In het rapport “State of AI 2025” wijdt Messari een heel hoofdstuk aan Decentralized AI (deAI), waarbij het niet wordt gedefinieerd als een ideologisch alternatief voor traditionele AI, maar als een noodzakelijke aanvulling om transparantie, veiligheid en wereldwijde participatie te garanderen.
In een wereld waar modellen black box worden en de macht van privé-laboratoria toeneemt, is de rol van deAI niet theoretisch: het is een structureel antwoord op de uitdagingen van de nieuwe orde van intelligentie.
De kunstmatige intelligentie wordt de meest strategische digitale infrastructuur van de planeet. Maar terwijl de techgiganten hun dominantie versterken, groeit er een parallelle beweging die een radicaal andere AI wil bouwen: open, verifieerbaar, permissionless en gedistribueerd.
Inhoudsopgave
Wat is Decentralized AI (deAI)?
De deAI is een AI-systeem gebouwd op gedistribueerde netwerken, waar:
- de gegevens kunnen worden verzameld, gelabeld en uitgewisseld in een permissionless modus;
- de berekening wordt uitgevoerd op wereldwijde netwerken van onafhankelijke GPU’s;
- de modellen kunnen gecoördineerd worden getraind en gebruikt, zonder een enkele controlerende autoriteit;
- privacy, verifieerbaarheid en reputatie worden gegarandeerd via blockchain, cryptografie en attesteringssystemen;
- AI-agenten kunnen transacties uitvoeren, zich identificeren en samenwerken in een trustless omgeving.
Met andere woorden:
De deAI is de infrastructuur die het mogelijk maakt om een open AI te bouwen “voor iedereen en door iedereen”, zonder afhankelijk te zijn van een privé-gigant.
Waarom wordt deAI noodzakelijk?
Messari verdeelt de redenen in twee categorieën: filosofische en praktische.
🔹 Filosofie
- Concentratie van macht
Gecentraliseerde AI geeft enorme controle aan enkele bedrijven (OpenAI, Google, Anthropic). Dit beïnvloedt narratieven, toegang tot data, technologische standaarden en zelfs sociale processen. - Onzichtbaarheid
We weten niet hoe de modellen zijn getraind, welke gegevens ze gebruiken, welke vooroordelen ze bevatten. - Beperkt vertrouwen
Er zijn geen verifieerbare garanties dat het aangeboden model het verklaarde model is of dat het de gegevens op de juiste manier verwerkt.
🔹 Praktijk
- Globale coördinatie
Blockchain-technologieën maken het mogelijk om miljoenen apparaten en bijdragers zonder vertrouwen te coördineren. - Verifieerbaarheid on-chain
Identiteit, reputatie, modelstatus en integriteit kunnen op een onveranderlijke manier worden vastgelegd. - Native betalingen
AI-agenten hebben behoefte aan directe betalingen, microtransacties en onmiddellijke settlement: hier is crypto onvervangbaar. - Schaalbaarheid via gedistribueerde netwerken
De deAI maakt gebruik van reeds bestaande hardware (gaming-pc’s, edge-apparaten, kleine datacenters), niet alleen hyperscaler GPU’s.
De deAI Stack: de 6 lagen die het ecosysteem vormen
Het rapport beschrijft in detail de technologische stack van deAI, bestaande uit 6 onderling verbonden lagen: Data → Compute → Training → Privacy/Verification → Agents → Applications.
Laten we ze één voor één bekijken.
1. Data Laag
Het hart van elk AI-systeem is de dataset.
In de deAI worden gegevens verzameld, gelabeld, opgeslagen en uitgewisseld via gedistribueerde netwerken.
Belangrijkste activiteiten:
- gegevensverzameling (video, audio, sensoren, echte interacties)
- labeling via gestimuleerde marktplaatsen
- reiniging & preprocessing
- opslag op gedistribueerde netwerken (Filecoin, Arweave, Jackal)
- datamarktplaatsen (Ocean, Vana, Cudis)
Decentralisatie maakt het mogelijk:
- grotere diversiteit van gegevens
- directe financiële prikkels voor bijdragers
- verifieerbaarheid (herkomst, tijdstempel, identiteit)
- verlaging van de kosten van eigen datasets
Met de verwachte “data famine” tegen 2030, wordt deze laag cruciaal.
2. Compute Layer
Hier vindt het duurste deel van AI plaats: het uitvoeren van training en inference.
De gedecentraliseerde compute-netwerken (DCN):
- Akash
- Render
- io.net
- Aethir
- Hyperbolisch
- EigenCloud
- Exabits
Het belangrijkste voordeel: ze maken compute on-demand beschikbaar tegen marktprijzen, niet opgelegd door een cloudprovider.
Historisch gezien waren ze inefficiënt voor grootschalige training (vanwege latenties en synchronisaties), maar tegenwoordig zijn DCN’s perfect voor het leveren van inference, omdat:
- vereist minder communicatie tussen GPU’s
- kan worden uitgevoerd op heterogene hardware
- is het segment dat naar verwachting 50–75% van de vraag naar compute tegen 2030 zal vertegenwoordigen
3. Trainings- & Inference-laag
Messari maakt een duidelijk onderscheid:
Pre-training
Uiterst moeilijk te decentraliseren:
vereist enorme datasets, strakke synchronisatie, zeer hoge bandbreedte.
Post-training (SFT / RLHF / RL)
Perfect voor gedistribueerde netwerken:
- meer asynchronie
- minder communicatie
- meer schaalbaarheid
- mogelijkheid tot crowdsourcing van gegevens
Gedecentraliseerde inferentie
Het is de ontbrekende schakel die de deAI bruikbaar maakt in het echte leven.
Voorbeelden genoemd in het rapport:
- Prodia
- Dalen
- Fortytwo Network
- dria
- inference.net
4. Privacy & Verificatielaag
Hier komen de meest complexe cryptografische technologieën in het spel.
Fundamentele technieken:
- ZKML (zero-knowledge machine learning)
- Optimistic ML (verificatie via challenge-periode)
- TEE-gebaseerde ML (trusted execution environments)
- FHE (volledig homomorfe encryptie)
- MPC (multi-party computation)
- Federated learning
Doel:
Zorg ervoor dat een model correct is berekend, zonder wijzigingen en zonder gevoelige gegevens bloot te stellen.
Vermelde projecten:
- Phala (TEE)
- Zama (FHE)
- Nillion (MPC)
- EZKL (ZKML)
- Lagrange (zkML + verificatie-infrastructuur)
Dit is de belangrijkste laag voor enterprise-adoptie.
5. Agents & Orchestration Layer
Het rapport analyseert hoe autonomous agents de nieuwe “interface” van AI worden.
Een volledige stack omvat:
- basismodel (LLM of SLM)
- tools (API, wallet, browserautomatisering)
- framework (ElizaOS, Daydreams, Olas, Questflow)
- communicatiestandaard
- multi-agent coördinatie
- verifieerbare integriteit (onveranderlijke prompt, geverifieerd redeneren)
De blockchains ontgrendelen voor de agenten:
- identiteit
- reputatie
- self-custodial betalingen
- trustless toegang tot financiële diensten
- auditbaarheid
De agenten zullen de belangrijkste “gebruikers” van de blockchain zijn in de komende 5 jaar.
6. Applicatielaag
Het laatste niveau: de apps gebouwd op de volledige stack.
Voorbeelden:
- handelsagenten
- autonome DeFi-bots
- autonome browsers
- cybersecuritysystemen
- AI-gestuurde data-labeling
- multi-agent universums voor gaming, discovery of e-commerce
- gedecentraliseerde aanbevelingsmotoren
De deAI-apps functioneren als normale AI, maar met drie verschillen:
- transparantie
- verifieerbaarheid
- interoperabiliteit met crypto
Waarom nu? De 5 krachten die de deAI aandrijven
Messari identificeert vijf megatrends die een perfecte basis vormen voor de groei van decentralized AI:
- Vraag naar inference in verticale opmars
- Uitputting van openbare gegevens en vraag naar eigendomsgegevens
- Explosie van AI-agenten die zelfstandig moeten handelen
- Wereldwijde strijd om talent en onbetaalbare compute-kosten
- Vooruitgang in de decentralisatie van training en verificatie
De gecentraliseerde AI kan niet alles vervullen: complementariteit is nodig.
Conclusie: deAI is de basis van open, verifieerbare en participatieve AI
De gedecentraliseerde AI is geen trend: het is een structureel antwoord.
Naarmate de modellen groeien en de macht van de Big Tech zich concentreert, wordt de noodzaak om:
- controleren
- decentraliseren
- bevestigen
- coördineren
- compenseren
- beschermen
- verdelen
wordt centraal.
De deAI is de infrastructuur die AI in staat stelt om niet alleen krachtig te zijn, maar ook:
- open
- veilig
- gedistribueerd
- wereldwijd toegankelijk




