Perpaduan regulasi AI dan rantai pasokan perangkat keras secara perlahan mengubah siapa yang dapat melatih model-model terdepan. Titik nyala terbaru muncul ketika Anthropic, sebuah lab AI terkemuka, mematuhi kontrol ekspor AS—langkah yang diingatkan pendiri CoinFund, Jake Brukhman, sebagai tanda bahaya untuk kontrol terpusat atas teknologi ini. Argumennya, yang disampaikan dalam pernyataan terbaru, adalah bahwa titik penyempitan bukan hanya kode atau data lagi. Ini adalah cluster GPU fisik yang melatih model-model paling mampu.

Brukhman tidak mengemukakan tesis yang samar. Ia menunjuk pada tim-tim spesifik yang membangun infrastruktur pelatihan terdistribusi—Gensyn, Prime Intellect, Pluralis, dan Nous Research—yang berusaha mengumpulkan sumber daya GPU global yang kurang dimanfaatkan. Mekanismenya berbeda, tetapi taruhan bersama adalah bahwa komputasi terdesentralisasi dapat menandingi, atau setidaknya menantang, model cluster hyperscaler yang saat ini mendominasi. Pluralis melangkah lebih jauh, bereksperimen dengan model AI yang ter-tokenisasi di mana bobot model dibagi di antara para peserta, menciptakan struktur kepemilikan yang terfragmentasi yang dapat menolak penghentian atau sensor terpusat.

Gagasan untuk men-tokenisasi kepemilikan model mungkin terdengar abstrak, tetapi ia mencerminkan eksperimen on-chain yang sudah berjalan. Jaringan komputasi terdesentralisasi semakin dirajut ke dalam aplikasi Web3, di mana komputasi diperlakukan sebagai aset likuid, bukan belanja modal tetap. Yang diusulkan Pluralis memperluas logika itu langsung ke lapisan model—sesuatu yang lebih dekat dengan DAO yang ikut memiliki bobot model terdepan, dengan partisipasi ekonomi yang terkait dengan penggunaan atau lisensi. Memang masih awal, tetapi model bisnisnya mulai terbentuk.

Bagi industri kripto, ini bukan sekadar narasi AI lain. Ini adalah pertanyaan struktural tentang apakah jaringan tanpa izin dapat meniru apa yang saat ini memerlukan koordinasi tingkat negara atau beberapa lab yang didanai dengan baik. Kontrol ekspor AS yang disebut Brukhman bukan gangguan kecil; itu adalah alat kebijakan yang dapat menentukan negara mana yang dapat mengakses NVIDIA H100 kelas atas atau generasi chip masa depan. Ketika sebuah perusahaan seperti Anthropic tunduk pada kontrol tersebut, garis antara kepatuhan korporat dan penguncian akses oleh pemerintah secara de facto menjadi tipis.

Latar regulasi bergerak cepat, dan AI tidak terisolasi dari kebijakan kripto. Bank-bank sudah menolak legislasi kripto besar, dan perangkat legislatif yang mengatur aset digital semakin diseret ke perdebatan pengawasan AI. Lapisan AI terdesentralisasi yang dibangun di atas jaringan GPU terdistribusi berada di persilangan keduanya, menghadapi pengawasan dari regulator keuangan dan rezim kendali teknologi secara bersamaan. Tumpang tindih ini menimbulkan gesekan, tetapi juga melahirkan basis pendukung yang tidak ada beberapa tahun lalu.

Salah satu elemen argumen Brukhman yang kurang disadari adalah penyimpanan dan logistik data yang diperlukan oleh AI terdesentralisasi. Melatih model di peta node yang terpecah membutuhkan lebih dari sekadar flops mentah; diperlukan pipeline data yang efisien dan komputasi yang dapat diverifikasi. Proyek seperti Filecoin telah membangun infrastruktur penyimpanan terdesentralisasi yang berpotensi menjadi bagian dari tumpukan tersebut, meskipun tidak dirujuk secara langsung di sini. Semakin terdesentralisasi pelatihannya, semakin kritis untuk memiliki penyimpanan yang tidak berada di satu pusat data yang bisa dimatikan oleh perintah pemerintah.

Apa yang sebenarnya mengubah lanskap pelatihan yang terpecah

Jika pelatihan terdistribusi bekerja dalam skala besar, efek langsungnya akan terasa pada sensor terhadap model dan akses. Pemerintah mungkin memerintahkan penyedia cloud berbasis AS untuk menolak akses GPU bagi lab asing, tetapi pemerintah tidak bisa dengan mudah menghentikan jaringan tanpa izin yang terdiri dari ribuan operator node kecil yang tersebar di berbagai yurisdiksi. Itu tidak berarti jaringan seperti itu kebal terhadap tekanan hukum, tetapi tingkat perlawanan lebih tinggi, dan permukaan serangan hukum secara mendasar berbeda. Bebannya bergeser dari masalah sakelar on/off yang biner menjadi persoalan penegakan yang rumit dan berjalan lambat.

Namun, ketahanan itu memiliki biaya. Mengoordinasikan pelatihan di jaringan GPU global yang heterogen menimbulkan latensi, celah reliabilitas, dan tantangan verifikasi. Tim-tim yang disebut Brukhman tengah mengerjakan masalah-masalah persis seperti ini—misalnya, Nous Research telah bereksperimen dengan distributed fine-tuning—tetapi kesenjangan kinerja terhadap klaster yang terkonsentrasi masih nyata. Pasar bertaruh bahwa kesenjangan itu akan menyempit seiring waktu, namun belum jelas apakah pelatihan model-model yang benar-benar berada pada skala terdepan bisa didesentralisasi tanpa suatu entitas pusat yang mengoordinasikan, yang pada dirinya sendiri akan menjadi titik kontrol.

Model yang ditokenisasi dan bisnis kepemilikan bersama

Pendekatan model bertoken milik Pluralis mungkin merupakan bagian paling radikal dari tumpukan tersebut. Alih-alih satu lab yang memiliki sebuah model dan mengukur akses, kepemilikannya dipotong menjadi token yang dipegang oleh banyak pihak. Secara teori, ini bisa menyelaraskan insentif di antara spektrum pemangku kepentingan yang lebih luas—termasuk peneliti, penyedia komputasi, bahkan pengguna—sambil membuatnya lebih sulit bagi satu regulator untuk mematikan model tersebut. Namun, ini juga memunculkan pertanyaan tata kelola yang rumit. Siapa yang memutuskan data mana yang akan digunakan untuk pelatihan ulang? Bagaimana keluaran model dimonetisasi, dan siapa yang dibayar? Ini bukan pertanyaan sepele, dan upaya pertama hampir pasti akan berantakan.

Namun sinyal pasar jangka pendeknya adalah bahwa AI asli kripto tidak lagi terbatas pada kasus penggunaan berisiko rendah. Ketika dana ventura seperti CoinFund secara terbuka mengartikulasikan tesis yang mempertentangkan komputasi terdesentralisasi dengan kontrol model yang didukung negara, itu menandakan ruang tersebut sedang bergerak dari whitepaper ke infrastruktur. Sama seperti narasi awal Bitcoin berpusat pada uang berdaulat, narasi awal AI terdesentralisasi kini berpusat pada komputasi berdaulat. Apakah itu bertahan dalam tekanan nyata masih menjadi pertanyaan terbuka—tetapi garis-garisnya sedang digambar sekarang.