作者：張烽

人工智能（AI）無疑是全球最炙手可熱的科技風(fēng)口，AI技術(shù)正以前所未有的速度重塑各行各業(yè)。然而，在一片繁榮喧囂的背后，一個(gè)殘酷的現(xiàn)實(shí)卻是絕大多數(shù)AI業(yè)務(wù)，尤其是初創(chuàng)公司，并未找到穩(wěn)定、可持續(xù)的盈利路徑。它們陷入了“叫好不叫座”的窘境，技術(shù)繁榮與商業(yè)虧損并存。

一、為何“賠本賺吆喝”？

AI業(yè)務(wù)的盈利困境，并非源于技術(shù)本身的失敗，而是其中心化的發(fā)展模式導(dǎo)致了結(jié)構(gòu)性矛盾。具體而言，可歸結(jié)為以下三大原因：

極致中心化：天價(jià)成本與寡頭壟斷。當(dāng)前的主流AI，尤其是大模型，是典型的“重資產(chǎn)”行業(yè)。其訓(xùn)練和推理過程需要消耗巨量的算力（GPU）、存儲(chǔ)和電力。這導(dǎo)致了兩極分化：一頭是擁有雄厚資本的科技巨頭（如Google, Microsoft, OpenAI），能夠負(fù)擔(dān)數(shù)億甚至數(shù)十億美元的投入；另一頭則是大量初創(chuàng)公司，不得不將絕大部分融資“上貢”給云服務(wù)商以獲取算力，利潤(rùn)空間被極度擠壓。這種模式形成了“算力寡頭”，扼殺了創(chuàng)新活力。例如，即使是OpenAI，在其發(fā)展早期也嚴(yán)重依賴微軟的巨額投資和Azure云計(jì)算資源，才得以支撐ChatGPT的研發(fā)與運(yùn)營(yíng)。對(duì)于絕大多數(shù)玩家而言，高昂的固定成本使其難以實(shí)現(xiàn)規(guī)模盈利。

數(shù)據(jù)困境：質(zhì)量壁壘與隱私風(fēng)險(xiǎn)。AI的燃料是數(shù)據(jù)。中心化AI公司為了獲取高質(zhì)量、大規(guī)模的訓(xùn)練數(shù)據(jù)，通常面臨兩大難題。其一，數(shù)據(jù)獲取成本高昂。無論是通過付費(fèi)采集、數(shù)據(jù)標(biāo)注，還是利用用戶數(shù)據(jù)，都涉及巨大的資金和時(shí)間投入。其二，數(shù)據(jù)隱私與合規(guī)風(fēng)險(xiǎn)巨大。隨著全球數(shù)據(jù)法規(guī)（如GDPR、CCPA）的收緊，未經(jīng)用戶明確授權(quán)收集和使用數(shù)據(jù)的行為隨時(shí)可能引發(fā)法律訴訟和巨額罰款。例如，多家知名科技公司都曾因數(shù)據(jù)使用問題面臨天價(jià)罰單。這形成了一個(gè)悖論：沒有數(shù)據(jù)無法發(fā)展AI，但獲取和使用數(shù)據(jù)又舉步維艱。

價(jià)值分配失衡：貢獻(xiàn)者與創(chuàng)造者被排除在收益之外。在當(dāng)前的AI生態(tài)中，價(jià)值分配極不公平。AI模型的訓(xùn)練依賴于無數(shù)用戶產(chǎn)生的行為數(shù)據(jù)、創(chuàng)作者生產(chǎn)的內(nèi)容（文本、圖片、代碼等），以及全球開發(fā)者貢獻(xiàn)的開源代碼。然而，這些核心貢獻(xiàn)者卻幾乎無法從AI模型創(chuàng)造的巨額商業(yè)價(jià)值中獲得任何回報(bào)。這不僅是倫理問題，更是一種不可持續(xù)的商業(yè)模式。它挫傷了數(shù)據(jù)貢獻(xiàn)者和內(nèi)容創(chuàng)作者的積極性，從長(zhǎng)遠(yuǎn)來看，會(huì)侵蝕AI模型持續(xù)優(yōu)化和創(chuàng)新的根基。一個(gè)典型的案例是，許多藝術(shù)家和作家指控AI公司使用他們的作品進(jìn)行訓(xùn)練并牟利，卻未給予任何補(bǔ)償，這引發(fā)了廣泛的爭(zhēng)議和法律糾紛。

二、 盈利新范式

DeAI（Decentralized AI）并非一個(gè)單一技術(shù)，而是一種融合了區(qū)塊鏈、密碼學(xué)和分布式計(jì)算的新范式。它旨在通過去中心化的方式，重構(gòu)AI的生產(chǎn)關(guān)系，從而有針對(duì)性地解決上述三大痛點(diǎn)，開辟盈利的可能。

DeAI通過“眾包”模式，將算力需求分散到全球范圍內(nèi)的閑置節(jié)點(diǎn)（個(gè)人電腦、數(shù)據(jù)中心等）。?這類似于“Airbnb for GPU”，形成了一個(gè)全球性的、競(jìng)爭(zhēng)性的算力市場(chǎng)，能顯著降低算力成本。參與者通過貢獻(xiàn)算力獲得代幣激勵(lì)，實(shí)現(xiàn)了資源的優(yōu)化配置。

DeAI通過“聯(lián)邦學(xué)習(xí)”和“同態(tài)加密”等技術(shù)，實(shí)現(xiàn)了“數(shù)據(jù)不動(dòng)，模型動(dòng)”。?它無需將原始數(shù)據(jù)集中到一處，而是將模型分發(fā)到各數(shù)據(jù)源進(jìn)行本地訓(xùn)練，只聚合加密后的參數(shù)更新。這從根本上保護(hù)了數(shù)據(jù)隱私，同時(shí)合法合規(guī)地利用了分散的數(shù)據(jù)價(jià)值。數(shù)據(jù)所有者可以自主決定是否提供數(shù)據(jù)并從中獲利。

DeAI通過“代幣經(jīng)濟(jì)學(xué)”和“智能合約”，構(gòu)建了一個(gè)透明、公平的價(jià)值分配體系。?數(shù)據(jù)貢獻(xiàn)者、算力提供者、模型開發(fā)者乃至模型使用者，都可以根據(jù)其貢獻(xiàn)度，通過智能合約自動(dòng)獲得相應(yīng)的代幣獎(jiǎng)勵(lì)。這使得AI從一個(gè)由巨頭控制的“黑箱”，轉(zhuǎn)變?yōu)橐粋€(gè)由社區(qū)共建、共治、共享的開放經(jīng)濟(jì)體。

三、 轉(zhuǎn)型三層架構(gòu)

將傳統(tǒng)的中心化AI業(yè)務(wù)遷移至DeAI范式，需要在技術(shù)、業(yè)務(wù)和治理三個(gè)層面進(jìn)行系統(tǒng)性重構(gòu)。

（一）從集中式到分布式的技術(shù)重構(gòu)

算力層依托于去中心化物理基礎(chǔ)設(shè)施網(wǎng)絡(luò)（DePIN）項(xiàng)目，如Akash Network、Render Network等，構(gòu)建彈性的、低成本的分布式算力池，替代傳統(tǒng)的中心化云服務(wù)。

數(shù)據(jù)層采用聯(lián)邦學(xué)習(xí)作為核心訓(xùn)練框架，結(jié)合同態(tài)加密、安全多方計(jì)算等密碼學(xué)技術(shù)，確保數(shù)據(jù)隱私和安全。建立基于區(qū)塊鏈的數(shù)據(jù)市場(chǎng)，如Ocean Protocol，讓數(shù)據(jù)在確權(quán)和安全的前提下進(jìn)行交易。

模型層將訓(xùn)練好的AI模型以“AI智能合約”的形式部署在區(qū)塊鏈上，使其變得透明、可驗(yàn)證、且無需許可即可調(diào)用。模型的每一次使用和產(chǎn)生的收益都能被精準(zhǔn)記錄和分配。

（二）從售賣服務(wù)到生態(tài)共建的業(yè)務(wù)重構(gòu)

從SaaS到DaaS（數(shù)據(jù)即服務(wù)）與MaaS（模型即服務(wù)），企業(yè)不再僅僅是售賣API調(diào)用次數(shù)，而是作為生態(tài)的構(gòu)建者，通過發(fā)行功能型代幣或治理型代幣，激勵(lì)社區(qū)參與網(wǎng)絡(luò)建設(shè)。收入來源從單一的服務(wù)費(fèi)，擴(kuò)展為生態(tài)價(jià)值增長(zhǎng)帶來的代幣增值、交易手續(xù)費(fèi)分紅等。

因此，構(gòu)建一個(gè)去中心化的任務(wù)平臺(tái)，將數(shù)據(jù)標(biāo)注、模型微調(diào)、特定場(chǎng)景應(yīng)用開發(fā)等任務(wù)，以“賞金”形式發(fā)布，由全球社區(qū)成員承接并獲取獎(jiǎng)勵(lì)，極大降低運(yùn)營(yíng)成本并激發(fā)創(chuàng)新活力。

（三）從公司制到DAO的治理重構(gòu)

基于社區(qū)治理，通過持有治理代幣，社區(qū)的參與者（貢獻(xiàn)者、用戶）有權(quán)對(duì)關(guān)鍵決策進(jìn)行投票，例如模型參數(shù)的調(diào)整方向、國(guó)庫(kù)資金的使用、新功能的開發(fā)優(yōu)先級(jí)等。這實(shí)現(xiàn)了真正的“用戶即所有者”。

基于開放和透明，將所有代碼、模型（部分可開源）、交易記錄和治理決策都上鏈，保證過程的公開透明，建立無需信任的協(xié)作關(guān)系，這本身就是一種強(qiáng)大的品牌資產(chǎn)和信任背書。

以傳統(tǒng)物流數(shù)據(jù)平臺(tái)向DeAI轉(zhuǎn)型為例，傳統(tǒng)物流數(shù)據(jù)平臺(tái)的困境在于，它雖匯集了海運(yùn)、陸運(yùn)、倉(cāng)儲(chǔ)等各方數(shù)據(jù)，但參與者因擔(dān)憂商業(yè)機(jī)密泄露而“不愿共享”，導(dǎo)致數(shù)據(jù)孤島，平臺(tái)價(jià)值有限。向DeAI轉(zhuǎn)型的核心是在不暴露原始數(shù)據(jù)的前提下，釋放數(shù)據(jù)價(jià)值并公平激勵(lì)：

技術(shù)上構(gòu)建可信計(jì)算網(wǎng)絡(luò)。平臺(tái)不再集中存儲(chǔ)數(shù)據(jù)，而是轉(zhuǎn)型為基于區(qū)塊鏈的協(xié)調(diào)層。采用聯(lián)邦學(xué)習(xí)等技術(shù)模式，讓AI模型“空降”到各企業(yè)（如船公司、倉(cāng)庫(kù)）的本地服務(wù)器進(jìn)行訓(xùn)練，只聚合加密后的參數(shù)更新，共同優(yōu)化全局預(yù)測(cè)模型（如貨船到港時(shí)間、倉(cāng)庫(kù)爆倉(cāng)風(fēng)險(xiǎn)），實(shí)現(xiàn)“數(shù)據(jù)不動(dòng)，價(jià)值動(dòng)”。

業(yè)務(wù)上推行數(shù)據(jù)資產(chǎn)化與代幣激勵(lì)。發(fā)行平臺(tái)實(shí)用型積分，物流企業(yè)通過貢獻(xiàn)數(shù)據(jù)（模型參數(shù)）來“挖礦”獲得積分獎(jiǎng)勵(lì)。而下游客戶（如貨主）支付代幣來查詢高精度的“預(yù)測(cè)結(jié)果”（例如：某航線未來一周的準(zhǔn)點(diǎn)率），而非購(gòu)買原始數(shù)據(jù)。收益通過智能合約自動(dòng)分配給數(shù)據(jù)貢獻(xiàn)方。

治理上構(gòu)建產(chǎn)業(yè)DAO，關(guān)鍵決策（如新功能開發(fā)、費(fèi)率調(diào)整）由代幣持有者（即核心參與者）共同投票治理，將平臺(tái)從私營(yíng)公司主導(dǎo)轉(zhuǎn)變?yōu)楫a(chǎn)業(yè)共同體。

平臺(tái)從一個(gè)試圖抽取數(shù)據(jù)中介費(fèi)的中心化機(jī)構(gòu)，蛻變?yōu)檎麄€(gè)物流產(chǎn)業(yè)鏈共建、共治、共享的神經(jīng)系統(tǒng)，通過解決信任問題，極大提升了行業(yè)協(xié)同效率和抗風(fēng)險(xiǎn)能力。

四、 合規(guī)與安全

盡管DeAI前景廣闊，但其發(fā)展仍處于早期階段，面臨著一系列不容忽視的挑戰(zhàn)。

合規(guī)性與法律不確定性。數(shù)據(jù)法規(guī)方面，即使數(shù)據(jù)不移動(dòng)，聯(lián)邦學(xué)習(xí)等模式在處理個(gè)人數(shù)據(jù)時(shí)，仍需嚴(yán)格遵守GDPR等法規(guī)中關(guān)于“目的限制”、“數(shù)據(jù)最小化”和用戶權(quán)利（如被遺忘權(quán)）的要求。項(xiàng)目方必須設(shè)計(jì)合規(guī)的數(shù)據(jù)授權(quán)與退出機(jī)制。

證券法規(guī)方面，項(xiàng)目發(fā)行的代幣極易被各國(guó)監(jiān)管機(jī)構(gòu)（如美國(guó)SEC）認(rèn)定為證券，從而面臨嚴(yán)格的監(jiān)管審查。如何在設(shè)計(jì)代幣經(jīng)濟(jì)模型時(shí)規(guī)避法律風(fēng)險(xiǎn)，是項(xiàng)目生存的關(guān)鍵。

內(nèi)容責(zé)任方面，如果一個(gè)部署在鏈上的DeAI模型產(chǎn)生了有害、偏見或非法的內(nèi)容，責(zé)任主體是誰？是模型開發(fā)者、算力提供者還是治理代幣持有者？這為現(xiàn)有的法律體系帶來了新的課題。

安全與性能挑戰(zhàn)方面，模型安全即部署在公開鏈上的模型可能面臨新型的攻擊向量，如針對(duì)智能合約的漏洞利用，或通過投毒數(shù)據(jù)對(duì)聯(lián)邦學(xué)習(xí)系統(tǒng)進(jìn)行惡意破壞。

性能瓶頸即區(qū)塊鏈本身的交易速度（TPS）和存儲(chǔ)限制，可能無法支持高頻率、低延遲的大模型推理請(qǐng)求。這需要Layer2擴(kuò)容方案和鏈下計(jì)算的有效結(jié)合。

協(xié)作效率即分布式協(xié)作雖然公平，但決策和執(zhí)行效率可能低于中心化公司。如何在效率與公平之間取得平衡，是DAO治理需要持續(xù)探索的藝術(shù)。

DeAI作為一次生產(chǎn)關(guān)系的革命，通過分布式技術(shù)、代幣經(jīng)濟(jì)和社區(qū)治理，有望打破巨頭的壟斷，釋放全球范圍內(nèi)閑置的算力和數(shù)據(jù)價(jià)值，構(gòu)建一個(gè)更加公平、可持續(xù)且可能更具盈利性的AI新生態(tài)。

五、當(dāng)前探索方向

當(dāng)前AI工具的發(fā)展，距離實(shí)現(xiàn)理想的去中心化人工智能還有相當(dāng)長(zhǎng)的一段路要走。目前我們?nèi)蕴幱谝灾行幕?wù)為主導(dǎo)的早期階段，但一些探索已經(jīng)指明了未來的方向。

當(dāng)前的探索與未來挑戰(zhàn)。雖然理想的DeAI尚未實(shí)現(xiàn)，但業(yè)界已經(jīng)在進(jìn)行有價(jià)值的嘗試，這有助于我們看清未來的路徑與需要翻越的障礙。

如多代理系統(tǒng)的協(xié)作雛形。一些項(xiàng)目正在探索構(gòu)建AI代理相互協(xié)作、共同進(jìn)化的環(huán)境。例如，AMMO項(xiàng)目旨在創(chuàng)建一個(gè)“人與AI的共生網(wǎng)絡(luò)”，其設(shè)計(jì)的多代理框架和RL Gyms模擬環(huán)境，讓AI代理能在復(fù)雜場(chǎng)景中學(xué)習(xí)協(xié)作與競(jìng)爭(zhēng)。這可以看作是構(gòu)建DeAI世界底層交互規(guī)則的一種嘗試。

又如初步的激勵(lì)模型嘗試。在DeAI的構(gòu)想中，貢獻(xiàn)數(shù)據(jù)的用戶和提供算力的節(jié)點(diǎn)都應(yīng)獲得公平的回報(bào)。一些項(xiàng)目正嘗試通過基于加密的激勵(lì)系統(tǒng)，將價(jià)值直接重新分配給生態(tài)的貢獻(xiàn)者。當(dāng)然，這套經(jīng)濟(jì)模型如何能大規(guī)模、穩(wěn)定且公平地運(yùn)轉(zhuǎn)，仍是巨大挑戰(zhàn)。

再如邁向更自主的AI：Deep Research類產(chǎn)品展示了AI在特定任務(wù)（如信息檢索、分析）上的強(qiáng)大自主性。它們能自主規(guī)劃、執(zhí)行多步操作并迭代優(yōu)化結(jié)果，這種任務(wù)自動(dòng)化能力是未來DeAI網(wǎng)絡(luò)中AI代理獨(dú)立工作的基礎(chǔ)。

對(duì)于在紅海中掙扎的AI從業(yè)者而言，與其在舊范式內(nèi)卷，不如勇敢地?fù)肀eAI這片新藍(lán)海。這不僅是技術(shù)路線的轉(zhuǎn)換，更是一次商業(yè)哲學(xué)的重塑——從“榨取”到“激勵(lì)”，從“封閉”到“開放”，從“壟斷利潤(rùn)”到“普惠增長(zhǎng)”。