资本总是追逐未来的机会。欧美风险投资的真金白银，往往是衡量一个赛道前景的重要风向标。
一方面，英伟达的股票节节攀升；另一方面，全球机构争相抢购比特币ETF。
这无疑表明，AI和Web3是近年来最炙手可热的领域，也将是未来改变世界格局的核心力量，影响深远。
然而，在一个越来越被AI影响的世界中，创新与颠覆的主导权长期掌握在少数人手中。
开发人工智能所需的计算资源和基础设施，成为打开这扇大门的关键钥匙，但这些资源的获取往往高度集中，仅限于那些拥有雄厚资本或机构支持的人群。
除此之外，高昂的使用成本、缺乏对计算结果的可信验证，以及隐私安全问题，进一步限制了AI的普及与公平性。
AI的未来，不应仅仅服务于少数人的商业利益，而应像Web3一样，成为人人可参与、人人可受益的公共财富。这是一场属于所有人的共同旅程，而非少数人的专属领地。
01 简介和功能
Hyperbolic是一家开源的AI计算与推理服务提供商，诞生于挑战现状的愿景，致力于让全球各地的创新者无论资源多少、地理位置如何，都能平等地使用AI技术。
Hyperliqui的三大核心功能包括：
1.1GPU市场：按需算力，经济高效
Hyperbolic的GPU市场打破了传统的算力租赁模式，通过汇聚全球闲置的GPU资源，为开发者提供按需算力服务，帮助他们节省最多75%的成本。依托Hyper-dOS去中心化操作系统，开发者只需不到一分钟就能获得所需的算力，大大降低了创新的门槛。
1.2推理服务：低成本，高效率
Hyperbolic的推理服务每天处理超过十亿个Token，以极低的成本提供最新的开源模型，并支持BF16格式，保证了在效率和精度上的优异表现。
1.3采样证明（PoSP）：验证的黄金标准
Hyperbolic独创的采样证明协议，通过严格的数据隐私保障，确保输出结果既可靠又经济高效，使其成为唯一能够提供可验证AI结果的Web3实时推理产品。
02 目标
Hyperbolic具有三个目标：1.提供去中心化异构计算2.确保去中心化人工智能的安全性和可验证性3.在去中心化AI保护隐私。
2.1提供去中心化异构计算
Hyperbolic致力于构建一个可扩展的系统，将全球GPU算力整合，从而优化各种类型GPU的性能。这一愿景旨在突破算力资源分配的瓶颈，向全球的AI研究人员和开发者提供高性能的支持。
Hyperbolic首先搭建了AI服务层，允许开发者部署并利用全球计算资源来运行不同的AI服务。
它能够将各种高级机器学习框架（如PyTorch、TensorFlow、JAX）编译成适配不同硬件平台的底层语言（如NVIDIA的CUDA、AMD的ROCm、Apple的Metal）。
此外，Hyperbolic还与AMD合作，致力于提升AMD芯片的性能。在Hyperbolic的优化下，Llama3-8B模型在AMDMI250平台上的输入吞吐量提升了120.4%，输出吞吐量提升了144.8%。
Hyperbolic的解决方案不仅受到Web3AI项目的青睐，也吸引了大量Web2AI开发者的采用。
尽管Web2开发者常担心去中心化方案可能影响性能和可靠性，Hyperbolic却在大语言模型和图像生成领域展现了卓越的表现。
即使团队规模远小于主流竞争对手，Hyperbolic仍实现了媲美甚至超越它们的性能表现，充分证明了其技术架构的优越性。
这种突破消除了对去中心化方案的疑虑，为更多开发者打开了合作的可能性。
Hyperbolic的去中心化计算优势源于其独特的系统架构以太阳系为灵感设计的Hyper-dOS。该架构采用分层集群模型，将高效与稳定融为一体。
SunCluster（太阳集群）是中央治理节点，类似于太阳在行星系统中的核心地位，为整个系统提供基础服务和支持，确保稳定性和高效运行。
围绕它的则是多个行星级集群，包括：MercuryCluster（单节点）、MarsCluster（多节点）和JupiterCluster（多卫星节点）。每个集群规模和治理特性各不相同，可灵活适应不同需求。
系统三大关键特性
自动伸缩：集群可根据计算需求自动扩展或收缩规模，灵活应对负载变化。
自我修复：系统可自动检测问题并从故障中恢复，确保稳定运行。
可定制性：每个集群可根据具体需求进行个性化配置，提供高度灵活的服务。
这种分层架构不仅保证了系统的高可用性和可扩展性，还实现了自治性与整体协调性的平衡。用户只需拥有一台机器或一个集群，安装Hyper-dOS后，即可轻松接入Hyperbolic网络，获取全球计算资源并实现无缝协作。
2.2确保去中心化人工智能的安全性和可验证性
在去中心化网络中面临一个关键挑战：如何确保随机节点生成的结果是正确的。安全性和可验证性一直是已部署AI系统中未解决的问题。
目前AI的流行的验证机制有共识/投票，乐观机制以及零知识证明。
共识/投票机制要求多个节点同时运行相同的请求，并通过多数投票来确定答案。然而，这种方式的成本非常高。如果10个节点处理同一个请求，开销就会增加10倍。
乐观机制（OPML）通过允许单一节点生成结果并设定一个挑战窗口（通常为7天）供其他节点提出异议来验证结果。
但这种方式在实时场景中并不实用。例如，用户询问新加坡有什么好玩的地方，如果需要等7天后才能确认答案是否正确，就已经没有意义了。
零知识证明在隐私和验证方面表现优异，但计算成本过高，短期内难以实现实用化。
为了解决这些问题，Hyperbolic联合加州大学伯克利分校和哥伦比亚大学的专家，提出了一种基于纳什均衡的新型验证机制，称为抽样证明（PoSP）。这种机制以抽样验证为核心，而不是对所有结果进行全面检查。
通常情况下，只有一个节点生成结果，但网络会以一定概率随机要求另一个节点重新生成。如果两个节点的结果不一致，将启动仲裁流程。不诚实的节点会受到高额经济惩罚。
通过数学模型推导出的质押与奖励的阈值公式表明，只要检查的概率高于该阈值，系统即可达到博弈论中的纯纳什均衡状态，确保所有节点为了自身利益选择100%诚实。
这种抽样证明机制不仅对AI推理有效，还可应用于AI训练、微调等领域，甚至扩展到AI领域之外的服务，例如L2Rollup和数据可用性等。
Hyperbolic正在与EigenLayer、Karak等再质押协议合作，共同构建通用的可验证服务层（AVS），使其他AVS服务提供商也能利用这一验证机制来确保其服务的安全性和可靠性。
2.3在去中心化AI保护隐私
在去中心化的AI网络中，如何同时确保数据隐私和模型完整性是一个亟待解决的大问题。当你的数据被分布在世界各地的节点上时，安全性面临严峻挑战。
现有技术如完全同态加密（FHE）、零知识证明（ZKP）和多方计算（MPC），尽管理论上可以解决这些问题，但在实际应用中会极大地降低计算速度，无法满足实时推理的需求。
Hyperbolic采用了英伟达最新Hopper和BlackwellGPU上的可信执行环境（TEE）技术，提供了一种高效的隐私保护解决方案。
通过TEE技术，相当于在GPU上创建了一个隐私保险箱：虽然外界无法窥探其中的数据内容，但GPU仍能正常完成数据处理。
而且，这种保护隐私的机制在推理过程中仅损失约1%的计算性能。
Hyperbolic将在整个去中心化网络中引入保密计算层。这将确保数据和AI模型在使用过程中始终处于安全状态，为用户提供可靠的隐私和安全保障。
03 Hyperbolic的应用场景
AIAgent是当前最热的赛道。AIAgent可通过Hyperbolic实现多项创新功能：
3.1支持加密支付
AIAgent能通过加密货币进行支付，实现自我维持和独立运营。
3.2托管定制化模型
每个AIAgent都可以拥有专属的特性和技能，从而形成个性化服务。
3.3自我进化能力
通过持续的微调和学习，AIAgent可以根据用户需求或环境变化不断提升能力，使其变得更加高效和智能。
3.4可验证推理
AIAgent的推理过程是透明且可验证的，保证了它们的独立性，不受外部控制或恶意干扰，增强用户信任感。
3.5拥有记忆功能
借助检索增强生成（RAG）技术，AIAgent可以记录和存储与用户互动的信息，形成长期记忆。这使得它们能够提供更贴心的服务，例如记住用户的偏好。
3.6跨Agent通信
AIAgent之间能够相互沟通与协作，形成复杂任务的解决网络。例如，不同的Agent可以协作完成一个多步骤的项目。
3.7灵活调用API和工具
以上就是最强新星Hyperbolic将如何重塑AI赛道？的全部内容，望能这篇最强新星Hyperbolic将如何重塑AI赛道？可以帮助您解决问题，能够解决大家的实际问题是非常好学习网一直努力的方向和目标。