Gradient Network har nyligen fått 10 miljoner USD i en finansieringsrunda, vilket visar på ökad kapitalinvestering i decentraliserad AI-infrastruktur.
Med stöd från Pantera Capital, Multicoin Capital och HSG kommer finansieringen att stödja utvecklingen av Gradients decentraliserade AI-runtime stack.
Skiftet från centraliserad AI till decentraliserade alternativ
Projektet lanserar två kärnprotokoll—Lattica och Parallax—för att underlätta peer-to-peer dataöverföring och distribuerad AI-inferens. Denna utveckling är inte isolerad.
Enligt marknadsdata fanns det 164 företag inom decentraliserad AI-sektor i slutet av 2024. Av dessa fick 104 finansiering. Den totala marknadsvärdet förväntas nå 973,6 miljoner USD år 2027.
Decentraliserade AI-projekt siktar på att utmana dominansen hos hyperskalare som OpenAI, Google och AWS. Dessa företag kontrollerar majoriteten av AI-träning, inferens och distributionsinfrastruktur.
Gradients strategi fokuserar på webbläsarbaserade noder och lätta peer-nätverk, vilket erbjuder ett alternativ till molntunga distributioner.
Projektet hävdar att denna modell minskar kostnader och latens samtidigt som den förbättrar integriteten.
Även om liknande insatser finns—som Bittensor för decentraliserad modellträning och Gensyn för beräkningsmarknader—fokuserar Gradient på inferens och samordning.
Detta skiljer det från beräkningsuthyrningsmarknader och modellarkiv.
Varför Gradient Networks finansieringsrunda sticker ut
Pantera och Multicoin har historiskt investerat i infrastrukturprojekt. Deras deltagande i denna runda tyder på ökat institutionellt förtroende för decentraliserade runtime-modeller.
Genom att stödja protokoll som Lattica (för dataflöde) och Parallax (för inferens) satsar investerare på infrastruktur som möjliggör AI-agenter—där modeller dynamiskt kommunicerar, delar kontext och körs över distribuerade system.
Detta är i linje med den växande branschens konsensus att statisk AI-distribution är otillräcklig för verkliga, realtidsanvändningsfall.
Utmaningar kvarstår
Trots optimismen står decentraliserad AI fortfarande inför stora hinder.
Bandbredd, latens och heterogena hårdvarumiljöer är fortfarande komplexa att samordna. Gradients användning av Sentry Nodes försöker lösa detta, men storskalig adoption är ännu obevisad.
Säkerhet väcker också oro. Att köra modeller på opålitliga enheter innebär risker för utgångsmanipulation, dataläckage och modellförgiftning.
Även om Gradients arkitektur lovar integritetsbevarande inferens, kommer oberoende granskningar och långsiktig motståndskraft att vara avgörande.
Sammanfattningsvis förstärker Gradients finansiering idén att decentraliserad AI inte är marginell. Det ansluter sig till en växande uppsättning infrastrukturprojekt som syftar till att göra intelligens öppen, modulär och verifierbar.
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.
