作者：K，Web3Caff Research 研究员
封面：Photo by Unsplash+
在人工智能的发展轨迹中，近两年经历了深刻的结构性转折。模型能力不断突破，推理效率不断优化，全球资本与国家机器蜂拥而至。然而，在一片狂热与资本聚焦的中心化浪潮背后，DeAI（去中心化的 AI 训练与推理架构）正在成为通往未来的另一条路径，它直指当今 AI 发展的两大隐患：盲信机制与扩展脆弱性。
中心化 AI 的繁荣建立在庞大的物理基础设施之上，从超级算力集群到封闭的模型推理黑盒，从封装好的 SaaS 产品到企业内部的 API 调用。但正如互联网从封闭走向开放、从 Web2 平台走向 Web3 协议的历程一样，AI 的发展也终将不可避免地面临两个根本性问题：第一，用户如何确认模型推理的结果未被篡改、具备真实性？第二，当训练与推理跨越地域、设备、文化与法律边界时，中心化架构还能否维持成本与性能优势？
DeAI 网络提出了与中心化范式截然不同的解决路径。它以 “可验证计算（Verifiable Compute）” 为核心思想，通过密码学与共识机制确保每一次模型运行都具有可追溯、可证明的执行路径。这不仅解决了用户对模型 “盲信” 的问题，更为跨境协作提供了通用的信任基础。当前如 Prime Intellect 与 Inference Labs 等先行者，已在异地GPU集群中实现了部分验证型推理，为分布式训练与自治 AI 服务开辟了新可能。[70]
而从经济角度看，DeAI 的崛起也与 AI 行业 RoG（Return-on-GPU，即每小时 GPU 算力带来的收益）转变息息相关。GPT-4.1 的设计已不再简单追求大模型与堆算力，而是强调精细化调优与推理资源配置，例如在生成过程中尽量复用已有上下文、减少不必要的重新计算，从而降低无效输出和 Token 消耗，使算力更多用于真正有价值的推理过程。[68] 这标志着行业焦点正从 “能烧多少 GPU” 向 “每小时能获得多少价值” 转变。这种效能导向，恰恰为去中心化 AI 网络提供了绝佳突破口。
中心化 GPU 集群在规模化部署上的高额固定成本与效率瓶颈，将难以匹敌一张由全球用户贡献的 Permissionless异构GPU 网络。而这种网络若具备 “可验证性”，则不仅能与 AWS、Azure 等中心化基础设施竞争成本结构，还天然拥有透明、可信的优势。
此外，DeAI 的影响远不止技术层面，它将重塑 AI 开发的所有权与参与结构。在当前 OpenAI、Anthropic 等巨头主导的封闭训练生态中，绝大多数开发者只能作为 “模型用户” 存在，而无法参与模型的训练收益或推理决策。而在 DeAI 网络中，每一位贡献者，无论是提供算力的节点、提供数据的用户，还是开发 Agent 应用的工程师，都可以通过协议参与治理、分享收益。这不仅是经济机制的创新，更是 AI 发展伦理的一次进步。
当然，DeAI 目前仍处于早期探索阶段。它尚未建立起足以替代中心化模型的性能水准，也尚未突破网络稳定性与验证效率等瓶颈。但 AI 的未来不会是单一路径，而是多轨并行。中心化平台将继续主导企业市场，追求 RoG 优化的极致产品化；而 DeAI 网络则将在边缘场景与新兴市场中生长，逐渐演化出具有自己生命力的开放模型生态。正如互联网之于信息自由，DeAI 之于智能自治权。它的重要性，不只是因为技术优势，更因为它提供了另一个世界的可能性，一个不需要信任特定中介，而依然可以信任智能本身的未来。
本内容摘选自外捕研究 Web3Caff Research 发表的研报：《Web3 2025 年度 4 万字报告（下篇）：面向金融 × 计算 × 互联网秩序历史交汇，行业大转向即将开启？全景式拆解其结构变化、价值潜能、风险边界及未来展望》
本研报（已开放免费阅读）由 Web3Caff Research 研究员 K 撰写，围绕 2025 年 Web3 发展阶段变化的核心逻辑展开系统梳理，重点讨论在底层及监管能力持续演进的背景下，应用探索与系统协作为何逐渐成为新的关注方向，核心要点包括：
-
阶段演进背景：基础设施建设告一段落后，行业关注点出现变化的内在原因；
-
关键机制变化：规则框架与链上机制逐步清晰，对系统运行方式产生的影响；
-
主要应用方向：围绕支付结算、现实场景映射与可编程协作的探索路径；
-
未来发展方向：探讨 2026 年及之后的 Web3 演进态势。
