Akash 创始人 Osuri 警告人工智能能源需求或引发全球危机，提出去中心化解决方案

执行摘要

Akash Network 创始人 Greg Osuri 就人工智能 (AI) 训练不断升级的能源需求发出了警告，声称该行业的快速增长可能引发全球能源危机。Osuri 倡导采用去中心化的 AI 训练方法，将其比作早期的 比特币 挖矿，作为一种更可持续、经济上更可行的解决方案，以减轻传统集中式数据中心造成的环境和财务压力。

事件详情

Akash Network 创始人 Greg Osuri 强调了 AI 巨大的能源消耗，指出随着 AI 模型的扩展，训练它们可能很快就需要相当于核反应堆的能源输出。在一次采访中，Osuri 表示，该行业低估了计算需求翻倍的速度及其相关的环境成本。他指出，现有的集中式数据中心已经消耗了数百兆瓦的化石燃料电力，导致消费者能源账单上涨，每年产生数百万吨的额外排放。

彭博社 9 月 30 日报道称，AI 数据中心是美国电力成本飙升的主要因素。数据中心附近地区的批发电力成本在过去五年中飙升了 267%。Osuri 认为，去中心化 AI 训练，利用各种 GPU（从企业级芯片到消费级游戏显卡）组成的分布式网络，为这种集中式能源消耗模式提供了一种替代方案。

Osuri 描绘了一个愿景：家用电脑可以贡献闲置算力并赚取代币，这与早期的 比特币 挖矿激励结构类似，即普通用户因参与网络而获得奖励。这种从集中式大型数据中心向分布式网络的转变旨在通过减少对化石燃料的依赖和降低排放来提高效率和可持续性。

市场影响

AI 数据中心和工作量证明加密货币挖矿不断增长的能源需求，可能会阻碍向清洁能源的转型，并可能导致电价上涨。数据中心的电力需求预计到 2030 年 将翻倍至 35 GW，足以满足 4000 万美国家庭 的电力需求。需求的这种大幅增长引发了对电网脱碳和电费上涨的担忧。

去中心化 AI 训练，特别是通过 去中心化物理基础设施网络 (DePIN)，为这些基础设施挑战提供了一个潜在的解决方案。Bittensor (TAO) 和 Render (RNDR) 等项目正在开创去中心化 AI 网络，利用现有的 GPU 基础设施。Render 的网络拥有超过 45,000 个节点，提供可扩展且经济高效的 GPU 渲染和 AI 训练，据报道在特定用例中比传统云提供商便宜多达 70%。

此外，现有 比特币 矿工转向 AI 托管的经济激励是令人信服的。AI 数据中心每千瓦时的收入可以比 比特币 挖矿高出 25 倍，这使得多元化对矿工来说具有战略吸引力，并可能推动对去中心化计算解决方案的投资。

专家评论

Greg Osuri 强调了范式转变的迫切需要，他表示：“我们正达到 AI 正在‘杀死’人的地步”，指的是数据中心周围集中使用化石燃料对健康造成的影响。他相信，一旦激励机制得到完善，去中心化 AI 将经历与早期加密挖矿类似的采用，即用户因贡献处理能力而获得奖励。

更广阔的背景

去中心化 AI 训练旨在使 AI 资源的使用民主化，并减少集中式 AI 实验室的主导地位。这种方法利用了加密货币的原则，包括无需许可、无需信任和强大的激励机制，来构建能够训练强大基础模型的网络。位于不同地理位置的节点在一个激励网络上贡献 AI 模型训练，协调异构计算资源。

OpenDiLoCo 和 协议模型 等突破性技术正在分布式网络上实现高性能 AI，促进成本效益高、弹性强和透明的模型开发。以 Bittensor 为例的去中心化网络的激励结构，将经济奖励与参与者贡献相匹配，激励矿工提供高质量的 AI 输出。这些网络中的验证者因准确评估和维护网络完整性而获得奖励。这个框架有助于形成一个完全链上、无需许可且在每个层级都可访问的 AI 堆栈，这与传统 AI 开发严格受控的环境形成对比。