Experten sagen, dass Zk-Proofs DePINs einen Vorteil verschaffen, da die Anforderungen an KI-Vertrauen steigen

Die Basisprognose von Goldman Sachs für Investitionen in künstliche Intelligenz (KI) in Höhe von 7,6 Billionen US-Dollar hängt letztendlich davon ab, wie lange KI-spezifisches Silizium noch nützlich bleibt. Dezentrale Netzwerke versprechen erhebliche Kosteneinsparungen, kämpfen aber weiterhin mit Latenzproblemen, und Experten argumentieren, dass ihre langfristige Rentabilität davon abhängen wird, ob der Überprüfbarkeit Vorrang vor der reinen Leistung eingeräumt wird.

Wichtige Erkenntnisse:

Goldman Sachs gibt bis 2031 Ausgaben in Höhe von 7,6 Billionen US-Dollar an, abhängig davon, ob die Chips länger als drei Jahre halten.

StealthEX- und Cysic-Experten warnen, dass die DePIN-Latenz die dezentrale KI auf die Stapelverarbeitung von Aufträgen über Live-Chat beschränkt.

On-Chain-Firmen wie Maple könnten bis 2028 die Kreditlücke von 5 bis 50 Millionen US-Dollar für Tier-2-Rechenzentren schließen.

Der Basisszenario beträgt 7,6 Billionen US-Dollar

Ein aktueller Bericht von Goldman Sachs verlagert die Debatte von der Frage, ob eine Nachfrage nach künstlicher Intelligenz (KI) besteht, hin zu den Faktoren auf der Angebotsseite, die die tatsächlichen Kosten des Ausbaus bestimmen. Der Bericht geht von 7,6 Billionen US-Dollar an KI-Investitionen als Basis aus, betont jedoch, dass diese Zahl stark von „Swing-Variablen“ abhängt, einschließlich der Nutzungsdauer von KI-Silizium.

Diese Langlebigkeit wird als der kritischste Faktor angesehen, da schnelle Innovationen dazu führen könnten, dass Standardchips, die normalerweise vier bis sechs Jahre halten, in drei Jahren veraltet sind, was zu einem sprunghaften Kostenanstieg führt. Umgekehrt könnte ein „gestuftes Modell“, bei dem ältere Chips für einfachere Aufgaben wie Inferenz wiederverwendet werden, die Kosten stabilisieren.

Die Komplexität des Rechenzentrums und die Elastizität des Rechenbedarfs sind weitere Variablen, die wahrscheinlich Einfluss darauf haben, wie viel Kapital in den nächsten fünf Jahren in die KI-Infrastruktur investiert wird. Engpässe bei der Kapazität des Stromnetzes, bei Fachkräften und bei der Elektroausrüstung werden ebenfalls als Faktoren angesehen, die den Ausbau verzögern.

In einem separaten Bericht werden diese enormen Infrastrukturausgaben inzwischen als Eckpfeiler einer entstehenden „Maschinenwirtschaft“ bezeichnet. In diesem Paradigma werden KI-Agenten zu den primären Wirtschaftsakteuren, die hochfrequente Transaktionen ausführen und die Ressourcenzuteilung unabhängig verwalten. Die Autoren des Berichts behaupten, dass veraltete Finanzsysteme, die sich durch langsame Abwicklungszyklen und starre „Know Your Customer“ (KYC)-Rahmenbedingungen auszeichnen, grundsätzlich schlecht für die Geschwindigkeit des Agentenhandels gerüstet sind.

Dezentrale Infrastruktur und der Latenz-Kompromiss

Folglich werden Krypto- und dezentrale Protokolle als die wesentlichen, erlaubnislosen „wirtschaftlichen Schienen“ positioniert, die erforderlich sind, um diesen Wandel zu ermöglichen. Skeptiker bleiben jedoch vorsichtig und fragen sich, ob dezentrale physische Infrastrukturnetzwerke (DePINs) den steigenden Kapitalbedarf von KI wirklich abmildern können.

Vadim Taszycki, Wachstumsleiter bei StealthEX, weist darauf hin, dass dezentrale Netzwerke zwar erhebliche Kosteneinsparungen ermöglichen können, aber mit physischen Einschränkungen konfrontiert sind. Während ein dezentraler Anbieter wie Akash eine H100-GPU für 1,48 US-Dollar pro Stunde mieten könnte, verglichen mit 12,30 US-Dollar bei Amazon Web Services, ist der Kompromiss die Geschwindigkeit.

„Die großen Cloud-Anbieter können [schnelle Arbeit] leisten, weil ihre GPUs nebeneinander in einem Gebäude sitzen und durch spezielle Kabel verbunden sind, die Daten in Mikrosekunden übertragen“, sagte Taszycki. Er erklärte, dass dezentrale Netzwerke, die GPUs über das öffentliche Internet in verschiedenen Ländern miteinander verbinden, zu Verzögerungen im Millisekundenbereich führen. Diese Latenz macht die dezentrale Orchestrierung konkurrenzfähig für Batch-Jobs und Feinabstimmungen, ist jedoch ungeeignet für die Bereitstellung umfangreicher Live-Chatbots, bei denen die Benutzererfahrung von nahezu sofortigen Antworten abhängt.

Leo Fan, Gründer von Cysic, schloss sich dieser Meinung an und betonte, dass dezentrale Inferenz für Arbeitslasten mit geringer Latenz ungeeignet sei. Fan argumentierte jedoch, dass Latenz der falsche Maßstab für den Vergleich dezentraler Plattformen und Hyperscaler wie AWS sei.

„Das schwierige Problem ist nicht die verteilte Rechenleistung, sondern die Erkennung, Planung und Bestätigung. Der Wedge ist nicht der Preis pro Token, sondern die Überprüfbarkeit“, sagte Fan. Er wies darauf hin, dass Trusted Execution Environments (TEEs) und Zero-Knowledge (ZK)-Bescheinigungen es dezentralen Netzwerken ermöglichen, in Sektoren zu konkurrieren, in denen Vertrauen und Verifizierung wichtiger sind als „Tail Latency“.

Onchain-Kredit und die Finanzierungslücke

Über die Rechenleistung hinaus verlagert sich der Fokus auf die Art und Weise, wie diese kapitalintensiven Projekte finanziert werden. Während traditionelle Privatkredite über reichlich Kapital verfügen, werden kleinere oder nicht standardmäßige Geschäfte oft übersehen. On-Chain-Kredit bietet deutliche Vorteile, z. B. die Möglichkeit für Privatanleger, an den Einnahmen aus Rechenzentren zu partizipieren, die bisher institutionellen Kommanditisten vorbehalten waren. Darüber hinaus können Plattformen wie Maple und Centrifuge Kredite im Bereich von 5 bis 50 Millionen US-Dollar syndizieren – eine Spanne, die von Firmen wie Apollo aufgrund der hohen Zeichnungskosten im Verhältnis zu den Gebühren oft ignoriert wird.

Schließlich ermöglicht On-Chain-Guthaben neuartige „Pay-per-Inference“-Modelle, bei denen der Umsatz mit der GPU-Nutzung schwankt. Solche Modelle passen besser in tokenisierte Umsatzbeteiligungsstrukturen als starre traditionelle 20-Jahres-Mietverträge.

Trotz dieses Potenzials identifizieren Experten vier „Tore“, die einer institutionellen Übernahme verschlossen bleiben: die rechtliche Durchsetzbarkeit vor Insolvenzgerichten