Hyperspace是什么？融资背景、团队成员、产品及核心组件介绍

先说一个核心判断：AI模型的应用正在从“单体服务”走向“分布式网络”。当大语言模型（LLM）的能力需要与实时、海量、具备社会属性的用户数据深度结合时，传统的中心化架构开始显得力不从心。Hyperspace正是为解决这一痛点而生的开放标准协议——它专为分布式模型推理设计，旨在打造一种即时、具有社会意识、且可大规模免费访问的新型情报服务。简单来说，它创造了一个高度自定义化的AI模型执行生态系统。

下面，我们深入拆解一下Hyperspace到底是什么、它的融资背景和团队构成、以及核心产品和组件究竟如何运作。

简介

同样是AI应用，Hyperspace在图像生成、节点执行、网页搜索等板块，相较于Claude、ChatGPT等知名产品，展现出了独特的优势。尤其是在运行速率等关键性能指标上，它给出了更高效的方案。这背后，很大程度上得益于Hyperspace基于Web3构建的特性。

融资背景

据RootData记载，Hyperspace获得了加密原生基金Blue7的融资，但具体金额与条款并未公开披露。Blue7此前的投资组合包括Web3自动化和中继网络Gelato Network、企业级L2解决方案Lightlink，以及人工智能区块链平台Talus等，显示出其对技术与基础设施结合的偏好。

团队成员

团队成员（图源：RootData）

Hyperspace的核心团队由联合创始人兼CEO Varun Mathur领衔。从其公开履历来看，Varun此前的背景信息相对有限。不过，对于外界而言，他的X账号@varun_mathur成为了一个重要的信息窗口，持续发布着关于项目节点规模、近期发展方向等来自创始团队视角的关键数据。

Varun在X上分享的Hyperspace节点信息

产品及核心组件

组件信息

作为一个高度自定义化的AI模型执行生态系统，Hyperspace目前拥有49.3K个节点、超过1.2M的代币数据、400M个嵌入数据、超过500个AI模型，以及3.2TB的向量数据库。从数据规模来看，它已经具备了相当的承载能力，足以满足各类复杂的应用需求。

一、客户端产品类型

客户端种类

Hyperspace在客户端的选择上相当周全，提供了包括浏览器版本（Browser Node）、桌面客户端（Desktop Node）和命令行版本（CLI）在内的多种选项。这种设计思路很清晰——在高度自定义化的大前提下，尽可能降低用户的使用门槛，让不同技术背景的参与者都能找到适合自己的接入方式。

二、核心组件

1、身份管理

在Hyperspace网络中，每个实体（即节点）通过节点地址进行唯一识别。有趣的是，这个地址并非节点公钥的直接表示，而是其公钥的加密哈希值。这种设计背后有深层的安全考量——在缺乏中心化权威的去中心化系统中，直接使用公钥会面临女巫攻击和日蚀攻击的风险，而加密哈希则能有效缓解这些问题。

为了进一步增强网络抵御攻击的能力，系统引入了加密难题机制，尤其是工作量证明（PoW）。从Hyperspace的设计逻辑来看，在缺乏中心化信任实体的环境中，加密难题是生成分布式节点ID最实用的方法。它的核心优势在于，能显著提高潜在攻击者破坏网络的难度和成本。

从本质上说，对于完全去中心化的网络，利用加密技术最大化抵御攻击的能力，不仅是优选方案，更是一种必然的选择。

当然，在使用哈希值而非公钥生成节点ID的方案中，节点仍然可以使用其公钥对消息进行签名。考虑到计算资源的限制，系统将消息签名分为了两种类型：

• 弱签名
  ：仅对IP地址、端口和时间戳进行签名。时间戳用于限制签名有效期，防止重放攻击，尤其是在动态IP场景下。由于不同节点间的时间同步可能存在误差，时间戳的粒度可以设置得较大。弱签名适用于对完整消息完整性要求不高的场景，如PING消息。

• 强签名
  ：对整个消息内容进行签名，确保消息完整性，并增强对中间人攻击的防御。为了防止重放攻击，在远程过程调用（RPC）消息中会引入随机数。

2、Hyperspace Community Servers (HCS) 和 Hyperspace Inference Nodes (HIN)

HCS和HIN运作流程

HCS节点在Hyperspace AI生态系统中扮演着核心角色，它集预言机、协调者和排序器于一身，负责协调HIN之间的交互。而HIN节点则需要与HCS建立连接，并根据自身运营选择连接到哪个HCS。HIN需要向HCS发送自身的计算能力及其可执行的模型范围信息。

在HCS和HIN的协同下，一个完整的推理机制得以形成：

初始连接后，HIN需要向HCS发送二次通信消息，即注册消息。注册过程如下：

• HIN发送注册消息：包含其声明的计算规格以及支持和可执行的AI模型。
• HCS发送推理验证挑战：以推理难题的形式呈现，由HCS自主决定难题类型。HIN需要解决该难题，并通过调用提交推理结果。

3、欺诈证明与挑战模型

如果客户端收到两个不同的回复或明显可疑的回复，它可以向区块链提交欺诈声明，以获得补偿。

：

• 客户端向区块链提交欺诈声明。
• 其他节点可以重新计算查询，并验证推理结果的完整性。
• 如果推理结果被证明是错误的，则节点可以提交链上挑战。
• 挑战是一个同步过程，在区块链上进行，由智能合约监控。
• 该过程仅需要LLM（大语言模型）的哈希值，无需暴露完整的推理内容。
• 所有节点都有一个时间窗口，在挑战结束前可以提交自己的推理结果以进行对比验证。

：

提交挑战后，被挑战的节点必须提交中间状态根。挑战者通过确定第一个损坏的状态根并对其提出挑战，进行回应。然后，被挑战的节点继续提交从挑战状态根到其之前的状态根之间的中间状态根。这个过程会持续进行，直到执行步骤被缩小到单一交易，并在区块链上结算。简单来说，挑战过程包括对数级别的推理步骤验证，通过逐步缩小挑战范围，确保推理结果的安全和准确。

4、加密经济学与激励模型

所有组成实体都受到内在经济结构和激励机制的驱动，促使它们保持诚信。通常，新兴的区块链生态系统会引入不同的代币来促进这种加密经济保护。然而，这些新兴代币在初期可能会面临挑战，尤其是难以积累所需的体量和分布，从而阻碍生态系统安全基础的建立。

这个问题被EigenLayer巧妙地解决了。它设计了一个框架，通过引入以太坊验证者，利用以太坊的加密经济保障机制。Hyperspace AI协议吸收了这一框架，并使用EigenLayer运营商来增强自身网络的安全性。

Hyperspace的高自定义性，使用户可以使用不同的组件和AI模型来定制所需的数据平台。它能够实现以下功能：

• 多模型支持
  ：支持多种开源AI模型，用户可根据需求选择。

• 信息数据网络
  ：基于高质量数据源生成的信息网络。

• 运行节点
  ：允许用户在桌面或浏览器等客户端上运行节点，参与对等网络，获得激励。

• 向量数据库
  ：访问更新向量数据库，支持高效的信息检索。

• 网络热点
  ：用户可以创建自己的热点，分享AI资源获得报酬以降低成本。

• 快速支付协议
  ：采用定制的协议，确保高效的网络支付。

总的来说，Hyperspace AI将区块链技术和AI推理结合在一起，创造了一个去中心化且安全的AI模型执行生态系统，减少了对中心化实体的依赖，并提供了更高的透明度、可扩展性和抗攻击性。

优势与挑战

相较于ChatGPT和Claude等中心化AI应用，去中心化是Hyperspace最核心的优势。

数据隐私

• Hyperspace AI
  ：作为去中心化协议，它能确保数据持有者始终掌握数据控制权。用户可以选择如何共享数据，并通过智能合约和加密技术保证数据隐私与安全。在此过程中，参与者可以获得Token奖励。

• ChatGPT/Claude
  ：这些模型是集中式的，数据存储和处理通常依赖中心化服务器。这意味着用户数据会存储在OpenAI或Anthropic的服务器上，存在隐私泄露的潜在风险。

代币激励机制

• Hyperspace AI
  ：通过区块链技术和Token化机制，参与者（包括数据提供者、开发者、节点运营者等）可以通过贡献数据、计算资源或推理任务获得奖励。这种经济激励鼓励社区成员积极参与，推动生态发展。

• ChatGPT/Claude
  ：这类模型依赖商业化收入和订阅模式，没有直接的去中心化激励机制，用户和开发者更多是被商业化服务吸引，而非区块链奖励。

模型透明性和可验证性

• Hyperspace AI
  ：区块链能够确保AI模型训练过程和数据使用的透明性，每一步操作（如数据共享、模型训练、推理请求等）都可追溯并验证，这对于模型的公平性和可信度至关重要。

• ChatGPT/Claude
  ：这些模型的内部工作原理通常是闭源的，用户和开发者无法完全了解模型训练的过程和数据来源，因此透明性较差，容易产生信任问题。

分布式计算和资源共享

• Hyperspace AI
  ：通过去中心化的推理节点（HIN），Hyperspace AI能够在全球范围内分布计算任务，减少对大型数据中心的依赖，优化计算效率和资源利用。

• ChatGPT/Claude
  ：这些模型依赖集中式服务器进行推理和计算，这意味着它们可能面临计算资源的限制，并且一旦服务器出现问题，可能会影响到所有用户。

对于Hyperspace来说，最大的挑战可能在于普及性。去中心化的优势显而易见，但区块链应用要真正被普罗大众广泛接受，依然道阻且长。这也是许多去中心化应用（如DePIN、Gaming赛道）面临的共同痛点。当然，和几年前相比，随着比特币与主流金融机构、监管机构的互动逐步加深，区块链的普及门槛已经有所降低。

总结

Hyperspace AI通过区块链与AI推理的结合，构建了一个去中心化、安全且高效的AI计算网络。其核心组件确保了AI计算的可信性和可验证性，同时降低了对中心化AI基础设施的依赖，也为用户提供了高度自定义化的平台。通过HCS和HIN的协同运作，Hyperspace AI提供了高效的AI推理任务执行与验证机制，使得计算可以在无需信任的环境中运行。随着需求的增长，它有潜力成为去中心化AI计算的核心基础设施，为未来的应用提供更透明、公平和安全的解决方案。