2026年人工智慧與加密貨幣：區塊鏈如何成為人工智慧基礎設施

2026年4月1日，Akash網絡宣布其客戶在計算方面的累計支出已超過500萬美元，這是用真實貨幣支付的區塊鏈市場上的真正計算能力。這一數字捕捉了2026年的轉折點：在2026年，人工智慧與加密貨幣的融合不再是行業自我講述的故事，而是成為其他事物構建的基礎層。到2026年8月，專注於人工智慧的加密代幣價值約210億美元，而2025年投資於加密公司的風險資本中，每一美元中有40美分流向了同時構建人工智慧和加密貨幣的公司，這是前一年份額的兩倍多。爭論不再僅僅是某個代幣會飆升；而是人工智慧集中在少數幾家大型企業內，而開放網絡可以提供計算、訓練、支付和執行鏈上交易的代理的替代方案。本文將逐層描繪這一基礎設施的實際運作方式，同樣重要的是，指出每個部分無法證明的內容。

簡介

• 到2026年8月，專注於人工智慧的加密代幣價值約210億美元，並佔2025年風險資本投資於加密貨幣的每一美元中的40美分，但與大型科技公司在人工智慧上花費的數百億美元相比，該行業仍然微不足道。
• 將其視為一個堆疊：一層計算（Render、Akash、io.net）、一層智能（Bittensor）和一層代理（NEAR、ASI聯盟），大部分與人工智慧相關的工作是在鏈外進行的。
• Qubic是結構上的例外，通過挖礦（Useful Proof of Work）推動人工智慧，自2026年7月29日起在主網上生產外包計算，2026年發表了四篇同行評審的文章，並在ARC-AGI-3的評分中從0.18提高到0.38，所有這些都是在沒有GPU的CPU上完成的。
• 每個標題都需要第二次閱讀：代幣的價格不是收入，運行功能不是採用，獎勵不是優越性，而標籤「去中心化」只有在每個組件都經過審計的情況下才能成立，包括GDPR。

無炒作地閱讀行業

在層次之前，一種學科貫穿整個文本，因為這是將基礎設施與市場營銷區分開來的原因。該行業每個標題中的數字都回答了一個比看起來更狹窄的問題。代幣的市值不是收入，也不是用於機器的預算支出。

一個實時功能並不證明有人在使用它。宣佈的大量GPU供應並不確定這些機器在特定訓練任務上的合作程度。基準分數只有在測試版本、規則和條件相符時才能支持比較。這樣看來，該行業實際上是有趣的；以其他方式閱讀，則不過是一系列新聞稿。

L'échelle doit aussi être dite clairement, et c'est la mise en garde la plus importante ici. L'IA décentralisée est un petit complément en phase initiale à l'IA centralisée, pas un remplacement. Les hyperscalers comme Microsoft et Meta engagent chacun plus de 100 milliards de dollars en dépenses en capital IA, et les dépenses institutionnelles totales en IA en 2026 atteignent des centaines de milliards. L'ensemble du secteur des jetons IA décentralisée, d'environ 21 milliards de dollars de capitalisation, est une erreur d'arrondi à côté. Ce qui suit décrit une couche jeune, réelle et en mouvement rapide, pas un challenger déjà arrivé.

BTCUSDT graphique par TradingView

為什麼區塊鏈與人工智慧會結合

L'association n'est pas arbitraire. L'IA est, comme le notent ses critiques, une boîte noire contrôlée par quelques grandes entreprises, et les blockchains offrent trois choses qu'une boîte noire n'a pas : un règlement transparent, une provenance vérifiable des données et des résultats, et une couche d'incitation qui peut coordonner le matériel d'étrangers sans propriétaire central. Dans l'autre sens, l'IA donne aux blockchains un moyen de gérer la complexité des systèmes multi-chaînes et d'alimenter des agents qui agissent plutôt que de simplement enregistrer.

Mais il faut faire une distinction dès le départ, car elle revient partout ci-dessous.

Dans chaque architecture examinée ici, la majeure partie du travail d'IA se fait hors chaîne. La documentation réseau propre à Bittensor, par exemple, sépare le travail effectué dans ses sous-réseaux de la chaîne qui coordonne la participation et les récompenses. La blockchain enregistre des aspects de l'arrangement, fixe les règles de participation et règle les paiements ; le calcul réel s'exécute sur des machines ordinaires ailleurs.

La manière pratique de tout tenir ensemble est de penser en couches, car les projets réunis sous le terme << jetons IA >> occupent différents étages du même immeuble, et ils sont plus voisins que concurrents.

計算層：租用世界上閒置的 GPU

Le rez-de-chaussée est la puissance de calcul brute. Un groupe de réseaux utilise des incitations en jetons pour mettre en commun des GPU sous-utilisés provenant de centres de données, de studios et de particuliers, puis loue cette capacité, généralement à un prix bien inférieur à celui du cloud centralisé. Render Network a commencé dans le rendu graphique et s'est étendu vers l'IA et l'imagerie générative, avec un modèle de jeton qui brûle l'offre à mesure que le travail est réalisé. Akash fonctionne comme un << supercloud >> décentralisé pour des charges générales en conteneurs et, comme mentionné, a rapporté environ 5 millions de dollars de dépenses de calcul cumulées en avril 2026. Des agrégateurs plus récents comme io.net regroupent les GPU de nombreuses sources en clusters assez grands pour rendre l'entraînement décentralisé réaliste.

Ici, la discipline faits contre affirmations fait ses preuves. Un dénombrement des cartes graphiques disponibles est une mesure d'offre, pas une garantie de performance : les gros travaux d'entraînement distribués nécessitent que les processeurs échangent constamment des informations, c'est pourquoi la bibliothèque de communication propre à NVIDIA pour les charges distribuées optimise la bande passante, la latence et la synchronisation entre GPUs. Un champ de machines éloignées et un cluster étroitement connecté sont des ressources différentes pour le même nombre nominal de cartes.

La lecture honnête de cette couche est qu'elle gagne en coût, accès et résilience lors des crunchs de capacité centralisée, et perd sur le support, la conformité et la fiabilité face aux acteurs en place. C'est une soupape de trop-plein et une option moins coûteuse, pas encore un choix par défaut.

智能層：市場為結果，而非機器

Un étage plus haut, la question change du matériel au travail d'apprentissage automatique lui-même. Bittensor est l'exemple le plus clair : plutôt que de louer du matériel, il héberge un ensemble de sous-réseaux indépendants, chacun un petit marché où les participants produisent des résultats tels que l'inférence, la prédiction ou le score de données, les validateurs classent les résultats, et le jeton TAO permet au marché et non à une fondation de décider où vont les récompenses.

Environ 118 à 128 sous-réseaux étaient actifs à la mi-2026, et Bittensor avait une capitalisation boursière proche de 3,5 milliards de dollars, bien qu'en août 2026 NEAR l'ait dépassé en tête de la catégorie IA, rappelant que le leadership ici n'est pas établi.

Le mécanisme le plus important à ce niveau est la règle de score, et il est facile de passer à côté. Un sous-réseau ne produit de la valeur que si ce qu'il récompense est ce que l'acheteur veut réellement : récompenser la vitesse donne la vitesse, récompenser la précision factuelle donne autre chose. Une blockchain peut fidèlement enregistrer un score convenu, mais si ce score mesure quelque chose d'utile est une question distincte à laquelle la chaîne ne peut répondre. C'est le vrai problème ouvert de cette couche, plus que n'importe quelle métrique de jeton.

La couche agent : logiciel qui paie ses propres outils

Encore plus haut, se trouvent des agents autonomes, des logiciels avec un portefeuille et une identité qui peuvent agir dans les limites fixées par leur opérateur. NEAR a repositionné sa couche 1 autour de cette économie << agentique >>, visant à être le rail de règlement pour les agents agissant à travers les chaînes, et l'Alliance Superintelligence Artificielle, ancrée par le jeton FET, consolide plusieurs projets en une seule pile axée sur les agents. La catégorie est jeune mais croît rapidement : les déploiements d'agents autonomes sur toutes les blockchains ont dépassé les 20 000 en février 2026, environ le triple du niveau fin 2025.

La norme x402 ravive la réponse HTTP 402 << paiement requis >> longtemps dormante : un serveur peut exiger un paiement pour une ressource, et un client compatible peut payer et réessayer automatiquement, ce qui permet à un agent d'acheter un flux de données ou un appel d'inférence sans intervention humaine. Ce que cela ne décide pas, c'est quels achats l'agent doit être autorisé à effectuer. Un plafond de dépense, une liste approuvée de services et une règle d'escalade pour les demandes inhabituelles sont des choix que l'opérateur doit définir. Donner un portefeuille à un logiciel n'est pas la même chose que lui donner du jugement, et c'est là que la monnaie programmable crypto toujours active est à la fois un véritable avantage de vitesse sur la finance traditionnelle et la source la plus aiguë de nouveaux risques.

Ce que le registre enregistre, et ce qu'il ne peut certifier

Une limite transversale mérite son propre paragraphe, car elle s'applique à chaque couche au-dessus. Une blockchain peut conserver un enregistrement durable des informations soumises, mais elle ne peut rendre une observation externe vraie simplement parce que les participants l'ont écrite. La documentation oracle d'Ethereum cadre le problème directement : les applications ont besoin de mécanismes pour évaluer la source, l'intégrité et la disponibilité de toute donnée amenée sur chaîne. Il en va de même pour l'IA. Enregistrer une sortie n'est pas vérifier sa précision ; établir qui a soumis un ensemble de données n'est pas établir qu'il avait le droit de l'utiliser. Partout où cet article décrit une capacité, la méthode de vérification est la partie qui importe réellement.

Qubic en focus : intégrer le calcul dans le consensus

大部分上述的堆疊都是在進行計算或對結果進行分類。一個網絡採取了一條結構上不同的道路，值得更仔細地檢視，因為這是最明顯的相反例子。Qubic是一個專注於人工智慧的第一層，將交易網絡和人工智慧研究程序結合在一起，理解它的誠實方式是分開看待三個角色，而不是將它們合併成口號。

礦工產出工作；計算者就狀態達成共識。 Qubic稱其挖礦方法為有用工作證明（uPoW）：礦工不是在隨機哈希上浪費電力，而是執行基於人工神經網絡的計算任務，他們提交的解決方案為網絡的人工智慧項目Aigarth提供動力，同時決定他們在每週時期的排名。此外，計算者限於676個活躍身份，需451個法定人數達成共識，執行交易系統和智能合約。將這一點簡化為「AI訓練即共識」是很誘人的，但這合併了兩個機制：產出有用解決方案和就交易達成共識是設計上相連的，但它們是不同的操作。正確理解這一區別本身就是誠實描述的標誌。

Aigarth是一個研究程序，而不是一個完成的智慧。 Aigarth是基於Qubic開發的去中心化人工智慧，使用進化研究，其中候選系統在共享評估函數下進行評估，最佳表現者被保留。它的科學團隊還開發了Neuraxon，一種生物啟發的架構，其人工神經元具有興奮性、中性和抑制性狀態。Qubic與大多數行業的區別在於實際的外部驗證：四篇Neuraxon的文章在2026年被國際會議接受，其中《中性緩衝狀態》在2026年於大阪由IEEE贊助的AMLDS會議上獲得最佳報告獎，而Multi-Neuraxon的工作已發表在Springer的AGI-26會議論文集中。很少有加密項目擁有這種經過同行評審和獲獎的研究，而這是Qubic最明顯的區別點。

基準的軌跡指向同一方向，這是實際的進步，前提是正確解讀。在ARC-AGI-3上，這是人工智慧中最困難的互動推理測試之一，Qubic的Neuraxon架構從2026年7月初的0.18分提升到8月的0.25分，根據項目的全體會議，聯合創始人David Vivancos報告在2026年9月達到新的最佳分數0.38。

使這一數字值得注意的是它的達成方式：在普通CPU上，沒有GPU和大型語言模型，使用生物啟發的設計，其代碼和數據集都是開源的。警告就在旁邊：這些數字是自我報告的，0.38是一個更好的執行，而不是在排名中建立的輸入，從絕對的角度來看，這一分數仍然較低，ARC-AGI-3的排名最高分數要高得多。誠實地閱讀，這個故事是一個動力和方法，而不是一個到達，這是一個比單一數字更強的主張。

一個實時機制尚未等同於採用。 在2026年8月13日發佈的摘要中，Qubic團隊報告說，外包計算自2026年7月29日起在主網上運行，為應用程序提供了一種觸發鏈外行動的方式，這是與智能合約邏輯和預言機數據的第三根支柱。這確立了可用性。

採用是一個獨立的衡量標準，要求應用程序實際使用它，並且行動成功結束，僅僅通過公告並不能證明這一點。指出這一差距並不是對 Qubic 的批評；這是本文對每個項目施加的相同測試。

簡短比較：Akash 作為計算市場

與 Qubic 相比，Akash 使對比變得具體。它源於一個熟悉的需求：開發者希望獲得資源來運行應用程序，自由供應商提出報價，開發者接受報價，創建租約，並由資金托管在供應商的硬件上運行軟件時支付供應商。區塊鏈協調協議和支付；計算是一種普通的托管。

實際控制與任何托管決策所需的相同。所選機器是否符合模型？如果供應商斷開連接，應用程序能否恢復？數據存儲在哪裡，備份和訪問如何管理？市場擴大了供應商的選擇；它不提供運營計劃，租用機器不會轉移對放置在其上的模型或數據集的任何權利。

比較的精確點在於：Akash 為應用程序組織托管，而 Qubic 將計算貢獻與其挖礦系統和計算器聯繫起來，並與研究計劃並行。將兩者稱為 << 加密 AI >> 恰恰掩蓋了開發者在選擇構建內容之前所需的區別。

沒有人能逃避的界限：這真的有多去中心化？

一篇僅列出能力的文章將是市場營銷，因此該領域的核心批評必須被表述：去中心化的 >> AI << 在某些組件中是去中心化的，而在其他組件中是集中化的，標籤必須逐部分進行評估。硬件運營商可以是獨立的，而每個人都依賴相同的軟件界面、相同的模型供應商或相同的數據來源。

例如，Bittensor 的設計將每個子網的擁有者的激勵規則的定義責任交給他們，因此供應商的參與和規則的定義是不同類型的控制。Qubic 的 676 個計算器上限也不是獨立控制的組織計數；判斷實際集中度需要有關誰運營這些座位以及挖礦如何支持它們的信息，這是協議所指示的上限無法單獨裁定的。

對於任何在這些網絡上構建的人來說，實際測試是對依賴關係的審核：識別誰可以中斷服務、改變其規則或訪問其數據，然後對模型、托管、支付通道和界面重複這一過程。即使一個組件是分散的，服務仍然可能暴露於單一供應商。

還有一個明顯的歐洲後果。法國數據保護機構 CNIL 已經明確表示：使用區塊鏈並不消除根據 GDPR 的義務：責任必須始終被指派，架構的影響，包括國際數據轉移，仍然必須進行評估。<< 去中心化 >> 的標籤並不會為您完成這項工作。

對於該領域最誠實的判決來自內部。在2026年8月31日討論Multi-Neuraxon的研究時，Qubic的神經科學家Jose Sanchez坦言：擴展性尚未得到證明，團隊仍需對該領域進行直接比較，他表示：<< 我們也還欠該領域一個變壓器基礎 >>。這是2026年的正確記錄：真實的研究和真實的基礎設施，通過可重複的結果和付費用戶來衡量，而不是通過承諾的規模。

風險投資支持這一基礎設施層，因為這是AI真正需要的部分，而明年將通過其他人可以重複的基準和某人實際支付的需求來解讀。

常見問題

一個AI模型是否必須在區塊鏈上運行？不。在這裡呈現的所有架構中，大部分計算是在登記之外進行的；鏈條協調參與或支付，而模型則在供應商的硬體上運行。
硬體的分發是否使模型開放？不。硬體的分發、源代碼的訪問、模型的許可和訓練數據的訪問是不同的屬性，每一項都需要自己的證明。
使用代幣是否證明一項服務有付費客戶？不。代幣可以為協議激勵提供資金；實際需求必須識別所購買的內容、時間段，以及活動是否包括補助。
Qubic與其他的不同之處是什麼？它將AI訓練整合到挖礦（uPoW）中，而不是租用或分類計算，並以2026年四篇同行評審的文章以及上升的ARC-AGI-3分數（報告的最佳分數為0.38，自報告，在沒有GPU的CPU上）來支持它。
去中心化的AI真的去中心化嗎？僅僅是組件對組件。計算可以分發，而數據、模型、治理和供電則不能；誠實的測試是對每個部分的依賴性進行審計，包括GDPR。