Les experts affirment que les preuves Zk donnent un avantage aux DePIN alors que les exigences de confiance en IA augmentent

La ligne de base de 7,6 billions de dollars

Un récent rapport de Goldman Sachs déplace le débat de l'existence d'une demande en matière d'intelligence artificielle (IA) vers les facteurs liés à l'offre qui détermineront le coût réel du développement. Le rapport prévoit comme référence 7 600 milliards de dollars de dépenses en capital en matière d’IA, mais souligne que ce chiffre est très sensible aux « variables variables », notamment la durée de vie utile du silicium d’IA.

Cette longévité est considérée comme le facteur le plus critique, car une innovation rapide pourrait rendre les puces standards, qui durent généralement quatre à six ans, obsolètes en trois ans, entraînant une montée en flèche des coûts. À l’inverse, un « modèle à plusieurs niveaux » dans lequel les puces plus anciennes sont réutilisées pour des tâches plus simples, telles que l’inférence, pourrait stabiliser les coûts.

La complexité des centres de données et l’élasticité de la demande de calcul sont d’autres variables susceptibles d’affecter le montant des investissements consacrés à l’infrastructure d’IA au cours des cinq prochaines années. Les pénuries de capacité du réseau électrique, de main d’œuvre spécialisée et d’équipement électrique sont également considérées comme des facteurs prolongeant le développement.

Un autre rapport, quant à lui, présente ces dépenses d’infrastructure stupéfiantes comme la pierre angulaire d’une « économie machinique » émergente. Dans ce paradigme, les agents d’IA deviennent les principaux acteurs économiques, exécutant des transactions à haute fréquence et gérant l’allocation des ressources de manière indépendante. Les auteurs du rapport affirment que les systèmes financiers existants, caractérisés par des cycles de règlement lents et des cadres rigides de connaissance du client (KYC), sont fondamentalement mal équipés pour la rapidité du commerce agent.

Infrastructure décentralisée et compromis en matière de latence

Par conséquent, il positionne les protocoles cryptographiques et décentralisés comme les « rails économiques » essentiels et sans autorisation nécessaires pour faciliter ce changement. Cependant, les sceptiques restent prudents et se demandent si les réseaux d'infrastructures physiques décentralisés (DePIN) peuvent réellement atténuer les besoins croissants en capitaux de l'IA.

Vadim Taszycki, responsable de la croissance chez StealthEX, note que même si les réseaux décentralisés peuvent offrir des économies significatives, ils sont confrontés à des limites physiques. Alors qu'un fournisseur décentralisé comme Akash peut louer un GPU H100 pour 1,48 $ de l'heure, contre 12,30 $ sur Amazon Web Services, le compromis est la vitesse.

« Les grands fournisseurs de cloud peuvent faire [fast work] « Les réseaux décentralisés, qui relient les GPU de différents pays via l'Internet public, ajoutent des millisecondes de retard. Cette latence rend l'orchestration décentralisée compétitive pour les travaux par lots et le réglage fin, mais inadaptée pour servir des chatbots en direct à grande échelle où l'expérience utilisateur dépend de réponses quasi instantanées. « 

Leo Fan, fondateur de Cysic, a fait écho à ces sentiments, insistant sur le fait que l'inférence décentralisée n'est pas adaptée aux charges de travail à faible latence. Fan a cependant fait valoir que la latence n’est pas une bonne référence pour comparer les plates-formes décentralisées et les hyperscalers comme AWS.

« Le problème difficile n'est pas le calcul distribué mais la découverte, la planification et l'attestation. Le problème n'est pas le prix par jeton, mais la vérifiabilité », a déclaré Fan. Il a noté que les environnements d'exécution fiables (TEE) et les attestations sans connaissance (ZK) permettent aux réseaux décentralisés d'être compétitifs dans des secteurs où la confiance et la vérification comptent plus que la « latence extrême ».

Le crédit Onchain et le déficit de financement

Au-delà du calcul, l’attention se porte désormais sur la manière dont ces projets à forte intensité de capital sont financés. Même si le crédit privé traditionnel dispose de capitaux suffisants, il néglige souvent les transactions plus petites ou non standard. Le crédit Onchain offre des avantages distincts, tels que permettre aux investisseurs particuliers de participer aux revenus des centres de données qui étaient auparavant réservés aux commanditaires institutionnels. En outre, des plateformes comme Maple et Centrifuge peuvent syndiquer des prêts compris entre 5 et 50 millions de dollars, une tranche souvent ignorée par des sociétés comme Apollo en raison des coûts de souscription élevés par rapport aux frais.

Enfin, le crédit en chaîne permet de nouveaux modèles de « paiement par inférence », dans lesquels les revenus fluctuent en fonction de l'utilisation du GPU. De tels modèles s’intègrent plus naturellement dans des structures de partage des revenus symboliques que les baux traditionnels rigides de 20 ans.

Malgré ce potentiel, les experts identifient quatre « portes » qui restent fermées à l’adoption institutionnelle : l’applicabilité juridique dans les tribunaux de faillite, le manque d’infrastructure Oracle inviolable pour le respect des clauses, l’incertitude réglementaire pour les tranches d’un milliard de dollars et les produits fiscaux et comptables non standardisés.

Le consensus suggère un calendrier réaliste de 12 à 24 mois pour que les accords syndiqués de taille moyenne gagnent du terrain sur la chaîne, avec une dette mezzanine majoritaire en chaîne probablement dans trois à cinq ans. Les premières avancées viendront probablement des opérateurs de niveau 2 plutôt que des leaders du secteur comme Coreweave.