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，一款目前熱門的開放取用AI雲端服務。 Hyperbolic的宏大使命是透過提供負擔得起的推理運算能力，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…
1、Hyperbolic的秘笈－抽樣證明（Proof of Sampling）
Hyperbolic正在透過解決人工智慧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者來說尤其棘手。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－例如，OpenAI運行更便宜的GPT-3.5模型（每代幣價格的1/20）？
目前，這樣的保證還依賴聲譽，但Hyperbolic認為應該以一種不可信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正確執行。
然而，兩者都具有局限性：
· OpML依賴validators來查驗結果，這就會因爭議期而延遲最終確定性。另外，缺乏內在激勵來確保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產生具有70B+參數的大模型證明。
Hyperbolic的目標是透過其抽樣證明（PoSP）協定和抽樣機器學習（SpML）來克服這些缺點。 SpML利用抽樣和賽局理論來鼓勵誠信行為，而不需要進行持續不斷的監督。
它基於一種被稱為Nash Equilibrium（納許均衡）的純粹策略型博弈論概念，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。
最簡單的思考模式是把它想像成一個公車售票系統。
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，他們並沒有這麼做，因為逃票的懲罰力道足以阻止乘客作弊。只要罰款遠超過購票成本，誠信就會佔上風。
Hyperbolic的SpML使用經濟誘因來解決目前的驗證機制（如OpML和zkML）的限制。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在實踐中運作良好，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。
2、可擴展的低成本計算
訓練AI是很昂貴的。電力和計算接入是企業和新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個月就會增加一倍。
2020年GPT-3的成本約400萬美元，而2023年GPT-4的運算訓練成本高達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。史丹佛大學的一名博士後研究員不得不停止他的研究，因為他負擔不起所需的數千個GPU。
去中心化運算網路的一個主要挑戰是管理異質硬體——不僅僅是頂級的英偉達晶片，還有各種各樣的GPU。
Hyperbolic的去中心化作業系統是其運算網路的核心。它將透過內建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。
· 它透過優化不同硬體（從Nvidia到AMD GPU）的張量運算提供靈活性。
· Hyperbolic的編譯堆疊抽象化了複雜性，使開發人員能夠在不同的GPU設定中實現高效能，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，從而將效能調優的負擔放在用戶身上。
Hyperbolic透過一個API簡化了這一點，該API提供了針對各種硬體優化的AI模型的存取權，使全球運算資源更加易於存取。
8月15日，Hyperbolic發布了其GPU市場的alpha受限版本，允許100名等候成員試用GPU租賃功能。
3、AI服務層
Hyperbolic人工智慧生態系統的下一個元件就是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，你可以輕鬆運行頂級開源模型，如Llama 3.1 405B和Hermes 370B。想要微調輸出，你可以調整超參數，如max tokens、temperature和top P。
Hyperbolic平台為創新的人工智慧應用打開了大門，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。
· 人工智慧DAO：利用人工智慧進行治理決策。
· 分割GPU所有權：允許使用者擁有和交易部分GPU。
4、Crypto扮演什麼角色？
Hyperbolic基礎設施的核心是其區塊鏈，它支撐著編排、服務和驗證層。區塊鏈為Hyperbolic的開源AI雲處理結算與治理。它也支援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，但你可以期待Hyperbolic很快就會透露更多關於這方面的資訊。
5.研究級Alpha
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。
有趣的是，Hyperbolic是Llama 3.1 405B Base模型的獨家提供者。
Base模型是LLM的初始預訓練版本，沒有經過微調或透過人類回饋(RLHF)進行強化學習。它具有如下優勢：
· 全方位支援對特定任務的微調
· 是高階人工智慧技術的起點，例如合成資料產生或模型蒸餾（model distillation）。
6、關於團隊
Jasper (Yue) Zhang博士是Hyperbolic Labs的共同創辦人兼執行長。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柏克萊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都獲得金牌。
Yuchen Jin博士是Hyperbolic Labs的共同創辦人兼技術長。他擁有華盛頓大學電腦系統和網路博士學位。他之前曾在OctoML工作，這是一家為運行、調整和擴展生成式AI應用程式提供基礎設施的公司。
7.我們的幾點想法
總的來說，Hyperbolic讓我們非常興奮。他們絕對是Crypto AI領域裡最值得關注的團隊之一。
Hyperbolic不僅僅是一個算力供應商，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項功能的提供者之一。我們絕對可以相信支持他們的開源AI承諾。
幾週前，我們寫過關於Prime Intellect的文章。 Hyperbolic是否會像Prime Intellect一樣專注於分散式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來說似乎並非如此。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。
