來源：BeWater Community
6 月 14 日，AO 基金會正式推出去中心化超級計算機 AO 的代幣經濟學。在 6 月 12 日晚，AO 發布代幣經濟學以及NEAR發布DA解決方案前夕，我們邀請了 Arweave 和 AO 創始人 Sam Williams、NEAR Protocol 聯合創始人 Illia Polosukhin 就 AI 和區塊鏈的融合進行了一場深度對談。Sam 詳細闡述了 AO 的底層架構，它以面向 Actor 的範式和去中心化的 Erlang 模型爲基礎，旨在打造一個可無限擴展、支持異構進程交互的去中心化計算網絡。Sam 還展望了 AO 在 DeFi 場景中的潛在應用，通過引入可信的 AI 策略，AO 有望實現真正的「代理金融」。Illia 則分享了 NEAR Protocol 在可擴展性和 AI 集成方面的最新進展，包括鏈抽象與鏈籤名功能的引入，以及开發中的點對點支付和 AI 推理路由器。此外，兩位嘉賓還就當前各自生態中的優先事項和研究重點，以及他們看好的創新項目發表了看法。感謝 @BlockBeatsAsia 的 @0xLogicrw 第一時間編譯整理，爲社區帶來中文版精彩內容。
Illia 和 Sam 如何涉足 AI 和加密
Lulu：首先做一個簡單的自我介紹吧，講講你們如何涉足 AI 和區塊鏈兩個領域。
Illia：我的背景是機器學習和人工智能，在進入加密領域之前，我在這一領域工作了大約 10 年。我最爲人所知的是《Attention is All You Need》這篇論文，它引入了 Transformer 模型，現在被廣泛應用於各種現代機器學習、AI 和深度學習技術中。然而，在此之前，我還參與了許多項目，包括 TensorFlow，這是 Google 在 2014-2015 年开源的一個機器學習框架。我還從事過問答系統、機器翻譯等研究，並在 Google.com 和其他谷歌產品中實際應用了一些研究成果。
後來，我和 Alex 共同創辦了NEAR.ai，最初是一家 AI 公司，致力於教機器編程。我們認爲，未來人們將能夠通過自然語言與計算機交流，而計算機則會自動進行編程。在 2017 年，這聽起來像是科幻小說，但我們確實進行了大量研究。我們通過衆包的方式獲取更多的訓練數據，來自中國、東歐等地的學生爲我們完成小任務，如編寫代碼、撰寫代碼注釋。但我們在支付酬勞時遇到了挑战，比如 PayPal 無法向中國用戶轉账。
有人建議使用比特幣，但當時比特幣的交易費用已經很高。於是我們开始深入研究。我們有可擴展性的背景，在谷歌，一切都要講究規模。我的聯合創始人 Alex 創建了一個分片數據庫公司，爲財富 500 強企業服務。那時看到區塊鏈技術的現狀很奇怪，幾乎所有東西實際上都在單台機器上運行，受限於單機的能力。
於是，我們打算構建一個新的協議，這就是 NEAR Protocol。它是一個分片的 Layer 1 協議，注重可擴展性、易用性和开發便利性。我們在 2020 年上线了主網，並一直在壯大生態系統。2022 年，Alex 加入了 OpenAI，2023 年又創辦了一家專注於基礎模型的 AI 公司。最近，我們宣布他回歸領導NEAR.ai團隊，繼續我們在 2017 年开始的教機器編程的工作。
Lulu：這真是一個非常精彩的故事，我之前並不知道 NEAR 最初是作爲一個 AI 公司起步的，並且現在又重新聚焦於 AI。接下來請 Sam 介紹一下自己和你們的項目。
Sam：我們大約七年前开始涉足這個領域，當時我已經關注比特幣很長時間了。我們發現了一個令人興奮但未被深入探索的想法：你可以在一個網絡上存儲數據，這些數據將被復制到全球各地，沒有單一的中心化故障點。這啓發了我們創建一個永不遺忘的、被多個地方復制的檔案，讓任何單一組織甚至政府都無法審查這些內容。
於是，我們的使命變成了給比特幣擴容，或者說讓比特幣式的鏈上數據存儲達到任意規模，以便我們能夠爲人類創建一個知識庫，存儲所有的歷史，形成一種不可篡改、無需信任的歷史日志，這樣我們就永遠不會忘記我們如何一步步走到今天這個重要背景。
我們在 7 年前开始了這項工作，如今已經上线主網 6 年多了。在這個過程中，我們意識到永久的鏈上存儲能夠提供遠超我們最初想象的功能。最初，我們的想法是存儲報紙文章。但在主網上线後不久，我們意識到，如果你能在世界各地存儲所有這些內容，實際上你就種下了一個永久去中心化網絡的種子。不僅如此，我們在 2020 年左右意識到，如果你有確定性的虛擬機和一個與程序交互的永久有序日志，你基本上可以創建智能合約系統。
我們在 2020 年首次嘗試了這個系統，當時我們稱之爲 SmartWeave。我們借鑑了計算機科學中的惰性求值概念，這個概念主要由編程語言 Haskell 推廣。我們知道這個概念在生產環境中已經使用了很長時間，但在區塊鏈領域還沒有被真正應用。通常在區塊鏈領域，人們在寫入消息時就會執行智能合約。但我們認爲，區塊鏈實際上是一種只增不減的數據結構，具有一定的規則來包含新信息，而無需與數據寫入本身同時執行代碼。由於我們有一個任意可擴展的數據日志，這對我們來說是一種自然的思考方式，但在當時還是比較罕見的。唯一的另一個團隊是現在叫做 Celestia（當時叫 LazyLedger）的團隊。
這導致了 Arweave 上計算系統的一場寒武紀大爆發。大約有三四個主要項目，其中一些發展出了自己獨特的社區、功能集和安全權衡。在此過程中，我們發現不僅要利用基礎層的數據可用性來存儲這些日志，還需要一種機制來委托數據可用性保證。具體來說，你可以將數據提交給一個打包節點或者其他代表你的人（現在稱爲調度單元），它們會將數據上傳到 Arweave 網絡，並給你一個含有經濟激勵的保證，確保數據會被寫入網絡。一旦這種機制到位，你就有了一個可以橫向擴展計算的系統。本質上，你有一系列的進程，可以將其看作以太坊上的 Rollup，共享相同的數據集，能夠相互通信。
AO（Actor-Oriented）的名稱來自計算機科學中的範式，我們建立了一個結合所有這些組件的系統，它有原生的消息傳遞系統、數據可用性提供者和去中心化計算網絡。因此，惰性求值組件變成了一個分布式集合，任何人都可以开啓節點來解析合約狀態。將這些組合在一起，你得到的是一台去中心化的超級計算機。它的核心是我們有一個任意可擴展的消息日志，記錄了所有參與計算的消息。我認爲這特別有趣，因爲你可以進行並行計算，而你的進程不會影響我的進程的可擴展性或利用率，這意味着你可以進行任意深度的計算，例如在網絡內部運行大規模 AI 工作負載。目前，我們的生態系統正在大力推動這一理念，探索在基礎層的智能合約系統中引入市場智能時會發生什么。這樣，你本質上就有了智能代理在替你工作，它們是可信的、可驗證的，就像底層的智能合約一樣。
AO 的底層概念和技術架構
Lulu：正如我們所知，NEAR Protocol 和 Arweave 現在正在推動 AI 和加密貨幣的交叉融合。我想深入探討一下，既然 Sam 已經觸及了 AO 的一些底層概念和架構，我可能會先從 AO 开始，稍後再轉向 AI。您描述的那些概念，讓我感覺那些代理在自主運行、協調並允許 AI 代理或應用程序在 AO 之上工作。能否詳細闡述一下 AO 基礎設施內部的並行執行或獨立自主代理？構建去中心化 Erlang 的隱喻是否准確？
Sam：在我开始之前，我想提一下，我曾在讀博士期間構建了一個基於 Erlang 系統的操作系統。我們稱之爲在裸機上運行。Erlang 令人興奮的地方在於，它是一個簡單而富有表現力的環境，其中每一塊計算都期望並行運行，而不是共享狀態模型，後者已經成爲加密領域的規範。
這其中的優雅之處在於，它與現實世界有着美妙的映射。就像我們現在正在一起進行這個對話，我們實際上是獨立的角色，在自己的腦中進行計算，然後傾聽、思考和交談。Erlang 的代理或面向 Actor 的架構確實很出色。在 AO 峰會上緊接着我演講的是 Erlang 的創始人之一，他講述了他們在 1989 年左右如何想出這個架構。當時他們甚至沒有意識到「面向 Actor」這個術語。但這是一個足夠美妙的概念，許多人都想出了同樣的想法，因爲它很有道理。
對我來說，如果你想構建真正可擴展的系統，你必須讓它們傳遞消息，而不是共享狀態。也就是說，當它們共享狀態時，就像在以太坊、Solana 和幾乎所有其他區塊鏈中發生的那樣，實際上 NEAR 是一個例外。NEAR 有分片，所以它們不共享全局狀態，而是有局部狀態。
當我們構建 AO 時，目標是將這些概念結合起來。我們希望有並行執行的進程，可以進行任意大規模的計算，同時將這些進程的交互與其執行環境分離，最終形成一個去中心化版本的 Erlang。對於那些不太熟悉分布式技術的人來說，最簡單的理解方式就是把它想象成一台去中心化的超級計算機。使用 AO，你可以在系統內部啓動一個終端。作爲开發人員，最自然的使用方式就是啓動自己的本地進程，然後與之對話，就像你與本地命令行界面對話一樣。隨着我們走向消費者採用，人們正在構建 UI 和所有你期望的東西。從根本上說，它允許你在這個去中心化的計算設備雲中運行個人計算，並使用一個統一的消息格式進行互動。我們在設計這一部分時參考了運行互聯網的 TCP/IP 協議，試圖創建一個可以被視爲計算本身的 TCP/IP 協議。
AO 的數據協議不強制使用任何特定類型的虛擬機。你可以使用任何你想要的虛擬機，我們已經實現了 WASM32 和 64 位版本。生態系統中的其他人已經實現了 EVM。如果你有這個共享的消息層（我們使用 Arweave），那么你可以讓所有這些高度異構的進程在一個共享環境中交互，就像計算的互聯網。一旦這種基礎設施到位，下一步自然就是探索可以使用智能、可驗證、信任的計算來做什么。顯而易見的應用就是 AI 或智能合約，讓代理在市場中做出智能決策，可能相互對抗，也可能代表人類對抗人類。當我們審視全球金融體系時，納斯達克大約 83% 的交易是由機器人執行的。這就是世界運轉的方式。
過去我們無法將智能部分上鏈並使其可信。但在 Arweave 生態系統中，還有另一個並行的工作流，我們稱之爲 RAIL，即負責任的 AI 账本。它本質上是一種創建不同模型輸入和輸出記錄的方式，並以公开、透明的方式存儲這些記錄，這樣你就可以查詢並說，「嘿，我看到的這段數據來自 AI 模型嗎？」如果我們能夠推廣這一點，我們認爲它可以解決我們今天看到的一個根本問題。比如，有人給你發了一篇來自你不信任的網站的新聞文章，上面似乎有某個政客做傻事的圖片或視頻。這是真的嗎？RAIL 提供了一個账本，很多競爭公司可以在一個透明和中立的方式下使用，存儲他們生成的輸出記錄，就像他們使用互聯網一樣。而且他們可以以極低的成本做到這一點。
Illia 對區塊鏈可擴展性的看法
Lulu：我很好奇 Illia 對 AO 方法或模型可擴展性的看法。您曾參與 Transformer 模型的工作，該模型旨在解決順序處理的瓶頸。我想問問，NEAR 的可擴展性方法是什么？在之前的 AMA 聊天中，您提到過您正在研究一個方向，即多個小模型組成一個系統，這可能是解決方案之一。
Illia：可擴展性在區塊鏈中可以有很多不同的應用方式，我們可以沿着 Sam 的話題聊下去。現在看到的是，如果你使用單個大型語言模型（LLM），它在推理方面有一些限制。你需要以特定的方式提示它，它才能運行一段時間。隨着時間的推移，模型會不斷改進，變得更加通用。但無論如何，你都在以某種方式調教這些模型（可以將其視爲原始智能）來執行特定的功能和任務，並在特定的上下文中進行更好的推理。
如果你希望它們執行更通用的工作和進程，你需要多個模型在不同的上下文中運行，執行任務的不同方面。舉一個非常具體的例子，我們現在正在开發一個端到端的流程。你可以說，「嘿，我想構建這個應用程序。」最終輸出是一個完全構建好的應用程序，包含正確的、經過正式驗證的智能合約，並且用戶體驗也經過了充分的測試。在現實生活中，通常不會有一個人來構建所有這些東西，同樣的想法也適用於這裏。你實際上希望 AI 扮演不同的角色，在不同的時間發揮不同的作用，對吧？
首先，你需要一個擔任產品經理角色的 AI 代理，實際收集需求，弄清楚你到底想要什么，有哪些權衡，用戶故事和體驗是什么。然後可能有一個 AI 設計師，負責將這些設計轉化爲前端。再可能有一個架構師，負責後端和中間件的架構。接着是 AI 开發者，編寫代碼並確保智能合約和所有前端工作經過正式驗證。最後，可能還有一個 AI 測試人員，確保一切正常運行，通過瀏覽器進行測試。這樣就形成了一組 AI 代理，雖然可能使用相同的模型，但經過特定功能的微調。它們在過程中各自獨立扮演角色，使用提示、結構、工具和觀察到的環境進行互動，構建一個完整的流程。
這就是 Sam 所說的，擁有許多不同的代理，它們異步地完成自己的工作，觀察環境並弄清楚應該做什么。所以你確實需要一個框架，需要系統來持續改進它們。從用戶的角度來看，你發送一個請求，並與不同的代理進行交互，但它們就像一個單一的系統在完成工作。在底層，它們可能實際上爲交換信息而相互支付，或者不同所有者的不同代理相互交互以實際完成某件事。這是一種新版本的 API，更智能，更自然語言驅動。所有這些都需要大量的框架結構以及支付和結算系統。
有一種新的解釋方式叫做 AI 商業，所有這些代理爲完成任務而相互互動。這是我們所有人正在邁向的系統。如果考慮到這種系統的可擴展性，需要解決幾個問題。正如我提到的，NEAR 設計是爲了支持數十億用戶，包括人類、AI 代理甚至貓，只要能夠進行交易。每個 NEAR 账戶或智能合約都是並行運行的，允許繼續擴展和交易。在較低層次上，你可能不希望每次調用 AI 代理或 API 時都發送交易，無論 NEAR 有多便宜，都不合理。因此，我們正在开發一個點對點協議，使代理節點、客戶端（包括人類或 AI）能夠相互連接並爲 API 調用、數據獲取等支付費用，並有加密經濟規則保證他們會響應，否則將失去部分抵押金。
這是一個新系統，允許超越 NEAR 的擴展，提供微支付。我們稱之爲 yoctoNEAR，相當於 NEAR 的 10^-24。這樣你實際上可以在網絡層級上進行消息交換，並附帶支付功能，使得所有的操作和交互現在都可以通過這種支付系統進行結算。這解決了區塊鏈中一個根本性的問題，即我們沒有帶寬和延遲的支付系統，並且實際上存在很多免費搭便車的問題。這是可擴展性一個非常有趣的方面，不僅僅局限於區塊鏈的可擴展性，而是能夠應用於未來可能擁有數十億代理的世界。在這個世界裏，即使在你的設備上，也可能同時運行着多個代理，在後台執行各種任務。
AO 在 DeFi 場景中的應用：代理金融
Lulu：這個用例非常有趣。我相信對於 AI 支付，通常存在高頻支付和復雜策略的需求，而這些需求由於性能限制尚未實現。所以我很期待看到基於更好的可擴展性選項如何實現這些需求。在我們的黑客松中，Sam 和團隊提到，AO 也在探索使用新 AI 基礎設施來支持 DeFi 用例。Sam，您能否詳細說明一下你們的基礎設施如何在新的 DeFi 場景中應用？
Sam：我們稱之爲代理金融（Agent Finance）。這指的是我們看到的市場有兩個方面。DeFi 在第一階段做得非常好，將各種經濟原語去中心化並帶到鏈上，使用戶無需信任任何中介即可使用。但當我們考慮市場時，我們想到的是數字的上下波動，以及驅動這些決策的智能。當你能夠將這種智能本身帶上鏈時，你就會得到一個無需信任的金融工具，如基金。
一個簡單的例子是，假設我們要建立一個 meme coin 交易對衝基金。我們的策略是，當我們看到提到特朗普時就买入 Trump 幣，提到拜登時就买入 Biden 幣。在 AO 中，你可以使用像 0rbit 這樣的預言機服務來獲取網頁的全部內容，比如《華爾街日報》或《紐約時報》，然後將其輸入到你的代理中，它處理這些數據並分析特朗普被提到了多少次。你也可以進行情感分析，從而了解市場走勢。然後，你的代理會根據這些信息去买賣這些資產。
有趣的是，我們可以使代理執行本身無需信任。這樣你就有了一個對衝基金，可以執行策略，你可以將資金投入其中，而無需信任基金經理。這是金融的另一個方面，DeFi 世界還沒有真正觸及到，即做出明智的決策，然後付諸行動。如果能讓這些決策過程變得可信，就可以將整個系統統一起來，形成一個看起來像是真正去中心化的經濟，而不僅僅是涉及不同經濟博弈的原語的結算層。
我們認爲這是一個巨大的機會，生態系統中已經有一些人开始構建這些組件。我們有一個團隊創建了一個無需信任的投資組合管理器，它會根據你想要的比例买賣資產。例如，你希望 50% 是 Arweave 代幣，50% 是穩定幣。當這些東西的價格變化時，它會自動執行交易。這背後還有一個有趣的概念，AO 中有一個我們稱之爲 cron 消息的功能。這意味着進程可以自行喚醒，並決定在環境中自主地做一些事情。你可以設置你的對衝基金智能合約每隔五秒鐘或五分鐘喚醒一次，從網絡獲取數據，處理數據，並在環境中採取行動。這使得它變得完全自主，因爲它可以與環境進行交互，從某種意義上說，它是「活」的。
在以太坊上執行智能合約需要外部觸發，人們爲解決這個問題構建了大量基礎設施，但並不順暢。而在 AO 中，這些功能是內置的。因此，你會在鏈上看到代理不斷相互競爭的市場。這將以加密領域前所未見的方式，推動網絡的使用量大幅增加。
NEAR.ai 的整體策略和开發重點
Lulu：NEAR.ai 正在推進一些有前景的用例，能告訴我們更多關於其他層面或整體策略以及一些重點嗎？
Illia：確實在每一個層面都有許多事情在發生，有各種產品和項目可以集成。這一切顯然都始於 NEAR 區塊鏈本身。很多項目需要可擴展的區塊鏈、某種形式的身份驗證、支付和協調。NEAR 的智能合約使用 Rust 和 JavaScript 編寫，這對很多用例來說非常方便。一個有趣的事情是，NEAR 最近的協議升級推出了所謂的 yield/resume 預編譯。這些預編譯允許智能合約暫停執行，等待外部事件發生，無論是另一個智能合約還是 AI 推理，然後恢復執行。這對於需要從 LLM（如 ChatGPT）或可驗證的推理中獲得輸入的智能合約非常有用。
我們還推出了鏈抽象和鏈籤名功能，這是過去半年 NEAR 引入的獨特功能之一。任何 NEAR 账戶都可以在其他鏈上進行交易。這對構建代理、AI 推理或其他基礎設施都非常有用，因爲現在你可以通過 NEAR 進行跨鏈交易，而不必擔心交易費用、代幣、RPC 和其他基礎設施。這些都通過鏈籤名基礎設施爲你處理。普通用戶也可以使用這一功能。Telegram 上有一個基於 NEAR 構建的 HOT Wallet，實際上在主網上剛剛推出 Base 集成，大約有 14 萬用戶通過這個 Telegram 錢包使用 Base。
更進一步，我們打算开發一個點對點網絡，這將使代理、AI 推理節點和其他存儲節點等參與到更可證明的通信協議中。這非常重要，因爲目前的網絡堆棧非常有限，沒有原生的支付功能。盡管我們通常說區塊鏈是「互聯網貨幣」，但實際上我們還沒有解決在網絡層級上帶着錢發送數據包的問題。我們正在解決這一問題，這對所有 AI 用例以及更廣泛的 Web3 應用非常有用。
此外，我們還在开發所謂的 AI 推理路由器，這實際上是一個可以插入所有用例、中間件、去中心化推理、鏈上和鏈下數據提供商的地方。這個路由器可以作爲一個框架，真正地將 NEAR 生態系統中所有正在構建的項目互聯起來，然後將所有這些提供給 NEAR 的用戶群體。NEAR 在不同模型和應用程序中擁有超過 1500 萬的月活躍用戶。
一些應用程序正在探索如何將模型部署到用戶設備上，即所謂的邊緣計算。這種方法包括在本地存儲數據，以及使用相關的協議和 SDK 進行操作。從隱私保護的角度來看，這非常有潛力。未來，許多應用程序將在用戶設備上運行，生成或預編譯用戶體驗，僅使用本地模型，從而避免數據泄露。作爲开發者，我們有很多研究在進行，目的是讓任何人都能輕松地在 Web3 上構建和發布應用程序，並在後端進行正式驗證。這將成爲未來的重要話題，因爲 OLLM 模型在發現代碼庫漏洞方面越來越強大。
總之，這是一個完整的技術棧，從底層的區塊鏈基礎設施，到 Web3 的鏈抽象，再到點對點連接，非常適用於連接鏈下和鏈上參與者。接下來是 AI 推理路由中心和本地數據存儲的應用程序，特別適用於需要訪問私人數據而不泄露給外部的情況。最後，开發者將所有研究成果整合起來，目標是讓未來的應用程序由 AI 構建。中長期來看，這將是一個非常重要的發展方向。
AO 的優先事項和研究重點
Lulu：想請教一下 Sam，AO 目前的優先事項和研究重點有哪些？
Sam：其中一個我個人特別感興趣的想法是利用 AO 提供的擴展功能，建立一個確定性的 CUDA 子集，一個抽象的 GPU 驅動程序。通常情況下，GPU 計算不是確定性的，因此不能像在 AO 上那樣安全地用於計算，至少不能安全地使用，因此沒有人會信任這些進程。如果我們能解決這個問題，從理論上講是可能的，只需要處理設備級別的不確定性問題。已經有一些有趣的研究，但需要以一種可以始終 100% 確定的方式處理這個問題，這對於智能合約的執行至關重要。我們已經有了支持這一功能的插件系統作爲 AO 內部的驅動程序。框架已經有了，我們只需要弄清楚如何精確地實現它。盡管有很多技術細節，但基本上是要使 GPU 環境中的作業加載足夠可預測，以便用於這類計算。
另一個我感興趣的是，能否利用這種鏈上 AI 的能力，使我們能夠進行去中心化或至少是开放和分布式的模型訓練，尤其是微調模型。基本思路是，如果你可以爲某個任務設定一個明確的評判標准，就可以針對這個標准訓練模型。我們能否創建一個系統，讓人們投入代幣鼓勵礦工競爭以構建更好的模型？雖然這可能不會吸引非常多樣化的礦工，但這並不重要，因爲它允許以开放的方式進行模型訓練。然後，當礦工上傳模型時，他們可以添加通用數據許可證標籤，規定任何人可以使用這些模型，但如果用於商業用途，則必須支付特定的版稅。版稅可以通過代幣分配給貢獻者。這樣，通過結合所有這些要素，就可以創建一種激勵機制來訓練开源模型。
我還認爲之前提到的 RAIL 計劃也非常重要。我們已經與一些主要的 AI 提供商或推理提供商討論了支持這個計劃的可能性，他們確實表現出了濃厚的興趣。如果我們能讓他們真正實施並在網絡上寫入這些數據，那么用戶就能通過右鍵點擊互聯網的任何圖片，查詢這張圖片是用 Stable Diffusion 生成的，還是用 DALL·E 生成的。這些都是我們目前在探索的非常有趣的領域。
Illia 和 Sam 各自看好的項目
Lulu：請各自提名一個最近喜歡的 AI 或加密項目，可以是任何項目。
Illia：我打算取個巧。我們每周都會舉行 AI Office Hours，邀請一些項目，最近有 Masa 和 Compute Labs。兩個項目都非常棒，我就以 Compute Labs 爲例。Compute Labs 基本上將實際的計算資源（如 GPU 和其他硬件）轉化爲一種可供經濟參與的真實資產，使用戶能夠從這些設備中獲得收益。當前，加密領域的計算市場發展火熱，它們似乎是加密貨幣促進市場的自然場所。但問題是這些市場缺乏護城河和網絡效應，導致競爭激烈和利潤壓縮。因此，計算市場只是其他商業模式的一種補充。Compute Labs 提供了一種非常加密原生的商業模式，即資本形成和資產去碳化。它爲人們創造了通常需要建立數據中心才能參與的機會。計算市場只是其中的一部分，主要目的是提供計算資源的訪問。這種模式也契合了更廣泛的去中心化 AI 生態系統，通過提供底層的計算資源，爲更廣泛的投資者群體參與創新提供了機會。
Sam：我在 AO 生態系統中有很多很棒的項目，我不想偏袒任何一個，但我認爲 Autonomous Finance 正在構建的底層基礎設施，使得「代理金融」成爲可能。這非常酷，他們在這方面真的走在前列。我還想感謝更廣泛的开源 AI 社區，特別是 Meta 开源 Lama 模型的做法，推動了許多其他人开源他們的模型。如果沒有這種趨勢，當 OpenAI 在 GPT-2 之後變成 ClosedAI，我們或許會陷入一片黑暗，特別是在加密領域，因爲我們將無法接觸到這些模型。大家只能從一兩家主要提供商那裏租用這些閉源模型。目前這種情況沒有發生，這非常好。盡管諷刺，但還是要給 Web2 之王 Meta 點贊。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。