今天的AI计算能力丰富，但缺乏上下文。 你手机上的AI创建了“完美”的每周餐单。它告诉你去买牛奶和鸡蛋，而你的冰箱里满是食物，并且你的孩子对乳糖不耐受。 生成菜单消耗了大量计算资源，但模型对你冰箱里的实际情况、购物历史、家庭聊天、过敏情况或日历完全没有访问权限。 DeAI将解决这个问题。 它将在数百万个节点之间联邦数据，在上下文存在的地方进行训练，而不是在服务器所在的地方。 证明和梯度在流动。 原始数据留在本地。 隐私成为架构，而不是政策。 认知再次变得本地化。

模型将会专业化。 我们将看到视觉 LLM、音频 LLM、模拟 LLM。 计算代币编码了垂直路由层，协调者在幕后使用它们。它们捕获了基础设施代币无法捕获的按吞吐量定价的费用。 $AKT、$CUDOS、$NODE 在路由游戏中扮演着角色。

我常常对集中式AI的定价模型有同样的想法。 它们的定价为什么是这样的？ 是纯粹的贪婪，还是仅仅是低效？ - 一方面，市场确实给AI赋予了巨大的价值。$NVDA的市值超过了德国所有上市公司的总和。 - 但这种市场主导地位意味着一小部分人拥有整个模型、数据和计算的堆栈。这里的定价来自于集中，而不是监管。 你提到的监管解释了机场外汇差价。 AI定价则不同，因为成本摩擦来自于垄断的基础设施和封闭的生态系统，这导致每个令牌、每个请求和每个席位的价格更高。 我希望AI的上行潜力对每个人都显而易见，但我不希望堆栈的顶端提取所有的价值。 解决方案不是更好的守门人，而是开放的通道，可以在多个提供者之间路由工作并即时结算。 加密在这里有帮助，原因与你提到的一样：它在架构层面减少了控制的表面区域。