一文讀懂Crypto x AI新星Hyperbolic

作者：Josh Ho & Teng Yan，Chain of Thought；翻譯：金色財經xiaozou

本文，我們將深入研究Hyperbolic，一款當前大熱的開放獲取AI雲服務。Hyperbolic的宏大使命是通過提供負擔得起的推理計算能力，讓AI變得更加普及。

但在此之前，讓我們先來看看我們所認為的關於Hyperbolic最有趣的一些事……

Hyperbolic正在通過解決人工智能領域最棘手的挑戰之一來開疆擴土：驗證一個輸出是否真正來自特定的AI模型。

這個問題對於像OpenAI這樣的集中式閉源提供商來説尤其棘手。在你請求GPT-4提供輸出的時候，你怎麼能確定你沒有被欺騙——比如，OpenAI運行更便宜的GPT-3.5模型（每代幣價格的1/20）？

目前，這樣的保證還依賴於聲譽，但Hyperbolic認為應該以一種無需信任的去中心化方式來處理這個問題。

目前有幾種方法可以做到這一點：

· Optimistic機器學習（OpML）：假設所有事務都是有效的，除非有驗證者（validator）提出質疑。

· 零知識機器學習(zkML)：使用ZK電路來驗證計算是否被正確執行。

然而，兩者都具有侷限性：

· OpML依賴於validators來查驗結果，這就會因爭議期而延迟最終確定性。另外，缺少內在激勵來確保validators的誠信行為。

· zkML的計算量非常大，有時甚至需要幾天的時間才能生成具有70B+參數的大模型證明。

Hyperbolic的目標是通過其抽樣證明（PoSP）協議和抽樣機器學習（SpML）來克服這些缺點。SpML利用抽樣和博弈論來鼓勵誠信行為，而不需要進行持續不斷的監督。

它基於一種被稱為Nash Equilibrium（納什均衡）的純策略型博弈論概念，即所有參與者都有明確的動機誠信行事，因為作弊的成本超過了潛在的收益。

最簡單的思維模式是把它想象成一個公共汽車售票系統。

檢票員只進行隨機檢查，所以你可能會認為乘客經常會冒險逃票。但令人驚訝的是，他們並沒有這樣做，因為逃票的懲罰力度足以阻止乘客作弊。只要罰款遠遠超過購票成本，誠信就會佔上風。

Hyperbolic的SpML使用經濟激勵來解決當前的驗證機制（如OpML和zkML）的侷限性。它既提供了速度又提供了安全性，在二者之間達到了很好的平衡，並且沒有沉重的計算負擔。

需要注意的是什麼？那就是它假設每個人的行為都是理性的，但事實並非總是如此。

如果SpML在實踐中運行良好，它將改變去中心化AI應用的遊戲規則，使無需信任的驗證推理成為現實。

訓練AI是很昂貴的。電力和計算接入是企業和初創公司面臨的最大成本。訓練模型所需的算力成本幾乎每9個月翻一番。

2020年GPT-3的成本約為400萬美元，而2023年GPT-4的計算訓練成本高達1.9億美元，讓人驚掉下巴。

只有資源充足的機構組織才能活下去。規模較小的參與者和愛好者被過高的成本擠出市場。斯坦福大學的一名博士后不得不停止他的研究，原因是他負擔不起所需的數千個GPU。

去中心化計算網絡的一個主要挑戰是管理異構硬件——不僅僅是頂級的英偉達芯片，還有各種各樣的GPU。

Hyperbolic的去中心化操作系統是其計算網絡的核心。它將通過內置的自動擴展和容錯性無縫地匯集資源。

Hyperbolic的突破在於它對這種複雜性的處理方式。

· 它通過優化不同硬件（從Nvidia到AMD GPU）的張量運算提供靈活性。

· Hyperbolic的編譯棧抽象了複雜性，使開發人員能夠在不同的GPU設置中實現高性能，而不會陷入部署和配置方面的困境。

其他市場可能會提供去中心化GPU，但它們通常缺乏Hyperbolic所能提供的精密優化，從而將性能調優的負擔放在用户身上。

Hyperbolic通過一個API簡化了這一點，該API提供了對針對各種硬件優化的AI模型的訪問權，使全球計算資源更加易於訪問。

8月15日，Hyperbolic發佈了其GPU市場的alpha受限版本，允許100名等候成員試用GPU租賃功能。

Hyperbolic人工智能生態系統的下一個組件就是AI服務層，它提供推理、模型訓練、模型評估和檢索增強生成（RAG）等功能。

在Hyperbolic app中，你可以輕松運行頂級開源模型，如Llama 3.1 405B和Hermes 370B。要想微調輸出，你可以調整超參數，如max tokens、temperature和top P。

Hyperbolic平臺為創新的人工智能應用打開了大門，包括：

· AI智能體收入共享：代幣化AI智能體的所有權以重新分配收入。

· 人工智能DAO：利用人工智能進行治理決策。

· 分割GPU所有權：允許用户擁有和交易部分GPU。

Hyperbolic基礎設施的核心是其區塊鏈，它支撐着編排、服務和驗證層。區塊鏈為Hyperbolic的開源AI雲處理結算和治理。它還支持PoSP技術的仲裁和驗證機制。

雖然關於該區塊鏈的具體內容還很少，但你大可期待Hyperbolic很快就會透露更多關於這方面的信息。

Hyperbolic仍處於測試網階段。他們在由Polychain Capital和Lightspeed Faction領投的種子輪融資中籌集了700萬美元資金。

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

Base模型是LLM的初始預訓練版本，沒有經過微調或通過人類反饋(RLHF)進行強化學習。它具有如下優勢：

· 全方位支持對特定任務的微調

· 是高級人工智能技術的起點，例如合成數據生成或模型蒸餾（model distillation）。

Jasper (Yue) Zhang博士是Hyperbolic Labs的聯合創始人兼首席執行官。他曾是Ava Labs的高級區塊鏈研究員和Citadel Securities的量化研究員。他在兩年內讀取了加州大學伯克利分校的數學博士學位，並在阿里巴巴全球數學競賽和中國數學奧林匹克競賽中均獲金牌。

Yuchen Jin博士是Hyperbolic Labs的聯合創始人兼首席技術官。他擁有華盛頓大學計算機系統和網絡博士學位。他之前曾在OctoML工作，這是一家為運行、調整和擴展生成式AI應用程序提供基礎設施的公司。

總的來説，Hyperbolic讓我們非常興奮。他們絕對是Crypto AI領域里最值得關注的團隊之一。

Hyperbolic不僅僅是一個算力提供商，像PoSP和SpML這樣的創新也為去中心化AI增加了新的信任和驗證層。

在Hyperbolic上試驗base模型是非常有趣的，特別是因為他們是目前為數不多的能夠實現這一功能的提供商之一。我們絕對可以相信支持他們的開源AI承諾。

幾周前，我們寫過關於Prime Intellect的文章。Hyperbolic是否會像Prime Intellect那樣專注於分佈式AI訓練，這一點還有待觀察。

雖然我們注意到對算力的需求通常是稀疏的，但對於Hyperbolic來説似乎並非如此。他們已經在研究市場上顯示出了早期吸引力，吸引了研究人員和開發人員的極大興趣。

責任編輯：張靖笛