Hyperbolic：AI云服务新星，抽样证明颠覆！

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：

最安全的虚拟币交易平台推荐：

• OKX（欧易交易所）>>>进入官网<<< >>>官方下载<<<
• Binance（币安交易所）>>>进入官网<<< >>>官方下载<<<

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。