Autor: Zhang Feng
La inteligencia artificial (IA) es sin duda la tendencia tecnológica más candente del mundo. La tecnología de IA está remodelando todos los ámbitos de la vida a una velocidad sin precedentes. Sin embargo, detrás del bullicio de la prosperidad, una cruel realidad es que la gran mayoría de las empresas de IA, especialmente las nuevas, no han encontrado un camino estable y sostenible hacia la rentabilidad.Han caído en un dilema de «aplausos pero no éxito», coexistiendo prosperidad tecnológica y pérdidas comerciales.
1. ¿Por qué «perder dinero y ganar dinero»?
El dilema de ganancias del negocio de la IA no se debe al fracaso de la tecnología en sí, sino a las contradicciones estructurales provocadas por su modelo de desarrollo centralizado.En concreto, se puede atribuir a las siguientes tres razones principales:
Centralización extrema: costes altísimos y oligopolio.La IA convencional actual, especialmente los modelos grandes, es una industria típica con «muchos activos». Su proceso de entrenamiento e inferencia requiere enormes cantidades de potencia informática (GPU), almacenamiento y electricidad.Esto ha llevado a la polarización: en un extremo están los gigantes tecnológicos (como Google, Microsoft, OpenAI) con abundante capital, que pueden permitirse cientos de millones o incluso miles de millones de dólares en inversiones;en el otro extremo hay un gran número de empresas de nueva creación, que tienen que «tributar» la mayor parte de su financiación a los proveedores de servicios en la nube para obtener potencia informática, y sus márgenes de beneficio están extremadamente reducidos.Este modelo forma una «oligarquía del poder informático» y sofoca la vitalidad de la innovación.Por ejemplo, incluso OpenAI dependió en gran medida de la enorme inversión de Microsoft y de los recursos de computación en la nube de Azure en sus primeras etapas de desarrollo para respaldar el desarrollo y operación de ChatGPT.Para la mayoría de los actores, los altos costos fijos dificultan lograr una rentabilidad de escala.
Dilema de los datos: barreras de calidad y riesgos de privacidad.El combustible de la IA son los datos.Las empresas de IA centralizadas suelen enfrentarse a dos problemas importantes para obtener datos de formación a gran escala y de alta calidad. Primero, los costos de adquisición de datos son altos.Ya sea mediante recopilación paga, anotación de datos o uso de datos de usuario, implica una enorme inversión de dinero y tiempo.En segundo lugar, los riesgos de cumplimiento y privacidad de los datos son enormes.A medida que las regulaciones de datos globales (como GDPR y CCPA) se endurecen, la recopilación y el uso de datos sin la autorización explícita de los usuarios pueden desencadenar procedimientos legales y multas enormes en cualquier momento.Por ejemplo, muchas empresas de tecnología conocidas se han enfrentado a multas altísimas debido a problemas de uso de datos.Esto crea una paradoja: la IA no se puede desarrollar sin datos, pero obtenerlos y utilizarlos es difícil.
Distribución de valor desequilibrada: los contribuyentes y creadores están excluidos de los beneficios.En el ecosistema actual de IA, la distribución del valor es extremadamente injusta.El entrenamiento de modelos de IA se basa en datos de comportamiento generados por innumerables usuarios, contenido (texto, imágenes, código, etc.) producido por creadores y código fuente abierto aportado por desarrolladores de todo el mundo.Sin embargo, estos contribuyentes principales casi no reciben retorno del enorme valor comercial creado por los modelos de IA.Esto no es sólo una cuestión ética, sino también un modelo de negocio insostenible.Frena el entusiasmo de los contribuyentes de datos y creadores de contenido y, a largo plazo, erosionará las bases para la optimización e innovación continuas de los modelos de IA.Un caso típico es el de muchos artistas y escritores que han acusado a las empresas de inteligencia artificial de utilizar sus obras para formarse y obtener beneficios sin ninguna compensación, lo que ha desencadenado una controversia generalizada y disputas legales.
2. Nuevo paradigma del beneficio
DeAI (IA descentralizada) no es una tecnología única, sino un nuevo paradigma que integra blockchain, criptografía y computación distribuida.Su objetivo es reconstruir la relación de producción de la IA a través de un enfoque descentralizado, resolviendo así de manera específica los tres principales puntos débiles mencionados y abriendo la posibilidad de obtener ganancias.
DeAI utiliza el modelo de «crowdsourcing» para distribuir las necesidades de potencia informática a nodos inactivos (computadoras personales, centros de datos, etc.) en todo el mundo.Esto es similar a «Airbnb para GPU», y forma un mercado de potencia informática global y competitivo que puede reducir significativamente los costos de energía informática.Los participantes reciben incentivos simbólicos al contribuir con potencia informática, logrando una asignación óptima de recursos.
DeAI consigue que “los datos no se muevan sino el modelo” mediante tecnologías como el “aprendizaje federado” y el “cifrado homomórfico”.En lugar de centralizar los datos sin procesar en un solo lugar, distribuye modelos a varias fuentes de datos para el entrenamiento local, agregando solo actualizaciones de parámetros cifradas.Esto protege fundamentalmente la privacidad de los datos y al mismo tiempo aprovecha el valor de los datos descentralizados de forma legal y conforme a las normas. Los propietarios de los datos pueden decidir de forma independiente si proporcionan datos y obtienen beneficios de ellos.
DeAI ha construido un sistema de distribución de valor justo y transparente a través de «economía simbólica» y «contratos inteligentes».Los contribuyentes de datos, los proveedores de energía informática, los desarrolladores de modelos e incluso los usuarios de modelos pueden recibir automáticamente las recompensas simbólicas correspondientes a través de contratos inteligentes en función de su contribución. Esto transforma la IA de una «caja negra» controlada por gigantes a una economía abierta co-construida, cogobernada y compartida por la comunidad.
3. Transformación de la arquitectura de tres niveles.
Migrar el negocio tradicional centralizado de IA al paradigma DeAI requiere una reconstrucción sistemática en los tres niveles de tecnología, negocios y gobernanza.
(1) Reconstrucción técnica de centralizada a distribuida
Capa de poder computacionalConfiando en el proyecto Red de infraestructura física descentralizada (DePIN), como Akash Network, Render Network, etc., construimos un grupo de energía informática distribuida flexible y de bajo costo para reemplazar los servicios de nube centralizados tradicionales.
capa de datosEl aprendizaje federado se utiliza como marco de capacitación central, combinado con tecnologías criptográficas como el cifrado homomórfico y la computación multipartita segura para garantizar la privacidad y seguridad de los datos.Establecer un mercado de datos basado en blockchain, como Ocean Protocol, para permitir el comercio de datos bajo la premisa de confirmación y seguridad.
capa de modeloEl modelo de IA entrenado se implementa en la cadena de bloques en forma de un «contrato inteligente de IA», lo que lo hace transparente, verificable y ejecutable sin permiso.Cada uso del modelo y los beneficios generados se pueden registrar y distribuir con precisión.
(2) Reconstrucción empresarial desde la venta de servicios hasta la co-construcción ecológica
De SaaS a DaaS (datos como servicio) y MaaS (modelo como servicio),Las empresas ya no solo venden la cantidad de llamadas API, sino que actúan como constructores ecológicos, motivando a la comunidad a participar en la construcción de la red mediante la emisión de tokens funcionales o tokens de gobernanza.La fuente de ingresos se ha expandido desde una tarifa de servicio única hasta la apreciación simbólica, los dividendos de las tarifas de transacción, etc., provocados por el crecimiento del valor ecológico.
Por lo tanto,Cree una plataforma de tareas descentralizada para publicar tareas como anotación de datos, ajuste de modelos y desarrollo de aplicaciones para escenarios específicos en forma de «recompensas» para que los miembros de la comunidad global las realicen y reciban recompensas, lo que reduce en gran medida los costos operativos y estimula la vitalidad de la innovación.
(3) Del sistema corporativo alDAOreestructuración de la gobernanza
Con base en la gobernanza comunitaria, al poseer tokens de gobernanza, los participantes de la comunidad (contribuyentes, usuarios) tienen derecho a votar sobre decisiones clave, como la dirección de ajuste de los parámetros del modelo, el uso de fondos del tesoro, la prioridad de desarrollo de nuevas funciones, etc.Esto permite a los verdaderos «usuarios como propietarios».
Sobre la base de la apertura y la transparencia, laTodos los códigos, modelos (algunos pueden ser de código abierto), registros de transacciones y decisiones de gobernanza se colocan en la cadena para garantizar la apertura y transparencia del proceso y establecer una relación de colaboración sin confianza. Esto en sí mismo es un poderoso activo de marca y un respaldo de confianza.
Tomemos como ejemplo la transformación de las plataformas de datos logísticos tradicionales en DeAI.El dilema de la plataforma de datos de logística tradicional es que, aunque reúne datos de todas las partes, como envío, transporte terrestre y almacenamiento, los participantes «no están dispuestos a compartir» debido a preocupaciones sobre la filtración de secretos comerciales, lo que genera islas de datos y un valor limitado de la plataforma.El núcleo de la transformación a DeAI es liberar el valor de los datos y proporcionar incentivos justos sin exponer los datos originales:
Construya técnicamente una red informática confiable.La plataforma ya no almacena datos de forma centralizada, sino que se transforma en una capa de coordinación basada en blockchain.Al adoptar modelos técnicos como el aprendizaje federado, el modelo de IA se «transmite por el aire» a los servidores locales de cada empresa (como compañías navieras y almacenes) para la capacitación, y solo se agregan las actualizaciones de parámetros cifrados para optimizar conjuntamente el modelo de predicción global (como el tiempo de llegada de los buques de carga, el riesgo de liquidación del almacén), logrando «los datos no se mueven, el valor se mueve».
Promover la valorización de datos y los incentivos simbólicos en los negocios.La plataforma recibe puntos prácticos y las empresas de logística pueden «minar» aportando datos (parámetros del modelo) para obtener puntos de recompensa.Los clientes intermedios (como los propietarios de carga) pagan tokens para consultar «resultados de pronóstico» de alta precisión (por ejemplo: el desempeño puntual de una determinada ruta en la próxima semana) en lugar de comprar datos sin procesar.Los ingresos se distribuyen automáticamente a los contribuyentes de datos a través de contratos inteligentes.
Construir industrias basadas en la gobernanzaDAO,Las decisiones clave (como el desarrollo de nuevas funciones, el ajuste de tarifas) son votadas conjuntamente por los poseedores de tokens (es decir, los participantes principales) para transformar la plataforma de una empresa dominada por empresas privadas a una comunidad industrial.
La plataforma ha pasado de ser una organización centralizada que intentaba cobrar tarifas de intermediación de datos a un sistema nervioso para la co-construcción, la cogobernanza y el intercambio de toda la cadena de la industria logística.Al resolver el problema de la confianza, se ha mejorado enormemente la eficiencia colaborativa y la resistencia al riesgo de la industria.
4. Cumplimiento y seguridad
Aunque DeAI tiene grandes perspectivas, su desarrollo aún se encuentra en sus primeras etapas y enfrenta una serie de desafíos que no se pueden ignorar.
Cumplimiento e inseguridad jurídica.En términos de regulaciones de datos,Incluso si los datos no se mueven, los modelos como el aprendizaje federado aún deben cumplir estrictamente con los requisitos de «limitación de propósito», «minimización de datos» y derechos de los usuarios (como el derecho al olvido) en regulaciones como el GDPR al procesar datos personales.Las partes del proyecto deben diseñar mecanismos de autorización y salida de datos que cumplan con los requisitos.
En términos de regulaciones de valores,Los tokens emitidos por proyectos pueden ser fácilmente reconocidos como valores por las agencias reguladoras de varios países (como la SEC de EE. UU.), enfrentando así un estricto escrutinio regulatorio.Cómo evitar riesgos legales al diseñar un modelo económico simbólico es la clave para la supervivencia del proyecto.
En términos de responsabilidad de contenido,Si un modelo DeAI desplegado en la cadena produce contenidos dañinos, sesgados o ilegales, ¿quién es el responsable? ¿Es un desarrollador de modelos, un proveedor de potencia informática o un poseedor de tokens de gobernanza?Esto ha traído nuevos problemas al sistema legal existente.
En términos de desafíos de seguridad y rendimiento,seguridad del modeloEso esLos modelos implementados en cadenas públicas pueden enfrentar nuevos vectores de ataque, como explotar vulnerabilidades en contratos inteligentes o dañar maliciosamente sistemas de aprendizaje federados envenenando datos.
El cuello de botella en el rendimiento esEs posible que la velocidad de transacción (TPS) y las limitaciones de almacenamiento de la propia cadena de bloques no admitan solicitudes de inferencia de modelos grandes de alta frecuencia y baja latencia.Esto requiere una combinación efectiva de soluciones de expansión de Capa 2 y computación fuera de la cadena.
La eficiencia de la colaboración esAunque la colaboración distribuida es justa, la eficiencia en la toma de decisiones y la ejecución puede ser menor que la de las empresas centralizadas. Cómo lograr un equilibrio entre eficiencia y justicia es un arte que debe explorarse continuamente en la gobernanza de DAO.
Como revolución en las relaciones de producción, se espera que DeAI rompa el monopolio de los gigantes a través de tecnología distribuida, economía de tokens y gobernanza comunitaria, libere potencia informática inactiva y valor de datos en todo el mundo, y construya un nuevo ecosistema de IA que sea más justo, sostenible y potencialmente más rentable.
5. Dirección de exploración actual
El desarrollo actual de herramientas de IA todavía está muy lejos de lograr la inteligencia artificial descentralizada ideal.Todavía estamos en las primeras etapas de estar dominados por servicios centralizados, pero algunas exploraciones han señalado la dirección futura..
Exploraciones actuales y desafíos futuros.Aunque aún no se ha realizado el DeAI ideal, la industria ya está haciendo intentos valiosos, lo que nos ayuda a ver el camino futuro y los obstáculos que deben superarse.
Como el prototipo de colaboración en un sistema multiagente.Algunos proyectos están explorando la construcción de un entorno donde los agentes de IA colaboren y coevolucionen.Por ejemplo, el proyecto AMMO tiene como objetivo crear una «red simbiótica de humanos e IA».El marco de múltiples agentes y el entorno de simulación de RL Gyms que diseñó permiten a los agentes de IA aprender a colaborar y competir en escenarios complejos.Esto puede verse como un intento de construir las reglas de interacción subyacentes del mundo DeAI.
Otro ejemplo es un intento preliminar de un modelo de incentivos.Según la visión de DeAI, los usuarios que aportan datos y nodos que proporcionan potencia informática deberían recibir retornos justos.Algunos proyectos intentan redistribuir valor directamente a los contribuyentes del ecosistema a través de sistemas de incentivos basados en criptomonedas.Por supuesto, cómo este modelo económico puede funcionar a gran escala, de manera estable y justa sigue siendo un enorme desafío.
Otro ejemplo es el avance hacia una economía más autónoma.IA: Los productos de Deep Research demuestran la poderosa autonomía de la IA en tareas específicas (como la recuperación y el análisis de información). Pueden planificar, realizar operaciones de varios pasos de forma autónoma y optimizar los resultados de forma iterativa.Esta capacidad de automatización de tareas es la base para el trabajo independiente de los agentes de IA en futuras redes DeAI.
Para los profesionales de la IA que luchan en el océano rojo, en lugar de enredarse en el viejo paradigma, es mejor abrazar con valentía el nuevo océano azul de la DeAI.No se trata sólo de una transformación de las vías técnicas, sino también de una remodelación de la filosofía empresarial: de la «extracción» a los «incentivos», de lo «cerrado» a lo «abierto», de los «beneficios monopólicos» al «crecimiento inclusivo».
jakiro
