Loading...
Loading...
Demis Hassabis（戴密斯·哈萨比斯）：自然世界皆可学习，AI将助我们破解物理学等终极之谜撰文：Techub News 整理
导语
2025 年 7 月，在荣获诺贝尔物理学奖后，谷歌 DeepMind 联合创始人兼 CEO Demis Hassabis（戴密斯·哈萨比斯）再度做客 Lex Fridman 播客。这是哈萨比斯获奖后的首次深度长谈，也是他第二次出现在该播客中。在这场近两个半小时的对话里，哈萨比斯超越了对其获奖工作 AlphaFold（阿尔法折叠）的常规讨论，深入阐述了他对智能、物理世界本质以及通用人工智能未来的宏大思考。作为当今人工智能领域最具远见的领导者之一，哈萨比斯此次发声不仅总结了过去十年 AI 在科学发现上的突破，更勾勒出一幅 AI 如何帮助人类破解从细胞到宇宙等根本性谜题的未来图景。
摘要
哈萨比斯提出核心猜想：任何在自然界中生成或发现的模式，都可以被经典学习算法高效地发现和建模。
AI 模型（如 Veo）已能惊人地模拟流体、光影等复杂物理现象，暗示其对世界拥有“直觉物理”理解。
哈萨比斯梦想构建“虚拟细胞”模型，并认为 AI 将是帮助人类解答生命起源、意识本质等终极问题的终极工具。
对于 AGI（通用人工智能），他设定了高阶标准，并预测未来可能需要通过类似围棋“神之一手”的创造性突破来识别。
自然皆可学：一项关于世界本质的大胆猜想
访谈始于一个源于哈萨比斯诺贝尔奖演讲的大胆命题。他提出：“任何能在自然中生成或发现的模式，都能被经典学习算法高效地发现和建模。”这并非泛泛而谈，而是基于 DeepMind 一系列标志性项目 AlphaGo、AlphaFold 的成功实践。
哈萨比斯解释道，无论是围棋的棋步空间，还是蛋白质可能折叠成的形状数量，其组合可能性都远超宇宙中的原子总数，用穷举法求解是完全不可行的。然而，AlphaGo 和 AlphaFold 都通过为这些环境构建模型，从而智能地引导搜索，使问题变得可解。关键在于，自然系统并非随机，它们都经历了演化或类似过程的“塑造”，从而具有内在结构。蛋白质能在毫秒内折叠，宇宙本身就在求解这些复杂问题。AI 所做的，正是学习并模拟这种结构化的搜索过程。
“我有时称之为‘最稳定者生存’，”哈萨比斯说，“这不仅适用于生物进化，也适用于地质过程塑造的山脉形态，乃至行星轨道和小行星形状——它们都经历了无数次作用‘存活’下来。因此，应该存在某种可以反向学习到的模式或‘流形’，它能帮你高效地搜索到正确解并进行预测。”他认为，这或许不适用于人造物或抽象问题（如大数分解），除非数字空间本身存在模式。但对于大多数自然系统，其结构是可学习的。
这一观点将学习能力的边界问题与理论计算机科学中的经典难题 P vs NP 联系了起来。哈萨比斯认为，如果我们把宇宙看作一个信息系统，那么 P vs NP 本身就是一个物理问题。他正在与同事探讨，是否应该为这类可通过神经网络过程解决、并映射到自然系统的问题定义一个新的复杂性类别。“这可能是思考该问题的一种非常有趣的新方式。”他补充道。
从流体到光影：AI 模型展现“直觉物理”理解
哈萨比斯用 DeepMind 最新的视频生成模型 Veo 来佐证其观点。传统的流体动力学（如纳维-斯托克斯方程）计算在经典系统上被视为极其困难，需要海量算力，例如天气预报系统。然而，Veo 却能够相当出色地模拟液体、材质和镜面光泽。
“我曾早期在游戏行业编写物理引擎和图形引擎，深知编写能做到这些的程序是多么痛苦，”哈萨比斯说，“但不知何故，这些系统仅仅通过观看 YouTube 视频就在进行逆向工程。”他推测，模型正在提取这些材料行为背后的潜在结构，可能存在一个更低维度的流形被学习到了。“这可能对现实世界的大部分都成立。”
Lex Fridman（莱克斯·弗里德曼）表示，Veo 在模拟物理方面“并非完美，但已经非常出色”，并提出了一个深刻的科学问题：模型需要理解世界的哪些方面才能做到这一点？哈萨比斯认为，就模型能够以连贯的方式预测后续帧而言，这本身就是一种“理解”——虽然不是拟人化或深层次的哲学理解，但它确实建模了足够的动力学。他特别指出，模型对物理行为、光照、材质和液体的模拟能力，表明它拥有某种“直觉物理学”的理解，类似于人类儿童对物理的直观把握，而非博士生对方程的解析。
这一发现挑战了此前的一个常见假设：AI 必须通过具身交互（如机器人）才能建立对物理世界的深入理解。Veo 的成功表明，被动观察也可能达成相当程度的理解。“这再次暗示了现实本质的某些底层规律。”哈萨比斯说。他展望，下一步可能是让视频变得可交互，让人们能够“步入”其中并移动，这将真正令人震撼，并更接近他所称的“世界模型”——一个关于世界如何运作、其物理规律和内含物体的模型，而这正是真正 AGI 系统所需要的。
AI 与终极之谜：从虚拟细胞到生命起源
哈萨比斯将构建通用人工智能视为帮助人类解答终极科学问题的终极工具。他的梦想项目之一是构建“虚拟细胞”——一个完整的细胞内部模拟。他设想，科学家可以在硅基环境中对虚拟细胞进行实验，大幅加速研究进程，可能将实验速度提升百倍，最后再到湿实验室进行验证。
他认为 AlphaFold 提供了蛋白质的静态 3D 结构图，而 AlphaFold 3 开始建模相互作用（如蛋白质与蛋白质、蛋白质与 RNA/DNA 之间的互动），这是通向模拟整个细胞通路乃至完整细胞的第一步。他计划从酵母细胞这种研究透彻的单细胞生物体开始。当然，挑战巨大，例如细胞过程涉及不同的时间尺度，建模时需要决定模拟的粒度级别。哈萨比斯希望能在蛋白质级别进行建模，而无需下沉到原子级别。
更宏大的问题是，AI 能否模拟生命的起源？哈萨比斯认为这是一个最深奥、最迷人的问题之一。他设想，从原始汤的初始条件出发，AI 能否模拟出类似细胞结构的涌现？“那将是生命起源的‘神之一手’。”他说。他相信，最终我们会发现，从非生命到生命并非一条清晰的分界线，而是一个连续谱，连接着物理、化学和生物学。“破解这堵我们在大脑中构筑的墙，正是我毕生致力于 AI 和 AGI 工作的全部原因。”哈萨比斯坦言，现实本质、意识、时间本质等终极问题一直在他脑海中“呐喊”，而 AI 可能是解开这些谜团的关键。
AGI 的路径与标志：超越“认知不均”
哈萨比斯估计，到 2030 年有 50% 的可能性开发出 AGI。他设定的标准很高：能够匹配大脑拥有的全部认知功能。他强调，当前 AI 系统是“认知不均”的，在某些方面很强，在其他方面却有明显缺陷。真正的 AGI 需要具备全面的、一致性的智能。
如何测试 AGI？他提出两种方式：一是“暴力测试”，让系统完成成千上万个人类能够完成的认知任务；二是让世界顶级专家（如陶哲轩那样的领域专家）花一两个月时间尝试找出系统的明显缺陷。如果都找不到，那就可以相当确信拥有了通用系统。
此外，他期待看到一些“灯塔时刻”，即类似围棋“神之一手”的突破性创造。例如：1）提出像爱因斯坦相对论那样的全新物理学猜想或假说。可以进行回溯测试：将知识截止到 1900 年，看系统能否提出狭义和广义相对论。2）发明一种如围棋般深邃、优雅的新游戏。“一个系统能够同时完成好几件这类事情，而不仅仅是单一领域，这就是我会寻找的迹象。”哈萨比斯说。
对于当前热门的“递归自我改进”和 AI 安全，哈萨比斯认为像 AlphaEvolve（阿尔法进化）这样的系统展示了将大语言模型与进化算法等传统搜索方法结合的潜力，这可能在科学发现中催生新的能力。但他不确定完全的端到端自我改进是否可取，因为这可能导致“硬起飞”场景。目前，系统在给定具体指令时表现良好，但对于“创造一个比围棋更好的游戏”或“做一个更好的自己”这样高度不明确的指令，还无法处理。
游戏、意识与人类未来
作为曾经的游戏开发者（代表作《主题公园》《黑与白》），哈萨比斯对 AI 将如何重塑游戏充满期待。他梦想着能根据玩家想象动态创造内容、编织故事的 AI 系统，实现终极的“选择你自己的冒险”游戏。结合类似 Veo 的交互式生成技术，他认为未来 5 到 10 年可能实现这种令人惊叹的开放世界游戏。
当被问及意识是否可以被经典计算机建模时，哈萨比斯与物理学家罗杰·彭罗斯观点相左。他认为大脑中进行的主要是经典计算，因此意识现象原则上可以被经典计算机模仿或建模。但关于“感受性”的哲学难题可能是个例外。他提出了一个有趣的思路：未来如果通过脑机接口与 AI 系统连接，我们或许能亲身体验在硅基上计算的感觉，从而更好地理解意识。
谈及人类未来，哈萨比斯持乐观态度。他相信人类无限的创造力和极强的适应性。“看看我们现在所处的世界——我们是用狩猎采集者的大脑在应对。乘坐飞机、做播客、玩电脑游戏……这已经令人震惊。我认为这只是下一步。”他认为社会已经在一定程度上适应了当前令人瞠目的 AI 技术。
最后，关于 AI 时代人类的独特性，哈萨比斯认为，构建 AI 这种智能人造物并将其与人类心智进行比较，或许是理解人类心智特殊之处的最佳方式。“我相信存在特殊之处，但这场我们正在进行的旅程将帮助我们理解和定义它。”这场对话最终回归到哈萨比斯的初心：利用 AI 这一工具，探索智能的本质，并最终理解我们自身与所处的宇宙。Livepeer, AI视频需求爆发带动季度使用量激增71.9%……Messari Research指出“转向实际应用中心”Livepeer（LPT）在2026年第一季度于实时AI视频基础设施市场中展现了显著的存在感。Messari Research的Jake Koch-Gallup在近期报告中分析称，Livepeer的季度网络使用量环比增长71.9%，达到创纪录的1.344亿分钟，而基于AI的费用约占协议总收入的60%，已确立为核心收入来源。不过，由于处理量增速超过费用增速，单位营收有所放缓，受代币价格下跌影响，质押奖励也大幅减少。
Livepeer是一个支持实时AI视频生成与推理、直播及视频转码的去中心化GPU计算网络。其目标是以比传统云服务商低60%至85%的成本处理媒体工作负载，采用编排者提供GPU资源、委托者委托Livepeer代币（LPT）的运作结构。近期，它正迅速从传统转码网络转向以AI视频推理为核心的基础设施。
本季度增长的关键在于“实际使用量的扩大”。报告显示，Livepeer网络处理量从2025年第四季度的7820万分钟飙升至2026年第一季度的1.344亿分钟。这并非单纯的事件性增长，而是现有应用在生产中深化使用以及构建者持续扩大采用的结果。尤其是在需求集中于实时AI及基于代理的工作负载的情况下，Livepeer的基础设施转型战略被认为已取得成效。
在收入方面，规模增长也在持续。Messari Research指出，第一季度需求侧费用为25.73万美元，环比增长34.2%。但每千分钟的平均收入从2.45美元降至1.91美元，下降了22%。这是由于网络处理量增长更快，导致单位盈利能力下降。这一现象被解读为低费用、高处理量工作负载占比扩大、初期AI定价形成阶段以及效率提升等多重因素共同作用的结果。
值得关注的是AI视频货币化的质量提升。Livepeer的AI费用为15.47万美元，环比增长15.5%。中奖票总数仅增长3%至28330张，但每张票的平均费用从4.87美元上升12.2%至5.46美元。这表明不仅仅是处理量增长，更有价值的AI工作负载正在涌入网络。尽管AI占比从上一季度的70%以上降至约60.1%，但这源于非AI需求的同样快速扩张，从“收入来源多元化”角度来看是积极的信号。
在代币经济方面，情况则喜忧参半。质押参与率为52.2%，高于协议50%的目标，保持稳定。这使得Livepeer的动态通胀机制运作，年化日通胀率从28.4%降至26.2%。这对网络安全和发行量管理是积极因素，但投资者盈利能力有所恶化。第一季度总质押奖励约为740万美元，环比下降44%。原因是LPT价格从2.90美元下跌26.8%至2.12美元，加上发行量减少的影响叠加。
这意味着Livepeer正从“高通胀奖励型网络”转向“基于实际使用的费用型网络”。实际上，网络活动在扩大，但奖励规模对代币价格和发行量变化更为敏感。委托人数量从2570人减少到2468人，也与这种结构变化不无关系。这表明网络参与依然稳健，但市场价格疲软正在压缩参与者的实际收益率。
市值也未能避免下跌趋势。Livepeer的流通市值环比下降24.6%，至1.054亿美元。流通供应量增长了约3.1%，但价格跌幅更大，导致总价值缩水。这表明市场在认可网络实际使用扩大的同时，对代币价格反弹仍持谨慎态度。
产品与生态系统的扩张速度很快。第一季度，Livepeer将基于BYOC的流媒体功能整合到节点软件中，并通过ComfyStream扩展支持了多模态输出和数据通道。同时，ai/live远程签名器堆栈得到升级，提升了实时AI工作负载的路由、结算和编排效率。Network-as-a-Product（NaaP）的构想也调整为更现实的MVP核心方向，并构建了Grafana仪表板及基于API的观测系统等提升运营可见性的基础设施。
外部合作也转化为实际用例的扩展。与XMTP的合作被设计为整合消息驱动的直播、聊天和身份功能；与Ar.io合作开发了AI生成视频的来源证明基础设施；与Sprizts的合作展示了低带宽环境下的实时视频传输可能性；而minidev.fun和embodied.zone的案例则证明了Livepeer基础设施正在向AI代理和交互式头像领域扩展。
在治理方面也有重要变化。Livepeer于1月22日通过LIP-101重新启动了国库奖励，并恢复了10%的国库分成。这是为了在未来稳定积累协议安全、网络开发和生态投资的资金。同日，协议研发特别目的实体（Protocol R&D SPE）也正式成立，将维护、升级、测试网运营和漏洞应对工作制度化。综上所述，这表明Livepeer正趁AI视频基础设施竞争全面展开之际，同步夯实技术、财务和治理基础。
最终，2026年第一季度Livepeer在网络使用量、AI视频需求和费用增长这三个方面取得了明确的进步。另一方面，LPT价格疲软和奖励减少仍然是代币投资视角的负担。尽管如此，在实时AI视频和GPU计算需求结构性扩大的趋势中，Livepeer被视为一个去中心化基础设施能够吸收实际市场需求的案例。Messari Research的Jake Koch-Gallup判断，Livepeer正朝着更低通胀、更注重实际使用的模式转型。未来的观察点在于，以AI视频为中心的需求能否进一步转化为代币价值和盈利能力的提升。LiveOne, 上调2026年业绩指引…重在改善盈利与现金流LiveOne（$LVO）公布了2026财年业绩指引，预计营收为8200万至9000万美元（约合1219亿至1337亿韩元），调整后EBITDA为500万至1000万美元（约合74亿至149亿韩元）。目标期间为截至2026年3月31日的财年。
公司表示，在发布此次预测的同时，也在推进财务结构改善工作。LiveOne已完成了超过1500万美元（约合223亿韩元）的未付账款转换，转换基准为每股7.50美元。此举旨在降低债务性质的负担，提升财务稳健性。
持续回购股票……预计核心子公司均实现盈利
LiveOne还在继续实施股票回购计划。据悉，目前仍有超过500万美元（约合74亿韩元）的回购额度可用。通常，股票回购被视为减少流通股数量、展现提升股东价值意愿的信号。
公司还预计，所有核心子公司都将实现调整后EBITDA盈利。此外，公司还签署了多年音乐许可协议的续约，降低了业务持续性方面的不确定性。内容使用权被视为音乐与娱乐平台企业收入结构中的核心资产。
重组效果显现……预计现金流改善
完成重组的定制个性化解决方案业务部门预计也将为2026财年的业绩改善贡献力量。公司预计该部门将带来每年350万美元（约合52亿韩元）的营收以及超过60万美元的现金流。
此次指引表明，LiveOne更侧重于提升“盈利能力”和“现金创造能力”，而非单纯的规模增长。鉴于未付账款转换、股票回购以及业务部门重组正在同时进行，市场很可能会关注未来实际季度业绩在多大程度上能够支撑这一蓝图。
TP AI注意事项
本文使用基于TokenPost.ai的语言模型进行摘要。正文主要内容可能被省略或与事实不符。假‘Leisure Live’应用程序受害扩散…50余人被骗950万美元链上调查员ZachXBT透露，苹果应用商店上架的一款假冒"Ledger Live"应用程序与4月7日至13日期间从50多名受害者处窃取约950万美元（约合1398亿韩元）加密货币的事件有关。此次事件影响巨大，因为它同时针对了比特币(BTC)、以太坊(ETH)、Solana(SOL)、波场(TRX)等多个网络的使用者。
根据ZachXBT当地时间13日在Telegram上发布的内容，被盗资金通过超过150个KuCoin存款地址进行了洗钱，他将其与看似中心化混币服务的"Ody A6"联系起来。不过，截至发稿时，苹果和KuCoin均未发表官方立场，损失规模和受害者人数也仍基于ZachXBT的调查结果。
最大的损失案例有三起。一名受害者损失了总计约195万美元的比特币(BTC)、质押以太坊(stETH)和以太坊(ETH)；另一名受害者于4月9日被盗323万美元的泰达币(USDT)；4月11日还确认了约200万美元的USDC(USDC)损失。
Ledger首席技术官Charles Guillemet对CoinTelegraph表示："Ledger绝不会要求提供24个单词的恢复短语"，"无论是浏览器、应用商店还是桌面环境都不可信。"这意味着，即使是看起来官方的环境也不能断定是安全的。
此次事件是在前一天也有类似案例报告后接连发生的。音乐家Garrett Dutton，即知名人物"G. Love"也表示，他在苹果应用商店下载了恶意应用程序并输入了种子短语后，损失了价值约42万美元的比特币(BTC)。接连发生的损失事件再次表明，即使是应用商店这样的官方分发渠道也可能成为攻击目标。
文章摘要 by TokenPost.ai
🔎 市场解读
官方应用商店亦遭渗透的钓鱼应用程序案例，凸显加密货币安全风险
同时针对多链使用者的攻击，可能对市场整体信任度造成短期压力
通过中心化交易所进行的资金洗钱路径也再次成为争议焦点
💡 策略要点
钱包应用程序务必从官方网站直接下载
要求输入种子短语（恢复短语）应100%视为诈骗信号
应用商店排名、搜索结果靠前也不能作为可信依据
考虑小额测试转账及采用多钱包分散保管策略
📘 术语解释
种子短语：用于钱包恢复的12-24个单词，泄露可能导致资产全部被盗
链上分析：追踪区块链交易数据以掌握资金流向的技术
混币服务：为隐藏资金来源而混合交易的服务
稳定币：与美元等法定货币价值挂钩的加密货币
💡 常见问题 (FAQ)
Q.
此次假冒Ledger应用程序事件的核心侵害方式是什么？
用户在安装假冒应用程序后，一旦输入24个单词的恢复短语，攻击者便会窃取钱包访问权限并转移所有资产。要求输入恢复短语是典型的网络钓鱼手法。
Q.
为什么官方应用商店也不安全？
因为第三方可以注册使用相似名称和设计的应用程序。虽然存在审核系统，但并不完美，攻击者屡次绕过该系统的情况时有发生。
Q.
个人投资者如何预防此类侵害？
钱包软件务必仅从官方网站下载，任何情况下都不应输入或共享恢复短语。此外，将资产分散保管在多个钱包中有助于风险管理。
TP AI 注意事项
本文摘要基于TokenPost.ai语言模型生成。正文主要内容可能被省略或与事实存在出入。[LIVE] 香港-韩国Web3政策协商会正式成立…亚洲区块链联合全面启动连接香港与韩国的亚洲Web3政策合作网络于23日正式启动。
HYPAI Labs、WebGA、全球Web3开发者大会（GWDC）于当天下午3点举行了"亚洲Web3政策委员会线上启动仪式及2026 GWDC韩国站发布会"。活动通过TokenPost YouTube频道进行实时直播，并提供中英文字幕及录制服务。
两国议员·企业家齐出动…组成多边政策合作体
此次委员会是由韩国与香港两国的国会议员、国家领导人、区块链·数字资产领域专家共同参与的多边政策合作体。其目标是超越亚洲，加强与中东、非洲等Web3领先国家的团结。
活动演讲嘉宾包括：中国人民政治协商会议全国委员、商贸·创新技术小组委员会主席Johnny Ng，提出数字资产基本法的国会议员闵炳德，亚洲经济开发委员会主席尹锡勋，WebGA CEO Caspar Wong，HYPAI Labs代表Alex Chung-hyun Park，TRON创始人孙宇晨，Bithumb代表李材元等。
确定举办2026 GWDC韩国站
当天活动的最大焦点是正式宣布2026年全球Web3开发者大会（GWDC）韩国站的举办。GWDC是连接全球Web3开发者与政策制定者的大型国际会议，韩国能否崛起成为亚洲Web3生态的核心据点，正吸引着业界的目光。
活动以开幕致辞开始，随后依次进行▲香港-韩国Web3政策合作联盟发言（Johnny Ng·闵炳德） ▲HYPAI Labs主旨演讲（尹锡勋） ▲GWDC韩国站启动发布（Caspar Wong·Alex Park） ▲TRON网络主旨演讲（孙宇晨） ▲Bithumb主旨演讲（李材元），活动将持续至下午4点20分。
韩国·香港媒体也作为官方合作伙伴参与
媒体方面，韩国最大的数字资产专业媒体TokenPost担任了国内独家合作伙伴，香港方面则有Techub News作为合作媒体参与。两家公司曾于去年8月以在香港数码港举行的DePIN Expo 2025为契机，签署了战略合作协议，并在内容交流、共同举办活动等方面持续合作。SK证券将CJ目标股价上调至23万韩元……Olive Young的良好业绩主导SK证券基于对CJ旗下子公司业绩改善的预期，上调了其目标股价。具体而言，看好CJ Olive Young持续的良好业绩将对CJ股价产生积极影响，将目标股价从原先的20.5万韩元上调至23万韩元。
CJ Olive Young因去年访韩外国人数量增加，线下销售额上升，同时线上用户数也有所增长，实现了销售额的均衡增长。因此，CJ Olive Young持续保持着高增长性和收益率，这一业绩也对CJ整体的业绩改善做出了贡献。预计这些因素将直接推动CJ股价上涨。
此外，CJ第一制糖和CJ ENM在上季度虽录得净亏损，但预计今年第一季度将转为盈利。这预计将对CJ股价产生积极影响，从而使得CJ的股价上涨趋势更加明确。
总体来看，预计今年CJ的年度营业利润将达到2.787万亿韩元，较去年增长10%，这是在多家子公司业绩改善支撑下可实现的目标。若此趋势持续，CJ股价很可能保持更为稳健的上涨势头。播客 Ep.387ㅡAI改变视频流媒体…"Livepeer"，以去中心化GPU基础设施挑战实时视频市场2025年第四季度，去中心化视频基础设施项目Livepeer在全面推进实时AI视频战略的同时保持了稳健增长态势。季度总视频处理量达到7870万分钟，较去年同期增长174%。分析指出，随着实时AI推理需求上升，该业务已占据全网收入70%以上，成为核心收入来源。
Livepeer正在构建基于GPU资源的去中心化计算网络。在此架构中，协调者需质押LPT代币以获得任务分配，从而赚取ETH手续费及新增LPT奖励；转码器负责实际视频转码工作，通常与协调者运行在同一配置环境中；委托者则代表运营方质押LPT并分享收益。这种质押与手续费激励结构构成了强化网络安全的运行机制。
截至2025年第四季度，需求侧手续费总额达19.17万美元，虽较去年同期增长162%，但环比下降5.9%。这主要受ETH价格下跌及单位收益减少影响。值得注意的是，实时AI推理任务的扩展促使计费模式从传统多码率转码转向按单任务计费，对实际收益率产生了影响。
AI视频处理业务产生13.4万美元手续费，占协议总收入的70%以上。尽管环比下降9%，但分析认为这并非AI应用暂缓所致，而是源于单价结构性调整与竞争加剧。该业务单任务平均手续费为4.87美元。
另一方面，由于LPT价格环比下跌52%，总质押奖励减少27.3%至1310万美元。但质押参与率突破50%目标值，满足网络安全假设，动态通胀机制也趋于稳定。不过，质押资本权重与实际手续费创造能力之间的差距仍是待解难题。
协议方公布了面向2026年的中长期路线图，强调将聚焦提升实时AI视频产品的可靠性与生产环境采用率。"Daydream"与"Cascade"等技术计划致力于端到端AI工作流支持及实时管道优化。此外，改善用户体验、扩展GPU供应、构建企业级采用基础等也被列为下一代增长战略。
研究机构Messari指出，四季度使用模式反映出稳定的网络利用指标而非事件驱动型激增，佐证了基于实时推理的AI视频流媒体的可持续性。市场期待这种针对去中心化GPU基础设施的战略能为应对Web2视频平台的Web3服务提供新选择。
Livepeer能否在AI实时视频处理市场真正奠定其去中心化基础设施的地位？“AI实时视频需求拉动收益”…Messari集中分析Livepeer四季度增长势头2025年第四季度，去中心化视频基础设施平台Livepeer的网络使用量和盈利指标较去年同期实现大幅提升。加密货币研究机构Messari Research在报告中指出，随着AI驱动的实时视频推理需求扩大，Livepeer的协议收入正在激增。
报告显示，2025年第四季度Livepeer网络的视频处理量达到7870万分钟，环比增长1.6%。与去年同期相比，增幅高达174%。这一趋势随着实时应用的出现以及网络利用率的扩大（包括AI生成叠加等功能）而愈发明显。Messari Research分析认为，这种扩张尤其基于生产环境中的稳定需求，而非一次性事件。
在费用方面，总需求侧费用同比增长162%，达到19.17万美元，但环比下降了5.9%。这是由于以太坊（ETH）价格下跌以及向AI推理计费模式转变拉低了平均单价。实际上，每千分钟收益从上一季度的2.63美元降至2.44美元。然而，据Messari Research分析，这并非网络性能下降所致，而是源于收入结构的细化和价格竞争的加剧。
Livepeer网络收入的核心支柱仍然是AI相关费用。2025年第四季度AI费用为13.4万美元，占协议总收入的70%以上。虽然该数字环比有所下降，但Messari认为这是激增后的正常化调整。报告特别指出，每个AI工作单元的费用从5.28美元降至4.87美元，这反映了更广泛的应用采用和竞争。
在质押方面，总奖励为1310万美元，环比下降27.3%。这主要是由于LPT价格下跌52.1%所致，影响了奖励的绝对规模。另一方面，质押参与率超过50%，达到52.2%，有助于缓解通胀。这意味着即使在代币价格较低的情况下，对网络的基本信任和参与度依然得以维持。
与此同时，Livepeer明确了向实时AI视频基础设施的转型，并发布了以可靠性、可观测性和可扩展性为核心的2026年路线图。提高路由效率、减少实时延迟、扩展AI内容生成工具等被列为核心任务。此外，为推广实时流媒体应用案例而进行的基础设施升级和强化市场进入策略也被确定为主要推进方向。
在报告末尾，Messari Research将2025年第四季度定义为"增长高峰后的稳定过渡期"，并预计未来基于真实用户的应用扩展和盈利模式的细化将持续进行。报告特别分析指出，作为弥合"AI×实时内容"技术与市场差距的平台，Livepeer的作用将愈发重要。播客 Ep.373——Livepeer，转向实时AI视频基础设施…能否成为创作者生态的GPU核心？Livepeer正在加速向面向实时AI视频的区块链基础设施进行战略转型。这个最初于2017年推出的以太坊协议，其目标是实现去中心化视频转码，但近期正在根据AI视频处理这一新的需求格局，重新调整其技术优势。此次转变旨在"瀑布"愿景下，构建一个结合低延迟视频管道、分布式GPU市场以及基于质押的协调系统的AI原生视频处理网络。核心关键词是实时AI视频、GPU市场、Daydream。
有观点指出，现有的云服务针对批处理式AI推理进行了优化，并不适合需要实时重复生成的视频工作负载。特别是随着AI游戏、虚拟化身、互动内容的普及，逐帧推理和低延迟处理已成为核心需求，但传统的GPU云对此应对能力不足。基于这一认识，Livepeer重新确立了其战略定位，认为其分布式GPU节点网络非常适合实时AI视频这一细分但强劲的市场需求。
核心技术架构主要围绕三个轴心。第一，提供平台让开发者能够组合不同模型和视频推理技术，构建"工作流"。这使得开发者能够超越单纯运行推理模型的层面，综合设计逐帧处理、效果应用和数据提取。第二，为了提供比传统中心化GPU更具竞争力的延迟和处理速度，应用了基于TensorRT的加速、支持多种实时视频生成模型等技术。第三，基于用量计费和按需扩展性，将已在实时转码中验证的经济性扩展到了AI工作负载。
这一转型的核心是名为Daydream的测试版工具。Daydream帮助开发者通过简易的API、开源工具和可视化工作流工具来开发实时AI视频应用，而无需处理复杂的基础设施设置。通过与创意工具"TouchDesigner"集成，开发者能够轻松开发自己的直播、购物、互动内容，并将其连接到Livepeer网络执行GPU推理并输出视频结果。Daydream正在改善易用性并形成反馈循环，成为协调Livepeer作为实时AI视频基础设施战略的中心枢纽。
这一战略也为网络的收入结构带来了实质性变化。根据Messari研究报告，到2025年，Livepeer的总手续费收入较上年增长了约3倍，其中超过70%并非来自传统转码，而是源于AI推理。这证明了AI应用需求的扩大正在重新定义网络的价值。
根据2025年底公布的路线图，Livepeer正分三个阶段推进其增长战略。短期聚焦于网络性能提升和开发者引入；中期致力于扩大与不同行业及创意工具的集成；长期则着眼于构建能够应对企业级AI视频需求的GPU基础设施并确保其可靠性。这种结构性方法的目标并非简单的AI基础设施市场，而是抢占实时媒体生成的核心层。
在视频从单向流媒体，向由AI实时生成、转换、理解的互动式内容演进的趋势中，Livepeer究竟能否成功实现向"AI原生基础设施"的重新定位？"正在向AI视频基础设施进化"...梅萨里集中分析Livepeer战略转型全球区块链市场调查机构梅萨里研究所在近期分析报告中指出，Livepeer正在超越单纯的去中心化转码网络，正式转型为面向实时AI视频的专业基础设施。这一顺应AI视频时代的战略演进，正围绕着一个基于其原有视频处理网络优势的“Cascade”愿景展开。
Livepeer于2017年以去中心化流媒体基础设施为目标问世，此前凭借基于GPU的分布式视频转码，在加密生态内建立了独特的地位。然而，随着近期AI生成内容需求的增长，以及交互式视频、实时虚拟形象、AI游戏世界等新型视频应用的出现，其技术重心正转向AI推理环境。梅萨里研究所指出，这一变化不仅仅是功能的扩展，更是Livepeer从基础架构、治理模式到收益模型进行全面重塑的转折点。
实际上，Livepeer的核心优势在于低延迟视频处理、基于网络的GPU资源市场以及依托质押的生态系统协调能力。据梅萨里研究所分析，这种架构是与中心化云推理服务形成差异化的关键，被认为特别适合需要实时、逐帧推理的视频AI环境。尤其是，传统推理平台主要聚焦于静态媒体，而Livepeer则能支持基于持续流媒体的AI生成与分析任务处理。
这一战略转变的实际引擎是于2025年中推出的实时AI视频平台“Daydream”。该平台根据Livepeer的产品化计划发布，既是一个帮助开发者轻松构建和部署复杂AI视频管道的工具，也是加速生态系统转型的核心合作伙伴。特别是，随着其与TouchDesigner等视频创作平台的集成，实际应用案例正在逐渐增多。
经济指标上也显现出这一变化。Livepeer网络的手续费收入在2025年较上年增长超过三倍，其中超过70%并非来自传统转码业务，而是源于AI推理。梅萨里研究所据此分析认为，实时AI视频正成为切实激活其代币经济的关键需求来源。
其未来路线图也围绕这一愿景制定。当前阶段专注于缩短网络延迟、改进开发者工具性能及加强安全性；后续则预示着将进行系统性转变，以扩大特定市场采用率并应对企业级用例。特别是Daydream生态系统正通过支持从实验性工作流到生产级部署的高级功能，同步推进基础设施采用与技术信任构建。
归根结底，Livepeer所呈现的核心价值已不再是单纯的媒体管理网络。该平台正将自己定位为复杂且对延迟敏感的AI视频推理环境所需的专业化基础设施层，这有望成为AI原生数字内容时代最具差异化的竞争点。这种融合了AI推理、实时流媒体与分布式网络的新架构，正携带着在创意媒体、分析、机器人技术等多领域的实际应用潜力持续扩展。撰文：Techub News 整理 导语 2025 年 7 月，在荣获诺贝尔物理学奖后，谷歌 DeepMind 联合创始人兼 CEO Demis Hassabis（戴密斯·哈萨比斯）再度做客 Lex Fridman 播客。这是哈萨比斯获奖后的首次深度长谈，也是他第二次出现在该播客中。在这场近两个半小时的对话里，哈萨比斯超越了对其获奖工作 AlphaFold（阿尔法折叠）的常规讨论，深入阐述了他对智能、物理世界本质以及通用人工智能未来的宏大思考。作为当今人工智能领域最具远见的领导者之一，哈萨比斯此次发声不仅总结了过去十年 AI 在科学发现上的突破，更勾勒出一幅 AI 如何帮助人类破解从细胞到宇宙等根本性谜题的未来图景。 摘要 哈萨比斯提出核心猜想：任何在自然界中生成或发现的模式，都可以被经典学习算法高效地发现和建模。 AI 模型（如 Veo）已能惊人地模拟流体、光影等复杂物理现象，暗示其对世界拥有“直觉物理”理解。 哈萨比斯梦想构建“虚拟细胞”模型，并认为 AI 将是帮助人类解答生命起源、意识本质等终极问题的终极工具。 对于 AGI（通用人工智能），他设定了高阶标准，并预测未来可能需要通过类似围棋“神之一手”的创造性突破来识别。 自然皆可学：一项关于世界本质的大胆猜想 访谈始于一个源于哈萨比斯诺贝尔奖演讲的大胆命题。他提出：“任何能在自然中生成或发现的模式，都能被经典学习算法高效地发现和建模。”这并非泛泛而谈，而是基于 DeepMind 一系列标志性项目 AlphaGo、AlphaFold 的成功实践。 哈萨比斯解释道，无论是围棋的棋步空间，还是蛋白质可能折叠成的形状数量，其组合可能性都远超宇宙中的原子总数，用穷举法求解是完全不可行的。然而，AlphaGo 和 AlphaFold 都通过为这些环境构建模型，从而智能地引导搜索，使问题变得可解。关键在于，自然系统并非随机，它们都经历了演化或类似过程的“塑造”，从而具有内在结构。蛋白质能在毫秒内折叠，宇宙本身就在求解这些复杂问题。AI 所做的，正是学习并模拟这种结构化的搜索过程。 “我有时称之为‘最稳定者生存’，”哈萨比斯说，“这不仅适用于生物进化，也适用于地质过程塑造的山脉形态，乃至行星轨道和小行星形状——它们都经历了无数次作用‘存活’下来。因此，应该存在某种可以反向学习到的模式或‘流形’，它能帮你高效地搜索到正确解并进行预测。”他认为，这或许不适用于人造物或抽象问题（如大数分解），除非数字空间本身存在模式。但对于大多数自然系统，其结构是可学习的。 这一观点将学习能力的边界问题与理论计算机科学中的经典难题 P vs NP 联系了起来。哈萨比斯认为，如果我们把宇宙看作一个信息系统，那么 P vs NP 本身就是一个物理问题。他正在与同事探讨，是否应该为这类可通过神经网络过程解决、并映射到自然系统的问题定义一个新的复杂性类别。“这可能是思考该问题的一种非常有趣的新方式。”他补充道。 从流体到光影：AI 模型展现“直觉物理”理解 哈萨比斯用 DeepMind 最新的视频生成模型 Veo 来佐证其观点。传统的流体动力学（如纳维-斯托克斯方程）计算在经典系统上被视为极其困难，需要海量算力，例如天气预报系统。然而，Veo 却能够相当出色地模拟液体、材质和镜面光泽。 “我曾早期在游戏行业编写物理引擎和图形引擎，深知编写能做到这些的程序是多么痛苦，”哈萨比斯说，“但不知何故，这些系统仅仅通过观看 YouTube 视频就在进行逆向工程。”他推测，模型正在提取这些材料行为背后的潜在结构，可能存在一个更低维度的流形被学习到了。“这可能对现实世界的大部分都成立。” Lex Fridman（莱克斯·弗里德曼）表示，Veo 在模拟物理方面“并非完美，但已经非常出色”，并提出了一个深刻的科学问题：模型需要理解世界的哪些方面才能做到这一点？哈萨比斯认为，就模型能够以连贯的方式预测后续帧而言，这本身就是一种“理解”——虽然不是拟人化或深层次的哲学理解，但它确实建模了足够的动力学。他特别指出，模型对物理行为、光照、材质和液体的模拟能力，表明它拥有某种“直觉物理学”的理解，类似于人类儿童对物理的直观把握，而非博士生对方程的解析。 这一发现挑战了此前的一个常见假设：AI 必须通过具身交互（如机器人）才能建立对物理世界的深入理解。Veo 的成功表明，被动观察也可能达成相当程度的理解。“这再次暗示了现实本质的某些底层规律。”哈萨比斯说。他展望，下一步可能是让视频变得可交互，让人们能够“步入”其中并移动，这将真正令人震撼，并更接近他所称的“世界模型”——一个关于世界如何运作、其物理规律和内含物体的模型，而这正是真正 AGI 系统所需要的。 AI 与终极之谜：从虚拟细胞到生命起源 哈萨比斯将构建通用人工智能视为帮助人类解答终极科学问题的终极工具。他的梦想项目之一是构建“虚拟细胞”——一个完整的细胞内部模拟。他设想，科学家可以在硅基环境中对虚拟细胞进行实验，大幅加速研究进程，可能将实验速度提升百倍，最后再到湿实验室进行验证。 他认为 AlphaFold 提供了蛋白质的静态 3D 结构图，而 AlphaFold 3 开始建模相互作用（如蛋白质与蛋白质、蛋白质与 RNA/DNA 之间的互动），这是通向模拟整个细胞通路乃至完整细胞的第一步。他计划从酵母细胞这种研究透彻的单细胞生物体开始。当然，挑战巨大，例如细胞过程涉及不同的时间尺度，建模时需要决定模拟的粒度级别。哈萨比斯希望能在蛋白质级别进行建模，而无需下沉到原子级别。 更宏大的问题是，AI 能否模拟生命的起源？哈萨比斯认为这是一个最深奥、最迷人的问题之一。他设想，从原始汤的初始条件出发，AI 能否模拟出类似细胞结构的涌现？“那将是生命起源的‘神之一手’。”他说。他相信，最终我们会发现，从非生命到生命并非一条清晰的分界线，而是一个连续谱，连接着物理、化学和生物学。“破解这堵我们在大脑中构筑的墙，正是我毕生致力于 AI 和 AGI 工作的全部原因。”哈萨比斯坦言，现实本质、意识、时间本质等终极问题一直在他脑海中“呐喊”，而 AI 可能是解开这些谜团的关键。 AGI 的路径与标志：超越“认知不均” 哈萨比斯估计，到 2030 年有 50% 的可能性开发出 AGI。他设定的标准很高：能够匹配大脑拥有的全部认知功能。他强调，当前 AI 系统是“认知不均”的，在某些方面很强，在其他方面却有明显缺陷。真正的 AGI 需要具备全面的、一致性的智能。 如何测试 AGI？他提出两种方式：一是“暴力测试”，让系统完成成千上万个人类能够完成的认知任务；二是让世界顶级专家（如陶哲轩那样的领域专家）花一两个月时间尝试找出系统的明显缺陷。如果都找不到，那就可以相当确信拥有了通用系统。 此外，他期待看到一些“灯塔时刻”，即类似围棋“神之一手”的突破性创造。例如：1）提出像爱因斯坦相对论那样的全新物理学猜想或假说。可以进行回溯测试：将知识截止到 1900 年，看系统能否提出狭义和广义相对论。2）发明一种如围棋般深邃、优雅的新游戏。“一个系统能够同时完成好几件这类事情，而不仅仅是单一领域，这就是我会寻找的迹象。”哈萨比斯说。 对于当前热门的“递归自我改进”和 AI 安全，哈萨比斯认为像 AlphaEvolve（阿尔法进化）这样的系统展示了将大语言模型与进化算法等传统搜索方法结合的潜力，这可能在科学发现中催生新的能力。但他不确定完全的端到端自我改进是否可取，因为这可能导致“硬起飞”场景。目前，系统在给定具体指令时表现良好，但对于“创造一个比围棋更好的游戏”或“做一个更好的自己”这样高度不明确的指令，还无法处理。 游戏、意识与人类未来 作为曾经的游戏开发者（代表作《主题公园》《黑与白》），哈萨比斯对 AI 将如何重塑游戏充满期待。他梦想着能根据玩家想象动态创造内容、编织故事的 AI 系统，实现终极的“选择你自己的冒险”游戏。结合类似 Veo 的交互式生成技术，他认为未来 5 到 10 年可能实现这种令人惊叹的开放世界游戏。 当被问及意识是否可以被经典计算机建模时，哈萨比斯与物理学家罗杰·彭罗斯观点相左。他认为大脑中进行的主要是经典计算，因此意识现象原则上可以被经典计算机模仿或建模。但关于“感受性”的哲学难题可能是个例外。他提出了一个有趣的思路：未来如果通过脑机接口与 AI 系统连接，我们或许能亲身体验在硅基上计算的感觉，从而更好地理解意识。 谈及人类未来，哈萨比斯持乐观态度。他相信人类无限的创造力和极强的适应性。“看看我们现在所处的世界——我们是用狩猎采集者的大脑在应对。乘坐飞机、做播客、玩电脑游戏……这已经令人震惊。我认为这只是下一步。”他认为社会已经在一定程度上适应了当前令人瞠目的 AI 技术。 最后，关于 AI 时代人类的独特性，哈萨比斯认为，构建 AI 这种智能人造物并将其与人类心智进行比较，或许是理解人类心智特殊之处的最佳方式。“我相信存在特殊之处，但这场我们正在进行的旅程将帮助我们理解和定义它。”这场对话最终回归到哈萨比斯的初心：利用 AI 这一工具，探索智能的本质，并最终理解我们自身与所处的宇宙。
