Résumé Exécutif
Le fondateur d'Akash Network, Greg Osuri, a lancé un avertissement concernant les demandes énergétiques croissantes de l'entraînement de l'intelligence artificielle (IA), affirmant que la croissance rapide de l'industrie pourrait précipiter une crise énergétique mondiale. Osuri préconise une approche décentralisée de l'entraînement de l'IA, faisant des parallèles avec l'extraction précoce de Bitcoin, comme une solution plus durable et économiquement viable pour atténuer la pression environnementale et financière imposée par les centres de données centralisés traditionnels.
L'événement en détail
Greg Osuri, fondateur d'Akash Network, a souligné la profonde consommation d'énergie de l'IA, notant qu'à mesure que les modèles d'IA se développent, leur entraînement pourrait bientôt nécessiter des puissances énergétiques équivalentes à celles d'un réacteur nucléaire. Lors d'une interview, Osuri a déclaré que l'industrie sous-estimait le rythme auquel les demandes de calcul doublent, ainsi que leurs coûts environnementaux associés. Il a souligné que les centres de données centralisés existants consomment déjà des centaines de mégawatts d'énergie fossile, contribuant à l'augmentation des factures d'énergie pour les consommateurs et générant des millions de tonnes d'émissions supplémentaires chaque année.
Bloomberg a rapporté le 30 septembre que les centres de données d'IA sont un facteur principal de la flambée des coûts de l'énergie à travers les États-Unis. Les coûts d'électricité en gros dans les zones adjacentes aux centres de données ont augmenté de 267% au cours des cinq dernières années. Osuri a postulé que l'entraînement décentralisé de l'IA, utilisant des réseaux distribués de GPU diversifiés — des puces de qualité entreprise aux cartes graphiques de jeu grand public — offre une alternative à ce modèle de consommation d'énergie concentré.
Osuri a esquissé une vision où les ordinateurs domestiques pourraient contribuer leur puissance de calcul inutilisée et gagner des jetons, reflétant les structures d'incitation précoces de l'extraction de Bitcoin où les utilisateurs ordinaires étaient récompensés pour leur participation au réseau. Ce passage des méga-centres de données centralisés à un réseau distribué vise à améliorer l'efficacité et la durabilité en réduisant la dépendance aux combustibles fossiles et en diminuant les émissions.
Implications pour le marché
Les demandes énergétiques croissantes des centres de données d'IA et de l'extraction de cryptomonnaies par preuve de travail menacent d'entraver la transition vers l'énergie propre et pourraient entraîner une augmentation des tarifs d'électricité. La demande de puissance des centres de données devrait doubler d'ici 2030 pour atteindre 35 GW, une quantité suffisante pour alimenter 40 millions de foyers américains. Cette augmentation substantielle de la demande a suscité des inquiétudes concernant la décarbonisation du réseau et l'augmentation des coûts de l'électricité.
L'entraînement décentralisé de l'IA, en particulier via les Réseaux d'Infrastructure Physique Décentralisés (DePINs), présente une solution potentielle à ces défis d'infrastructure. Des projets comme Bittensor (TAO) et Render (RNDR) sont des pionniers des réseaux d'IA décentralisés, exploitant l'infrastructure GPU existante. Le réseau de Render, avec plus de 45 000 nœuds, offre un rendu GPU et un entraînement d'IA évolutifs et rentables, réduisant les coûts des fournisseurs de cloud traditionnels jusqu'à 70% dans des cas d'utilisation spécifiques.
En outre, les incitations économiques pour les mineurs de Bitcoin existants à se tourner vers l'hébergement d'IA sont convaincantes. Les centres de données d'IA peuvent générer jusqu'à 25 fois plus de revenus par kilowattheure que l'extraction de Bitcoin, rendant la diversification stratégiquement attrayante pour les mineurs et potentiellement stimulant l'investissement dans des solutions de calcul décentralisées.
Greg Osuri a souligné le besoin critique d'un changement de paradigme, déclarant : "Nous arrivons à un point où l'IA tue des gens", faisant référence aux impacts sur la santé de l'utilisation concentrée de combustibles fossiles autour des centres de données. Il estime qu'une fois les mécanismes d'incitation affinés, l'IA décentralisée connaîtra une adoption similaire à l'extraction de crypto précoce, où les utilisateurs étaient récompensés pour leur contribution en puissance de traitement.
Contexte plus large
L'entraînement décentralisé de l'IA vise à démocratiser l'accès aux ressources d'IA et à réduire la domination des laboratoires d'IA centralisés. Cette approche exploite les principes de la cryptomonnaie, y compris l'absence de permission, la confiance et des mécanismes d'incitation robustes, pour construire des réseaux capables d'entraîner des modèles fondamentaux puissants. Les nœuds situés dans des zones géographiques distinctes contribuent à l'entraînement des modèles d'IA sur un réseau incitatif, coordonnant des ressources de calcul hétérogènes.
Des avancées telles que OpenDiLoCo et les Modèles de Protocole permettent une IA haute performance sur des réseaux distribués, favorisant un développement de modèles rentable, résilient et transparent. Les structures d'incitation des réseaux décentralisés, illustrées par Bittensor, alignent les récompenses économiques sur les contributions des participants, motivant les mineurs à fournir des sorties d'IA de haute qualité. Les validateurs au sein de ces réseaux sont récompensés pour l'évaluation et le maintien précis de l'intégrité du réseau. Ce cadre contribue à une pile d'IA entièrement on-chain, sans permission et accessible à chaque couche, contrastant avec les environnements strictement contrôlés du développement d'IA traditionnel.
Edgen Crypto·Sep 30 2025, 12:57