当算力成为基础设施：关于AI去中心化路径的进一步思考
- 核心观点：文章认为AI行业的竞争焦点正从模型能力转向算力的控制与分配，而AI算力问题本质上是基础设施协议问题，需要一个开放、去中心化的协议层来协调全球资源，以避免算力被少数中心化主体垄断。
- 关键要素：
- AI发展的核心瓶颈已从模型能力转变为算力的可获得性，算力正演变为一种结构性权力，其生产与调度高度集中。
- 借鉴比特币协调全球物理资源的逻辑，AI算力需要一个能激励真实贡献、可验证工作的开放协议层，而非封闭的商业包装。
- 项目选择从AI推理切入，因其工作负载连续、可测量，是当前生产环境中紧迫的算力瓶颈，适合检验去中心化网络的效率。
- 通过设计无法预计算、成本高于作假的随机推理任务，并结合抽查机制，确保去中心化网络中计算贡献的真实性。
- 项目定位并非取代中心化巨头，而是解决其难以覆盖的开放基础设施层，让硬件提供者与开发者直接围绕算力进行博弈。
- 算力受制于芯片、能源与协调效率，并非无限供给的商品，稳定、可扩展的算力供给将成为稀缺的结构性价值来源。
在此前几篇文章中，我们已经反复提到一个判断：AI 行业正在经历一次结构性的转移——竞争焦点正从模型能力，转向对算力的控制与分配方式。
模型可以被复现，算法可以被追赶，但算力的生产、分配与控制方式，正在快速集中，并逐渐决定谁能够真正参与下一阶段的 AI 竞争。
这并不是情绪化的判断，而是来自长期观察产业、技术与基础设施演化后的结果。
本篇文章，我们在这个判断之上，进一步补充一个经常被忽视、但极其关键的视角：AI 算力问题，本质上是一个基础设施协议问题，而非单纯的技术或产品问题。
一、AI 的真正瓶颈，已经不在模型层
在今天的 AI 产业中，一个被反复忽视的事实是：限制 AI 发展的，不再是模型能力，而是算力的可获得性。
当前主流 AI 体系的共同特征是，模型、算力、接口与定价权高度耦合在同一批中心化主体手中。这并非某一家公司或某一国家的“选择”，而是资本密集型产业在缺乏开放协调机制时的自然结果。
当算力被封装为“云服务”出售时，决定权自然会向以下几个方向集中：
- 芯片制造能力
- 能源与数据中心规模
- 资本结构与地缘优势
这使得算力逐渐从一种“资源”，演化为一种结构性权力。算力因此变得昂贵且价格高度不透明，受制于地缘政治、能源与出口管制，对开发者和中小团队高度不友好。
先进 GPU 的生产、部署与调度高度集中在少数硬件厂商与超大规模云服务商手中，不仅影响初创公司，也正在影响整个地区与国家的 AI 竞争力。对许多开发者而言，算力已经从“技术资源”演变为“准入门槛”。问题不只是价格高低，而是能否获得长期、可预测的计算能力，是否被锁定在单一技术与供应体系中，以及是否能参与到底层算力经济本身。
如果 AI 将成为通用基础能力，那么算力的生产与分配机制，就不应长期停留在高度封闭的状态。
二、从比特币到 AI：基础设施协议的共同逻辑
我们提到比特币，并不是为了讨论其价格或金融属性，而是因为它是少数真正成功协调了全球物理资源的协议系统之一。
比特币解决的，从来不只是“记账”问题，而是三个更底层的问题：
- 如何激励陌生个体持续投入真实世界资源
- 如何验证这些资源确实被投入并产生工作
- 如何在没有中心控制者的情况下，维持系统长期稳定
它用极其简单、但难以绕过的方式，把硬件与能源转化为协议内可验证的“贡献”。
AI 算力，正在走向与当年能源和算力极其相似的位置。
当一种能力足够基础、足够稀缺，它最终需要的不是更精巧的商业包装，而是一个能够长期协调资源的协议层。
在 Gonka 网络中：
- “工作”被定义为可验证的 AI 计算本身
- 激励与治理权来自真实算力贡献，而非资本或叙事
- GPU 资源被尽可能用于有意义的 AI 工作，而不是抽象的安全消耗
这是一种将算力重新定义为“开放基础设施”的尝试。
三、为什么从 AI 推理开始，而不是训练？
我们选择从 AI 推理（Inference） 开始，并非因为训练不重要，而是因为推理已经成为现实世界中最紧迫的算力瓶颈。
随着 AI 从实验走向生产环境，持续推理的成本、稳定性与可预测性，正在成为开发者真正关心的问题。而恰恰在这一环节，集中化云服务的局限性最为明显。
从网络设计角度看，推理具备几个关键特征：
- 工作负载连续、可测量
- 更适合去中心化环境的效率优化
- 能真实检验算力验证与激励机制是否成立
训练当然重要，我们也计划在未来引入训练能力，并已将部分网络收入用于支持长期训练需求。但基础设施必须先在真实需求中跑通。
五、去中心化算力，如何避免“做假计算”？
一个常见质疑是：在去中心化环境中，如何确保节点真的在做 AI 计算，而不是伪造结果？
我们的答案是：将验证逻辑内嵌进计算本身，使影响力来自持续、真实的计算贡献。
网络通过短周期的计算阶段（Sprint），要求节点在随机初始化的大型 Transformer 模型上执行推理任务。这些任务：
- 无法预计算
- 无法复用历史结果
- 成本高于作假成本
网络并不对每一次计算做全量复核，而是通过持续抽查与动态提高验证强度，使作假在经济上不成立。长期稳定提交正确结果的节点，会自然获得更高的参与度与影响力。
六、与中心化巨头竞争，还是在不同层级解决问题？
我们并不试图“取代” OpenAI、Google 或 Microsoft。
大型科技公司在封闭体系内构建高效 AI 堆栈，这是它们的优势所在。但这种模式天然会带来：
- 访问受限
- 定价不透明
- 能力向少数主体集中
我们关注的是这些体系难以覆盖的层级：开放、可验证、基础设施级别的算力协调。
它并非一个服务，而是一种市场与协议，让硬件提供者与开发者直接围绕算力效率与真实性进行博弈。
七、算力是否会被“商品化”？价值会流向哪里？
很多人认为，随着推理成本下降，价值最终会集中在模型层。但这一判断往往忽略了一个前提：
算力并不是无限供给的商品。
算力受制于：
- 芯片制造能力
- 能源与地理分布
- 基础设施协调效率
当推理需求在全球范围持续增长，真正稀缺的将是稳定、可预测、可扩展的算力供给。而谁能协调这些资源，谁就掌握了结构性价值。
我们试图做的，并不是拥有模型，而是让更多参与者能够直接参与算力经济本身，而不是只能作为“付费用户”。
八、为什么去中心化算力是一个长期命题？
我们的判断并非来自理论，而来自在中心化环境中构建 AI 系统的现实经验。
当 AI 成为核心能力，算力决策往往不再是技术问题，而是战略问题。这种集中正在从商业层面，扩展到地缘与主权层面。
如果 AI 是新的基础设施，那么算力的协调方式，将决定未来创新的开放程度。
历史上，每一次真正释放生产力的技术浪潮，最终都需要一个开放的基础设施层。AI 也不会例外。
结语：两种未来路径
我们正在走向两种可能的未来之一：
- 算力被少数公司与国家持续集中，AI 成为封闭能力
- 或者，通过开放协议协调全球算力，让价值流向真实贡献者
Gonka 并不声称自己是答案，但我们清楚自己站在哪一边。
如果 AI 将深刻改变世界，那么支撑它的算力基础设施，也值得被重新设计。
关于 Gonka.ai
Gonka 是一个旨在提供高效 AI 算力的去中心化网络，其设计目标是最大限度地利用全球 GPU 算力，完成有意义的 AI 工作负载。通过消除中心化守门人，Gonka 为开发者和研究人员提供了无需许可的算力资源访问，同时通过其原生代币 GNK 奖励所有参与者。
Gonka 由美国 AI 开发商 Product Science Inc. 孵化。该公司由 Web 2 行业资深人士、前 Snap Inc. 核心产品总监 Libermans 兄妹创立，并于 2023 年成功融资 1800 万美元，2025年新增融资5100万美元，投资者包括 OpenAI 投资方 Coatue Management、Solana 投资方 Slow Ventures、Bitfury、K 5、Insight and Benchmark 合伙人等。项目的早期贡献者包括 6 blocks、Hard Yaka、Gcore 等 Web 2-Web 3 领域的知名领军企业。
