Yönetici Özeti
Akash Network kurucusu Greg Osuri, yapay zeka (AI) eğitiminin artan enerji talepleri hakkında bir uyarı yayınladı ve sektörün hızlı büyümesinin küresel bir enerji krizini hızlandırabileceğini belirtti. Osuri, geleneksel merkezi veri merkezlerinin neden olduğu çevresel ve finansal yükü azaltmak için daha sürdürülebilir ve ekonomik olarak uygun bir çözüm olarak, erken Bitcoin madenciliğine benzer şekilde AI eğitimine merkeziyetsiz bir yaklaşımı savunuyor.
Detaylı Olay
Akash Network kurucusu Greg Osuri, AI'nin derin enerji tüketimini vurgulayarak, AI modelleri genişledikçe, onları eğitmenin yakında bir nükleer reaktörünkine eşdeğer enerji çıkışları gerektirebileceğini belirtti. Bir röportajda Osuri, sektörün hesaplama taleplerinin ikiye katlanma hızını ve buna bağlı çevresel maliyetleri hafife aldığını belirtti. Mevcut merkezi veri merkezlerinin zaten yüzlerce megawatt fosil yakıt gücü tükettiğini, bunun tüketiciler için artan enerji faturalarına katkıda bulunduğunu ve her yıl milyonlarca ton ek emisyon ürettiğini belirtti.
Bloomberg, 30 Eylül'de AI veri merkezlerinin Amerika Birleşik Devletleri genelinde artan güç maliyetlerinin ana faktörü olduğunu bildirdi. Veri merkezlerine bitişik bölgelerdeki toptan elektrik maliyetleri son beş yılda %267 arttı. Osuri, kurumsal düzeydeki çiplerden tüketici oyun kartlarına kadar çeşitli GPU'ların dağıtık ağlarını kullanarak merkeziyetsiz AI eğitiminin, bu yoğun enerji tüketimi modeline bir alternatif sunduğunu öne sürdü.
Osuri, ev bilgisayarlarının boşta duran işlem gücünü katkıda bulunabileceği ve jeton kazanabileceği bir vizyonun ana hatlarını çizdi; bu, sıradan kullanıcıların ağ katılımı için ödüllendirildiği erken Bitcoin madenciliğinin teşvik yapılarını yansıtıyor. Merkezi mega veri merkezlerinden dağıtık bir ağa geçiş, fosil yakıtlara olan bağımlılığı azaltarak ve emisyonları düşürerek verimliliği ve sürdürülebilirliği artırmayı amaçlıyor.
Piyasa Etkileri
AI veri merkezlerinin ve iş ispatı kripto para madenciliğinin artan enerji talepleri, temiz enerjiye geçişi engelleme tehdidi oluşturuyor ve elektrik fiyatlarının artmasına yol açabilir. Veri merkezi güç talebinin 2030 yılına kadar iki katına çıkarak 35 GW'a ulaşması bekleniyor; bu, 40 milyon ABD hanesine güç sağlamaya yetecek bir miktar. Bu önemli talep artışı, şebeke karbonsuzlaştırma ve artan elektrik maliyetleri hakkında endişelere yol açtı.
Özellikle Merkeziyetsiz Fiziksel Altyapı Ağları (DePIN'ler) aracılığıyla merkeziyetsiz AI eğitimi, bu altyapı zorluklarına potansiyel bir çözüm sunuyor. Bittensor (TAO) ve Render (RNDR) gibi projeler, mevcut GPU altyapısından yararlanarak merkeziyetsiz AI ağlarına öncülük ediyor. Render'ın 45.000'den fazla düğüme sahip ağı, ölçeklenebilir ve uygun maliyetli GPU oluşturma ve AI eğitimi sunarak, belirli kullanım durumlarında geleneksel bulut sağlayıcılarını %70'e kadar geride bıraktığı bildiriliyor.
Ayrıca, mevcut Bitcoin madencileri için AI barındırmaya yönelme ekonomik teşvikleri cazip. AI veri merkezleri, kilowatt saat başına Bitcoin madenciliğinden 25 kat daha fazla gelir elde edebilir; bu da çeşitlendirmeyi madenciler için stratejik olarak çekici hale getirir ve merkeziyetsiz hesaplama çözümlerine yatırımı potansiyel olarak artırır.
Uzman Yorumları
Greg Osuri, paradigma değişiminin kritik ihtiyacını vurgulayarak, "AI'nin insanları öldürdüğü bir noktaya geliyoruz" dedi ve veri merkezleri etrafındaki yoğun fosil yakıt kullanımının sağlık üzerindeki etkilerine atıfta bulundu. Teşvik mekanizmaları iyileştirildiğinde, merkeziyetsiz AI'nin, kullanıcıların işlem gücü katkıları için ödüllendirildiği erken kripto madenciliğine benzer bir benimseme yaşayacağına inanıyor.
Geniş Kapsamlı Bağlam
Merkeziyetsiz AI eğitimi, AI kaynaklarına erişimi demokratikleştirmeyi ve merkezi AI laboratuvarlarının hakimiyetini azaltmayı amaçlamaktadır. Bu yaklaşım, güçlü temel modelleri eğitebilecek ağlar oluşturmak için izinsizlik, güvenilmezlik ve güçlü teşvik mekanizmaları dahil olmak üzere kripto para birimi ilkelerini kullanır. Ayrı coğrafi konumlardaki düğümler, heterojen hesaplama kaynaklarını koordine ederek teşvikli bir ağda AI model eğitimine katkıda bulunur.
OpenDiLoCo ve Protokol Modelleri gibi çığır açan gelişmeler, dağıtık ağlarda yüksek performanslı AI'yi etkinleştirerek uygun maliyetli, dayanıklı ve şeffaf model geliştirmeyi teşvik ediyor. Bittensor örneğindeki merkeziyetsiz ağların teşvik yapıları, ekonomik ödülleri katılımcı katkılarıyla hizalayarak madencileri yüksek kaliteli AI çıktıları sunmaya motive ediyor. Bu ağlardaki doğrulayıcılar, ağ bütünlüğünü doğru bir şekilde değerlendirme ve sürdürme karşılığında ödüllendirilir. Bu çerçeve, geleneksel AI geliştirmenin sıkı bir şekilde kontrol edilen ortamlarından farklı olarak, her katmanda izinsiz ve erişilebilir, tamamen zincir üstü bir AI yığınına katkıda bulunur.
Edgen Crypto·Sep 30 2025, 12:57