CoinFunds Jake Brukhman sagt, dass die Einhaltung der Exportkontrollen durch Anthropic beweist, dass KI sich schnell zentralisiert. Hier ist, was er dagegen tun will.
CoinFund-Gründer Jake Brukhman schlägt Alarm wegen der Zentralisierung von KI. Er verwies auf die Einhaltung der U.S.
KI-Exportkontrollen als Beweis dafür, dass Regierungen ihren Griff um KI-Modelle verstärken.
Brukhman, der seit 2020 die Überschneidung von KI und dezentralen Netzwerken verfolgt, sagt, das Risiko sei real. Er argumentiert, dass dezentrale KI-Netzwerke das einzig gangbare Gegengewicht sind. Für ihn ist dies keine hypothetische Debatte.
Lesen Sie auch:
https://www.livebitcoinnews.com/bitcoin-etfs-bleed-10-5b-as-binance-usdt-data-signals-weak-demand/
Dezentrale KI als Gegengewicht zur staatlichen Kontrolle
Brukhman äußerte seine Bedenken auf X und erklärte, dass KI-Modelle schon immer eine zentralisierende Kraft und ein Hauptziel staatlicher Kontrolle gewesen seien. Er beschrieb die Einhaltung der Exportkontrollen durch Anthropic als den Moment, der diese Ansicht zur Marktrealität machte.
Seine Position ist, dass souveräne, offene und öffentliche KI, die auf dezentralen Netzwerken läuft, die notwendige Alternative ist. Ohne sie, warnt er, könnte KI unter Zensur und einseitige staatliche Kontrolle fallen.
Er merkte auch an, dass sich seine Investitionsthese in den letzten Jahren nicht so sehr auf KI verlagert habe, wie es bei vielen Krypto-Investoren der Fall war.
Stattdessen baute er das auf, was er tiefgehende Expertise an der Schnittstelle von KI und dezentralen Netzwerken nennt. Dieser Kontext prägt, wie er die Entwicklung bei Anthropic interpretiert.
Unlike many investors in crypto, I did not pivot to AI in the last few years. However, since 2020, I built some of the deepest understanding in this industry on the intersection of AI and decentralized networks (crypto, web3).
From the start, it was very clear that AI models are…
— Jake Brukhman (@jbrukh) June 13, 2026
Das Compute-Problem, das dezentrales Frontier-Training blockiert
Brukhman identifiziert die Compute-Lücke als die zentrale Herausforderung für dezentrale KI. Er argumentiert, dass weltweit genügend handelsübliche GPU-Ressourcen existieren, um mit großen Unternehmen beim Training von Spitzenmodellen zu konkurrieren.
Das Hindernis ist nicht die Verfügbarkeit, sondern die Algorithmen. Das Training auf verteilter Hardware erfordert neue technische Ansätze, die zentralisierte Infrastruktur nicht benötigt.
Er nannte mehrere Teams, die direkt an diesem Problem arbeiten. Gensyn, Prime Intellect, Pluralis, Nous Research, Macrocosmos und Covenant AI gehören zu den Projekten, die er auflistete.
Brukhman sagte, diese Teams hätten Forschung zu verteiltem Training betrieben, zu einer Zeit, als die breite Branche es für unmöglich hielt. Er beschreibt die Ergebnisse nun nicht nur als machbar, sondern potenziell billiger und in der Effizienz nahe an traditionellen zentralisierten Ansätzen.
Tokenisierte KI-Modelle und das fehlende Geschäftsmodell
Brukhman warf auch die Frage der wirtschaftlichen Nachhaltigkeit von Open-Source-KI auf. Er sagte, Open-Source-Modelle entbehrten derzeit eines funktionierenden Geschäftsmodells, obwohl sie wertvoll seien.
Seiner Ansicht nach schränkt das ihre langfristige Lebensfähigkeit ein. Unter den dezentralen KI-Projekten hob er Pluralis als das einzige mit einer glaubwürdigen Antwort bisher hervor.
Pluralis erforscht ein Modell, bei dem die Gewichte eines KI-Modells auf mehrere Teilnehmer aufgeteilt werden. Diese Struktur schafft einen tokenisierten Eigentumsrahmen und ein zugrunde liegendes Geschäftsmodell.
Brukhman präsentierte dies als eine bedeutungsvolle Unterscheidung in der dezentralen KI-Landschaft, obwohl er davor zurückschreckte, vorherzusagen Ergebnisse.
Schreibe einen Kommentar