Hyperbolic是什么？一文读懂Crypto x AI新星Hyperbolic

先说说关于Hyperbolic的几个核心判断。如果你最近有关注Crypto x AI赛道，大概率已经注意到了这个叫Hyperbolic的项目——它的目标很明确：做一个开放获取的AI云服务平台。底层逻辑也不复杂，就是通过降低推理算力的成本和门槛，让AI不再是少数几家巨头的专属游戏。

那么，Hyperbolic究竟凭什么在一众竞品里杀出来？我们从最有趣的东西聊起。

1、Hyperbolic的秘笈——抽样证明（Proof of Sampling）

Hyperbolic切中的，是AI领域最让人头疼的问题之一：你怎么确认，一个输出真的来自它声称的那个模型？

这个问题在OpenAI这样的中心化闭源服务商那里尤其尖锐。你请求GPT-4生成一段内容，怎么确保对方没有偷偷换成成本只有1/20的GPT-3.5？目前这种“保证”基本靠的是信任和声誉，但Hyperbolic认为，应该用一种无需信任的去中心化方式来解决。

目前市面上有两类主流方案：

• Optimistic机器学习（OpML）：
  默认所有交易都是有效的，直到有验证者提出质疑。

• 零知识机器学习（zkML）：
  用ZK电路来验证计算是否被正确执行。

但两者各自的短板也很明显：

• OpML
  依赖验证者来检查结果，争议期会延迟最终确认，而且缺少激励让验证者诚实工作。

• zkML
  计算量极其庞大，生成70B+参数大模型的证明有时需要几天。

Hyperbolic的应对方案是抽样证明（PoSP）协议以及抽样机器学习（SpML）。SpML不做持续监督，而是利用抽样机制和博弈论来激励参与者诚信行事。它的底层逻辑，是一个叫做纳什均衡的纯策略博弈论概念——简单说，当作弊的成本远高于潜在收益时，所有理性参与者都会选择诚实。

最形象的类比，是公共汽车的售票系统。检票员只进行随机抽查，但乘客并不会因此大面积逃票——因为一旦被抓，罚款的力度足以让人打消念头。只要罚款远超票价，诚信就会成为默认选项。

Hyperbolic的SpML用经济激励解决了当前验证机制的痛点，在速度和安全性之间取得了一个不错的平衡点。值得警惕的是，这一切建立在“所有人都是理性人”的假设之上——现实中并非总是如此。但如果SpML在实践中能跑通，它很可能成为去中心化AI应用的重要基石，让“无需信任的推理验证”真正变为现实。

2、可扩展的低成本计算

训练AI有多贵？电力和算力是目前企业、初创团队最大的成本项。算力成本的翻倍周期，现在大约是每9个月一次。

一组数据能说明问题：2020年训练GPT-3大概花400万美元，到2023年，GPT-4的计算成本飙到了1.9亿美元。这个量级意味着，只有资源足够雄厚的机构才玩得起，规模较小的参与者和爱好者基本被成本踢出了牌桌。有个很现实的案例：斯坦福一位博士后不得不终止研究，原因很简单——他根本负担不起需要的数千个GPU。

去中心化计算网络面临的一个核心挑战，是异构硬件管理。实际的GPU市场远不止顶级英伟达芯片，各种型号、品牌的设备混杂在一起。Hyperbolic的处理方式是从底层操作系统入手，通过内置的自动扩展和容错能力，无缝地汇集这些分散的算力资源。

Hyperbolic的突破体现在两个层面：

• 通过优化不同硬件（从Nvidia到AMD GPU）上的张量运算，提供了灵活的兼容性。
• 它的编译栈抽象了复杂的底层，开发者可以在不同的GPU环境下实现高性能，而不必陷入繁杂的部署和配置工作。

其他去中心化GPU市场也在做，但往往缺乏这种精密优化，性能调优的负担最终落在用户肩上。Hyperbolic通过一个API将这一切简化，开发者可以直接访问针对各种硬件优化好的AI模型。这个逻辑下，全球的计算资源变得更容易触达。

8月15日，Hyperbolic的GPU市场alpha版本已经开放，首批100名等候用户可以试用GPU租赁功能。

3、AI服务层

Hyperbolic的AI生态系统里，还有一层重要的服务：AI服务层，提供推理、模型训练、模型评估以及检索增强生成（RAG）等功能。

在Hyperbolic的App上，你可以直接运行Llama 3.1 405B、Hermes 370B这类顶级开源模型。超参数调整（如max tokens、temperature、top P）也一并开放，方便精细控制输出。

基于这个平台，一些有趣的AI应用场景可以跑起来，比如：

• AI智能体收入共享：
  将AI智能体的所有权代币化，重新分配收入。

• AI DAO：
  用AI辅助治理决策。

• 分割GPU所有权：
  允许用户拥有和交易部分GPU份额。

4、Crypto扮演什么角色？

Hyperbolic基础设施的核心，是一条区块链。它承担的是编排、服务和验证层的支撑工作。具体来说，这条链负责开源AI云的结算与治理，同时也支持PoSP技术所需的仲裁和验证机制。

关于这条区块链的更多技术细节，目前公开的信息还不多。不过可以确定的是，这方面很快就会有更详细的披露。

5、研究级Alpha

Hyperbolic目前还处于测试网阶段。在由Polychain Capital和Lightspeed Faction领投的种子轮中，它已经拿到了700万美元融资。

一个有意思的事实：Hyperbolic是

的独家提供商。

什么是Base模型？它是LLM在预训练阶段的初始版本，没有经过后续的微调或人类反馈强化学习（RLHF）。这类模型的价值在于：一方面支持对特定任务进行全面微调，另一方面也是合成数据生成、模型蒸馏这类高级AI技术的起点。

6、关于团队

Hyperbolic Labs由两位博士联合创立。

Jasper (Yue) Zhang博士担任CEO，此前是A va Labs的高级区块链研究员，也在Citadel Securities做过量化研究员。他用了两年时间拿到加州大学伯克利分校数学博士学位，曾在阿里巴巴全球数学竞赛和中国数学奥林匹克竞赛中获得金牌。

Yuchen Jin博士担任CTO，拥有华盛顿大学计算机系统与网络博士学位。他之前在OctoML工作，这家公司专门为生成式AI应用的运行、调优和扩展提供基础设施。

7、几点观察

整体来看，Hyperbolic确实是Crypto AI赛道里值得持续关注的团队之一。它的价值不止于算力提供商的身份——像PoSP和SpML这样的创新，为去中心化AI增加了一层信任和验证维度。

能在Hyperbolic上实验Base模型，这件事本身就很有吸引力——毕竟，目前能做到这一点的服务商并不多。它对于“开源AI”的支持，态度相当明确。

几周前我们刚聊过Prime Intellect，一个主打分布式AI训练的项目。Hyperbolic会不会也往这个方向走，目前还有待观察。值得注意的是，虽然市场上对算力的需求通常是稀疏的，但Hyperbolic似乎是个例外——它的研究市场已经显示出早期吸引力，无论是研究人员还是开发者，兴趣都相当浓厚。