作者：Gaurav Sharma，首席執行官 io.net
Vitalik Buterin 最近宣佈 2026 年是“奪回計算自主權失地”之年。他分享了自己做出的改變：用 Fileverse 替換 Google Docs，用 Proton Mail 替換 Gmail，用 Signal 替換 Telegram，並嘗試在自己的筆記本電腦上本地運行大型語言模型，而不是通過雲服務。
這種直覺是正確的。集中式人工智能基礎設施確實是一個問題。亞馬遜、微軟和谷歌這三家公司目前控制著全球66%的雲基礎設施支出，而去年僅一個季度，該市場規模就達到了1026億美元。當所有指令都通過這種集中化的基礎設施傳輸時，用戶就放棄了對本應保持私密的數據的控制權。對於任何關心數字自主權的人來說，這都應該被視為一種結構性缺陷。但維塔利克提出的解決方案——在個人硬件上本地部署人工智能——卻接受了一種本不必存在的權衡。對於任何試圖構建嚴肅人工智能應用的人來說，他的框架並沒有提供任何真正的前進方向。
本地計算的上限
在自己的設備上運行人工智能顯然很有吸引力。如果模型始終在您的筆記本電腦上運行，那麼您的數據也不會離開。沒有第三方，沒有監控，也不依賴企業基礎設施。這適用於輕量級應用場景。個人用戶進行基本推理或開發人員嘗試小型模型，都可以利用本地託管的模型創造價值。Vitalik 承認目前在可用性和效率方面存在一些限制，但他認為這些只是暫時的障礙，隨著時間的推移會逐漸消失。
然而，訓練模型、大規模運行推理以及部署持續運行的智能體都需要個人硬件無法提供的強大GPU算力。即使是單個AI智能體通宵運行也需要持續的計算能力。一旦你離開辦公桌，AI助手“始終在線”的承諾便會化為泡影。企業級部署每天需要數千小時的GPU計算。一家初創公司訓練一個專用模型一週消耗的計算能力，可能比一臺高端筆記本電腦一年的計算能力還要多。一個雄心勃勃的研究團隊可能將80%甚至更多的資金用於GPU計算——這些資源原本可以用於人才培養、研發或市場拓展。資金雄厚的巨頭可以輕鬆承擔這些成本，而其他公司則被拒之門外。
然而，訓練模型、大規模運行推理以及部署持續運行的智能體都需要個人硬件無法提供的強大GPU算力。即使是單個AI智能體通宵運行也需要持續的計算能力。一旦你離開辦公桌，AI助手“始終在線”的承諾便會化為泡影。企業級部署每天需要數千小時的GPU計算。一家初創公司訓練一個專用模型一週消耗的計算能力，可能比一臺高端筆記本電腦一年的計算能力還要多。一個雄心勃勃的研究團隊可能將80%甚至更多的資金用於GPU計算——這些資源原本可以用於人才培養、研發或市場拓展。資金雄厚的巨頭可以輕鬆承擔這些成本，而其他公司則被拒之門外。
本地託管並不能解決這個問題，它隱含地接受了一種二元選擇，讓大多數開發者無路可走：要麼保持小規模和自主性，要麼擴大規模並將數據交給亞馬遜、谷歌或微軟。
錯誤的二元論
加密社區應該能夠準確識別這種框架的本質。去中心化的初衷並非為了削弱維護獨立性的能力，而是為了實現規模化和主權的共存。同樣的原則也適用於計算領域。
全球範圍內，數百萬個GPU閒置在數據中心、企業、大學和獨立設施中。如今，最先進的去中心化計算網絡將這些分散的硬件聚合為彈性、可編程的基礎設施。這些網絡目前覆蓋超過130個國家，提供企業級GPU和專用邊緣設備，成本比傳統超大規模數據中心低70%。
開發者可以按需訪問高性能集群，這些集群來自分佈式獨立運營商池，而非單一供應商。定價基於實時使用情況和競爭情況，而非提前數年簽訂的合同。對於供應商而言，閒置硬件可以轉化為生產能力。
誰將從開放的計算市場中受益
其影響遠不止於成本節約。對於更廣泛的市場而言，它代表了一種真正能夠挑戰目前人工智能寡頭壟斷格局的替代方案。獨立研究團隊可以開展有意義的實驗，而無需為了適應硬件限制而縮減研究規模。新興經濟體的初創企業無需籌集資金來獲得超大規模雲平臺的合同，即可構建適用於當地語言、區域醫療保健系統或農業應用的模型。
區域數據中心可以參與全球市場，而不是被現有交易結構拒之門外。這才是真正彌合人工智能數字鴻溝的方法：不是要求開發者接受功能較弱的工具，而是重新組織計算資源進入市場的方式。Vitalik 的觀點是正確的，我們應該抵制人工智能基礎設施的集中化，但解決之道並非退回到本地硬件。能夠兼顧規模和獨立性的分佈式系統已經存在。
對加密貨幣原則的真正考驗
加密社區將去中心化奉為創始原則。去中心化計算網絡為實現加密技術一直以來宣稱的目標提供了一個契機：證明分佈式系統能夠媲美甚至超越中心化系統。更低的成本、更廣泛的訪問、沒有單一的控制點或故障點。基礎設施已經存在；問題在於，行業是否會利用它，還是會滿足於一種只適用於規模較小的用戶的所謂“主權”模式。
