作者：Gaurav Sharma，首席执行官 io.net
Vitalik Buterin 最近宣布 2026 年是“夺回计算自主权失地”之年。他分享了自己做出的改变：用 Fileverse 替换 Google Docs，用 Proton Mail 替换 Gmail，用 Signal 替换 Telegram，并尝试在自己的笔记本电脑上本地运行大型语言模型，而不是通过云服务。
这种直觉是正确的。集中式人工智能基础设施确实是一个问题。亚马逊、微软和谷歌这三家公司目前控制着全球66%的云基础设施支出，而去年仅一个季度，该市场规模就达到了1026亿美元。当所有指令都通过这种集中化的基础设施传输时，用户就放弃了对本应保持私密的数据的控制权。对于任何关心数字自主权的人来说，这都应该被视为一种结构性缺陷。但维塔利克提出的解决方案——在个人硬件上本地部署人工智能——却接受了一种本不必存在的权衡。对于任何试图构建严肃人工智能应用的人来说，他的框架并没有提供任何真正的前进方向。
本地计算的上限
在自己的设备上运行人工智能显然很有吸引力。如果模型始终在您的笔记本电脑上运行，那么您的数据也不会离开。没有第三方，没有监控，也不依赖企业基础设施。这适用于轻量级应用场景。个人用户进行基本推理或开发人员尝试小型模型，都可以利用本地托管的模型创造价值。Vitalik 承认目前在可用性和效率方面存在一些限制，但他认为这些只是暂时的障碍，随着时间的推移会逐渐消失。
然而，训练模型、大规模运行推理以及部署持续运行的智能体都需要个人硬件无法提供的强大GPU算力。即使是单个AI智能体通宵运行也需要持续的计算能力。一旦你离开办公桌，AI助手“始终在线”的承诺便会化为泡影。企业级部署每天需要数千小时的GPU计算。一家初创公司训练一个专用模型一周消耗的计算能力，可能比一台高端笔记本电脑一年的计算能力还要多。一个雄心勃勃的研究团队可能将80%甚至更多的资金用于GPU计算——这些资源原本可以用于人才培养、研发或市场拓展。资金雄厚的巨头可以轻松承担这些成本，而其他公司则被拒之门外。
然而，训练模型、大规模运行推理以及部署持续运行的智能体都需要个人硬件无法提供的强大GPU算力。即使是单个AI智能体通宵运行也需要持续的计算能力。一旦你离开办公桌，AI助手“始终在线”的承诺便会化为泡影。企业级部署每天需要数千小时的GPU计算。一家初创公司训练一个专用模型一周消耗的计算能力，可能比一台高端笔记本电脑一年的计算能力还要多。一个雄心勃勃的研究团队可能将80%甚至更多的资金用于GPU计算——这些资源原本可以用于人才培养、研发或市场拓展。资金雄厚的巨头可以轻松承担这些成本，而其他公司则被拒之门外。
本地托管并不能解决这个问题，它隐含地接受了一种二元选择，让大多数开发者无路可走：要么保持小规模和自主性，要么扩大规模并将数据交给亚马逊、谷歌或微软。
错误的二元论
加密社区应该能够准确识别这种框架的本质。去中心化的初衷并非为了削弱维护独立性的能力，而是为了实现规模化和主权的共存。同样的原则也适用于计算领域。
全球范围内，数百万个GPU闲置在数据中心、企业、大学和独立设施中。如今，最先进的去中心化计算网络将这些分散的硬件聚合为弹性、可编程的基础设施。这些网络目前覆盖超过130个国家，提供企业级GPU和专用边缘设备，成本比传统超大规模数据中心低70%。
开发者可以按需访问高性能集群，这些集群来自分布式独立运营商池，而非单一供应商。定价基于实时使用情况和竞争情况，而非提前数年签订的合同。对于供应商而言，闲置硬件可以转化为生产能力。
谁将从开放的计算市场中受益
其影响远不止于成本节约。对于更广泛的市场而言，它代表了一种真正能够挑战目前人工智能寡头垄断格局的替代方案。独立研究团队可以开展有意义的实验，而无需为了适应硬件限制而缩减研究规模。新兴经济体的初创企业无需筹集资金来获得超大规模云平台的合同，即可构建适用于当地语言、区域医疗保健系统或农业应用的模型。
区域数据中心可以参与全球市场，而不是被现有交易结构拒之门外。这才是真正弥合人工智能数字鸿沟的方法：不是要求开发者接受功能较弱的工具，而是重新组织计算资源进入市场的方式。Vitalik 的观点是正确的，我们应该抵制人工智能基础设施的集中化，但解决之道并非退回到本地硬件。能够兼顾规模和独立性的分布式系统已经存在。
对加密货币原则的真正考验
加密社区将去中心化奉为创始原则。去中心化计算网络为实现加密技术一直以来宣称的目标提供了一个契机：证明分布式系统能够媲美甚至超越中心化系统。更低的成本、更广泛的访问、没有单一的控制点或故障点。基础设施已经存在；问题在于，行业是否会利用它，还是会满足于一种只适用于规模较小的用户的所谓“主权”模式。
