Betrodd

Exclusief AWS och Microsofts neddragning av datacenter avslöjar blockkedjans AI-imperativ

2 minuter
Uppdaterad av Mohammad Shahid

I korthet

  • AWS och Microsoft pausar nya AI-datacenterprojekt, med hänvisning till ineffektivitet i centraliserade infrastrukturmodeller.
  • Den decentraliserade, blockkedjebaserade metoden (DeFAI) erbjuder större flexibilitet, skalbarhet och effektivitet i AI-beräkning.
  • Företag som Aethir och 0G Labs visar att decentraliserad AI kan vara både genomförbar och lönsam, vilket utmanar traditionella modeller.

Amazon Web Services (AWS) och Microsoft har dragit sig tillbaka från AI-datacenterinvesteringar, vilket tyder på problem med den centraliserade modellen. Analytiker använder denna utveckling för att påpeka varför decentraliserad blockkedjebaserad infrastruktur kan vara lösningen.

Kai Wawrzinek, medgrundare av Impossible Cloud Network, diskuterade dessa frågor i en exklusiv intervju med BeInCrypto.

AI-datacenter möter hinder

För några månader sedan verkade AI vara en av den globala teknikindustrins mest lovande sektorer. Men när företag som AWS och Microsoft meddelar pauser i AI-datacenterkonstruktion, ser bilden annorlunda ut. Vad hände? Hur ser AI:s framtid ut? Kai Wawrzinek beskrev situationen som den är idag:

“Nyheten att AWS ansluter sig till Microsoft i att dra sig ur nya datacenter när efterfrågan på AI växer exponentiellt är ett bevis på den enorma ineffektivitet denna modell innebär för att skala det globala internet. Microsoft och AWS kanske inser att centraliserade infrastrukturmodeller helt enkelt inte kan anpassa sig tillräckligt snabbt,” hävdade Wawrzinek.

AWS och Microsoft är inte de enda företagen som står inför dessa problem. Även om Meta offentligt hävdade att de skulle spendera hundratals miljarder på AI-infrastruktur och datacenter, bad de konkurrenter om finansiering mindre än tre månader senare.

Även OpenAI har drabbats av de enorma kostnaderna för att driva ChatGPT; Sam Altman medgav tyst att deras forskning kanske aldrig blir lönsam.

Wawrzinek ser en tydlig lösning – överge den centraliserade modellen helt och fokusera på DeFAI. Även om dessa branschledare samlat miljarder i capex och banat väg för LLM-utveckling, kan hela strategin vara självförstörande.

Till exempel, US AI-datacenterkonstruktion överbelastar elektriska ingenjörer med arbete i en aldrig tidigare skådad grad. Med så många yrkesverksamma som fokuserar på själva centren, skapas en flaskhals för kvalificerad arbetskraft.

Detta skadar förnybara energiprojekt och elnätet, vilket ironiskt nog skadar datacenterns funktionalitet.

“AI-eran behöver infrastruktur som kan matcha dess hastighet och skala, och decentraliserade system är de enda modellerna byggda för den framtiden. I kontrast löser en decentraliserad, marknadsdriven strategi detta problem: kapacitet kan distribueras mer effektivt där och när det behövs utan att vänta år på centraliserade megaprojekt,” tillade Wawrzinek.

Kan DeFAI hantera utmaningarna?

Jämfört med den centraliserade datacentermodellen har DeFAI ökat AI-datoråtkomst. Blockkedjeaktiverade ekonomiska incitament kan påskynda distributionshastigheten, förbättra skalbarheten och optimera resursallokeringen utan massiva förskottskapital.

Dessa decentraliserade system har kort sagt mer flexibilitet än sina konkurrenter.

Blockkedjebaserade AI-företag har kunnat utnyttja betydande datorkapacitet utan centraliserade datacenter. Till exempel har DePIN-företaget Aethir gjort stora framsteg med sin GPU-som-en-tjänst-modell.

Andra företag som 0G Labs har visat att decentraliserad AI-utveckling inte bara är teoretiskt möjlig; det är lönsamt och nödvändigt för ekosystemet.

Om allt detta verkar långsökt eller utopiskt är det viktigt att komma ihåg AI:s “svarta svan”-händelse – DeepSeek.

Kinas marknadsrörande genAI-modell visade för hela världen att AI-företag kan skapa toppmoderna LLM:er till en bråkdel av hårdvarukostnaden. Så AI-industrin kan behöva tänka om datacentermodellen helt om denna utvecklare var så framgångsrik.

Även om skeptiker har undrat om decentraliserad AI kan konkurrera med datacenter, är verkligheten att centralisering kan ha sina egna ineffektiviteter.

Hittills har centraliserade AI-företag samlat miljarder i riskkapitalinvesteringar, men deras förmåga att innovera når en återvändsgränd. Vi kan behöva en bättre modell för att skapa de bästa möjliga resultaten.

“Framtiden för AI-infrastruktur ligger i öppna, tillståndslösa nätverk, där utbud möter efterfrågan dynamiskt och globalt, inte genom föråldrade hyperskalermodeller som kämpar för att hänga med,” avslutade Wawrzinek.

Disclaimer

All information på vår webbplats publiceras i god tro och endast för allmän information. Varje åtgärd som läsaren vidtar baserat på informationen på vår webbplats sker strikt på egen risk.