تجاوز فجوة القدرة الحاسوبية للذكاء الاصطناعي الحد الذي أدى إلى تمديد دورة تسليم شرائح نفيديا عالية الأداء إلى عدة أسابيع، لكن هناك نوع من المشاريع في سوق التشفير يتولى سرًا تلبية جزء من هذا الطلب الزائد — الشبكات اللامركزية لوحدات معالجة الرسوميات.

يتم توسيع Render من حسابات التصيير إلى استنتاجات الذكاء الاصطناعي، من خلال آلية الحرق والتعدين لربط طلب القدرة الحاسوبية بقيمة الرموز؛ حققت Akash أعلى إنفاق على القدرة الحاسوبية في الربع الأول بقيمة 5 ملايين دولار؛ وتدعي أنها تقلل التكاليف بنسبة 70٪؛ بينما تستخدم Bittensor "الإثبات الذكي" لتحفيز المساهمين في النماذج والبيانات.
المنطق المشترك بين هذه المشاريع هو: أن موارد وحدات معالجة الرسوميات (GPU) من مزودي السحابة التقليديين (AWS، Azure) أصبحت غير كافية، بينما لا تزال هناك العديد من وحدات معالجة الرسوميات الاستهلاكية غير المستخدمة حول العالم. يمكن للشبكات اللامركزية تجميع هذه الموارد بتكلفة تتراوح بين 50٪ إلى 90٪، وتحقيق مرونة في العرض من خلال تحفيز الرموز.
المخاطر تكمن في أن جودة القدرة الحاسوبية في هذه الشبكات غير متجانسة حاليًا، وأداء وحدات معالجة الرسوميات الاستهلاكية في سيناريوهات استنتاج الذكاء الاصطناعي أقل بكثير من شرائح البيانات المركزية مثل H100. بالإضافة إلى ذلك، فإن سعر الرموز لا يرتبط بشكل خطي بطلب القدرة الحاسوبية — حيث غالبًا ما يهيمن على التقلبات السوقية والمضاربة على المدى القصير، وليس الاستخدام الفعلي.
دورة الذكاء الاصطناعي الفائقة تعيد تشكيل هيكل العرض والطلب على القدرة الحاسوبية، لكن ما إذا كانت الشبكات اللامركزية ستصبح حقًا خيارًا موثوقًا للشركات الكبرى يتطلب وقتًا للتحقق.