Michael Heinrich, współzałożyciel i dyrektor generalny 0G — cykl wywiadów

Michael Heinrich, współzałożyciel i dyrektor generalny 0G, jest seryjnym przedsiębiorcą, inwestorem i menedżerem w branży technologicznej, koncentrującym się na budowie zdecentralizowanej infrastruktury dla sztucznej inteligencji. W 0G kieruje rozwojem infrastruktury, której celem jest uczynienie sztucznej inteligencji bardziej otwartą, weryfikowalną i dostępną. Heinrich pełni również funkcję przewodniczącego wykonawczego ZeroStack Corp. oraz od ponad dekady jest wykładowcą i mentorem na Stanford University, angażując się w programy obejmujące przedsiębiorczość, venture capital i innowacje. Jest także partnerem funduszu venture capital Pioneer Fund i inwestorem-aniołem; inwestuje w firmy i projekty, takie jak Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI i Binance. Wcześniej Heinrich założył firmę Garten, działającą w obszarze dobrostanu w miejscu pracy, wcześniej znaną jako Oh My Green, oraz pracował w Bridgewater Associates, Bain & Company, SAP Labs, Microsoft i J.P. Morgan, zdobywając doświadczenie w przedsiębiorczości, technologii, finansach, strategii i inwestycjach venture capital.

0G buduje zdecentralizowany stos infrastruktury AI, który ma pełnić funkcję warstwy zaufania dla sztucznej inteligencji, umożliwiając wykonywanie, przechowywanie i weryfikowanie obciążeń AI bez całkowitego uzależnienia od scentralizowanych dostawców. Architektura łączy weryfikowalne obliczenia, szyfrowane zdecentralizowane przechowywanie danych, prywatne wnioskowanie AI oraz natywny dla AI, zgodny z EVM blockchain warstwy 1. Tworzy w ten sposób infrastrukturę dla zastosowań obejmujących autonomicznych agentów AI, zdecentralizowane modele, rynki AI i gospodarki maszynowe. Platformę zaprojektowano z myślą o modułowości: programiści mogą niezależnie korzystać z poszczególnych komponentów, takich jak przechowywanie danych czy moc obliczeniowa, a jednocześnie tworzyć w pełni onchainowe aplikacje AI, w których dane, modele i działania można poddawać audytowi i weryfikować. Dzięki takiemu podejściu 0G chce zapewnić podstawową infrastrukturę bardziej otwartego i przejrzystego ekosystemu AI, w którym programiści, przedsiębiorstwa i użytkownicy zachowują większą kontrolę nad zasobami AI i danymi.

Zanim współzałożył 0G, zbudował i prowadził firmę Garten oraz zdobywał doświadczenie w branży oprogramowania, finansach, inwestowaniu venture capital i przedsiębiorczości. Co dostrzegł Pan w rozwoju AI, że w 2023 roku przekonało Pana do założenia 0G, i jak wcześniejsze doświadczenia ukształtowały Pana wizję firmy?

W trakcie kariery wielokrotnie przechodziłem między dwoma światami, które rzadko ze sobą rozmawiają. Na początku kariery tworzyłem oprogramowanie w SAP i Microsoft. Potem zająłem się finansami: najpierw, prowadząc badania w Harvard Business School, studiowałem globalne rynki kapitałowe, a następnie pracowałem w Bain i Bridgewater, gdzie z bliska przeżyłem kryzys z 2008 roku. To doświadczenie skłoniło mnie do założenia Garten, firmy z programu Y Combinator.

Każdy kolejny etap kariery uczył mnie tego samego, ale z innej perspektywy: gdy system skupia kontrolę i ukrywa swoje wewnętrzne mechanizmy, osoby od niego zależne jako ostatnie dowiadują się, że przestał działać.

Dlatego w 2023 roku dostrzegłem, że w branży AI kształtuje się pewien schemat — i to w tempie, jakiego nie widziałem na żadnym innym rynku. Modele były zdumiewające, ale infrastruktura, na której się opierały, znajdowała się w rękach kilku firm. Co ważniejsze, nie można było sprawdzić, co jest uruchamiane, dokąd trafiają dane ani ile faktycznie kosztują obliczenia. Jednocześnie kapitał potrzebny do uczestnictwa w tym rynku rósł wykładniczo z każdym kwartałem. Dla kogoś, kto obserwował rozwój kryzysu z 2008 roku, wyglądało to jak dźwignia finansowa oparta na czarnej skrzynce — przy założeniu, że wszystko z tą skrzynką jest w porządku.

U podstaw kierunku, jaki obrało 0G, leżało więc pytanie z dziedziny finansów, które nie dawało mi spokoju: „Co się dzieje, gdy najważniejszy czynnik w gospodarce nie ma przejrzystego rynku ani niezależnej weryfikacji?”. Razem ze współzałożycielami, Thomasem Yao, Fanem Longiem i Mingiem Wu, odpowiedzieliśmy na to pytanie, budując 0G.

Odpowiedzią jest warstwa zaufania dla AI — jeden stos obejmujący prywatne obliczenia, nasze własne modele 0gm o otwartych wagach, mechanizmy zapewniające bezpieczeństwo, takie jak dostrajanie wyrównania rzadkiego wnioskowania i weryfikacja Tee, szyfrowane przechowywanie danych oraz blockchain stworzony specjalnie z myślą o obciążeniach AI. Tutaj prace związane z AI — od wnioskowania po działania agentów — są weryfikowane i poddawane audytowi.

Firmy z branży AI przeznaczają ogromny kapitał na procesory GPU, centra danych i energię. Co zasadniczo zmienia się w ekonomice mocy obliczeniowej i czy uważa Pan, że dostęp do niej może stać się równie strategicznie ważny jak dostęp do kapitału lub energii?

Moc obliczeniowa już staje się równie strategicznie ważna jak kapitał czy energia. W 2025 roku czterech największych dostawców usług chmurowych na wielką skalę przeznaczyło na inwestycje kapitałowe w AI ponad 500 mld dolarów, a obecne tempo wskazuje, że w tym roku kwota ta się podwoi. To już nie są wydatki na technologię. To nakłady na infrastrukturę krajową, ponoszone przez garstkę prywatnych firm.

Zasadnicza zmiana polega na tym, że moc obliczeniowa stała się kluczowym ograniczeniem dla samej inteligencji. Każde udoskonalenie modelu, każdy agent i każdy produkt ostatecznie zależą od czasu pracy procesorów GPU. Gdy jeden zasób warunkuje wszystko, co od niego zależy, przestaje zachowywać się jak towar, który się kupuje, a zaczyna przypominać kapitał, który się posiada. Dostęp do mocy obliczeniowej decyduje teraz o tym, które firmy, uczelnie i kraje mogą rozwijać własne rozwiązania.

Najdziwniejsze jest to, że to aktywo nie ma własnego rynku. Moc obliczeniowa jest wytwarzana na dużą skalę, wynajmowana na całym świecie i wyceniana każdego dnia, a mimo to nie ma sposobu, by posiadać do niej tytuł, zabezpieczyć się przed ryzykiem jej ceny ani transparentnie nią dysponować. Kapitał ma swoje rynki. Energia ma swoje rynki. W przypadku mocy obliczeniowej istnieją jedynie umowy na jej zakup z garstką dostawców.

Każdy rzadki zasób przechodzi tę samą drogę: najpierw jest wytwarzany, potem wyceniany, a następnie finansowany. Tak było z ropą naftową. Tak było z elektrycznością. Tak było z przepustowością łączy. Moc obliczeniowa właśnie wkracza w ten trzeci etap, a budowa niezbędnej infrastruktury finansowej to jeden z kluczowych projektów infrastrukturalnych tej dekady.

0G wprowadza koncepcję, zgodnie z którą moc obliczeniową można posiadać, zarabiać na niej i z niej korzystać, zamiast po prostu kupować ją jako usługę chmurową. Co w praktyce oznacza przekształcenie mocy obliczeniowej w aktywo i jak może to zmienić relacje między dostawcami infrastruktury, programistami a firmami zajmującymi się AI?

Zastanówmy się, jak działa każde inne aktywo produkcyjne. Akcje przyniosły dywidendy. Obligacje wypłacają kupony. Compute Finance, termin, który ukuliśmy i skróciliśmy do ComFi, przenosi tę samą ideę na grunt mocy obliczeniowej. Zamiast po prostu płacić za dostęp do procesorów GPU, możesz posiadać pozycję zapewniającą dostęp do mocy obliczeniowej AI, z której możesz faktycznie korzystać.

W praktyce angażujesz aktywo i w zamian otrzymujesz moc obliczeniową AI. Może ona służyć do wszystkiego — od prywatnego uruchamiania modeli po tworzenie i wdrażanie aplikacji AI. Wszystko to działa w oparciu o blockchain 0G. Użytkownicy stakują, czyli blokują, 0G jako zabezpieczenie, otrzymują a0G, emitują iAI, a następnie angażują to iAI, by uzyskać moc obliczeniową, z której mogą korzystać w różnych usługach AI.

Celem jest sprawienie, by moc obliczeniową można było posiadać, zarabiać na niej i z niej korzystać, zamiast po prostu wynajmować ją na godziny od dostawcy chmury. Przy początkowych parametrach użytkownicy mogą zaangażować iAI i otrzymywać kredyty na moc obliczeniową o wartości ponad 1 USD dziennie, dostępne w obsługiwanych usługach AI 0G. Zabezpieczenie pozostaje zablokowane, dopóki pozycja jest aktywna, i można je odzyskać po spaleniu iAI.

Ważne jest to, że użytkownicy nie otrzymują gotówki ani zysku finansowego. Otrzymują dostęp do mocy obliczeniowej, z której mogą faktycznie korzystać.

Zmienia to relacje między dostawcami infrastruktury, programistami a firmami zajmującymi się AI. Dostawcy infrastruktury zyskują nowy sposób udostępniania swojej mocy obliczeniowej, wykraczający poza tradycyjne umowy chmurowe. Programiści otrzymują bardziej przewidywalny zasób, wokół którego mogą planować i sporządzać budżet. Firmy zajmujące się AI mogą zapewnić sobie moc obliczeniową i planować jej wykorzystanie, zamiast traktować ją wyłącznie jako koszt kontrolowany przez garstkę dostawców.

A ponieważ rozwiązanie działa w oparciu o warstwę zaufania 0G, można weryfikować i audytować wykorzystanie mocy obliczeniowej, zamiast po prostu zdawać się na zapewnienie „zaufaj nam”

Przedstawiamy ComFi jako otwartą kategorię dla branży AI, a nie zastrzeżoną markę. Ascend i iAI to pierwsze realizacje tej koncepcji; kolejne pojawią się w sieci 0G.

0G Compute działa jako zdecentralizowany rynek, na którym dostawcy procesorów GPU mogą konkurować o obsługę obciążeń AI. Jakie korzyści ekonomiczne może przynieść ten model w porównaniu z poleganiem na garstce dostawców usług chmurowych działających na hiperskalę, zwłaszcza gdy popyt na procesory GPU jest wysoki?

Wskazujemy trzy korzyści, które stają się bardziej widoczne, gdy procesorów GPU brakuje: mechanizm rynkowego ustalania cen, elastyczność i brak uzależnienia od dostawcy.

1. Mechanizm rynkowego ustalania cen: W 0G Compute dostawcy ustalają własne ceny i konkurują o obsługę obciążeń. Dzięki temu koszty mogą być znacznie niższe: porównywalne wnioskowanie z użyciem otwartych modeli kosztuje nawet o 95 procent mniej, a nasza warstwa pamięci masowej działa przy kosztach o ponad 90 procent niższych niż w przypadku AWS S3. Częściowo wynika to z konkurencji, a częściowo z wykorzystania niewykorzystywanej mocy procesorów GPU oraz uruchamiania otwartych modeli zamiast zamkniętych, czołowych modeli na dedykowanej infrastrukturze.

2. Elastyczność: Dostawcy działający na hiperskalę planują swoje moce z wieloletnim wyprzedzeniem i przydzielają je w ramach długoterminowych relacji. Rynek może pozyskiwać zasoby z dowolnego miejsca, w tym od niezależnych operatorów, klastrów akademickich i przedsiębiorstw dysponujących niewykorzystywanym sprzętem. Gdy popyt gwałtownie rośnie, wyższe ceny mogą zachęcić kolejnych dostawców do udostępnienia mocy. Przy stałej kolejce wydłuża się jedynie czas oczekiwania.

3. Brak uzależnienia od dostawcy: Każdy dostawca w naszej sieci udostępnia to samo API zgodne z OpenAI za pośrednictwem jednego routera, który automatycznie przełącza obsługę na innego dostawcę w razie awarii. Obecnie 13 dostawców udostępnia za pośrednictwem jednego punktu końcowego setki modeli; przetworzono ponad 373 miliardy tokenów i zrealizowano 27 milionów żądań wnioskowania. Programiści mogą zmienić dostawcę, modyfikując nagłówek, zamiast przeprowadzać migrację.

Jest też pewna kwestia liczbowa, którą ludzie przeoczają. Nasz własny model, 0GM-1.0, jest drugim najczęściej używanym modelem w sieci w ciągu ostatnich 30 dni; wyprzedza go tylko DeepSeek. Gdy własny otwarty model zdecentralizowanej sieci pod względem wykorzystania dorównuje najlepszym otwartym modelom na świecie, pokazuje to, że rynek może działać na dużą skalę.

Dostawcy usług chmurowych działający na hiperskalę świetnie radzą sobie z tym, co robią. Jednak gdy procesory GPU są najrzadszym zasobem w branży AI, większa liczba źródeł mocy obliczeniowej może stworzyć zupełnie inny model podaży niż samo czekanie na zwiększenie mocy u dostawców działających na hiperskalę.

Jednym z wyzwań związanych ze zdecentralizowaną infrastrukturą jest zapewnienie, że tańsza, szerzej rozproszona moc obliczeniowa nie będzie oznaczać mniejszej niezawodności. W jaki sposób 0G ustala, czy dostawca mocy obliczeniowej prawidłowo wykonał zadanie związane ze sztuczną inteligencją?

To znakomite pytanie, które pozwala odróżnić rzeczywisty rynek mocy obliczeniowej od systemu, w którym trzeba po prostu zaufać dostawcy takiemu jak AWS, Google Cloud czy Microsoft Azure. Zaprojektowaliśmy 0G tak, aby nie trzeba było wierzyć dostawcy na słowo.

Prywatny poziom 0G działa w zamkniętym, zaufanym środowisku wykonawczym. Sprzęt generuje poświadczenie wskazujące, jaki model i jaki kod są uruchomione, a każdą odpowiedź podpisuje kluczem istniejącym wyłącznie w tym środowisku. Klient może zweryfikować podpis na podstawie poświadczenia i potwierdzić, że wskazany model działał u wskazanego dostawcy bez żadnych modyfikacji. Ani 0G, ani dostawca nie mają dostępu do promptu ani odpowiedzi. Niezależnie od poziomu 0G nie przechowuje promptów ani odpowiedzi i nie trenuje modeli na Twoich danych.

Na poziomie weryfikowanym żądania są kierowane do odpowiedniego modelu nadrzędnego, dzięki czemu wiadomo, który model udzielił odpowiedzi, nawet jeśli sam dostawca działa w sposób scentralizowany. Poziomy te są określane dla każdego żądania i egzekwowane przez sieć. Jeśli żądanie wymaga dostawcy obsługującego tryb prywatny, a żaden taki dostawca nie jest dostępny, żądanie kończy się niepowodzeniem, zamiast po cichu przełączać się na inny poziom. Uczciwie określone poziomy są ważniejsze niż te istniejące tylko w materiałach marketingowych.

Płatność jest uzależniona od dowodu. Środki pozostają zablokowane do momentu dostarczenia podpisanego wyniku. Sieć odnotowała dotąd ponad 24,9 miliona dowodów TEE, a stosowane rozwiązanie obsługuje również weryfikację optymistyczną i weryfikację z wiedzą zerową w przypadku zadań, dla których te metody są lepszym rozwiązaniem niż poświadczenie sprzętowe.

Niezawodność zapewniają proste mechanizmy: automatyczne przełączanie awaryjne między dostawcami oraz bieżące dane o ich stanie i opóźnieniach. Sieć zaprojektowano tak, aby weryfikacja i rozliczenia nie stawały się wąskim gardłem.

Ekonomia infrastruktury AI jest coraz silniej związana z dostępnością energii elektrycznej. W miarę jak modele i zadania związane z wnioskowaniem będą się rozwijać, czy spodziewasz się, że energia stanie się głównym ograniczeniem dla mocy obliczeniowej AI, wyprzedzając pod tym względem same procesory GPU? Jak zdecentralizowana infrastruktura mogłaby pomóc w przezwyciężeniu tego wąskiego gardła?

Energia i moc obliczeniowa są zdecydowanie ze sobą powiązane, a każda z nich wpływa na drugą; ograniczenia związane z dostępnością energii już dają o sobie znać. W lipcu w Północnej Wirginii nagle odłączono od sieci obciążenie centrów danych przekraczające 3 GW, co pokazało, jak duże obciążenie infrastruktury energetycznej mogą powodować skoncentrowane zasoby centrów danych.

Zużycie energii elektrycznej przez centra danych AI zmierza do podwojenia się do 2030 roku, a IEA przewiduje, że globalne zużycie energii przez centra danych wzrośnie do tego czasu ponad dwukrotnie, osiągając około 945 terawatogodzin, przy czym głównym czynnikiem napędzającym ten wzrost będzie AI. Procesorów GPU można dostarczyć więcej szybciej, niż da się zbudować infrastrukturę energetyczną potrzebną do ich zasilania.

Scentralizowana infrastruktura AI pogłębia ten problem, koncentrując zapotrzebowanie w niewielkiej liczbie ogromnych centrów danych, z których każde wymaga olbrzymich ilości energii i nowej infrastruktury sieciowej.

Zdecentralizowana infrastruktura może pomóc złagodzić to narastające ograniczenie, kierując zadania tam, gdzie energia i moc obliczeniowa są już dostępne. Mogą to być regionalne centra danych, zakłady przemysłowe dysponujące wolnymi zasobami albo energia odnawialna, która w przeciwnym razie pozostałaby niewykorzystana. Zamiast dostarczać więcej energii do kilku ogromnych kampusów, można przenieść zadania tam, gdzie energia już jest dostępna i wykorzystywana w niewielkim stopniu.

Warto podkreślić, że nie wyeliminuje to ograniczeń związanych z energią, ale pozwoli lepiej wykorzystać istniejącą infrastrukturę energetyczną i obliczeniową.

0G wykorzystuje między innymi zaufane środowiska wykonawcze, weryfikację optymistyczną i techniki z wiedzą zerową, aby umożliwić weryfikację obliczeń AI. W jakich sytuacjach weryfikacja kryptograficzna będzie, Twoim zdaniem, najważniejsza, gdy autonomiczne agenty AI zaczną podejmować decyzje i realizować transakcje bez stałego nadzoru człowieka?

Weryfikacja ma największe znaczenie dokładnie wtedy, gdy człowiek przestaje obserwować działania systemu. W przypadku asystenta człowiek sprawdza jego wyniki. W przypadku autonomicznego agenta — nie. Gdy agent może podejmować decyzje, podpisywać transakcje, przechowywać środki lub wchodzić w interakcje z innymi agentami, trzeba wiedzieć, który agent działa, jaki model nim steruje i czy wykonał to, co miał wykonać.

Właśnie dlatego weryfikacja kryptograficzna staje się tak istotna. Gdy agent działa w zaufanym środowisku wykonawczym, można uzyskać podpisany zapis wskazujący, który model podjął daną decyzję i jakich danych wejściowych użył. Łańcuch bloków stanowi idealną warstwę zaufania, ponieważ jest niezmienny, można do niego wyłącznie dopisywać kolejne wpisy, a także umożliwia śledzenie pochodzenia danych. Łańcuch bloków zapewnia wspólny rejestr tych dowodów, dzięki czemu deweloperzy, audytorzy i kontrahenci mogą zweryfikować przebieg zdarzeń bez polegania na relacji którejkolwiek ze stron.

Ta sama zasada ma zastosowanie, gdy agenty zaczynają wchodzić ze sobą w interakcje na dużą skalę. Nie można oczekiwać, że człowiek będzie sprawdzał każdą decyzję ani każdą transakcję. Weryfikacja, możliwość audytu i zaufanie muszą stać się częścią samej infrastruktury. Cel jest prosty: zamiast pytać, czy agent twierdzi, że przestrzegał zasad, można udowodnić, że tak było.

Znaczna część dzisiejszego wyścigu infrastrukturalnego koncentruje się na budowie coraz większych, scentralizowanych centrów danych. Czy zdecentralizowane przetwarzanie AI stanowi alternatywę dla tego modelu, czy ostatecznie widzi Pan zdecentralizowane sieci i dostawców hiperskalowych jako uzupełniające się elementy tego samego globalnego rynku mocy obliczeniowej?

Powiedziałbym, że te rozwiązania się uzupełniają, a ich podział będzie przypominał ten w sieci energetycznej. Dostawcy hiperskalowi zapewniają moc podstawową. Bardzo dobrze radzą sobie z ogromnymi, przewidywalnymi obciążeniami wrażliwymi na opóźnienia, obsługując największe przedsiębiorstwa, i powinni nadal się tym zajmować. Zdecentralizowane sieci mogą ich uzupełniać, przejmując zmienne zapotrzebowanie, udostępniając rozproszoną i niewykorzystywaną moc obliczeniową oraz zapewniając większej liczbie firm dostęp do zasobów GPU.

Zdecentralizowane sieci są prawdziwą alternatywą, ponieważ budują zaufanie. Koncentracja stanowi problem ekonomiczny, ale także problem widoczności. Gdy infrastrukturą zarządza garstka firm, kontrolują one również to, co można zobaczyć. Dostawca hiperskalowy może obiecać, że nie będzie zaglądać do Twoich danych. Zamknięta enklawa z publiczną atestacją może to udowodnić. Tej właściwości nie poprawi większe centrum danych. Wynika ona z wbudowania mechanizmów weryfikacji w samą infrastrukturę.

Już teraz widzimy, że oba modele funkcjonują równolegle. Google Cloud i Alibaba Cloud należały do grona naszych partnerów przy uruchomieniu sieci głównej. Przedsiębiorstwa chcą móc kierować zadania obliczeniowe do dostawcy hiperskalowego, dostawcy zdecentralizowanego lub własnego sprzętu — w zależności od ceny, wymagań dotyczących prywatności i wymaganego poziomu weryfikacji.

Właśnie w tym kierunku, naszym zdaniem, zmierza rynek. Nie ku zastąpieniu jednego modelu innymi, lecz ku globalnemu rynkowi mocy obliczeniowej, na którym zadania będą mogły być przenoszone między różnymi źródłami infrastruktury w zależności od ich wymagań.

W miarę jak agenci AI stają się uczestnikami życia gospodarczego, zdolnymi do kupowania usług i autonomicznego zarządzania zasobami, czy sama moc obliczeniowa może stać się częścią gospodarki maszynowej, w której agenci dynamicznie pozyskują infrastrukturę w zależności od ceny, wydajności i dostępności?

Widzimy już na naszej sieci niewielkie przykłady takiego zjawiska. Większość zapytań obsługiwanych przez 0G Compute nie pochodzi od osób klikających przycisk. Wysyłają je aplikacje i agenci, wywołując API, płacąc za każde zapytanie ze zasilonego wcześniej salda i otrzymując połączenie z dostawcą najlepiej dopasowanym do danego zadania. Około 43 000 portfeli zapłaciło w ten sposób za wnioskowanie, a ponad 300 projektów powstało w oparciu o 0G. Sam Ghast AI przetworzył za pośrednictwem 0G Compute ponad 100 miliardów tokenów. NeoSoul uruchamia miliony agentów w sieciach 0G i BNB Chain, czyli innej sieci blockchain. Wybór przez agenta tańszego dostawcy do zadania wsadowego i prywatnej enklawy do zadania wymagającego poufności to decyzja dotycząca kierowania zadań, która jest podejmowana już dziś.

Do prawdziwej gospodarki maszynowej brakuje elementów, które ludzie uznają za oczywiste: tożsamości, sposobu na wcześniejsze zabezpieczenie zasobów oraz jednostki rozliczeniowej. Agenci potrzebują tożsamości działającej w różnych usługach — właśnie to ma zapewniać Agentic ID firmy 0G. Potrzebują też sposobu na wcześniejsze zabezpieczenie mocy obliczeniowej zamiast płacenia za każde zapytanie, aby móc planować i działać autonomicznie.

Między innymi dlatego stworzyliśmy Compute Finance. Gdy moc obliczeniową można zdobywać dzięki uczestnictwu w sieci i wykorzystywać w różnych usługach AI, agent może otrzymać środki z góry i korzystać z potrzebnych zasobów obliczeniowych bez konieczności zasilania przez człowieka konta w chmurze. Ascend i Infinite AI to pierwsze wdrożenia tego rozwiązania. Gospodarkę maszynową zbudują na ich podstawie ludzie, których jeszcze nie poznaliśmy.

Wymogi bezpieczeństwa nie podlegają negocjacjom. Każda z tych maszynowych decyzji musi pozostawiać możliwy do zweryfikowania ślad, a w systemie muszą być wbudowane zabezpieczenia. Gospodarka maszynowa bez potwierdzeń to po prostu szybszy sposób na utratę pieniędzy i doprowadzenie do nieujawnionej katastrofy związanej z bezpieczeństwem.

Jak, Pana zdaniem, będzie wyglądał rynek mocy obliczeniowej dla AI za pięć lat? Czy firmy nadal będą myśleć przede wszystkim o wynajmie GPU i zasobów chmurowych, czy zmierzamy ku bardziej płynnemu rynkowi globalnemu, na którym moc obliczeniową będzie można posiadać, wymieniać, monetyzować i dynamicznie przydzielać?

Nie sądzę, by wynajem zniknął — podobnie jak leasing nie zniknął, gdy rynek finansowania sprzętu dojrzał. Nie będzie to jednak już jedyna możliwość, a poważni uczestnicy rynku przestaną postrzegać wynajem jako jedyny sposób traktowania mocy obliczeniowej jako zasobu.

W miarę rozwoju tego rynku spodziewam się, że moc obliczeniowa zyska taką samą infrastrukturę finansową jak każdy inny strategiczny zasób. Firmy będą utrzymywać pozycje w zakresie mocy obliczeniowej, tak jak zawierają umowy na dostawy energii lub utrzymują waluty obce. Dostawcy będą oferować moce na otwartym rynku zamiast negocjować każdą umowę z osobna. Cena mocy obliczeniowej będzie zależeć od rodzaju zadania i poziomu zaufania, ponieważ zweryfikowane wnioskowanie z zachowaniem prywatności i wnioskowanie bez weryfikacji to różne produkty. Coraz większą część kupujących będą stanowić agenci, a nie zespoły zakupowe.

Do tego służy Compute Finance (ComFi). Uruchomiliśmy Ascend i ogłosiliśmy Infinite AI w pierwszą rocznicę uruchomienia naszej sieci głównej, ponieważ kolejność działań jest już jasna. Moc obliczeniowa jest wytwarzana. Ma swoją cenę. Kolejnym krokiem jest stworzenie warstwy finansowej, w której prawa do mocy obliczeniowej można posiadać, zdobywać, wykorzystywać i wymieniać, a każda jednostka pozostawia możliwy do zweryfikowania zapis. Celowo tworzymy ComFi jako otwartą kategorię, a nie markę zastrzeżoną, ponieważ rynek z jednym uczestnikiem nie jest rynkiem.

O tym, że to wszystko jest możliwe, nie decyduje lepszy procesor graficzny (GPU). Decyduje warstwa zaufania: dowód tego, co zostało uruchomione, dowód tego, kto to uruchomił, oraz rozliczenie następujące na podstawie dowodu. Gdy moc obliczeniową można zweryfikować, staje się na tyle zamienna, że można ją finansować. Gdy można ją finansować, staje się płynna. Przez najbliższe pięć lat branża przestanie traktować najważniejszy zasób gospodarki jak zwykłą pozycję w budżecie.

Dziękujemy za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, mogą odwiedzić 0G.