Para Ahli Mengatakan Zk Proofs Memberi DePIN Keunggulan Saat Tuntutan Kepercayaan AI Meningkat

📄Artikel lengkap· Diambil secara otomatis oleh trafilaturaGemini 翻譯5911 kata

Perkiraan dasar Goldman Sachs sebesar $7,6 triliun untuk belanja modal artificial intelligence (AI) pada akhirnya bergantung pada berapa lama silikon khusus AI tetap berguna. Jaringan terdesentralisasi menjanjikan efisiensi biaya yang besar tetapi terus berjuang melawan masalah latensi, dan para ahli berpendapat bahwa kelangsungan jangka panjangnya akan bergantung pada memprioritaskan verifiabilitas di atas performa mentah. Para Ahli Mengatakan Zk Proofs Memberikan DePINs Keunggulan Saat Tuntutan Kepercayaan AI Meningkat Poin Penting - Goldman Sachs menyebutkan pengeluaran sebesar $7,6 triliun pada 2031, bergantung pada apakah chip bertahan lebih dari 3 tahun. - Para ahli StealthEX dan Cysic memperingatkan bahwa latensi DePIN membatasi AI terdesentralisasi pada batch job ketimbang live chat. - Perusahaan onchain seperti Maple dapat menjembatani kesenjangan kredit $5 juta hingga $50 juta untuk pusat data Tier 2 pada 2028. Baseline $7,6 Triliun Laporan Goldman Sachs baru-baru ini menggeser perdebatan dari apakah permintaan artificial intelligence (AI) ada menjadi faktor-faktor sisi pasokan mana yang akan menentukan biaya aktual pembangunan. Laporan tersebut memproyeksikan belanja modal AI sebesar $7,6 triliun sebagai baseline tetapi menekankan bahwa angka ini sangat sensitif terhadap "variabel ayun", termasuk masa pakai silikon AI. Umur panjang ini dipandang sebagai faktor paling kritis karena inovasi yang cepat dapat membuat chip standar—yang biasanya bertahan empat hingga enam tahun—menjadi usang dalam tiga tahun, menyebabkan biaya melonjak. Sebaliknya, "model berjenjang" di mana chip lama digunakan kembali untuk tugas-tugas yang lebih sederhana, seperti inference, dapat menstabilkan biaya. Kompleksitas pusat data dan elastisitas permintaan komputasi adalah variabel lain yang kemungkinan akan mempengaruhi seberapa banyak modal dikeluarkan untuk infrastruktur AI dalam lima tahun ke depan. Kekurangan kapasitas jaringan listrik, tenaga kerja khusus, dan peralatan listrik juga dilihat sebagai faktor yang memperpanjang pembangunan. Sementara itu, laporan terpisah membingkai pengeluaran infrastruktur yang menakjubkan ini sebagai landasan dari "ekonomi mesin" yang sedang muncul. Dalam paradigma ini, agen AI menjadi aktor ekonomi utama, mengeksekusi transaksi berfrekuensi tinggi dan mengelola alokasi sumber daya secara independen. Para penulis laporan berpendapat bahwa sistem keuangan lama, yang ditandai dengan siklus penyelesaian yang lambat dan kerangka know your customer (KYC) yang kaku, secara fundamental tidak siap menghadapi kecepatan perdagangan agentik. Infrastruktur Terdesentralisasi dan Trade-off Latensi Akibatnya, hal ini memposisikan crypto dan protokol terdesentralisasi sebagai "rel ekonomi" tanpa izin yang esensial yang diperlukan untuk memfasilitasi pergeseran ini. Namun, para skeptis tetap waspada, mempertanyakan apakah decentralized physical infrastructure networks (DePINs) benar-benar dapat memitigasi kebutuhan modal AI yang membengkak. Vadim Taszycki, head of growth di StealthEX, mencatat bahwa meskipun jaringan terdesentralisasi dapat menawarkan penghematan biaya yang signifikan, mereka menghadapi keterbatasan fisik. Sementara penyedia terdesentralisasi seperti Akash mungkin menyewakan GPU H100 seharga $1,48 per jam dibandingkan dengan $12,30 di Amazon Web Services, trade-off-nya adalah kecepatan. "Penyedia cloud besar dapat melakukan [pekerjaan cepat] karena GPU mereka berdampingan satu sama lain dalam satu gedung, terhubung oleh kabel khusus yang memindahkan data dalam mikrodetik," kata Taszycki. Dia menjelaskan bahwa jaringan terdesentralisasi, yang menggabungkan GPU di berbagai negara melalui internet publik, menambahkan milidetik penundaan. Latensi ini membuat orkestrasi terdesentralisasi kompetitif untuk batch job dan fine-tuning tetapi tidak cocok untuk melayani chatbot live berskala tinggi di mana pengalaman pengguna bergantung pada respons yang hampir instan. Leo Fan, pendiri Cysic, menggemakan sentimen ini, menegaskan bahwa inference terdesentralisasi tidak cocok untuk beban kerja dengan latensi rendah. Namun, Fan berpendapat bahwa latensi adalah tolok ukur yang salah untuk membandingkan platform terdesentralisasi dan hyperscaler seperti AWS. "Masalah sulitnya bukanlah komputasi terdistribusi tetapi penemuan, penjadwalan, dan atestasi. Keunggulannya bukan harga-per-token; ini adalah verifiabilitas," kata Fan. Dia mencatat bahwa trusted execution environments (TEEs) dan atestasi zero-knowledge (ZK) memungkinkan jaringan terdesentralisasi bersaing di sektor-sektor di mana kepercayaan dan verifikasi lebih penting daripada "tail latency." Kredit Onchain dan Kesenjangan Pendanaan Di luar komputasi, fokus bergeser ke bagaimana proyek-proyek padat modal ini didanai. Sementara kredit swasta tradisional memiliki modal yang cukup, mereka sering mengabaikan transaksi yang lebih kecil atau non-standar. Kredit onchain menawarkan keunggulan yang berbeda, seperti memungkinkan investor ritel untuk berpartisipasi dalam pendapatan pusat data yang sebelumnya dibatasi untuk mitra terbatas institusional. Selain itu, platform seperti Maple dan Centrifuge dapat mensindikasikan pinjaman dalam kisaran $5 juta hingga $50 juta—sebuah kelompok yang sering diabaikan oleh perusahaan seperti Apollo karena biaya underwriting yang tinggi relatif terhadap biaya. Akhirnya, kredit onchain memungkinkan model "pay-per-inference" yang baru, di mana pendapatan berfluktuasi dengan penggunaan GPU. Model semacam itu lebih cocok secara alami dalam struktur bagi hasil yang ter-tokenisasi dibandingkan dengan sewa tradisional 20 tahun yang kaku. Meskipun ada potensi ini, para ahli mengidentifikasi empat "gerbang" yang masih tertutup untuk adopsi institusional: keberlakuan hukum di pengadilan kepailitan, kurangnya infrastruktur oracle yang tahan rusak untuk melayani perjanjian, ketidakpastian regulasi untuk tranche bernilai miliaran dolar, dan produk pajak serta akuntansi yang tidak terstandardisasi. Konsensus menunjukkan jadwal realistis 12 hingga 24 bulan untuk transaksi tersindikasi berukuran menengah agar mendapatkan daya tarik onchain, dengan utang mezzanine yang mayoritas onchain kemungkinan tiga hingga lima tahun lagi. Terobosan pertama kemungkinan akan datang dari operator Tier 2 daripada pemimpin industri seperti Coreweave. Hiruk-Pikuk Infrastruktur AI Tumbuh Saat Meta Berkomitmen hingga $27 Miliar untuk Nebius Hiruk-Pikuk Infrastruktur AI Tumbuh Saat Meta Berkomitmen hingga $27 Miliar untuk Nebius Dalam perlombaan senjata artificial intelligence (AI) besar tahun 2026, Meta baru saja menandatangani cek senilai $27 miliar untuk daya komputasi,… Read NowDalam perlombaan senjata artificial intelligence (AI) besar tahun 2026, Meta baru saja menandatangani cek senilai $27 miliar untuk daya komputasi,…

Status data✓ Teks lengkap telah diambilBaca artikel asli (Bitcoin.com)

🔍Peristiwa serupa dalam sejarah· Pencocokan kata kunci + aset4 berita

2026-05-12

Ethereum Belum Mati: Mengapa Para Pakar Pasar Masih Memprediksi Kenaikan di Atas $10.000

Tingkat kemiripan 130%關鍵字 rise/experts

2026-05-09

Dompet kripto sedang dibangun ulang untuk agen AI, kata eksekutif Trust Wallet dan Mesh di Consensus Miami

Tingkat kemiripan 130%關鍵字 say/trust

2026-05-07

Bitcoin turun di bawah $80K karena analis mengatakan aksi ambil untung sedang meningkat

Tingkat kemiripan 130%關鍵字 say/rise

2026-04-22