„Gonka“ siekia decentralizuoti AI skaičiavimus, suteikdama kūrėjams ir aparatinės įrangos tiekėjams nuspėjamą, patikrinamą prieigą ir mesdama iššūkį centralizuotų debesų milžinų dominavimui.
Kadangi AI skaičiavimo kontrolė vis labiau koncentruojasi tarp saujelės debesų paslaugų teikėjų ir aparatinės įrangos gigantų, „Gonka“ atsirado kaip naujas 1-ojo lygmens (L1) tinklas, orientuotas į decentralizuotą, labai efektyvią AI infrastruktūrą. Projekto įkūrėjas mano, kad traktuodamas skaičiavimus kaip atvirą, patikrinamą infrastruktūrą, o ne kaip uždarą paslaugą, „Gonka“ gali atverti pasaulinę prieigą prie AI išteklių ir mesti iššūkį dabartinių centralizuotų sistemų struktūriniams apribojimams.
1. Kas yra „Gonka“ ir kokią problemą ji sprendžia?
„Gonka“ yra L1 decentralizuotas tinklas, skirtas labai efektyviems AI skaičiavimams, sukurtas spręsti struktūrinę problemą, slypinčią po dabartiniu AI bumu: kaip AI skaičiavimai yra generuojami, paskirstomi ir skatinami.
Šiandien pagrindinė kliūtis AI srityje nebėra modeliai, o skaičiavimų kontrolė. Pažangūs GPU yra labai susikoncentravę nedideliam skaičiui aparatinės įrangos gamintojų ir didelio masto debesų paslaugų teikėjų, todėl AI skaičiavimai yra brangūs, neaiškūs ir vis labiau ribojami geografijos ir politikos. JAV ir Kinija sparčiai įtvirtina lustų, energijos ir duomenų centrų pajėgumų kontrolę, todėl didžioji dalis likusio pasaulio atsiduria priklausomoje padėtyje ir apriboja savo galimybes konkuruoti AI ekonomikoje.
Tai paveikia tiek startuolius, tiek ištisus regionus. Kūrėjai susiduria su kainų svyravimais, pajėgumų trūkumu ir tiekėjo priklausomybe, o daugelis šalių rizikuoja atsilikti dėl ribotos prieigos prie pagrindinės AI infrastruktūros.
„Gonka“ iš naujo permąsto tai protokolo lygiu. Užuot traktavę skaičiavimus kaip uždarą paslaugą, kontroliuojamą centralizuotų paslaugų teikėjų, sėmėmės įkvėpimo iš sistemų, kurios jau įrodė, kad galima koordinuoti didelio masto fizinę infrastruktūrą per atviras paskatas. Panašiai kaip „Bitcoin“ pademonstravo aparatinei įrangai ir energijai, „Gonka“ taiko panašius principus AI skaičiavimams, ne taikomųjų programų lygiu, o protokolo lygiu.
Naudodamas „Transformer“ pagrįstą „Proof-of-Work“ (darbo įrodymo) mechanizmą, tinklas nukreipia beveik visą turimą GPU galią prasmingiems AI darbo krūviams. Šiandien šis darbas pirmiausia yra AI išvedimas (inference), o ateityje planuojamas mokymas. Mazgai uždirba atlygį, pagrįstą patikrintu skaičiavimo indėliu, o ne kapitalo paskirstymu ar spekuliatyvia mechanika. Ir skirtingai nuo daugelio decentralizuotų sistemų, skaičiavimai nėra švaistomi abstrakčioms saugumo užduotims ar pasikartojančiam sutarimo darbui, jie naudojami produktyviai.
Kūrėjams tai suteikia nuspėjamą prieigą prie AI skaičiavimų, nepasikliaujant uždaromis API arba vienu debesų paslaugų teikėju. Plačiau kalbant, „Gonka“ traktuoja AI skaičiavimus kaip pagrindinę infrastruktūrą – efektyvią, patikrinamą ir paskirstytą globaliai, o ne kaip išteklius, kontroliuojamus kelių prižiūrėtojų.
2. Kuo „Gonka“ „Proof-of-Work“ modelis skiriasi nuo kitų decentralizuotų AI projektų, tokių kaip „Bittensor“?
Pagrindinis skirtumas slypi tame, ką kiekvienas tinklas apibrėžia kaip „darbą“ ir kaip aplink jį kuriama vertė.
Daugelis decentralizuotų AI projektų, įskaitant „Bittensor“, orientuojasi į koordinavimą modelio ar tinklo lygiu. Jų paskatos dažnai formuojamos statymo (staking), delegavimo ar tarpusavio vertinimo sistemų, kur atlygis ir įtaka ne visada yra tiesiogiai proporcingi grynam skaičiavimo indėliui. Šis požiūris gali būti veiksmingas sprendžiant tam tikras koordinavimo problemas, tačiau nebūtinai optimizuoja didelio masto, efektyvią AI skaičiavimo infrastruktūrą.
„Gonka“ eina kitu keliu. Jis sukurtas kaip į skaičiavimus orientuotas tinklas, kur „darbas“ apibrėžiamas kaip patikrinamas AI skaičiavimas. „Proof-of-Work“ „Gonka“ pagrįstas „Transformer“ pagrįstu PoW mechanizmu, kuris matuoja realų GPU darbą, o ne kapitalo paskirstymą ar spekuliatyvų dalyvavimą. Balsavimo galia ir atlygis yra tiesiogiai susiję su patikrintu skaičiavimo indėliu, derinant paskatas su tikruoju infrastruktūros veikimu.
Kitas pagrindinis skirtumas yra efektyvumas. Daugelyje decentralizuotų sistemų didelė dalis turimų skaičiavimų sunaudojama sutarimui, patvirtinimui ar pasikartojančiam darbui, kuris neturi didelės vertės už tinklo ribų. Pavyzdžiui, tokiose sistemose kaip „Bittensor“, apie 60 % atlygio skiriama statymui, kuris, nors ir būtinas tinklo saugumui, neprisideda prie AI skaičiavimo. „Gonka“ sprinto pagrindu sukurtas dizainas sumažina šias pridėtines išlaidas, leidžiant beveik visiems turimiems GPU ištekliams būti nukreiptiems į prasmingus AI darbo krūvius, daugiausia išvedimą.
Paprastai tariant, tokie projektai kaip „Bittensor“ orientuojasi į intelekto koordinavimą. „Gonka“ orientuojasi į ekonominio ir infrastruktūrinio pagrindo AI skaičiavimams kūrimą. Šie požiūriai veikia skirtinguose sluoksniuose, o „Gonka“ modelis yra sąmoningai optimizuotas aparatinės įrangos tiekėjams ir realaus pasaulio AI darbo krūviams.
3. Kodėl „Gonka“ pasirinko sutelkti dėmesį į AI išvedimą, o ne į mokymą?
„Gonka“ yra sukurtas kaip į skaičiavimus orientuotas tinklas, ir ši perspektyva natūraliai formuoja tai, nuo ko nusprendėme pradėti.
Sprendimas pirmiausia sutelkti dėmesį į išvedimą buvo sekos, o ne apribojimo klausimas. Išvedimas yra ten, kur šiandien vyksta didžioji dalis realaus pasaulio AI naudojimo, ir ten taip pat labiausiai matomi infrastruktūros kliuviniai. AI sistemoms pereinant nuo eksperimentavimo prie gamybos, nuolatinis išvedimas tampa brangus, ribotas pajėgumų ir griežtai kontroliuojamas centralizuotų paslaugų teikėjų.
Žvelgiant iš tinklo projektavimo perspektyvos, išvedimas taip pat yra tinkama vieta pradėti. Tai leidžia mums patvirtinti pagrindinius „Gonka“ principus – patikrinamus skaičiavimus, efektyvų išteklių paskirstymą ir paskatų suderinimą – esant realiems gamybos darbo krūviams. Išvedimo darbo krūviai yra nuolatiniai, išmatuojami ir gerai tinka decentralizuotai aplinkai, kurioje svarbus aparatinės įrangos naudojimas ir efektyvumas.
Mokymas, ypač didesniu mastu, yra kitokia problemų klasė su savo koordinavimo dinamika ir vykdymo charakteristikomis. Mes orientuojamės į infrastruktūros kūrimą, kuri veikia esant realiai paklausai, o išvedimas yra ten, kur ta paklausa jau yra šiandien. Tačiau „Gonka“ planuoja ateityje įvesti mokymą, o tinklas skiria 20 % visų pajamų iš išvedimo ateities modelių mokymui paremti.
4. Kaip „Gonka“ patikrina, ar kasėjai iš tikrųjų atlieka AI išvedimo darbą, kurį jie teigia atlikę?
Patvirtinimas „Gonka“ yra įdiegtas tiesiogiai į tai, kaip tinklas matuoja ir vertina skaičiavimus.
Išvedimo užduotys vykdomos per trumpus, laiko apribojimus turinčius laikotarpius, vadinamus sprintais. Kiekviename sprinte mazgų prašoma vykdyti išvedimą su dideliais „Transformer“ modeliais, kurie kiekvienam ciklui atsitiktinai inicializuojami. Kadangi šios užduotys reikalauja daug skaičiavimų ir nuolat keičiasi, jų negalima iš anksto apskaičiuoti, imituoti ar pakartotinai panaudoti iš ankstesnių vykdymų. Vienintelis praktinis būdas gauti tinkamus rezultatus yra atlikti realius skaičiavimus.
Tinklas tikrina rezultatus, patvirtindamas, ar rezultatai atitinka tai, ko būtų galima tikėtis iš tikro modelio vykdymo.
Norint, kad sistema būtų efektyvi, „Gonka“ dar kartą netikrina kiekvieno skaičiavimo. Vietoj to, ji nuolat tikrina dalį rezultatų ir padidina patikrinimus dalyviams, kurie buvo įtariami rezultatų klastojimu. Dalis mazgų atlygio susideda iš mokesčių už naudingą darbą. Šie mokesčiai nemokami, jei atliktas darbas nepraėjo patvirtinimo. Šis požiūris sumažina pridėtines išlaidas ir užtikrina, kad neteisingų ar suklastotų rezultatų pateikimas nebūtų vertas pastangų.
Laikui bėgant mazgai, kurie nuolat pateikia teisingus rezultatus, yra pripažįstami patikimais dalyviais ir labiau dalyvauja tinkle. Tas pats principas, atlyginantis už įrodytus, realius skaičiavimus, yra „Gonka“ paskatų ir įtakos pagrindas.
5. „OpenAI“, „Google“ ir „Microsoft“ kontroliuoja didžiulę skaičiavimo infrastruktūrą su nusistovėjusiomis klientų bazėmis. Kas daro „Gonką“ konkurencingą prieš šiuos pirmūnus?
Iššūkis slypi ne pačioje technologijoje, o tame, kaip kontroliuojama prieiga prie skaičiavimų.
Mes nelaikome, kad „Gonka“ konkuruoja su tokiomis įmonėmis kaip „OpenAI“, „Google“ ar „Microsoft“ tradicine prasme. Jos kuria ir valdo kai kuriuos pažangiausius centralizuotus AI rinkinius pasaulyje, ir tos sistemos toliau vaidins svarbų vaidmenį.
Skirtumas slypi sluoksnyje, kurį mes nagrinėjame. Centralizuoti paslaugų teikėjai kontroliuoja didžiulę infrastruktūrą, tačiau ši kontrolė turi trūkumų. Prieiga prie skaičiavimų yra uždara, kainos neaiškios, o pajėgumą formuoja vidaus prioritetai. Daugeliui kūrėjų ir regionų tai lemia nepastovumą, priklausomybę ir ribotą ilgalaikį nuspėjamumą.
„Gonka“ yra sukurta kaip atvira infrastruktūra, o ne kaip paslauga. Skaičiavimus teikia decentralizuotas mazgų tinklas, o prieinamumą formuoja reali skaičiavimo pasiūla ir paklausa. Paskatos yra suderintos tinklo lygiu, apdovanojant patikrintus skaičiavimus ir skatinant nuolatinį infrastruktūros optimizavimą.
Tai daro „Gonką“ konkurencingą ne pakeičiant pirmūnus, o įgalinant naudojimo atvejus, kurių struktūriškai nepakankamai aptarnauja centralizuotos platformos, darbo krūvius, kuriems reikia atvirumo, nuspėjamos prieigos ir infrastruktūros lygmens skaidrumo. Sukurdama rinką, kurioje aparatinės įrangos tiekėjai tiesiogiai konkuruoja dėl našumo ir efektyvumo, „Gonka“ taip pat sumažina AI skaičiavimų kainą, padarydama juos prieinamus daug platesniam kūrėjų, startuolių ir regionų ratui.
6. Nuo paleidimo 2025 m. rugpjūtį „Gonka“ išaugo iki 2200 kūrėjų ir 12 000 GPU ekvivalento pajėgumų. Kas skatina šį pritaikymą?
Šį pritaikymą skatina ne trumpalaikis ažiotažas, o struktūrinis suderinimas.
Pasiūlos pusėje mazgai ieško alternatyvų centralizuotiems modeliams, kurie nepakankamai išnaudoja jų aparatinę įrangą. Paklausos pusėje kūrėjai susiduria su kainų svyravimais, pajėgumų apribojimais ir uždaromis API iš centralizuotų paslaugų teikėjų. AI darbo krūviams pereinant į gamybą, nuspėjamumas ir prieiga tampa tokie pat svarbūs kaip ir grynasis našumas.
Kai prisijungia daugiau mazgų, savarankiškai arba per grupes (pools) (o tai yra didesnė tema), tinklas tampa naudingesnis kūrėjams. Kai internete atsiranda daugiau darbo krūvių, tai sukuria tvarią paklausą, kuri toliau pritraukia infrastruktūrą. Ši grįžtamojo ryšio kilpa buvo pagrindinis pritaikymo variklis.
Pritaikymo tempas atspindi tai, kad „Gonka“ paskatos yra suderintos su realaus pasaulio poreikiais abiejose rinkos pusėse. Mazgai apdovanojami už naudingus skaičiavimus, kūrėjai gauna patikimą prieigą prie išvedimo pajėgumų, o tinklas organiškai plečiasi, kai šie interesai vienas kitą sustiprina.
Didžioji dalis šio koordinavimo vyksta atvirai „Gonka“ bendruomenėje, įskaitant nuolatines diskusijas „Gonka Discord“.
7. „Gonka“ neseniai užsitikrino 50 milijonų dolerių investiciją iš „Bitfury“, išlaikydama decentralizuotą valdymo modelį. Kaip „Gonka“ suderina institucinį kapitalą su savo decentralizacijos vizija?
Svarbiausias dalykas yra tai, kad „Gonka“ yra decentralizuota pagal projektą protokolo lygiu, o ne tik pasakojime. Valdymas tinkle yra susijęs su realiu, patikrinamu skaičiavimo indėliu, o ne su kapitalo nuosavybe.
Naujausia institucinio partnerio, tokio kaip „Bitfury“, parama nereiškia tinklo kontrolės. Jų dalyvavimas atspindi didelę patirtį kuriant didelio masto skaičiavimo infrastruktūrą, tačiau nesuteikia specialių privilegijų protokole. „Gonka“ finansavimas pats savaime nepaverčiamas įtaka. Sprendimus dėl investicijų priima „Gonka“ bendruomenė, kuri balsavo už tai, kad parduotų GNK iš bendruomenės fondo „Bitfury“.
Praktiškai balsavimo galią ir dalyvavimą priimant tinklo sprendimus lemia tai, kiek patikrinto AI skaičiavimo dalyvis iš tikrųjų prisideda. Įtaka auga per realų darbą: prijungtus GPU, tvarų našumą ir įrodytą indėlį į AI darbo krūvius. Jo negalima nusipirkti ar įsigyti vien tik per finansines investicijas; ją reikia užsidirbti valdant infrastruktūrą. Tai vienodai galioja asmenims, dideliems operatoriams ir instituciniams dalyviams.
Šis atskyrimas yra sąmoningas. Institucinis kapitalas gali paspartinti ankstyvą plėtrą, mokslinius tyrimus ir ekosistemos augimą, tačiau decentralizaciją užtikrina tinklo paskatos ir valdymo mechanika. Joks dalyvis, institucinis ar kitoks, negali įgyti dominuojančios kontrolės neprisidėdamas proporcingos patikrinto skaičiavimo dalies.
Šis požiūris leidžia „Gonka“ dirbti su patyrusiais infrastruktūros partneriais, išsaugant pagrindinį principą: tinklą valdo tie, kurie jį maitina, o ne tie, kurie jį finansuoja.
8. Jei AI išvedimas tampa standartizuotas, vertė paprastai atitenka tiems, kurie kontroliuoja modelius, o ne infrastruktūrą. Kaip „Gonka“ užfiksuoja tvarią ilgalaikę vertę?
Šis modelis galioja daugiausia uždarose ekosistemose, kur tos pačios kelios įmonės kontroliuoja modelius, infrastruktūrą ir prieigą. Tokiose sistemose vertė koncentruojasi ne tik kontrolėje, bet ir maržose, o dalyvavimas augime apsiriboja siauru įmonių akcininkų ratu.
Šiandien žmonės gali mokėti „OpenAI“, „Anthropic“ ar kitiems paslaugų teikėjams už AI naudojimą, tačiau jie negali prasmingai dalyvauti pačios AI skaičiavimų ekonomikoje. Nėra jokio būdo tiesiogiai bendrauti su skaičiavimų sluoksniu, esančiu už šių sistemų, ar gauti iš jo naudos. Viešosios įmonės, tokios kaip „Nvidia“, „Meta“ ar „Google“, siūlo susipažinti su AI tik kaip su platesnio verslo dalimi, o ne kaip tiesioginis dalyvavimas AI skaičiavimuose kaip atskiras ekonominis sluoksnis. Dėl to viena iš sparčiausiai augančių AI ekonomikos dalių išlieka didele dalimi uždara.
Tuo pačiu metu, nors išvedimas gali tapti standartizuotas paviršiaus lygiu, skaičiavimai nestandartėja. Skaičiavimus riboja aparatinės įrangos prieinamumas, prieiga prie energijos, geografija ir koordinavimas. Kai išvedimo paklausa didėja visame pasaulyje, kliūtis vis labiau atitolsta nuo modelių ir artėja prie prieigos prie patikimų, ekonomiškai efektyvių skaičiavimų dideliu mastu, o ši kliūtis tampa struktūriškai vertinga.
Tai turi platesnių ekonominių pasekmių. Kai prieiga prie skaičiavimų yra susikoncentravusi, ištisi regionai stumiami į priklausomą padėtį, apribojant vietines inovacijas, produktyvumo augimą ir dalyvavimą AI ekonomikoje.
Šalys, neturinčios privilegijuoto prieigos prie didelio masto debesų ar pažangių GPU, yra priverstos naudoti AI kaip paslaugą, o ne kurti su ja ar prisidėti prie jos pagrindinės infrastruktūros.
„Gonka“ sukurta aplink tą kliūtį protokolo lygiu. Užuot valdęs modelius ar išgavęs nuomą, tinklas koordinuoja, kaip skaičiavimai generuojami, patikrinami ir paskirstomi per atviras, leidimų nereikalaujančias taisykles. GNK atspindi tiesioginį dalyvavimą pačios AI skaičiavimų ekonomikoje, o ne nuosavybę įmonėje, bet prieigą ir įtaką, susietą su realiu, patikrinamu indėliu.
Šis modelis taip pat keičia tai, kas gali dalyvauti. Aparatinės įrangos savininkai, pradedant dideliais operatoriais ir baigiant mažesnių GPU turėtojais, gali tiesiogiai prisidėti prie AI darbo krūvių ir uždirbti pagal patikrintus skaičiavimus, savarankiškai arba per grupes (pools). Kūrėjai gauna prieigą prie nuspėjamų, skaidrių skaičiavimų, neįstrigdami pas vieną paslaugų teikėją ar neaiškius kainodaros modelius.
Plačiau kalbant, matome dvi galimas ateitis. Viena, kurioje didžioji dalis AI pajėgumų priklauso nedideliam skaičiui korporacijų ir valstybių, ir kita, kurioje atviri tinklai leidžia koordinuoti skaičiavimus visame pasaulyje, o vertė atitenka tiems, kurie iš tikrųjų prisideda ištekliais. „Gonka“ sukurta antram keliui.
Taip pat svarbu neignoruoti atvirojo kodo modelių vaidmens. Nuo pat pradžių jie buvo pagrindinis AI inovacijų variklis, ypač tarp kūrėjų ir startuolių. Mes tikime, kad tokie tinklai kaip „Gonka“ natūraliai palaiko atvirų modelių kūrimą ir pritaikymą, suteikdami prieinamus, patikrinamus skaičiavimus, leidžiančius intelektui išlikti atviram, konkurencingam ir neužrakinti už patentuotos infrastruktūros.
9. Kokia konkreti patirtis AI pramonėje paskatino įkūrėjus manyti, kad decentralizuota infrastruktūra yra būtina?
Mūsų įsitikinimas atsirado ne iš teorijos, o iš ilgų metų darbo su paskirstytais skaičiavimais ir kuriant AI sistemas centralizuotose aplinkose dideliu mastu.
„Snap“ ir vėliau per „Product Science“ mes dirbome su gamybos AI sistemomis, kur prieiga prie skaičiavimų tiesiogiai lėmė tai, kas gali būti sukurta ir įdiegta. Mes matėme, kaip priimami sprendimai dėl infrastruktūros, kai AI tampa komerciškai kritiška, ir kaip griežtai kontroliuojami tie sprendimai.
Labiausiai išsiskyrė tai, kiek susikoncentravusi iš tikrųjų yra AI skaičiavimų rinka. Nedidelis skaičius korporacijų kontroliuoja prieigą prie pažangių GPU, nustato kainodarą, apibrėžia pajėgumų apribojimus ir nusprendžia, kurie naudojimo atvejai yra gyvybingi. Ši koncentracija ne tik formuoja rinkas; ji formuoja galią. Skaičiavimų kontrolė vis labiau lemia, kas iš viso gali dalyvauti AI inovacijose.
Mes taip pat matėme, kaip ši koncentracija peržengia ekonomiką ir pereina į geografiją bei suverenitetą. Prieiga prie skaičiavimų tampa regioniniu požiūriu apribota, ją veikia energijos prieinamumas, eksporto kontrolė ir nacionalinės infrastruktūros strategijos. Praktiškai tai ištisus regionus patalpina į struktūriškai priklausomą padėtį, apribodama jų galimybes kurti konkurencingas AI ekosistemas.
Tuo pačiu metu mes matėme, kaip decentralizuotos sistemos sėkmingai koordinuoja fizinę infrastruktūrą pasauliniu mastu. „Bitcoin“ buvo aiškus pavyzdys, ne kaip finansinis turtas, bet kaip protokolas, kuris suderino paskatas aplink realaus pasaulio aparatinę įrangą ir energiją. Šis kontrastas padarė problemą akivaizdžią.
„Gonka“ atsirado iš šio suvokimo: jei AI skaičiavimai tampa pagrindine infrastruktūra, jai reikia koordinavimo modelio, kuris būtų atviras, leidimų nereikalaujantis ir atsparus, o ne vienas, kurį kontroliuoja saujelė veikėjų.
10. Kas turi įvykti, kad „Gonka“ pasisektų konkurencingoje aplinkoje, kurioje technologijų gigantai nuolat atnaujina savo AI infrastruktūrą ir galimybes?
„Gonka“ nereikia pranokti ar išleisti daugiau pinigų už technologijų gigantus, kad pasisektų. Ji turi ir toliau sutelkti dėmesį į kitą rinkinio sluoksnį, kurio centralizuoti žaidėjai struktūriškai mažiau pasiruošę spręsti.
Didelės technologijų įmonės ir toliau kurs galingą AI infrastruktūrą. Jų sistemos optimizuotos uždaroms ekosistemoms, vidaus prioritetams ir centralizuotai kontrolei. Šis modelis gali būti labai efektyvus, tačiau jis taip pat koncentruoja prieigą, kainų nustatymo galią ir sprendimų priėmimą.
Kad „Gonka“ pasisektų, tinklas turi nuolat užtikrinti infrastruktūros lygmens efektyvumą, užtikrindamas, kad didžioji dalis skaičiavimų būtų nukreipta į realius AI darbo krūvius, o ne į protokolo pridėtines išlaidas. Paskatos turi išlikti glaudžiai susietos su patikrintu skaičiavimo darbu, todėl atlygis ir įtaka didėja kartu su realiu indėliu, o ne su kapitalu ar spekuliacijomis.
Taip pat svarbu, kad „Gonka“ išsaugotų atvirą, leidimų nereikalaujančią architektūrą su skaidriomis protokolo lygmens taisyklėmis. AI skaičiavimai vis labiau tampa pagrindine infrastruktūra, panašia į elektros energiją pramonės eroje arba internetą jo aušroje. Tais momentais lemiamas klausimas buvo ne tai, kuri įmonė turi geriausią produktą, o tai, kas turi prieigą prie pagrindinio tinklo ir kokiomis sąlygomis.
Technologijų gigantai ir toliau egzistuos ir vaidins svarbų vaidmenį. „Gonka“ pasiseka, jei ji tampa papildomu infrastruktūros sluoksniu, kuris apriboja pernelyg didelę centralizaciją, plečia pasaulinę prieigą ir leidžia AI inovacijoms augti atviresnėje ir decentralizuotoje ekonominėje aplinkoje.
