Hyperbolic（HYPE）幣是什么？HYPE幣價格走勢如何？到2035年HYPE幣價格能漲到多少呢？

Hyperbolic 是一個創(chuàng)新的開放訪問 AI 平臺，通過去中心化 GPU 市場和尖端技術，為用戶提供經濟高效的計算資源和 AI 服務支持。平臺支持 AI 推理、GPU 租賃和 AI 模型變現(xiàn)，幫助研究人員、企業(yè)和開發(fā)者輕松上手并優(yōu)化成本。借助 Hyperbolic 的創(chuàng)新架構，如采樣證明 (PoSP) 和 spML 技術，用戶可以安全高效地運行計算任務。無論是初學者還是專業(yè)人士，Hyperbolic 都提供強大的工具和資源，助您探索和推動 AI 技術的發(fā)展。

AI 行業(yè)面臨著重大挑戰(zhàn)：高昂的成本和有限的計算資源。訓練和部署 AI 模型需要大量 GPU 算力，這不僅價格昂貴，而且超出了許多用戶的承受能力。此外，AI 過程缺乏透明性和驗證機制，造成了信任危機和效率低下。

Hyperbolic 利用去中心化技術為這些問題提供了解決方案。通過建立去中心化的 GPU 市場，Hyperbolic 讓計算資源變得更加實惠和便捷。用戶可以從各類供應商那里租用閑置的 GPU 算力，有效降低成本并提升資源可用性。同時，Hyperbolic 推出了采樣證明（Proof of Sampling，PoSP）來確保 AI 計算的可靠性，并結合 spML 和 Hyperbolic 去中心化操作系統(tǒng)（Hyper-dOS）來優(yōu)化 AI 模型的訓練與部署。

什么是 Hyperbolic？

來源: Hyperbolic 官網

Hyperbolic 是一個革新性的去中心化平臺，致力于改變人們獲取 AI 和計算資源的方式。其核心是一個創(chuàng)新的市場系統(tǒng)，讓用戶能從各類供應商租用閑置的 GPU 算力。這不僅確保了計算資源的高效利用，還顯著降低了高性能計算的成本。通過提供去中心化的 GPU 算力，Hyperbolic 讓更多用戶有機會參與 AI 開發(fā)和部署，突破了傳統(tǒng)技術使用的門檻。該平臺由 Dr Jasper Zhang 和 Dr Yuchen Jin 共同創(chuàng)立。

Hyperbolic 的使命與愿景

Hyperbolic 的使命是實現(xiàn) AI 和計算能力的民主化，讓所有人都能獲取這些資源，不受經濟或技術水平的限制。其愿景是打造一個透明、高效的去中心化生態(tài)系統(tǒng)，推動 AI 行業(yè)的創(chuàng)新與協(xié)作。通過區(qū)塊鏈技術和去中心化原則，Hyperbolic 正在構建一個更具包容性和公平性的 AI 發(fā)展未來。

Hyperbolic 的用戶群體

• 企業(yè)：企業(yè)可以利用 Hyperbolic 實現(xiàn)高性價比的 AI 模型訓練和部署，有效降低運營成本，加快 AI 項目進度。
• 研究人員：來自學術界和工業(yè)界的研究人員能夠獲取經濟實惠的計算資源，開展先進的 AI 研究，避免承擔傳統(tǒng) GPU 帶來的高額成本。
• 數據中心：數據中心可以在 Hyperbolic 市場上出租閑置 GPU 算力，將未充分利用的資源轉化為收益。
• 個人用戶：愛好者、學生和獨立開發(fā)者可以使用 Hyperbolic 便捷的 AI 工具和資源，無需大額投入即可開展實驗、學習和創(chuàng)新活動。

Hyperbolic 背后的技術

采樣證明 (Proof of Sampling, PoSP)

采樣證明 (PoSP) 是一種驗證協(xié)議，旨在確保去中心化系統(tǒng)中 AI 計算的完整性和可靠性。PoSP 使用采樣方法驗證交易和數據交互，與傳統(tǒng)驗證方法相比大大減少了計算負擔。通過利用博弈論原理，PoSP 鼓勵參與者誠實行為，從而增強網絡的整體可信度。

采樣證明的工作原理

PoSP 的運行機制是從數據集或計算任務中隨機選擇樣本，并驗證這些樣本，而不是驗證整個數據集。PoSP 使用一種稱為純策略納什均衡 (Pure Strategy Nash Equilibrium) 的博弈論模型，鼓勵所有參與者誠實行為，從而提高網絡的可信度和可靠性。這種方法減少了需要處理的數據量，使驗證過程更加高效。網絡中的參與者被激勵提供準確的樣本，因為統(tǒng)計分析可以檢測出不誠實行為。如果發(fā)現(xiàn)不一致，將會施加懲罰，從而確保大多數參與者保持誠實行為。

spML

spML 是一種驗證機制，旨在通過簡化去中心化網絡中 AI 推理驗證的過程，解決以往系統(tǒng)（如 zkML 和 opML）存在的缺陷。spML 協(xié)議采用一種簡單但有效的方法，在保證快速處理和高安全性的同時，避免了 zkML 的計算復雜性和 opML 的欺詐風險。

spML 的工作原理

協(xié)議首先由用戶向隨機選定的服務器A發(fā)送帶有數字簽名的輸入。服務器A處理后返回輸出結果及其哈希值，同時附加簽名以驗證真實性。為確保推理結果可靠，協(xié)議會按預設概率隨機引入服務器B進行獨立驗證。如果未選中服務器B，則服務器A直接獲得獎勵，交易即告完成。

當選中服務器B時，它會處理相同的輸入并向用戶返回輸出及哈希值。用戶隨后比對兩個哈希值：如果匹配，表明結果一致，兩個服務器均獲得獎勵；如果不匹配，則表明存在差異或欺詐行為，用戶會將此信息廣播至網絡。網絡節(jié)點將通過多數表決進行裁定，不誠實方將受到制裁，從而維護系統(tǒng)的完整性與信任度。

Hyperbolic 去中心化操作系統(tǒng) (Hyper-dOS)

Hyper-dOS 是一個去中心化操作系統(tǒng)，負責管理和協(xié)調 Hyperbolic 生態(tài)系統(tǒng)內的資源。它能高效地在網絡中分配和執(zhí)行計算任務，并在維護 Hyperbolic 去中心化基礎設施的性能和可擴展性方面發(fā)揮關鍵作用。通過智能協(xié)調資源分配，Hyper-dOS 不僅實現(xiàn)了各種 AI 服務的無縫集成和運行，還能最大化利用可用計算能力，確保任務高效完成。

Hyperbolic 生態(tài)系統(tǒng)架構

來源: Hyperbolic 博客

Hyperbolic 去中心化協(xié)調層（Orchestration Layer）

去中心化協(xié)調層是 Hyperbolic 基礎設施的核心。由 Hyperbolic 去中心化操作系統(tǒng) (Hyper-dOS) 提供支持，該層負責管理和優(yōu)化全球 GPU 基礎設施。它整合了來自多種來源的計算能力，包括數據中心、礦場、個人計算機和本地系統(tǒng)。

主要功能包括：

• 自動擴展：系統(tǒng)可以根據實時需求自動調整 GPU 集群的規(guī)模，確保資源利用的高效性。
• 自我修復：協(xié)調層能夠自動檢測并恢復故障，無需人工干預即可保持持續(xù)運行。
• 可定制性：用戶可以根據具體需求定制集群，為各種應用提供靈活性和適應性。

AI 服務層（Service Layer）

該層提供了一整套 AI 服務和引擎套件，為 AI 應用提供核心功能。它支持廣泛的任務，從簡單的自動化到復雜的優(yōu)化和增強流程。

主要組件包括：

• 推理服務：這些服務通過 AI 模型實現(xiàn)實時預測和決策，確保高性能和高準確性。
• 模型訓練與微調：為開發(fā)者提供訓練和微調 AI 模型的工具，使模型能夠適應特定任務和數據集，從而提高其有效性。
• AI 模型評估：包括評估 AI 模型性能和準確性的工具和基準，幫助開發(fā)者不斷優(yōu)化和改進模型。

驗證與隱私層（Verification and Privacy Layer）

驗證與隱私層保障 AI 計算的完整性與保密性。該層運用采樣證明（PoSP）來驗證計算結果的準確性并預防欺詐行為。同時，它集成了隱私保護技術，確保在數據處理過程中用戶的敏感信息得到安全保護。

Hyperbolic 區(qū)塊鏈層（Blockchain Layer）

區(qū)塊鏈層是 Hyperbolic 安全性與透明性的基礎。它為生態(tài)系統(tǒng)內的所有交易和交互提供了安全且不可篡改的賬本。通過確保所有活動透明記錄，該層增強了信任和責任感。同時，它支持智能合約，實現(xiàn)各方之間的自動化和安全協(xié)議，從而簡化操作并減少對中介的需求。

應用層（Application Layer）

應用層是用戶與 Hyperbolic 生態(tài)系統(tǒng)進行交互的接口。它提供各種直觀、易用的應用程序和界面。不論是專業(yè)技術人員還是普通用戶，都能便捷地使用 Hyperbolic 的服務。該層支持多樣化的應用場景，覆蓋從基礎用戶儀表板到高級開發(fā)環(huán)境等多種需求。

Hyperbolic 的 AI 推理

AI 推理是訓練好的 AI 模型對新數據進行解釋和決策的過程。與訓練階段不同，推理階段會運用從大量數據中學習到的模式來分析新的、未見過的數據，從而得出預測或結果。Hyperbolic 提供高效且可擴展的 AI 推理功能，通過去中心化的 GPU 網絡實現(xiàn)快速、準確的計算。這種去中心化架構使推理任務能夠分布在多個節(jié)點上執(zhí)行，從而提升整體性能和可靠性。

Hyperbolic AI 推理的優(yōu)勢

• 可擴展性：去中心化網絡可以處理大規(guī)模推理任務，即使在高峰期也能保證一致的性能。
• 成本效益：通過利用閑置的 GPU 資源，Hyperbolic 降低了 AI 推理的成本，使更多用戶能夠負擔得起。
• 能源效率：高效的推理降低了計算成本和能耗，有助于更可持續(xù)的 AI 應用。

Hyperbolic 開源 AI 模型

來源: Hyperbolic 官網

Hyperbolic 提供多種高性能的開源 AI 模型，使開發(fā)者能夠利用最前沿的技術，而無需承擔傳統(tǒng)供應商的高昂成本。以下是一些可用模型的示例：

• 視覺語言模型 (VLMs)：結合視覺和文本理解的模型，例如 Qwen2-VL-7B-Instruct、Pixtral-12B 和 Qwen2-VL-7B。
• 基礎模型：提供強大的基礎 AI 能力，例如 Llama 3.1–405B-BASE (BF16) 和 Llama 3.1–405B-BASE (FP8)。
• 文本到文本模型：用于自然語言處理任務的模型，例如 Qwen2.5–Code-32B、Llama 3.2–3B、DeepSeek-V2.5、Llama 3.1–7B、Hermes–3-70B、Llama 3.1–405B、Llama 3.1–3B 和 Llama 3.1–88。
• 文本到圖像模型：用于 AI 生成視覺內容的模型，例如 Flux 1 [dev]、SDXL-1.0、Segmind SD–1B、Stable Diffusion–1.5 和 SDXL-1.0-Turbo。
• 文本到語音模型：適用于語音合成應用的模型，例如 Melo TTS。

訪問和使用開源模型指南

要訪問和使用 Hyperbolic 的開源 AI 模型，請按照以下步驟操作：

• 創(chuàng)建賬戶：在 Hyperbolic 平臺上注冊賬戶以獲取模型訪問權限。
• 選擇模型：瀏覽可用模型列表，并選擇適合您需求的模型。
• 部署模型：利用 Hyperbolic 的去中心化基礎設施部署模型，確保其在最佳硬件上運行。
• 集成應用程序：使用模型的 API 將其集成到您的應用程序中，實現(xiàn)無縫的 AI 功能。

Hyperbolic GPU 市場

Hyperbolic GPU 市場是一個去中心化平臺，讓用戶能從不同供應商租用閑置的 GPU 資源。該市場將需要 AI 計算能力的用戶與擁有閑置 GPU 資源的供應商匹配，為雙方創(chuàng)造經濟效益。通過這一市場，用戶只需支付傳統(tǒng)云服務商一小部分的成本就能獲得高性能 GPU。

Hyperbolic GPU 市場背后的技術

驅動 Hyperbolic GPU 市場的技術基于 Hyperbolic 去中心化操作系統(tǒng) (Hyper-dOS)。該系統(tǒng)負責管理和優(yōu)化全球 GPU 基礎設施，確保計算任務能夠高效地分布在整個網絡中。Hyper-dOS 集成了來自多種來源的 GPU 資源，包括數據中心、礦場、個人計算機和本地系統(tǒng)，構建了一個強大且可擴展的基礎設施。

Hyperbolic GPU 市場的關鍵差異點

• 供應商：Hyperbolic GPU 市場的供應商可以通過出租閑置的 GPU 資源來實現(xiàn)變現(xiàn)。這為數據中心、礦場以及擁有高性能 GPU 的個人提供了額外的收入來源。供應商受益于平臺的去中心化特點，確保了公平的報酬和高效的資源利用。
• 租戶：租戶可以根據自身的計算需求訪問多種 GPU 選項。市場提供了無縫的使用體驗，使用戶只需幾次點擊即可租用 GPU。這種便捷性以及具有競爭力的價格使其成為研究人員、開發(fā)人員和希望降低 AI 基礎設施成本的企業(yè)的理想選擇。

Hyperbolic 的定價

GPU 市場定價

Hyperbolic GPU 市場為租用 GPU 資源提供靈活且具有競爭力的定價結構。供應商可以在 Hyperbolic 提供的指導范圍內自行設定價格，確保市場價格的公平性。以下是定價的詳細分類：

80GB VRAM：

• H100 SXM：$3.20/小時
• H100 PCIe：$3.00/小時
• A100 SXM：$1.80/小時
• A100 PCIe：$1.60/小時

48GB VRAM：

• L40：$1.00/小時
• L40S：$1.00/小時
• RTX 6000 Ada：$0.90/小時
• RTX A6000：$0.75/小時
• A40：$0.50/小時

24GB VRAM and Under：

• RTX 4090：$0.50/小時
• RTX 3090 Ti：$0.30/小時
• RTX 3090：$0.30/小時
• RTX A5000：$0.30/小時
• RTX A4000 Ada：$0.30/小時
• RTX A4500：$0.30/小時
• RTX A4000：$0.30/小時
• RTX 3080：$0.20/小時
• RTX 3070：$0.20/小時
• A30：$0.20 per hour
• Tesla T4：$0.20/小時

Hyperbolic 從租金收入中收取 10% 的平臺費用。例如，如果供應商將 H100 SXM 的價格設定為 $2.50/小時，扣除平臺費用后，供應商將獲得 $2.25/小時。此費用結構確保供應商獲得公平報酬，同時為租戶提供具有競爭力的價格。

AI 推理定價

Hyperbolic 為 AI 推理服務提供分級定價模式，以滿足不同用戶的需求和預算。以下是各定價等級的詳細說明：

基礎級：

• 免費用戶：每分鐘最多支持 60 次請求。

• 付費用戶：最低充值 $10，即可享受每分鐘最多 600 次請求的服務。付費用戶：最低充值 $10，即可享受每分鐘最多 600 次請求的服務。

服務包括：訪問文本到文本、文本到語音、文本到圖像、文本到視頻模型，以及微調服務。

企業(yè)級：

• 無限請求：適合大規(guī)模操作的用戶。
• 全套 AI 模型：訪問所有可用的 AI 模型。
• 專屬支持：為企業(yè)用戶提供定制的服務協(xié)議 (SLA) 和專屬實例。

開始使用 Hyperbolic

如何創(chuàng)建 Hyperbolic 賬戶

• 訪問 Hyperbolic 官網。
• 注冊：選擇通過 Google 或 GitHub 賬戶登錄，或者點擊“創(chuàng)建賬戶”設置一個獨立的密碼。
• 完成注冊：填寫必要的信息并確認您的郵箱地址。
• 訪問控制面板：注冊完成后，您將立即訪問 Hyperbolic 的 AI 控制面板，在這里可以探索各種 AI 模型和 GPU 資源。

開始使用 Hyperbolic 的 AI 推理服務

要開始使用 Hyperbolic 的 AI 推理服務，請按照以下步驟操作：

• 獲取 API 密鑰：創(chuàng)建賬戶后，前往 Hyperbolic AI 控制面板的設置頁面獲取您的 API 密鑰。
• 選擇模型：從平臺上提供的多種 AI 模型中選擇一個適合您的模型。
• 運行推理任務：使用提供的 API 端點運行推理任務。例如，您可以通過發(fā)送請求生成文本、圖像或音頻。

如何在 Hyperbolic 平臺上租用 GPU

• 進入租用 GPU 頁面：在 Hyperbolic 平臺中，導航至“租用 GPU”部分。
• 選擇 GPU 實例：從可用選項中選擇最適合您需求的 GPU 實例。
• 租用 GPU：點擊“租用”，等待實例顯示“準備連接”。
• 連接到 GPU：使用提供的 SSH 命令，通過您喜歡的 SSH 客戶端連接到 GPU 實例。
• 使用 GPU：連接成功后，您可以開始使用 GPU 進行計算任務。

托管和變現(xiàn) AI 模型

• 準備模型：確保您的 AI 模型已經準備好部署。
• 上傳模型：通過 Hyperbolic 平臺上傳您的模型。
• 設置托管：配置托管設置，包括 API 端點和資源分配。
• 變現(xiàn)模型：設置訪問模型的定價。Hyperbolic 提供工具管理支付和跟蹤使用情況。
• 監(jiān)控性能：使用控制面板監(jiān)控模型性能，并根據需要進行調整。

Hyperbolic 的融資歷程

來源: Hyperbolic 官網

Hyperbolic 已通過多輪融資成功籌集 2000 萬美元，充分展現(xiàn)了投資者對其愿景和技術的高度信任。2022 年 11 月，公司完成了 72.5 萬美元的種子前融資，這筆早期資金幫助其開發(fā)核心技術并組建基礎團隊。2024 年 7 月，在 Faction 和 Polychain Capital 的領投下，Hyperbolic 完成了 700 萬美元的種子輪融資，Longhash Ventures、Bankless Ventures 和 Nomad 等機構也參與其中。這輪融資助力公司擴展基礎設施并強化去中心化 GPU 市場。緊接著，Hyperbolic 又完成了由 Polychain Capital 和 Variant 領投的 1200 萬美元 A 輪融資，Republic Capital、IOSG Ventures 和 Wintermute 等投資方也加入其中。這筆資金將用于擴大運營規(guī)模、優(yōu)化 AI 服務并拓展用戶基礎。

關于Hyperbolic一些解說

1、Hyperbolic的秘笈——抽樣證明（Proof of Sampling）

Hyperbolic正在通過解決人工智能領域最棘手的挑戰(zhàn)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。

這個問題對于像OpenAI這樣的集中式閉源提供商來說尤其棘手。在你請求GPT-4提供輸出的時候，你怎么能確定你沒有被欺騙——比如，OpenAI運行更便宜的GPT-3.5模型（每代幣價格的1/20）？

目前，這樣的保證還依賴于聲譽，但Hyperbolic認為應該以一種無需信任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被正確執(zhí)行。

然而，兩者都具有局限性：

• OpML依賴于validators來查驗結果，這就會因爭議期而延遲最終確定性。另外，缺少內在激勵來確保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生成具有70B+參數的大模型證明。

Hyperbolic的目標是通過其抽樣證明（PoSP）協(xié)議和抽樣機器學習（SpML）來克服這些缺點。SpML利用抽樣和博弈論來鼓勵誠信行為，而不需要進行持續(xù)不斷的監(jiān)督。

它基于一種被稱為Nash Equilibrium（納什均衡）的純策略型博弈論概念，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。

最簡單的思維模式是把它想象成一個公共汽車售票系統(tǒng)。

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，他們并沒有這樣做，因為逃票的懲罰力度足以阻止乘客作弊。只要罰款遠遠超過購票成本，誠信就會占上風。

Hyperbolic的SpML使用經濟激勵來解決當前的驗證機制（如OpML和zkML）的局限性。它既提供了速度又提供了安全性，在二者之間達到了很好的平衡，并且沒有沉重的計算負擔。

需要注意的是什么？那就是它假設每個人的行為都是理性的，但事實并非總是如此。

如果SpML在實踐中運行良好，它將改變去中心化AI應用的游戲規(guī)則，使無需信任的驗證推理成為現(xiàn)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(yè)和初創(chuàng)公司面臨的最大成本。訓練模型所需的算力成本幾乎每9個月翻一番。

2020年GPT-3的成本約為400萬美元，而2023年GPT-4的計算訓練成本高達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(guī)模較小的參與者和愛好者被過高的成本擠出市場。斯坦福大學的一名博士后不得不停止他的研究，原因是他負擔不起所需的數千個GPU。

去中心化計算網絡的一個主要挑戰(zhàn)是管理異構硬件——不僅僅是頂級的英偉達芯片，還有各種各樣的GPU。

Hyperbolic的去中心化操作系統(tǒng)是其計算網絡的核心。它將通過內置的自動擴展和容錯性無縫地匯集資源。

Hyperbolic的突破在于它對這種復雜性的處理方式。

• 它通過優(yōu)化不同硬件（從Nvidia到AMD GPU）的張量運算提供靈活性。
• Hyperbolic的編譯棧抽象了復雜性，使開發(fā)人員能夠在不同的GPU設置中實現(xiàn)高性能，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(yōu)化，從而將性能調優(yōu)的負擔放在用戶身上。

Hyperbolic通過一個API簡化了這一點，該API提供了對針對各種硬件優(yōu)化的AI模型的訪問權，使全球計算資源更加易于訪問。

8月15日，Hyperbolic發(fā)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人工智能生態(tài)系統(tǒng)的下一個組件就是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，你可以輕松運行頂級開源模型，如Llama 3.1 405B和Hermes 370B。要想微調輸出，你可以調整超參數，如max tokens、temperature和top P。

Hyperbolic平臺為創(chuàng)新的人工智能應用打開了大門，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。
• 人工智能DAO：利用人工智能進行治理決策。
• 分割GPU所有權：允許用戶擁有和交易部分GPU。

4、Crypto扮演什么角色？

Hyperbolic基礎設施的核心是其區(qū)塊鏈，它支撐著編排、服務和驗證層。區(qū)塊鏈為Hyperbolic的開源AI云處理結算和治理。它還支持PoSP技術的仲裁和驗證機制。

雖然關于該區(qū)塊鏈的具體內容還很少，但你大可期待Hyperbolic很快就會透露更多關于這方面的信息。

5、研究級Alpha

Hyperbolic仍處于測試網階段。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。

有意思的是，Hyperbolic是Llama 3.1 405B Base模型的獨家提供商。

Base模型是LLM的初始預訓練版本，沒有經過微調或通過人類反饋(RLHF)進行強化學習。它具有如下優(yōu)勢：

• 全方位支持對特定任務的微調
• 是高級人工智能技術的起點，例如合成數據生成或模型蒸餾（model distillation）。

6、關于團隊

Jasper (Yue) Zhang博士是Hyperbolic Labs的聯(lián)合創(chuàng)始人兼首席執(zhí)行官。他曾是Ava Labs的高級區(qū)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伯克利分校的數學博士學位，并在阿里巴巴全球數學競賽和中國數學奧林匹克競賽中均獲金牌。

Yuchen Jin博士是Hyperbolic Labs的聯(lián)合創(chuàng)始人兼首席技術官。他擁有華 盛頓大學計算機系統(tǒng)和網絡博士學位。他之前曾在OctoML工作，這是一家為運行、調整和擴展生成式AI應用程序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領域里最值得關注的團隊之一。

Hyperbolic不僅僅是一個算力提供商，像PoSP和SpML這樣的創(chuàng)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(xiàn)這一功能的提供商之一。我們絕對可以相信支持他們的開源AI承諾。

幾周前，我們寫過關于Prime Intellect的文章。Hyperbolic是否會像Prime Intellect那樣專注于分布式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，但對于Hyperbolic來說似乎并非如此。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(fā)人員的極大興趣。

結論

通過解決關鍵挑戰(zhàn)，如高成本、有限的計算能力和缺乏透明驗證，Hyperbolic 正在推動 AI 技術的民主化進程。平臺的去中心化 GPU 市場，結合創(chuàng)新技術（如采樣證明 PoSP 和 spML）以及完整的生態(tài)系統(tǒng)架構，為用戶提供了一個強大、高效且安全的解決方案。展望未來，Hyperbolic 將持續(xù)推進其愿景，打造一個透明、高效的去中心化生態(tài)系統(tǒng)，促進行業(yè)創(chuàng)新與協(xié)作。無論您是企業(yè)用戶、研究人員、數據中心運營者還是個人開發(fā)者，Hyperbolic 都能為您提供合適的工具和資源，助您充分發(fā)揮 AI 和計算技術的潛力。

以上就是腳本之家小編給大家分享的是Hyperbolic是什么？一文讀懂Crypto x AI新星Hyperbolic的詳細介紹了，希望大家喜歡！