Создание инфраструктуры открытого ИИ: Внутри видения Gonka по децентрализованным вычислениям

Gonka стремится децентрализовать вычисления ИИ, предоставляя разработчикам и поставщикам аппаратного обеспечения предсказуемый, проверяемый доступ, одновременно бросая вызов доминированию централизованных облачных гигантов.

По мере того как контроль над вычислениями ИИ все больше концентрируется в руках нескольких облачных провайдеров и гигантов аппаратного обеспечения, Gonka выступает как новая сеть Layer-1, ориентированная на децентрализованную, высокоэффективную инфраструктуру ИИ. Основатель проекта считает, что, рассматривая вычисления как открытую, проверяемую инфраструктуру, а не закрытую услугу, Gonka сможет обеспечить глобальный доступ к ресурсам ИИ и бросить вызов структурным ограничениям современных централизованных систем.

1. Что такое Gonka и какую проблему он решает?

Gonka — это децентрализованная сеть уровня L1 для высокоэффективных вычислений ИИ, созданная для решения структурной проблемы, лежащей в основе сегодняшнего бумa ИИ: как производится, распределяется и стимулируется вычислительная мощность для ИИ.

Сегодня основная узкая точка в ИИ — это уже не модели, а контроль над вычислениями. Передовые GPU сильно сосредоточены у небольшого числа производителей аппаратного обеспечения и гипермасштабных облачных провайдеров, что делает вычисления ИИ дорогими, непрозрачными и все более ограниченными географически и политически. США и Китай быстро консолидируют контроль над чипами, энергией и дата-центрами, ставя большую часть мира в зависимое положение и ограничивая его возможности конкурировать в экономике ИИ.

Это затрагивает как стартапы, так и целые регионы. Разработчики сталкиваются с ценовой волатильностью, нехваткой мощностей и зависимостью от поставщиков, в то время как многие страны рискуют отстать из-за ограниченного доступа к базовой инфраструктуре ИИ.

Gonka переосмысливает это на уровне протокола. Вместо того чтобы рассматривать вычисления как закрытую услугу, контролируемую централизованными провайдерами, мы вдохновлялись системами, которые уже доказали возможность координации крупномасштабной физической инфраструктуры через открытые стимулы. Так же, как Bitcoin продемонстрировал для аппаратного обеспечения и энергии, Gonka применяет аналогичные принципы к вычислениям ИИ, не на уровне приложений, а на уровне самого протокола.

Используя механизм Proof-of-Work на базе Transformer, сеть направляет почти всю доступную GPU-мощность на значимые задачи ИИ. Сегодня это в основном выводы ИИ, а обучение планируется в будущем. Хосты зарабатывают награды на основе проверенной вычислительной деятельности, а не капитальных вложений или спекулятивных механик. И в отличие от многих децентрализованных систем, вычисления не тратятся на абстрактные задачи безопасности или дублирование консенсуса, а используются продуктивно.

Для разработчиков это обеспечивает предсказуемый доступ к вычислениям ИИ без необходимости полагаться на закрытые API или одного облачного провайдера. В более широком смысле Gonka рассматривает вычисления ИИ как фундаментальную инфраструктуру, эффективную, проверяемую и глобально распределенную, а не ресурс, контролируемый несколькими воротилами.

2. Чем модель Proof-of-Work Gonka отличается от других децентрализованных проектов ИИ, таких как Bittensor?

Основное отличие заключается в том, что каждая сеть определяет как «работу» и как вокруг нее создается ценность.

Многие децентрализованные проекты ИИ, включая Bittensor, сосредоточены на координации на уровне модели или сети. Их стимулы часто формируются через стекинг, делегирование или системы оценки сверстников, где награды и влияние не всегда прямо пропорциональны сырой вычислительной деятельности. Такой подход может быть эффективен для определенных задач координации, но он не обязательно оптимален для крупномасштабной, эффективной инфраструктуры вычислений ИИ.

Gonka идет по иному пути. Он задуман как сеть, ориентированная на вычисления, где «работа» определяется как проверяемое вычисление ИИ. Proof-of-Work в Gonka основан на механизме Transformer-based PoW, который измеряет реальную работу GPU, а не распределение капитала или спекулятивное участие. Голосов и наград напрямую связаны с проверенной вычислительной деятельностью, что согласует стимулы с фактической производительностью инфраструктуры.

Еще одно важное отличие — эффективность. Во многих децентрализованных систем значительная часть доступных вычислений расходуется на консенсус, валидацию или дублирование работы, которая мало ценна вне сети. Например, в системах вроде Bittensor около 60% наград выделяется на стекинг, что, хотя и необходимо для безопасности сети, не способствует вычислениям ИИ. Конструкция Gonka на базе Sprint минимизирует этот накладной расход, позволяя почти все доступные GPU-ресурсы направлять на значимые задачи ИИ, в первую очередь выводы.

Проще говоря, такие проекты, как Bittensor, сосредоточены на координации интеллекта. Gonka же строит экономическую и инфраструктурную основу для самих вычислений ИИ. Эти подходы работают на разных уровнях стека, и модель Gonka специально оптимизирована для поставщиков аппаратного обеспечения и реальных задач ИИ.

3. Почему Gonka решил сосредоточиться на выводах ИИ, а не на обучении?

Gonka построена как сеть, ориентированная на вычисления, и этот взгляд естественно определил наш старт.

Решение сосредоточиться на выводах было вопросом последовательности, а не ограничением. Выводы — это то, где сегодня происходит большинство реального использования ИИ, и именно здесь наиболее заметны инфраструктурные узкие места. По мере перехода систем ИИ из экспериментов в производство, постоянные выводы становятся дорогими, ограниченными по мощности и жестко контролируются централизованными провайдерами.

С точки зрения дизайна сети, выводы — это также правильное место для начала. Это позволяет нам подтвердить основные принципы Gonka — проверяемые вычисления, эффективное распределение ресурсов и согласование стимулов — на реальных рабочих нагрузках. Выводные задачи непрерывны, измеримы и хорошо подходят для децентрализованной среды, где важна эффективность использования аппаратуры.

Обучение, особенно в больших масштабах, — это другой класс задач с собственными динамиками координации и характеристиками выполнения. Наш фокус — построение инфраструктуры, которая работает при реальном спросе, и выводы уже сегодня сталкиваются с этим спросом. Но Gonka планирует в будущем добавить обучение, и 20% всех доходов от выводов выделяется на поддержку будущего обучения моделей.

4. Как Gonka проверяет, что майнеры действительно выполняют работу по выводам ИИ, которую они заявляют?

Проверка в Gonka встроена прямо в механизм измерения и оценки вычислений.

Задачи по выводам выполняются в короткие, ограниченные по времени периоды, называемые Sprint. В каждом Sprint хосты должны запускать выводы на больших моделях Transformer, которые случайным образом инициализируются для каждого цикла. Поскольку эти задачи требуют интенсивных вычислений и постоянно меняются, их нельзя заранее подготовить, смоделировать или повторно использовать из предыдущих запусков. Единственный практический способ получить валидные результаты — выполнить реальное вычисление.

Система проверяет результаты, сверяя, соответствуют ли выходные данные тому, что ожидалось при фактическом запуске модели.

Чтобы сохранить эффективность системы, Gonka не перепроверяет каждое вычисление. Вместо этого она проверяет часть результатов постоянно и увеличивает частоту проверок для участников, у которых есть подозрения в фальсификации. Часть вознаграждения хостов состоит из комиссий за полезную работу. Эти комиссии не выплачиваются, если выполненная работа не прошла проверку. Такой подход снижает накладные расходы, одновременно обеспечивая, что отправка неправильных или сфальсифицированных результатов невыгодна.

Со временем хосты, постоянно предоставляющие правильные результаты, признаются надежными участниками и получают больше возможностей для участия в сети. Этот же принцип — вознаграждение за проверенную реальную работу — лежит в основе стимулов и влияния Gonka.

5. OpenAI, Google и Microsoft контролируют огромную вычислительную инфраструктуру с устоявшейся базой клиентов. Что делает Gonka конкурентоспособным против этих гигантов?

Проблема не в технологии сама по себе, а в том, как осуществляется контроль над доступом к вычислениям.

Мы не рассматриваем Gonka как конкурента компаниям вроде OpenAI, Google или Microsoft в традиционном смысле. Они создают и управляют одними из самых продвинутых централизованных стэков ИИ в мире, и эти системы продолжат играть важную роль.

Разница в том, на каком уровне стека мы сосредоточены. Централизованные провайдеры контролируют огромную инфраструктуру, но этот контроль сопряжен с компромиссами. Доступ к вычислениям закрыт, цены непрозрачны, а мощность формируется внутренними приоритетами. Для многих разработчиков и регионов это ведет к волатильности, зависимости и ограниченной долгосрочной предсказуемости.

Gonka задуман как открытая инфраструктура, а не как услуга. Вычисления предоставляются децентрализованной сетью хостов, а доступность формируется реальным спросом и предложением. Стимулы выравнены на уровне сети, поощряя проверенные вычисления и стимулируя постоянную оптимизацию инфраструктуры.

Это делает Gonka конкурентоспособным не за счет замены гигантов, а за счет поддержки кейсов, которые структурно недообслуживаются централизованными платформами — задач, требующих открытости, предсказуемого доступа и прозрачности инфраструктуры. Создавая рынок, где поставщики аппаратного обеспечения конкурируют по производительности и эффективности, Gonka также снижает стоимость вычислений ИИ, делая их доступными для гораздо более широкого круга разработчиков, стартапов и регионов.

6. С момента запуска в августе 2025 года Gonka выросла до 2200 разработчиков и 12 000 GPU-эквивалентных мощностей. Что стимулирует такое распространение?

Что движет этим ростом — не краткосрочный хайп, а структурное соответствие.

Со стороны предложения хосты ищут альтернативы централизованным моделям, которые недоиспользуют их оборудование. Со стороны спроса разработчики сталкиваются с ценовой волатильностью, ограничениями по мощности и закрытыми API от централизованных провайдеров. По мере того как рабочие нагрузки ИИ переходят в производство, предсказуемость и доступность становятся так же важны, как и сырой показатель производительности.

По мере присоединения все большего числа хостов, независимо или через пулы (что — отдельная тема), сеть становится более полезной для разработчиков. Чем больше рабочих нагрузок выходит в онлайн, тем больше устойчивого спроса создается, что дополнительно привлекает инфраструктуру. Этот обратный цикл и есть основной драйвер распространения.

Темп роста отражает то, что стимулы Gonka согласованы с реальными потребностями рынка. Хосты получают награды за полезные вычисления, разработчики — надежный доступ к выводам, а сеть органически масштабируется, поскольку эти интересы взаимно усиливают друг друга.

Большая часть этого координирования происходит открыто внутри сообщества Gonka, включая текущие обсуждения в Discord Gonka.

7. Gonka недавно привлекла инвестиции на сумму $50 миллион от Bitfury при сохранении модели децентрализованного управления. Как Gonka балансирует институциональный капитал и свою децентрализованную концепцию?

Ключевой момент в том, что Gonka по сути децентрализована на уровне протокола, а не только в рассказах. Управление в сети связано с реальным, проверяемым вкладом в вычисления, а не с владением капиталом.

Недавняя поддержка со стороны институционального партнера, такого как Bitfury, не дает контроль над сетью. Их участие отражает богатый опыт в создании крупномасштабной вычислительной инфраструктуры, но не дает особых привилегий внутри протокола. В Gonka финансирование само по себе не превращается в влияние. Решения о вложениях принимает сообщество Gonka, которое проголосовало за продажу GNK из пула сообщества Bitfury.

На практике голосовая мощь и участие в управлении сетью определяются тем, сколько проверяемых вычислений ИИ реально вносит участник. Влияние растет за счет реальной работы: подключенных GPU, стабильной производительности и подтвержденного вклада в задачи ИИ. Его нельзя купить или получить только за счет инвестиций; его нужно заработать, управляя инфраструктурой. Это одинаково применимо к частным лицам, крупным операторам и институциональным участникам.

Этот разделение сознательное. Институциональный капитал может ускорить раннюю разработку, исследования и рост экосистемы, но децентрализация обеспечивается механиками стимулов и управления сети. Ни один участник, институциональный или иной, не сможет получить доминирующий контроль без вклада пропорциональной доли проверяемых вычислений.

Такой подход позволяет Gonka работать с опытными инфраструктурными партнерами, сохраняя при этом свой основной принцип: сеть управляется теми, кто ее питает, а не теми, кто финансирует.

8. Если выводы ИИ станут товаром, ценность обычно перейдет к тем, кто контролирует модели, а не инфраструктуру. Как Gonka обеспечивает устойчивую долгосрочную ценность?

Эта модель в основном актуальна в закрытых экосистемах, где несколько компаний контролируют модели, инфраструктуру и доступ. В таких системах ценность сосредоточена не только в контроле, но и в марже, а участие в прибыли ограничено узким кругом корпоративных акционеров.

Сегодня люди могут платить OpenAI, Anthropic или другим провайдерам за использование ИИ, но они не могут напрямую участвовать в экономике вычислений ИИ. Нет возможности напрямую взаимодействовать или получать выгоду от слоя вычислений за этими системами. Публичные компании вроде Nvidia, Meta или Google предлагают экспозицию к ИИ только как часть более широких бизнесов, а не как отдельный экономический слой. В результате одна из быстрорастущих частей экономики ИИ остается в основном закрытой.

Хотя выводы могут стать товаром на поверхности, вычисления — нет. Они ограничены доступностью аппаратуры, энергией, географией и координацией. По мере роста спроса на выводы по всему миру узкое место все больше смещается с моделей на доступ к надежным, экономичным вычислениям в масштабах, и это узкое место становится структурно ценным.

Это имеет более широкие экономические последствия. Когда доступ к вычислениям сосредоточен, целые регионы оказываются в зависимом положении, что ограничивает местные инновации, рост производительности и участие в экономике ИИ.
Страны без привилегированного доступа к гипермасштабным облакам или передовым GPU вынуждены потреблять ИИ как услугу, а не строить с его помощью или вкладывать в его инфраструктуру.

Gonka построена вокруг этого узкого места на уровне протокола. Вместо владения моделями или взимания ренты сеть координирует, как производятся, проверяются и распределяются вычисления через открытые, разрешительные правила. GNK представляет собой прямое участие в экономике вычислений ИИ, а не долю в компании, а доступ и влияние связаны с реальным, проверяемым вкладом.

Эта модель также меняет участников. Владельцы аппаратуры, от крупных операторов до мелких держателей GPU, могут напрямую участвовать в задачах ИИ и зарабатывать на проверенной вычислительной деятельности, независимо или через пулы. Разработчики получают доступ к предсказуемым, прозрачным вычислениям без привязки к одному провайдеру или непрозрачным ценам.

В более широком смысле, мы видим два возможных будущих сценария. Один — когда большинство мощностей ИИ принадлежат и контролируются несколькими корпорациями и государствами, и другой — когда открытые сети позволяют координировать вычисления глобально, а ценность течет к тем, кто реально вносит ресурсы. Gonka создана для второго пути.

Также важно не упускать роль open-source моделей. С самого начала они были ключевым драйвером инноваций в ИИ, особенно среди разработчиков и стартапов. Мы считаем, что сети вроде Gonka естественным образом поддерживают развитие и внедрение открытых моделей, предоставляя доступные, проверяемые вычисления, позволяя интеллекту оставаться открытым, конкурентным и не запертым за проприетарной инфраструктурой.

9. Какой конкретный опыт в индустрии ИИ подтолкнул основателей к мысли, что необходима децентрализованная инфраструктура?

Наше убеждение не возникло из теории, а из многолетней работы с распределенными вычислениями и построения систем ИИ внутри централизованных сред в масштабах.

В Snap и позже через Product Science мы работали над производственными системами ИИ, где доступ к вычислениям напрямую определял, что можно построить и внедрить. Мы увидели, как принимаются решения по инфраструктуре, когда ИИ становится критически важным для бизнеса, и как эти решения становятся все более жестко контролируемыми.

Самое заметное — это концентрация рынка вычислений ИИ. Небольшое число корпораций контролируют доступ к передовым GPU, устанавливают цены, определяют лимиты по мощности и решают, какие кейсы жизнеспособны. Эта концентрация формирует не только рынки, но и власть. Контроль над вычислениями все больше определяет, кто может участвовать в инновациях ИИ.

Мы также увидели, как эта концентрация выходит за рамки экономики и распространяется на географию и суверенитет. Доступ к вычислениям становится регионально ограниченным, под влиянием доступности энергии, экспортных контролей и стратегий национальной инфраструктуры. На практике это ставит целые регионы в структурно зависимое положение, ограничивая их возможности создавать конкурентоспособные экосистемы ИИ.

В то же время мы видели, как децентрализованные системы успешно координируют физическую инфраструктуру на глобальном уровне. Bitcoin — яркий пример, не как финансового актива, а как протокола, который согласует стимулы вокруг реального оборудования и энергии. Этот контраст сделал проблему очевидной.

Gonka возникла из этого понимания: если вычисления ИИ становятся фундаментальной инфраструктурой, им нужна модель координации, открытая, разрешительная и устойчивая, а не контролируемая несколькими участниками.

10. Что должно произойти, чтобы Gonka успешно конкурировала на рынке, где технологические гиганты постоянно улучшают свою инфраструктуру и возможности ИИ?

Gonka не должна превосходить гигантов по уровню технологий или тратам, чтобы добиться успеха. Ей нужно оставаться сосредоточенной на другом уровне стека, который централизованные игроки менее структурно подготовлены к решению.

Крупные технологические компании продолжат развивать мощную инфраструктуру ИИ. Их системы оптимизированы для закрытых экосистем, внутренних приоритетов и централизованного контроля. Эта модель очень эффективна, но одновременно концентрирует доступ, ценовую власть и принятие решений.

Чтобы Gonka добилась успеха, сеть должна постоянно обеспечивать инфраструктурную эффективность, гарантируя, что большинство вычислений идет на реальные задачи ИИ, а не на накладные расходы протокола. Стимулы должны оставаться плотно связаны с проверенной вычислительной работой, чтобы награды и влияние росли пропорционально реальному вкладу, а не капиталу или спекуляциям.

Также Gonka должна сохранить открытую, разрешительную архитектуру с прозрачными протокольными правилами. Вычисления для ИИ все больше становятся фундаментальной инфраструктурой, подобно электроэнергии в индустриальную эпоху или интернету в его ранние дни. В те моменты важен был не лучший продукт, а доступ к базовой сети и условия ее использования.

Технологические гиганты продолжат существовать и играть важную роль. Gonka добьется успеха, если станет дополнительным слоем инфраструктуры, который ограничит чрезмерную централизацию, расширит глобальный доступ и позволит инновациям в области ИИ развиваться в более открытой и децентрализованной экономической среде.