撰文：Biteye 核心贡献者 Jesse
编辑：Biteye 核心贡献者 Crush
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：
1.1 GPU 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 AMD MI250 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 Web3 AI 项目的青睐，也吸引了大量 Web2 AI 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。
Sun Cluster（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：Mercury Cluster（单节点）、Mars Cluster（多节点）和 Jupiter Cluster（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 L2 Rollup 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 Blackwell GPU 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
AI Agent 是当前最热的赛道。AI Agent 可通过 Hyperbolic 实现多项创新功能：
3.1 支持加密支付
AI Agent 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 AI Agent 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，AI Agent 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
AI Agent 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，AI Agent 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
AI Agent 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
AI Agent 可集成和使用各种外部 API 和工具，使其功能范围大大拓展。例如，调用天气 API 为用户规划行程，或使用金融工具提供投资建议。
3.8 自主计算能力
它们可以拥有自己的计算设备，独立运行任务。这意味着 AI Agent 可以摆脱对集中式服务器的依赖，变得更加分散和独立。
3.9 成为区块链验证节点
AI Agent 甚至可以参与区块链网络，担任验证节点。这不仅能增强网络安全性，还能通过验证交易赚取奖励，进一步实现自给自足。
近期，Hyperbolic 与最近最火的 Base 链 AI 发射平台 Virtuals Protocol 的合作，为 AI 代理提供了强大的技术支持，全面提升了其性能和自我发展的能力。
通过将 Virtuals Protocol 的代理直接接入 Hyperbolic 的基础设施，每一个代理都能获得 Hyperbolic API 提供的高度可扩展计算资源、稳定的推理能力和无缝的动态互动体验，无论代理数量或任务复杂性如何，都能够保持高效且一致的性能。
这一合作不仅增强了 AI 代理的计算能力，还提升了其在多样化应用场景中的适应性和智能。
例如，Hyperbolic 的基础设施为游戏中的智能 NPC（非玩家角色）提供了持久的记忆和个性发展能力。
在游戏《Legendary Quest》中，整合了 Virtuals Protocol 先进的 AI 代理，这些 NPC 能够根据玩家的互动保持个性一致，根据过去的经历调整行为模式，甚至在玩家离线时继续发展自己的剧情。
这一切都得益于 Hyperbolic 的可扩展计算网络，使得这些 NPC 能够在不影响游戏性能的情况下，进行复杂的决策和个性演化。
这项合作使开发者能够将 AI 概念转化为实际解决方案，推动游戏、虚拟助手、教育、内容创作等领域的创新发展。
04 与竞品对比
4.1 合作伙伴关系
Hyperbolic 赢得了 Hugging Face、Quora、Black Forest Labs 和 Nous Research 等领先人工智能公司的信任，也受到了斯坦福大学、纽约大学、加州大学伯克利分校等顶尖高校的支持。
开发者可以通过 Hyperbolic 的推理 API，在 Hugging Face Spaces 上无缝创建和分享 AI 应用程序，大大简化了部署和分发流程。
此外，斯坦福大学、康奈尔大学和纽约大学的博士生及博士后研究人员还能享受高达 75% 的 GPU 租赁折扣，显著降低计算成本。
Hyperbolic 的 AI 模型，包括基础模型，现已上线 Quora 的 Poe 平台，开发者能够轻松创建和部署聊天机器人，并直接通过该平台实现商业变现。
4.2 优化性能
Hyperbolic 的专有编译器确保了 GPU 的高效运行，其性能能够媲美甚至超越集中化系统。
4.3 卓越模型质量
所有模型均采用 BF16 精度，提供卓越的精度和性能，领先于仍然使用 FP8 的竞争对手。
4.4 数据隐私与安全
Hyperbolic 通过抽样证明协议（PoSP）解决了 AI 验证中的安全性问题，同时实现了最小的计算开销，与 zkML、opML 和基于共识的替代方案相比更具优势。此外，Hyperbolic 完全不存储用户数据，进一步保护隐私。
4.5 成熟的实时产品
与许多 Web3 AI 项目仍在开发中或限制访问的状态不同，Hyperbolic 已经推出了两个实时可用的产品。目前已有超过 40,000 名 Web2 开发人员正在使用其服务。
4.6 统一计算与推理
Hyperbolic 是唯一能够在同一平台上同时提供 GPU 计算和推理服务的企业，成功实现了统一的计算解决方案。
总结，与团队规模大 10 到 30 倍的 Web2 AI 公司相比，Hyperbolic 仅靠精简的团队就实现了媲美甚至超越的性能，同时通过 Web3 机制设计提供了更具性价比的服务。
而在 Web3 AI 领域，Hyperbolic 凭借其领先技术遥遥领先，并赢得了 Web2 开发者的信任。Hyperbolic 在 Web2 和 Web3 的 AI 领域之间架起了一座高速、便捷的桥梁，成为推动行业发展的重要基石。
05 融资情况
12 月 10 日，Hyperbolic 宣布完成了一轮由 Variant 和 Polychain Capital 领投的 1200 万美元战略融资，使公司总融资额达到 2000 万美元。
本轮融资还吸引了 Chapter One、Lightspeed Faction、Bankless Ventures、IOSG、Vertex、GSR、Wintermute Ventures、Blockchain Builders Fund、Alumni Ventures 和 Ambush 等知名投资者。
此前，Hyperbolic 已完成 700 万美元的种子轮融资，该轮由 Polychain Capital 和 Lightspeed Faction 领投；更早前，还获得了 72.5 万美元的前种子轮融资，投资方包括 Chapter One 和 Samsung Next。
此外，本轮融资的天使投资者阵容也十分强大，包括 Sreeram Kannan（EigenLayer）、Devin Walsh（Uniswap Foundation）、Ethan Sun（MyShell）、Daniel Shorr（Modulus）、Bidhan Roy（Bagel）、Ying Sheng 和 Lianmin Zheng（LMSYS）、Dillon Rolnick（Nous Research）、Alex Atallah（OpenRouter）、Chainyoda、Comfy Capital、Nicola Greco（Protocol Labs）、Alex Atallah（OpenRouter）和 Thomas Scott（前 Worldcoin）。
Variant 的合伙人 Jesse Walden 对 Hyperbolic 表示高度认可：「Hyperbolic 是我们见过的第一个真正解决去中心化 GPU 网络中‘信任成本’问题的公司，同时还能保持性能、质量和用户体验的高水平。」
Hyperbolic 在 Web3 AI 领域的融资处于领先地位，充分证明了其技术实力和产品可行性得到了行业内「聪明资金」的青睐和信任。
06 团队背景
联合创始人 Jasper Zhang 毕业于北京大学数学系，并以惊人的速度在两年内获得加利福尼亚大学伯克利分校的数学博士学位。
创立 Hyperbolic 之前，他曾在 Citadel Securities 担任量化研究员，并在 Avalanche 担任高级区块链研究员。
联合创始人兼兼职 CTO Yuzhen Jin 是华盛顿大学计算机博士，曾在创立 Hyperbolic 之前担任 OctoAI 的高级工程经理。
Hyperbolic 的团队成员均拥有顶级名校背景，创始人具备扎实的技术基础，并且多位团队成员此前在 Avalanche 合作过。
公司的顾问团队同样由行业顶尖人士组成。
Dr. Reynold Xin 是 Databricks 的联合创始人和首席架构师，也是 Apache Spark 的主要贡献者，并且是 SIGMOD 最高引用论文的作者。
Prof. Raluca Ada Popa 是加利福尼亚大学伯克利分校的副教授，RISELab 和 SkyLab 的联合主任，同时也是 Opaque Systems 的联合创始人。
Prof. Ciamac C. Moallemi 是哥伦比亚大学商学院教授，Paradigm 研究顾问，以及 Briger Family 数字金融实验室主任。
Prof. Yi Ma 是香港大学计算机科学系主任和 AI 领域讲席教授，同时也是加利福尼亚大学伯克利分校的计算机科学教授，IEEE、ACM 和 SIAM 院士。
07 如何参与
7.1 公司
针对企业在昂贵的 API 调用和高成本机器租赁上的支出，Hyperbolic 提供了具有竞争力的优化方案。
在确保服务质量稳定的前提下，Hyperbolic 的技术支持能够帮助企业将成本降低高达 75%。
同时，针对长期 GPU 租赁协议导致的资源低效利用，Hyperbolic 推出了资源再分配机制，允许客户将闲置设备转租至平台。这一模式不仅提高了资产的利用率，还在灵活性和成本控制之间找到了最优平衡。
7.2 研究人员
针对开发者在项目测试中因 GPU 资源受限而无法推进的问题，Hyperbolic 提供了丰富的 GPU 选项，且价格仅为 AWS 等传统云服务商的一小部分。通过提供高性价比的资源，Hyperbolic 为开发者提供了市场中最具竞争力的解决方案，帮助他们快速将创新想法转化为现实。
7.3 数据中心
Hyperbolic 为那些现有资源的投资回报未达预期，或希望突破传统账面价值限制的数据中心提供了一个实现更高收益的平台。
7.4 个人
高性能 GPU 的潜能不应仅限于游戏领域。通过 Hyperbolic，个人出租 GPU，将其转化为持续创造收益的优质资产。目前在白名单阶段，可以先进行登记。
此外，Hyperbolic 提供了多款大模型供个人使用。用户可以进行文字、图片生成、语音读文等活动。
在未来，Hyperbolic 还会在 Base 上构建 AI 代理供用户使用。可以保持关注。
08 总结
Hyperbolic 提供了 GPU 市场、推理服务和抽样证明这一黄金标准验证协议，通过最大化 GPU 性能、更高精度的模型以及安全且经济的解决方案，为 Web3 的可靠高性能 AI 设立了新标杆。
Hyperbolic 的出现使去中心化 AI 从概念走向实践。凭借多源计算策略、具有竞争力的定价以及对 Web2 和 Web3 客户需求的深刻理解，Hyperbolic 在生态中占据了独特位置。
Hyperbolic 在推进计算资源民主化和高效利用方面的努力，将推动 AI 赛道的发展，为行业带来持续的创新与增长。
