Các nhà phát triển đang chuyển các khối lượng công việc đào tạo AI sang các mạng tính toán phi tập trung nhanh hơn so với hầu hết các nhà cung cấp hạ tầng mong đợi. Khi các nền tảng tập trung kiểm soát giá cả và quyền truy cập, các nhà phát triển phải chịu đựng sự gia tăng chi phí hoặc ngừng các dự án. Các mạng phi tập trung cho phép các nhà cung cấp tính toán cạnh tranh về giá cả và hiệu suất. Các công việc đào tạo được phân phối trên khả năng GPU có sẵn. Không có quy trình phê duyệt. Không phụ thuộc vào nền tảng. Nếu một nhà cung cấp tăng giá, các khối lượng công việc sẽ tự động chuyển sang các lựa chọn rẻ hơn. Hạ tầng điều phối các mạng phân tán này mà không tạo ra các nút thắt mới sẽ thu hút hệ sinh thái nhà phát triển. Kiến trúc mô-đun của 0G tách biệt lưu trữ, tính toán và đồng thuận cho phép sự điều phối này ở quy mô sản xuất mà không làm giảm thông lượng.

Điều gì xảy ra khi các tác nhân AI giao dịch nhanh hơn con người có thể phê duyệt giao dịch? Các chuỗi truyền thống được tối ưu hóa cho các tương tác với tốc độ con người sẽ gặp khó khăn khi các tác nhân phối hợp hàng ngàn quyết định mỗi giờ. Một độ trễ 200ms tích lũy thành những cơ hội bị bỏ lỡ, những giao dịch chênh lệch thất bại, dữ liệu lỗi thời. Nền kinh tế của các tác nhân cần sự hoàn tất dưới một giây, chi phí dự đoán được và thông lượng tăng theo hoạt động, không phải tắc nghẽn. Đó là lý do tại sao 0G tách biệt sự đồng thuận, lưu trữ và tính toán thành các lớp chuyên biệt. Các tác nhân không chờ xác nhận khối. Họ thực hiện, giải quyết và chuyển sang cơ hội tiếp theo trước khi các chuỗi truyền thống hoàn tất xử lý giao dịch đầu tiên. Cơ sở hạ tầng được xây dựng cho sự phối hợp tốc độ tác nhân nắm bắt nền kinh tế tự động. Mọi thứ khác trở thành nút thắt cổ chai. Quy trình phê duyệt của con người không thể mở rộng cho các thị trường tốc độ máy móc. Cơ sở hạ tầng loại bỏ những nút thắt đó sẽ chiến thắng.

Lưu trữ phi tập trung vừa thay đổi kinh tế của việc phân phối các mô hình AI. Chi phí lưu trữ mô hình tập trung tăng theo tỷ lệ với mức sử dụng. Mỗi yêu cầu suy diễn đều tác động đến cùng một máy chủ, chi phí băng thông tích lũy, và các nhà cung cấp chuyển những chi phí đó cho người dùng thông qua giá API. Đó là lý do tại sao các cuộc gọi API GPT-4 có giá như vậy: có người đang trả tiền cho tính toán VÀ băng thông ở quy mô lớn. Với lưu trữ phi tập trung như lớp DA của 0G, trọng số mô hình được phân phối qua các nút. Người dùng lấy từ nút gần nhất thay vì liên tục tác động đến các máy chủ trung tâm. Chi phí băng thông được phân phối qua mạng. Đột nhiên, việc lưu trữ một mô hình 70B tham số không cần cơ sở hạ tầng có chi phí lên tới sáu con số hàng tháng. Điều này không chỉ làm cho AI rẻ hơn. Nó làm cho các mô hình phân phối hoàn toàn mới trở nên khả thi: các mô hình cập nhật thường xuyên, các mô hình có biến thể khu vực, các mô hình mà người dùng có thể chạy cục bộ sau khi tải xuống ban đầu. Rào cản không bao giờ là chất lượng mô hình, mà là kinh tế phân phối.