Виталик Бутерин выступает за аппаратно-разнообразную CROPS AI, поскольку DeepSeek V4 работает локально на Apple и AMD

Термин «децентрализованный ИИ» часто употребляется, но соучредитель Ethereum Виталик Бутерин проводит более четкую линию. Для него настоящим испытанием системы ИИ, которая может обслуживать крипто-пользователей, является не только место выполнения выводов — важно, чтобы модель работала на различных аппаратных средствах, от MacBook до AMD-станции. В обновлении, опубликованном на его личном сайте и отмеченном в исходном отчете, Бутерин указал конкретный ориентир: DeepSeek V4 теперь имеет 2-битную квантованную версию, которая помещается примерно в 90 ГБ видеопамяти, достигая примерно 35 токенов в секунду на оборудовании Apple и около 7 токенов в секунду на AMD. Это важнее, чем многие осознают.

Месяцами разговор о ИИ и криптовалютах делился между централизованным облачным выводом и грандиозными схемами децентрализованных вычислительных сетей. Но концепция Бутерина «CROPS AI» — сокращение от Consequential, Recoverable, Open, Private, and Sovereign AI — прорезает маркетинговую пелену. Он утверждает, что если модель ИИ не может работать на аппаратуре, которая уже есть у обычных пользователей и операторов узлов, она не является по-настоящему защищающей приватность или суверенной. Числа DeepSeek V4, хоть и скромные со стороны AMD, показывают, что способная модель может работать локально без дата-центра. Получение 7 т/с на GPU AMD еще не обеспечивает опыт разработчика уровня производства, но переопределяет возможное. Разрыв между 35 т/с на Apple silicon и 7 т/с на AMD также рассказывает историю о фрагментации аппаратного обеспечения, которую экосистема должна решить, если локальный ИИ станет больше чем нишей.

Почему разнообразие аппаратных средств меняет дебаты об ИИ и крипте

Большая часть текущего энтузиазма вокруг ИИ и блокчейна сосредоточена на рынках вычислений с токен-инцентивами или на ончейн-агентах ИИ. Но формулировка Бутерина более приземленная. Модель, которая работает эффективно только в TEE на одном облачном провайдере, не обеспечивает приватность пользователю Ethereum. Это может пройти маркетинговый тест, но не выдержит аппаратного теста. Суть CROPS AI в том, что пользователь сохраняет контроль над своими данными и запросами вывода. Это означает, что модель должна быть достаточно легкой, чтобы работать на среднеуровневом оборудовании, а не только на кластере H100. Когда Бутерин упоминает о перекрытии слоя доступа Ethereum с CROPS AI, он говорит о чем-то осязаемом: доказательства нулевого знания могут подтвердить, что вызов удаленного LLM выполнен правильно, а приватные RPC-запросы защищают пользовательские данные от операторов узлов, которые могут запускать модель в фоновом режиме. Это не просто исследовательская идея — это ограничение дизайна, которое влияет на развитие секвенсеров, валидаторов и кошельков.

Аппаратный аспект также переводит разговор от упрощенного ярлыка «децентрализованный ИИ». Сеть из тысяч узлов, все выполняющих вывод на одинаковых Nvidia GPU, все равно создает единую точку отказа с точки зрения цепочки поставок. Акцент Бутерина на совместимость с Apple и AMD предполагает, что он смотрит на мир, где валидаторы Ethereum могут использовать любое доступное вычислительное оборудование, а не только самое дорогое. Это соответствует давней этике Ethereum — делать требования к валидаторам доступными, даже когда сеть выходит на новые территории. Для более глубокого понимания, какие цепочки действительно привлекают разработчиков в этом новом цикле, отчет «Top 10 блокчейнов по активности разработчиков на этой неделе» дает представление о том, где сосредоточена динамика, и Ethereum остается в верхней части, несмотря на растущую конкуренцию.

Модели, настроенные под Ethereum, и слой приватности

Призыв Бутерина к созданию большего числа моделей ИИ, ориентированных на Ethereum, — не случайное замечание. Сейчас большинство крупных языковых моделей едва ли понимают семантику Solidity, не говоря уже о тонкостях прокси-контрактов, делегированных вызовах и коллизиях хранения, создающих уязвимости. Модель, донастроенная на весь протокольный код Ethereum и работающая локально, могла бы стать мощным инструментом безопасности для аудиторов и разработчиков. Упомянутые им платные вызовы удаленных LLM на базе ZK открывают еще одну дверь: разработчик может оплатить приватный вывод на удаленной модели, используя доказательство нулевого знания, чтобы подтвердить правильность результата, не раскрывая код смарт-контракта оператору. Эта гибридная локально-удаленная модель, если она сработает, кардинально изменит модель безопасности для команд, которые не могут позволить себе запускать крупные модели локально, но нуждаются в конфиденциальности.

Это не только теоретическая идея. Продвижение локального ИИ пересекается с более широкой волной децентрализованных вычислений и инфраструктуры данных. Партнерства, такие как UXLINK и Origins Network, уже решают задачу масштабируемых Web3-приложений на базе децентрализованных вычислений. Но акцент Бутерина на приватных RPC-запросах добавляет слой, который большинство этих проектов еще не полностью проработали: метаданные вокруг ваших запросов могут раскрывать столько же, сколько сам запрос. Если валидаторский узел видит, с каким контрактом вы взаимодействуете, используя локальную модель, уровень приватности ограничен. Защита этого метаданных с помощью криптографических RPC-запросов — недостающая часть головоломки, и именно поэтому обновление Бутерина воспринимается иначе, чем обычное объявление о ИИ и крипте.

Что упускает рынок и что будет дальше

Мгновенная реакция на пост Бутерина — воспринимать его как бычий сигнал для токенов ИИ или нескольких Ethereum L2. Но это упускает структурную суть. Он не продвигает токен или запуск — он описывает технический стек, который еще не создан. Запуск DeepSeek V4 на AMD с 7 т/с — это доказательство концепции, а не продукт. Настоящая работа — это согласование дорожных карт инженеров по сжатию моделей, проектировщиков цепочек доказательств нулевого знания и основных разработчиков Ethereum. Это многолетняя задача координации, а не краткосрочный тренд для рынка. Тем не менее, за этим стоит следить, потому что экосистема Ethereum исторически успешно справлялась именно с такой медленной, невзрачной инфраструктурной работой.

Что остается неопределенным — так это будет ли разнообразие аппаратных средств действительно приоритетом для проектов в области ИИ и крипты, привлекающих капитал сейчас. Поле усеяно хорошо финансируемыми инициативами, оптимизированными под одну архитектуру GPU и называющими это децентрализацией. Но обновление Бутерина тихо бросает вызов такому подходу. Если CROPS AI станет эталоном — подобно тому, как изначальная концепция блокчейна, устойчивого к цензуре, стала тестом на пригодность — то проекты, игнорирующие аппаратное разнообразие, могут оказаться на неправильной стороне истории, когда придет настоящее внедрение. Пока что более простая и конкретная мысль — полезная модель ИИ, которая работает на локальной машине без «телефонного дома», уже не является далекой целью. Числа DeepSeek V4 подтверждают, что траектория реальна, и стек приватности Ethereum наконец-то получает конкретную причину двигаться быстрее.