DeAI：AI「野蠻生長」時代，為何需要 Web3 來治理它

原文作者：K，Web3Caff Research 研究員

在人工智慧的發展軌跡中，近兩年經歷了深刻的結構性轉折。模型能力不斷突破，推理效率不斷優化，全球資本與國家機器蜂擁而至。然而，在一片狂熱與資本聚焦的中心化浪潮背後，DeAI（去中心化的 AI 訓練與推理架構）正在成為通往未來的另一條路徑，它直指當今 AI 發展的兩大隱患：盲信機制與擴展脆弱性。

中心化 AI 的繁榮建立在龐大的物理基礎設施之上，從超級算力叢集到封閉的模型推理黑盒，從封裝好的 SaaS 產品到企業內部的 API 呼叫。但正如網際網路從封閉走向開放、從 Web2 平臺走向 Web3 協定的歷程一樣，AI 的發展也終將不可避免地面臨兩個根本性問題：第一，使用者如何確認模型推理的結果未被篡改、具備真實性？第二，當訓練與推理跨越地域、裝置、文化與法律邊界時，中心化架構還能否維持成本與效能優勢？

DeAI 網路提出了與中心化範式截然不同的解決路徑。它以「可驗證計算（Verifiable Compute）」為核心思想，透過密碼學與共識機制確保每一次模型執行都具有可追溯、可證明的執行路徑。這不僅解決了使用者對模型「盲信」的問題，更為跨境協作提供了通用的信任基礎。當前如 Prime Intellect 與 Inference Labs 等先行者，已在異地 GPU 叢集中實現了部分驗證型推理，為分散式訓練與自治 AI 服務開闢了新可能。[70]

而從經濟角度看，DeAI 的崛起也與 AI 行業 RoG（Return-on-GPU，即每小時 GPU 算力帶來的收益）轉變息息相關。GPT-4.1 的設計已不再簡單追求大模型與堆算力，而是強調精細化調優與推理資源配置，例如在生成過程中儘量複用已有上下文、減少不必要的重新計算，從而降低無效輸出和 Token 消耗，使算力更多用於真正有價值的推理過程。[68] 這標誌著行業焦點正從「能燒多少 GPU」向「每小時能獲得多少價值」轉變。這種效能導向，恰恰為去中心化 AI 網路提供了絕佳突破口。

中心化 GPU 叢集在規模化部署上的高額固定成本與效率瓶頸，將難以匹敵一張由全球使用者貢獻的 Permissionless 異構 GPU 網路。而這種網路若具備「可驗證性」，則不僅能與 AWS、Azure 等中心化基礎設施競爭成本結構，還天然擁有透明、可信的優勢。

此外，DeAI 的影響遠不止技術層面，它將重塑 AI 開發的所有權與參與結構。在當前 OpenAI、Anthropic 等巨頭主導的封閉訓練生態中，絕大多數開發者只能作為「模型使用者」存在，而無法參與模型的訓練收益或推理決策。而在 DeAI 網路中，每一位貢獻者，無論是提供算力的節點、提供資料的使用者，還是開發 Agent 應用的工程師，都可以透過協定參與治理、分享收益。這不僅是經濟機制的創新，更是 AI 發展倫理的一次進步。

當然，DeAI 目前仍處於早期探索階段。它尚未建立起足以替代中心化模型的效能水準，也尚未突破網路穩定性與驗證效率等瓶頸。但 AI 的未來不會是單一路徑，而是多軌並行。中心化平臺將繼續主導企業市場，追求 RoG 優化的極致產品化；而 DeAI 網路則將在邊緣場景與新興市場中生長，逐漸演化出具有自己生命力的開放模型生態。正如網際網路之於資訊自由，DeAI 之於智慧自治權。它的重要性，不只是因為技術優勢，更因為它提供了另一個世界的可能性，一個不需要信任特定中介，而依然可以信任智慧本身的未來。

本內容摘選自外捕研究 Web3Caff Research 發表的研報：《Web3 2025 年度 4 萬字報告（下篇）：面向金融 × 計算 × 網際網路秩序歷史交匯，行業大轉向即將開啟？全景式拆解其結構變化、價值潛能、風險邊界及未來展望》

本研報（已開放免費閱讀）由 Web3Caff Research 研究員 K 撰寫，圍繞 2025 年 Web3 發展階段變化的核心邏輯展開系統梳理，重點討論在底層及監管能力持續演進的背景下，應用探索與系統協作為何逐漸成為新的關注方向，核心要點包括：

1. 階段演進背景：基礎設施建設告一段落後，行業關注點出現變化的內在原因；
2. 關鍵機制變化：規則框架與鏈上機制逐步清晰，對系統執行方式產生的影響；
3. 主要應用方向：圍繞支付結算、現實場景對映與可程式設計協作的探索路徑；
4. 未來發展方向：探討 2026 年及之後的 Web3 演進態勢。