Tóm tắt điều hành
Người sáng lập Akash Network Greg Osuri đã đưa ra cảnh báo về nhu cầu năng lượng ngày càng tăng của việc đào tạo trí tuệ nhân tạo (AI), khẳng định rằng sự tăng trưởng nhanh chóng của ngành có thể gây ra một cuộc khủng hoảng năng lượng toàn cầu. Osuri ủng hộ một cách tiếp cận phi tập trung đối với đào tạo AI, vẽ ra những điểm tương đồng với khai thác Bitcoin thời kỳ đầu, như một giải pháp bền vững và khả thi hơn về mặt kinh tế để giảm bớt gánh nặng về môi trường và tài chính do các trung tâm dữ liệu tập trung truyền thống gây ra.
Chi tiết sự kiện
Greg Osuri, người sáng lập Akash Network, đã nhấn mạnh mức tiêu thụ năng lượng sâu sắc của AI, lưu ý rằng khi các mô hình AI mở rộng, việc đào tạo chúng có thể sớm đòi hỏi công suất đầu ra tương đương với một lò phản ứng hạt nhân. Trong một cuộc phỏng vấn, Osuri tuyên bố rằng ngành đang đánh giá thấp tốc độ tăng gấp đôi nhu cầu tính toán, cùng với các chi phí môi trường liên quan. Ông chỉ ra rằng các trung tâm dữ liệu tập trung hiện có đã tiêu thụ hàng trăm megawatt điện từ nhiên liệu hóa thạch, góp phần làm tăng hóa đơn năng lượng cho người tiêu dùng và tạo ra hàng triệu tấn khí thải bổ sung hàng năm.
Bloomberg đưa tin vào ngày 30 tháng 9 rằng các trung tâm dữ liệu AI là yếu tố chính làm tăng chi phí điện trên khắp Hoa Kỳ. Chi phí điện bán buôn ở các khu vực lân cận trung tâm dữ liệu đã tăng vọt 267% trong năm năm qua. Osuri cho rằng đào tạo AI phi tập trung, sử dụng các mạng lưới GPU phân tán đa dạng — từ chip cấp doanh nghiệp đến card đồ họa chơi game tiêu dùng — cung cấp một giải pháp thay thế cho mô hình tiêu thụ năng lượng tập trung này.
Osuri đã phác thảo một tầm nhìn trong đó máy tính gia đình có thể đóng góp sức mạnh tính toán dự phòng và kiếm được mã thông báo, phản ánh cấu trúc khuyến khích ban đầu của khai thác Bitcoin, nơi người dùng thông thường được thưởng khi tham gia mạng. Sự chuyển đổi này từ các trung tâm dữ liệu siêu lớn tập trung sang một mạng lưới phân tán nhằm mục đích nâng cao hiệu quả và tính bền vững bằng cách giảm sự phụ thuộc vào nhiên liệu hóa thạch và giảm lượng khí thải.
Ảnh hưởng thị trường
Nhu cầu năng lượng ngày càng tăng của các trung tâm dữ liệu AI và khai thác tiền điện tử bằng chứng công việc đe dọa cản trở quá trình chuyển đổi sang năng lượng sạch và có thể dẫn đến tăng giá điện. Nhu cầu năng lượng của trung tâm dữ liệu được dự đoán sẽ tăng gấp đôi vào năm 2030 lên 35 GW, một lượng đủ để cấp điện cho 40 triệu hộ gia đình Hoa Kỳ. Sự gia tăng đáng kể này trong nhu cầu đã gây ra lo ngại về việc khử carbon lưới điện và tăng chi phí điện.
Đào tạo AI phi tập trung, đặc biệt thông qua Mạng lưới cơ sở hạ tầng vật lý phi tập trung (DePIN), trình bày một giải pháp tiềm năng cho những thách thức cơ sở hạ tầng này. Các dự án như Bittensor (TAO) và Render (RNDR) đang tiên phong trong các mạng lưới AI phi tập trung, tận dụng cơ sở hạ tầng GPU hiện có. Mạng lưới của Render, với hơn 45.000 nút, cung cấp khả năng kết xuất GPU và đào tạo AI có thể mở rộng và hiệu quả về chi phí, được cho là giảm tới 70% so với các nhà cung cấp đám mây truyền thống trong các trường hợp sử dụng cụ thể.
Hơn nữa, các ưu đãi kinh tế cho những người khai thác Bitcoin hiện có để chuyển sang lưu trữ AI là rất hấp dẫn. Các trung tâm dữ liệu AI có thể tạo ra doanh thu cao hơn tới 25 lần trên mỗi kilowatt giờ so với khai thác Bitcoin, khiến việc đa dạng hóa trở nên hấp dẫn về mặt chiến lược đối với những người khai thác và có khả năng thúc đẩy đầu tư vào các giải pháp tính toán phi tập trung.
Bình luận của chuyên gia
Greg Osuri nhấn mạnh nhu cầu cấp thiết về một sự thay đổi mô hình, nói rằng, "Chúng ta đang đến một điểm mà AI đang giết chết con người," đề cập đến những tác động sức khỏe từ việc sử dụng nhiên liệu hóa thạch tập trung xung quanh các trung tâm dữ liệu. Ông tin rằng một khi các cơ chế khuyến khích được tinh chỉnh, AI phi tập trung sẽ trải nghiệm sự chấp nhận tương tự như khai thác tiền điện tử thời kỳ đầu, trong đó người dùng được thưởng khi đóng góp sức mạnh xử lý.
Bối cảnh rộng hơn
Đào tạo AI phi tập trung nhằm mục đích dân chủ hóa quyền truy cập vào tài nguyên AI và giảm sự thống trị của các phòng thí nghiệm AI tập trung. Cách tiếp cận này khai thác các nguyên tắc của tiền điện tử, bao gồm sự không cần cấp phép, không tin cậy và các cơ chế khuyến khích mạnh mẽ, để xây dựng các mạng lưới có khả năng đào tạo các mô hình nền tảng mạnh mẽ. Các nút ở các vị trí địa lý riêng biệt đóng góp vào việc đào tạo mô hình AI trên một mạng lưới được khuyến khích, điều phối các tài nguyên tính toán không đồng nhất.
Các đột phá như OpenDiLoCo và Mô hình Giao thức đang cho phép AI hiệu suất cao trên các mạng lưới phân tán, thúc đẩy phát triển mô hình hiệu quả về chi phí, khả năng phục hồi và minh bạch. Các cấu trúc khuyến khích của các mạng lưới phi tập trung, được minh họa bởi Bittensor, điều chỉnh các phần thưởng kinh tế với sự đóng góp của người tham gia, thúc đẩy những người khai thác cung cấp các đầu ra AI chất lượng cao. Các trình xác thực trong các mạng lưới này được thưởng vì đã đánh giá và duy trì chính trực mạng một cách chính xác. Khung này đóng góp vào một ngăn xếp AI hoàn toàn trên chuỗi, không cần cấp phép và có thể truy cập ở mọi lớp, trái ngược với môi trường được kiểm soát chặt chẽ của phát triển AI truyền thống.
Edgen Crypto·Sep 30 2025, 12:57