Почему Виталик ошибается в отношении самодостаточной вычислительной техники

Виталик отказывается от облачных инструментов в пользу локального ИИ в 2026 году. Но готова ли самодостаточная вычислительная техника к реальному миру?

Автор: Гаурав Шарма, генеральный директор компании io.net

Виталик Бутерин недавно объявил 2026 год годом "возвращения утраченной почвы в области самодостаточной вычислительной техники". Он поделился изменениями, которые он лично внес: заменил Google Docs на Fileverse, Gmail на Proton Mail, Telegram на Signal и экспериментирует с локальным запуском больших языковых моделей на своем ноутбуке, а не через облачные сервисы.

Инстинкт правильный. Централизованная инфраструктура ИИ - это реальная проблема. Три компании - Amazon, Microsoft и Google - теперь контролируют 66% мировых расходов на облачную инфраструктуру, рынок, который достиг $102,6 миллиарда за один квартал в прошлом году. Когда каждый запрос проходит через эту сконцентрированную инфраструктуру, пользователи теряют контроль над данными, которые должны оставаться конфиденциальными. Для всех, кто заботится о цифровой автономии, это должно казаться системной ошибкой. Но предложенное Виталиком решение - локальный запуск ИИ на персональном оборудовании - предполагает компромисс, который не должен существовать. Для тех, кто пытается создавать серьезные приложения ИИ, его подход не предлагает реального пути вперед.

Ограничения локальных вычислений

Запуск ИИ на собственном устройстве имеет очевидные преимущества. Если модель никогда не покидает ваш ноутбук, то и ваши данные остаются там. Нет третьих лиц, нет слежки, нет зависимости от корпоративной инфраструктуры. Это работает для простых сценариев. Отдельный пользователь, выполняющий базовые вычисления, или разработчик, экспериментирующий с небольшой моделью, может создавать ценность с помощью локально размещенных моделей. Виталик признает текущие ограничения в плане удобства использования и эффективности, но рассматривает их как временные трудности, которые со временем будут устранены.

Однако, обучение моделей, выполнение вычислений в больших масштабах и развертывание агентов, работающих непрерывно, требуют вычислительной мощности графических процессоров, которую не может обеспечить персональное оборудование. Даже один ИИ-агент, работающий всю ночь, требует постоянных вычислительных ресурсов. Обещание всегда доступных ИИ-ассистентов рушится в тот момент, когда вы отходите от своего рабочего места. Корпоративные решения требуют тысячи часов работы графических процессоров в день. Стартап, обучающий специализированную модель, может потратить больше вычислительных ресурсов за неделю, чем высокопроизводительный ноутбук обеспечивает за год. Амбициозная исследовательская группа может тратить 80% или больше своего финансирования только на вычислительные мощности графических процессоров – ресурсы, которые в противном случае могли бы быть направлены на персонал, исследования и разработки или расширение рынка. Крупные компании с большим капиталом легко справляются с этими затратами, в то время как все остальные оказываются не в состоянии их себе позволить.

Однако, обучение моделей, выполнение вычислений в больших масштабах и развертывание агентов, работающих непрерывно, требуют вычислительной мощности графических процессоров, которую не может обеспечить персональное оборудование. Даже один ИИ-агент, работающий всю ночь, требует постоянных вычислительных ресурсов. Обещание всегда доступных ИИ-ассистентов рушится в тот момент, когда вы отходите от своего рабочего места. Корпоративные решения требуют тысячи часов работы графических процессоров в день. Стартап, обучающий специализированную модель, может потратить больше вычислительных ресурсов за неделю, чем высокопроизводительный ноутбук обеспечивает за год. Амбициозная исследовательская группа может тратить 80% или больше своего финансирования только на вычислительные мощности графических процессоров – ресурсы, которые в противном случае могли бы быть направлены на персонал, исследования и разработки или расширение рынка. Крупные компании с большим капиталом легко справляются с этими затратами, в то время как все остальные оказываются не в состоянии их себе позволить.

Локальный хостинг не решает эту проблему и, по сути, предполагает выбор между двумя вариантами, который оставляет большинство разработчиков без альтернатив: оставаться небольшими и независимыми или масштабироваться и передавать свои данные компаниям Amazon, Google или Microsoft.

Ложная дилемма

Сообщество криптовалют должно хорошо понимать, что это за подход. Децентрализация никогда не предполагала ограничения возможностей для сохранения независимости; она направлена на то, чтобы обеспечить сосуществование масштабируемости и суверенитета. Тот же принцип применим и к вычислительным ресурсам.

Во всем мире миллионы графических процессоров простаивают в центрах обработки данных, предприятиях, университетах и независимых организациях. Современные децентрализованные вычислительные сети объединяют это фрагментированное оборудование в гибкую, программируемую инфраструктуру. Эти сети охватывают более 130 стран и предлагают графические процессоры корпоративного уровня и специализированные устройства для периферийных устройств по ценам на 70% ниже, чем у традиционных крупных поставщиков.

Разработчики могут получать доступ к высокопроизводительным кластерам по требованию, используя распределенный пул независимых операторов, а не одного поставщика. Цены зависят от использования и конкуренции в режиме реального времени, а не от контрактов, заключенных много лет назад. Для поставщиков простаивающее оборудование может быть преобразовано в продуктивные мощности.

Кто выигрывает от открытых рынков вычислительных ресурсов?

Влияние этого решения выходит далеко за рамки экономии средств. Для более широкого рынка это представляет собой реальную альтернативу олигополии, которая в настоящее время контролирует искусственный интеллект. Независимые исследовательские группы могут проводить значимые эксперименты, а не ограничивать свои амбиции из-за ограничений аппаратного обеспечения. Стартапы в развивающихся экономиках могут создавать модели для местных языков, региональных систем здравоохранения или сельскохозяйственных приложений, не привлекая капитал для заключения контрактов с крупными поставщиками облачных услуг.

Региональные центры обработки данных могут участвовать в глобальном рынке, а не быть исключенными из-за структуры существующих соглашений. Именно так мы действительно преодолеваем цифровой разрыв в области искусственного интеллекта: не заставляя разработчиков соглашаться на использование менее мощных инструментов, а перестраивая то, как вычислительные ресурсы поступают на рынок. Виталик прав, когда говорит, что мы должны противостоять централизации инфраструктуры искусственного интеллекта, но ответ заключается не в отказе от локального оборудования. Распределенные системы, обеспечивающие как масштабируемость, так и независимость, уже существуют.

Настоящее испытание принципов криптовалюты

Криптовалютное сообщество закрепило децентрализацию в качестве основополагающего принципа. Децентрализованные вычислительные сети представляют собой возможность реализовать то, что криптовалюта всегда заявляла, что может: доказать, что распределенные системы могут соответствовать и превосходить централизованные альтернативы. Более низкие затраты, более широкий доступ, отсутствие единой точки контроля или отказа. Инфраструктура уже существует; вопрос в том, будет ли отрасль использовать ее, или согласится на версию суверенитета, которая работает только в том случае, если вы готовы оставаться небольшими.