Hyperbolic：AI云服务新星，抽样证明颠覆！

首页

web3.0

热心网友

转载

2025-11-07

Hyperbolic：Crypto x AI 领域的新星，一文读懂！

Hyperbolic 是一家新兴的开放获取 AI 云服务提供商，致力于通过提供经济实惠的推理计算能力，让人工智能更加普及。让我们一起深入了解 Hyperbolic 最吸引人的几个方面：

适合国内用的虚拟币交易所

1、Hyperbolic 的独门秘籍：抽样证明（Proof of Sampling）

Hyperbolic 正在解决人工智能领域的一大难题：如何验证一个输出是否真的来自特定的 AI 模型。

对于像 OpenAI 这样的中心化闭源提供商来说，这个问题尤其棘手。当你请求 GPT-4 提供输出时，如何确保你没有被“欺骗”，例如，OpenAI 运行更便宜的 GPT-3.5 模型？

目前，这种保证主要依赖于声誉。但 Hyperbolic 认为，应该以一种无需信任的去中心化方式来解决这个问题。

目前有几种方法可以实现这一点：

Optimistic 机器学习（OpML）： 假设所有事务都是有效的，除非有验证者提出质疑。
零知识机器学习 (zkML)： 使用 ZK 电路来验证计算是否被正确执行。

然而，两者都存在局限性：

OpML 依赖于验证者来检查结果，这会导致最终确定性的延迟。此外，缺乏内在激励来确保验证者的诚信行为。
zkML 的计算量非常大，有时甚至需要几天的时间才能生成具有 70B+ 参数的大模型证明。

Hyperbolic 的目标是通过其抽样证明（PoSP）协议和抽样机器学习（SpML）来克服这些缺点。SpML 利用抽样和博弈论来鼓励诚信行为，而不需要持续不断的监督。

它基于一种被称为纳什均衡（Nash Equilibrium）的纯策略型博弈论概念，即所有参与者都有明确的动机诚信行事，因为作弊的成本超过了潜在的收益。

最简单的理解方式是把它想象成一个公共汽车售票系统。

检票员只进行随机检查，所以你可能会认为乘客经常会冒险逃票。但令人惊讶的是，他们并没有这样做，因为逃票的惩罚力度足以阻止乘客作弊。只要罚款远远超过购票成本，诚信就会占上风。

Hyperbolic 的 SpML 使用经济激励来解决当前验证机制（如 OpML 和 zkML）的局限性。它既提供了速度又提供了安全性，在二者之间达到了很好的平衡，并且没有沉重的计算负担。

需要注意的是什么？那就是它假设每个人的行为都是理性的，但事实并非总是如此。

如果 SpML 在实践中运行良好，它将改变去中心化 AI 应用的游戏规则，使无需信任的验证推理成为现实。

2、可扩展的低成本计算

训练 AI 是非常昂贵的。电力和计算接入是企业和初创公司面临的最大成本。训练模型所需的算力成本几乎每 9 个月翻一番。

2020 年 GPT-3 的成本约为 400 万美元，而 2023 年 GPT-4 的计算训练成本高达 1.9 亿美元，让人惊掉下巴。

只有资源充足的机构组织才能活下去。规模较小的参与者和爱好者被过高的成本挤出市场。一位博士后不得不停止他的研究，原因是他负担不起所需的数千个 GPU。

去中心化计算网络的一个主要挑战是管理异构硬件——不仅仅是顶级的英伟达芯片，还有各种各样的 GPU。

Hyperbolic 的去中心化操作系统是其计算网络的核心。它将通过内置的自动扩展和容错性无缝地汇集资源。

Hyperbolic 的突破在于它对这种复杂性的处理方式。

它通过优化不同硬件（从 Nvidia 到 AMD GPU）的张量运算提供灵活性。
Hyperbolic 的编译栈抽象了复杂性，使开发人员能够在不同的 GPU 设置中实现高性能，而不会陷入部署和配置方面的困境。

其他市场可能会提供去中心化 GPU，但它们通常缺乏 Hyperbolic 所能提供的精密优化，从而将性能调优的负担放在用户身上。

Hyperbolic 通过一个 API 简化了这一点，该 API 提供了对针对各种硬件优化的 AI 模型的访问权，使全球计算资源更加易于访问。

8 月 15 日，Hyperbolic 发布了其 GPU 市场的 alpha 受限版本，允许 100 名成员试用 GPU 租赁功能。

3、AI 服务层

Hyperbolic 人工智能生态系统的下一个组件就是 AI 服务层，它提供推理、模型训练、模型评估和检索增强生成（RAG）等功能。

在 Hyperbolic app 中，你可以轻松运行顶级开源模型，如 Llama 3.1 405B 和 Hermes 370B。要想微调输出，你可以调整超参数，如 max tokens、temperature 和 top P。

Hyperbolic 平台为创新的人工智能应用打开了大门，包括：

AI 智能体收入共享： 代币化 AI 智能体的所有权以重新分配收入。
人工智能 DAO： 利用人工智能进行治理决策。
分割 GPU 所有权： 允许用户拥有和交易部分 GPU。

4、Crypto 扮演什么角色？

Hyperbolic 基础设施的核心是其区块链，它支撑着编排、服务和验证层。区块链为 Hyperbolic 的开源 AI 云处理结算和治理。它还支持 PoSP 技术的仲裁和验证机制。

虽然关于该区块链的具体内容还很少，但你大可期待 Hyperbolic 很快就会透露更多关于这方面的信息。

5、研究级 Alpha

Hyperbolic 仍处于测试阶段。他们在由 Polychain Capital 和 Lightspeed Faction 领投的种子轮融资中筹集了 700 万美元资金。

有意思的是，Hyperbolic 是 Llama 3.1 405B Base 模型的独家提供商。

Base 模型是 LLM 的初始预训练版本，没有经过微调或通过人类反馈 (RLHF) 进行强化学习。它具有如下优势：

全方位支持对特定任务的微调
是高级人工智能技术的起点，例如合成数据生成或模型蒸馏（model distillation）。

6、关于团队

Jasper (Yue) Zhang 博士是 Hyperbolic Labs 的联合创始人兼首席执行官。他曾是 Ava Labs 的高级区块链研究员和 Citadel Securities 的量化研究员。他在两年内读取了加州大学伯克利分校的数学博士学位，并在阿里巴巴全球数学竞赛和中国数学奥林匹克竞赛中均获金牌。

Yuchen Jin 博士是 Hyperbolic Labs 的联合创始人兼首席技术官。他拥有华盛顿大学计算机系统和网络博士学位。他之前曾在 OctoML 工作，这是一家为运行、调整和扩展生成式 AI 应用程序提供基础设施的公司。

7、我们的几点想法

总的来说，Hyperbolic 让我们非常兴奋。他们绝对是 Crypto AI 领域里最值得关注的团队之一。

Hyperbolic 不仅仅是一个算力提供商，像 PoSP 和 SpML 这样的创新也为去中心化 AI 增加了新的信任和验证层。

在 Hyperbolic 上试验 base 模型是非常有趣的，特别是因为他们是目前为数不多的能够实现这一功能的提供商之一。我们绝对可以相信支持他们的开源 AI 承诺。

Hyperbolic 是否会像 Prime Intellect 那样专注于分布式 AI 训练，这一点还有待观察。

虽然我们注意到对算力的需求通常是稀疏的，但对于 Hyperbolic 来说似乎并非如此。他们已经在研究市场上显示出了早期吸引力，吸引了研究人员和开发人员的极大兴趣。

来源:https://www.jb51.net/blockchain/950189.html

免责声明：游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

上一篇：流动性挖矿：资金进出自由？平台规则全解析下一篇：Starknet空投确认！社群奖励领取攻略