan ng daan-daang milyong dolyar para sa pinagsamang kompyutasyon, eksklusibong datos, at isang sentralisadong pangkat ng inhinyeriya. Walang DeAI na proyekto ang gumagawa nito sa saklaw ng frontier, at hindi ito mangyayari sa malapit na hinaharap.
Kahit ang pinakamalaking teknikal na tagumpay ng Bittensor (ang 72-bilyong-parameter na collaborative pre-training run ng Covenant AI noong Marso 2026) ay napakalayo ang pagitan kumpara sa mga pagsisikap ng frontier-lab. Umalis ang Covenant sa network kalaunan, tinawag ang desentralisasyon na "teatro" dahil sa mga alitan sa pamamahala, isang paalala na ang "desentralisado" ay maaaring ilarawan ang matematika nang hindi inilalarawan ang kapangyarihan.
Pagkukuwenta: tunay na pagdedesentralisa
Ang mga GPU ay maaaring palitan, maikli ang mga trabaho, at tuwiran ang pag-verify ng output, kaya't nagawa ang suplay dito. Humahawak ang Render ng humigit-kumulang 1.5 milyong frame bawat buwan; nalampasan ng Akash ang $5 milyon sa gastos sa compute sa Q1 2026; pinagsasama-sama ng io.net ang mga GPU sa mahigit 130 bansa. Ang parehong card na nagpapatakbo ng video game sa gabi ay maaaring magpatakbo ng inference job kinabukasan, at hindi kailangang malaman ng customer kung sino ang nagmamay-ari nito.
Konklusyon: posible at lumalago
Ang inferensiya ay walang estado, maliit ang mga trabaho, at beripikable ang mga output – ang natural na susunod na layer para i-decentralize pagkatapos ng hilaw na pag-compute. Ginagamit ng mga network ang mga consumer at gaming GPU na kung hindi ay magiging walang ginagawa, kaya madalas na maihahain ang isang maliit na open-weight na modelo tulad ng Llama-3-8B sa kalahati ng gastos ng AWS o Azure. Lumiliit ang agwat habang lumalaki ang laki ng modelo; mas mahirap pa rin mag-deentralize sa pagseserbisyo ng modelong may 400 bilyong parametro kaysa sa isang hyperscaler.
Mga pamilihan ng datos: maaga pa ngunit totoo
Pinapatunayan ng mga network tulad ng Vana para sa personal na datos at Grass para sa datos na kinukuha mula sa web na teknikal na malulutas ang desentralisadong pagpapalitan ng datos. Ang mas mahirap na tanong ay ang demand. Mayroon nang kailangan ng mga AI lab: datos na kinukuha mula sa bukas na web at mga premium na direktang kasunduan (Reddit–Google, NYT–OpenAI, Shutterstock). Ang mga desentralisadong pamilihan ay naglutas ng isang problemang nasa panig ng suplay na wala pa sa panig ng demand, bagaman magbabago iyon kung mas magiging pinagtatalunan ang datos para sa pagsasanay.
Pananaliksik at pagpapaunlad na hinihikayat ng token: pagtatrabaho sa makitid na mga angkop na lugar
Mabisa ang mga gantimpalang token para sa paunti-unting pagpapabuti sa mga nasusukat na gawain (katumpakan ng speech-to-text, kalidad ng embedding, mga benchmark sa pag-uuri ng larawan) at ang mga subnet ng Bittensor ay nakakalikha ng mga modelong kompetitibo sa eksaktong mga larangang iyon. Ang hindi madaling maipondohan ng mga token ay ang ground-breaking na pananaliksik, na nangangailangan ng maraming taon ng matiyagang puhunan, mamahaling eksperimento, at pagtitiis sa pagkabigo. Ang mga alitan sa pamamahala ng Bittensor ay nagbubunsod din ng isang istrukturang tanong: ang R&D na naka-ayon sa token ay gumagana lamang nang kasing husay ng protocol na nakapaligid dito.
Konklusyon
Ang kawili-wiling tanong tungkol sa DeAI sa 2026 ay kung aling mga layer ng stack ang tatagal kapag sinuri nang mabuti. Ang compute at inference ay gumagawa ng tunay at nasusukat na trabaho para sa mga nagbabayad na customer.
Ang mga pamilihan ng datos at modelo ay lumalago ngunit hindi pa napatunayan. Ang patong ng pamamahala (ang bahagi na nagpapasya kung ang "desentralisado" ay tumutukoy sa matematika o sa kapangyarihan) ay patuloy na nagdudulot ng kontrobersiya tulad ng pag-alis ng Ocean sa ASI Alliance at ng Covenant sa Bittensor.
Hindi papalitan ng DeAI ang OpenAI sa 2026, at maaaring hindi na ito mangyari kailanman. Ngunit nagtatayo ito ng mga tunay na alternatibo sa gitna at sa mga gilid ng stack, at doon naman makikipag-ugnayan ang karamihan sa mga tao sa AI sa huli.
