据Akash Network创始人Greg Osuri称，人工智能在能源上正遇到瓶颈，随着模型规模扩大，训练可能很快需要如同核反应堆的能耗。

在新加坡Token2049活动中，Osuri对Cointelegraph表示，行业低估了计算需求的迅速增长及其所带来的环境成本。他指出，数据中心已经消耗了数百兆瓦的化石燃料电力。

Osuri警告，这一趋势可能引发能源危机，提高家庭电费，并每年增加数百万吨新的排放。

去中心化如何缓解AI的能耗问题

9月30日，彭博社报道，美国的AI数据中心正在推高电费。

报告指出，数据中心已使普通家庭的能源账单上升。五年内，靠近数据中心的地区的批发电价上涨了267%。

Osuri告诉Cointelegraph，解决方案是去中心化。Osuri提到，通过在小型、混合GPU网络上进行分布式训练，而不是集中在单个大型数据中心，可以提高效率和可持续性。

计算能力一旦达到合适的激励，这将像比特币挖矿一样迅速扩展。他认为，家庭电脑或许也能通过提供闲置算力获得代币奖励。

这种愿景与比特币(BTC)挖矿的早期阶段类似，普通用户可以为网络贡献处理能力并获得回报。不过这次是训练AI模型，而非解决加密难题。

尽管技术潜力巨大，但Osuri指出仍有挑战，比如在不同GPU间训练大规模模型需要技术突破。他认为，行业正开始应对这一问题。

挑战仍存

Osuri提到，“大约六个月前，一些公司开始展示分布式训练的各个方面”，但没有人将这些技术整合运行一个模型，他预计这将在年底前发生变化。

另一个难题是建立公平的激励系统。Osuri提到，“激励是难点，为什么有人愿意提供自己的电脑进行训练？他们能获得什么回报？这比实现算法技术更具挑战性。”

尽管面临这些挑战，Osuri坚信去中心化AI训练是必要的，通过在全球网络上传播工作量，AI可以减轻电网压力、降低碳排放，创造更可持续的AI经济。