HyperAGI 專訪：打造真正的 AI 智能體，創造自治的加密貨幣經濟

請介紹一下HyperAGI團隊和項目的背景

HyperAGI是第一個AI符文HYPER·AGI·AGENT社區驅動的去中心化AI項目。HyperAGI團隊在AI領域深耕多年，在Web3 生成式AI應用方面積累了深厚經驗。HyperAGI團隊早在3年前就利用生成式AI生成2D圖片和3D模型，在區塊鏈上構建了由數千個AI生成島嶼組成的開放世界MOSSAI，並提出了AI生成的非同質化加密資產標準NFG。但是當時的AI模型訓練和生成還沒有形成去中心化的的解決方案，僅靠平臺自身的GPU資源不能支撐大量用戶使用，沒有形成爆發。隨著LLM點燃公眾對AI的興趣，我們順勢推出了HyperAGI去中心化AI應用平臺，於2024Q1開始分別在以太坊和比特幣L2進行測試。

HyperAGI聚焦於去中心化AI應用程序，期望培育一個自治的加密貨幣經濟，其最終目標是建立無條件基本智能體收入（UBAI）。它繼承了比特幣的強大安全性和去中心化，並通過創新的有用工作量證明（PoUW）共識機制加以增強。

消費級GPU節點可以無需許可地加入網絡，通過執行如AI推理和3D渲染等PoUW任務來挖掘本地代幣$HYPT。

用戶可以利用各種工具開發由大型語言模型（LLM）驅動的身份證明（PoP）AGI智能體。這些智能體可以配置為聊天機器人或元宇宙中的3D/XR實體。AI開發者可以即時使用或部署LLM AI微服務，促進可編程、自主鏈上智能體的創建。

這些可編程智能體能夠發行或擁有加密貨幣資產，並能持續運營或交易，助力於一個充滿活力的、自主的加密經濟，從而支持UBAI的實現。持有HYPER·AGI·AGENT符文代幣的用戶在比特幣一層鏈上有資格創建一個PoP智能體，並且可能很快就有資格享受智能體基本福利。

什麼是AI智能體，現在有很多AI項目都宣稱支持智能體，到底什麼是智能體? HyperAGI智能體與其他智能體有什麼不同？

AI智能體在學術界不是什麼新的概念，但現在市場的宣傳讓智能體概念變得越來越混淆，HyperAGI的智能體指：LLM驅動的具身智能體，可以在3D虛擬仿真環境中訓練並與用戶互動，而不僅僅是由LLM驅動的聊天機器人。HyperAGI裡的智能體可以既存在於虛擬的數字世界，也存在於真實的物理世界中。HyperAGI智能體目前正在集成實體機器人，比如機器狗、無人機與人形機器人。將來相應的智能體在虛擬的3D世界完成增強訓練後可以下載到實體機器人中以便於更好地執行任務。

除此之外，HyperAGI智能體的所有權利完全屬於用戶，具有社會經濟學意義，代表用戶的PoP智能體可以獲得UBAI去調節基本智能體收入。HyperAGI智能體分為代表用戶個人的PoP（Proof of Personhood）智能體和普通的功能性智能體。PoP在HyperAGI的智能體經濟體系中可以獲得代幣形式的基本收入，以激勵用戶參與自己PoP智能體的訓練和互動，並沉澱下可以證明人類個體的數據，UBAI也體現了AI平權和民主。

AGI是噱頭還是很快會成為現實？HyperAGI與其他AI項目的研究和開發路線有和不同和特點？

雖然對AGI的定義目前還不統一，但數十年來，AGI都被視作AI學術和產業的聖盃。以Transfer為基礎的LLM開始成為各種AI智能體以及AGI的的核心，但在HyperAGI內部卻並不這樣認為。LLM確實提供了新穎便捷的信息提取以及基於自然語言的規劃以及推理能力，但本質上還是數據驅動的深度神經網絡。早幾年前大數據浪潮中我們就知道這樣的系統一定是GIGO(Garbage in, garbage out)，LLM中並沒有高級智能所必須的一些特徵，比如往低了說，由於LLM缺乏具身性，這樣的AI或者智能體，難以理解人類用戶的世界模型，更難以針對環境制定計劃併產生行動以解決真實世界的問題。往上看，LLM更沒有自我意識，反思，自省等高級智力活動的跡象。

我們創始人Landon Wang在AI領域有深入而且長期的研究。在2004年就提出面向方面的人工神經網絡 AOAI(Aspect-Oriented AI)，這是神經啟發計算與AOP面向方面編程結合的創新。方面（Aspect)，指的是一種對多個對象關係或者約束的封裝，比如，一個神經元就是是與其他多個細胞間關係或約束的封裝（方面）。具體講，一個神經元通過從神經元胞體延伸出去的纖維及觸突感受或控制感官細胞或運動細胞，所以一個神經元就是一個包含了這種關係和邏輯的方面，甚至每一個AI智能體都是解決某一方面的問題，技術上可以用一個方面來建模。

人工神經網絡的軟件實現中，一般是將人工神經網絡中的神經元或層建模為對象，在面向對象編程語言中這容易理解和維護的，但這樣神經網絡其拓撲結構難以調整，神經元的激活序列也比較固化。雖然在完成簡單高強度的計算中顯示出了巨大威力，比如LLM訓練和推理中，但在靈活性和適應性方面的表現卻差強人意。另一方面，AOAI人工神經網絡中的神經元或層被建模為方面而不是對象。這種神經網絡的架構具有很強的自適應和靈活性，讓神經網絡的自我進化成為可能。

HyperAGI將高效的LLM和可進化的AOAI結合起來，形成了兼具傳統人工神經網絡的高效和AO神經網絡的自我進化特性，也是目前為止我們看到AGI的可行之路。

HyperAGI的願景是什麼

HyperAGI的願景是實現無條件基本智能體收入（UBAI），建設一個技術平等服務於每個人的未來，打破剝削循環，創造一個真正去中心化和公平的數字社會。與其他一些僅宣傳致力於UBI的區塊鏈項目不同，HyperAGI的UBAI具備明確的實現路徑，即通過智能體經濟，而不僅僅是空中樓閣。中本聰提出的比特幣是人類的巨大創新，但它僅是一種去中心化的數字貨幣，沒有實用價值。人工智能的顯著飛躍和崛起使得以去中心化模式創造價值成為可能。在這種模式中，人們從機器上運行的人工智能中獲益，而不是從他人價值那裡獲益。一個基於代碼的真正的加密世界正在顯現，所有機器都是為了人類的利益和福祉而創建。在這樣的加密世界中，可能仍然存在人工智能體之間的層級結構，但人類剝削被消除，因為智能體本身可能擁有某種形式的自主權。人工智能的最終目的和意義是為人類服務，正如區塊鏈上編碼的那樣。

比特幣L2與AI是什麼關係，為什麼要在比特幣L2上建設AI？

1.比特幣L2可作為AI智能體的支付手段

比特幣是迄今為止體現了“最大中立”的媒介，非常適合從事價值交易的人工智能代理。比特幣可以消除法定貨幣固有的低效率和“摩擦”。比特幣這種“數字原生”媒介，是人工智能進行價值交換的天然土壤。比特幣L2提升了比特幣可編程的性能，可以滿足人工智能價值交換所需的速度，因此，比特幣可望成為人工智能的原生貨幣。

2.比特幣L2可實現去中化AI治理

由於目前AI的中心化趨勢，讓AI對齊與治理的去中心化備受關注。比特幣L2更為強大的智能合約，可以成為規範AI智能體行為和協議模式的規則，實現去中心化的AI對齊與治理模式。而且比特幣的最大中立特性，更容易達成AI對齊和治理共識。

3.比特幣L2可發行AI資產

除了可以將AI智能體發行為比特幣L1的資產，高性能的比特幣L2則可以滿足AI智能體發行AI資產的需要，這將是構成智能體經濟的基礎。

4.AI智能體是比特幣以及比特幣L2的殺手級應用

由於性能原因，比特幣自誕生以來除了儲值之外一直沒有落地的應用，進入L2的比特幣將有更強大的可編程能力。AI智能體一般是用於解決真實世界問題，所以比特幣驅動的AI智能體可以真正應用起來。而且AI智能體的規模和使用頻率將成為比特幣和L2的殺手級應用。雖然人類經濟可能不會優先考慮將比特幣作為一種支付方式，但機器人經濟也許會優先考慮。大量的AI智能體，24*7 為您工作，不知疲倦地使用比特幣進行和接受微小的支付。比特幣的需求可能會以目前難以想象的方式大幅增加。

5.AI計算可增強比特幣L2的安全性

AI計算可以作為比特幣PoW的補充，甚至用PoUW取代PoW，這將顛覆性地在確保安全的前提下，還將目前用於比特幣挖礦的能源注入了AI智能體。AI可以通過L2讓比特幣成為智能驅動的綠色區塊鏈，而不是類似以太坊的PoS機制。我們提出的超圖共識（Hypergraph Consensus）就是基於3D/AI計算的PoUW，後面會有介紹。

與其他去中心化AI項目相比，HyperAGI有什麼獨特之處？

HyperAGI項目在Web3 AI領域獨樹一幟，在願景，解決方案和技術上有明顯的不同，從解決方案來看，HyperAGI具有GPU算力共識化，AI具身化、資產化，是去中心化的半AI半金融應用。前不久在學界提出了去中心化AI平臺應該具備的五個特性，我們也按照這五個特徵對現有的去中心化AI相關項目進行簡要的梳理和對比。

去中心化AI平臺應該具備五個特性分別是：

(i) 遠程運行AI模型的可驗證性 verifiability of remotely run models

去中心化可驗證性包括Data Avaliability，ZK等技術

(ii)開放AI模型API的可用性 usability of publicly available AI models,

可用性主要看提供AI模型（主要指LLM）API節點是否是Peer 2 Peer，是否是完全去中心化的網絡

(iii) AI開發者與用戶的激勵機制 incentivization for AI developers and users,

激勵中是否有公平的代幣生成機制

(iv) 數字社會中可行的全球AI治理方案 global governance of essential solutions in the digital society,

AI治理是否中立容易達成共識

(v) 不被供應商所綁架 no vendor lockins, etc.

是否是完全去中心化的平臺

用這五條特性對現有公開計劃或已落地項目可進行如下梳理，（去中心化聯邦學習經過多年實踐，未取得重大進展，LLM的興起更讓這種去中心化訓練變得困難，不再列出相關項目。）

(i) 遠程運行AI模型的可驗證性

我們認為可驗證性是去中心化AI項目必備的特性，是後續可用性、激勵、治理和非綁定的基礎，如果沒有可驗證性就不再考察其他維度的特性。沒有可驗證性特性的項目可能是去中心化的項目，比如去中心化算力租賃或數據、算法、模型市場，但不是AI的去中心化。

可能滿足可驗證性的項目有：

Giza，基於ZKML共識機制，滿足遠程運行AI模型的可驗證性，但目前性能比較差，特別離大模型要求還相差幾個數量級。百萬級參數小模型的一次證明過程往往需要數分鐘。LLM模型的證明過程需要這個量級的時間是不可接受的。

Cortex AI，5年前啟動的專注於去中心化AI的L1公鏈項目，技術比較複雜，向EVM虛擬機增加新的指令以滿足神經網絡計算的需要，其底層還是基於ZK的可用性驗證，可用於簡單的AI模型，但無法滿足LLM級別的大模型的需要。

Ofelimos ，加密學術界第一次提出PoUW的方案，採用了特定搜索算法。但該算法並未和具體應用或項目關聯。

Project PAI，在一篇論文中提到PoUW但僅有白皮書，沒有產品，https://oben.me/。

Qubic，宣稱PoUW，提出用數百個GPU進行人工神經網絡計算，但python人工神經網絡庫的簡單計算的意義不明，似乎不能滿足LLM訓練或者推理的需求，也沒有起到PoUW的作用。

FLUX ，(PoW ZelHash, 並非PoUW)

Coinai，（論文階段）https://aipowergrid.io/，任務指派，無嚴格共識機制

不能滿足：

GPU算力租賃類項目，都缺乏去中心化可驗證機制，無法保證遠程運行AI模型的可驗證性。

DeepBrain Chain，專注於GPU租賃，2017年的L1項目，2021年主網上線；

EMC，任務指派中心化獎勵，路線圖中沒有去中心化共識機制；

Atheir，未見共識機制；

IO.NET，未見共識機制；

CLORE.AI, POH，眾包模式、AI模型鏈上發佈支付、發行NFT，AI 鏈下運行，沒有可驗證性。相同模式還有如下項目： SingularityNET, Bittensor, AINN，Fetch.ai，oceanprotocol，algovera.ai。

(ii)開放AI模型API的可用性

Cortex AI，未見支持LLM

Qubic，未見支持LLM

上述的所有去中心化AI項目都無法很好地回應以上五個問題，HyperAGI是完全去中心化的AI協議，基於Hypergraph PoUW共識機制以及完全去中心化的比特幣L2 Stack，將來還會升級為比特幣AI專用L2。

PoUW 用於以最安全的方式保護網絡，同時也不浪費計算能力，礦工提供的全部計算能力可以用於LLM推理，以及雲渲染服務。 PoUW 的願景是計算能力可以用於解決提交到去中心化網絡的各種問題。

為什麼是現在

1.LLM及應用的爆發

OpenAI 的ChatGPT在3個月就達到一億用戶，從此語言大模型LLM的開發、應用以及投資熱潮席捲全球。但到目前為止，LLM的技術與訓練都還是以非常中心化的方式進行，這一點開始引起學界、業內以及公眾的高度關注，擔心幾個主要技術提供者對AI技術的壟斷、數據隱私洩露、侵佔以及雲計算公司的供應商鎖定等問題，這些問題本質上都是因為現在的互聯網及應用入口還是由中心化平臺所控制，沒有適合AI大規模應用的網絡。AI社區開始實現一些本地運行和去中心化的AI項目，本地運行的代表是Ollama，去中心化的代表是Petals。Ollama通過參數壓縮或降低精度的方式讓中小規模LLM可以在個人電腦甚至手機上運行，這保護了用戶數據的隱私權和其他權益，但是顯然難以支持生產環境和聯網應用。Petals則是通過Bittorrent的Peer2Peer技術實現了LLM的完全去中心化推理。但是Petals缺乏共識層和激勵層協議，還只是停留在研究者的小圈子。

2.LLM驅動的智能體

LLM的加持，讓智能體可以進行上層的推理，並具備一定規劃能力，藉助自然語言，多智能體之間也可以像人類一樣形成社會協作。一些LLM驅動的智能體框架被提出來，比如微軟的AutoGen，Langchain，CrewAI等。

目前有大量AI創業者和開發者集中在LLM驅動智能體及其應用的方向，對穩定可用、規模彈性的LLM推理有大量需求，但目前主要還是向雲計算公司租用GPU推理實例來完成。英偉達公司在2024年3月發佈了包括LLM在內的生成式AI微服務平臺ai.nvidia.com，以滿足巨大的需求，但目前還沒有正式上線。LLM驅動的智能體如同當年的網站建設如火如荼，但目前主要還是以傳統Web2的模式在協作，智能體開發者需要租賃GPU或採購LLM提供者的API支持這些智能體的運行，這就存在較大的摩擦，不利於智能體生態的快速成長和智能體經濟的價值傳遞。

3.具身智能體仿真環境

目前大多數智能體能訪問和操作的對象僅僅是一些API，或者通過代碼或腳本與這些API交互，寫入LLM生成的控制指令或讀出外部狀態。通用智能體不僅僅可以理解和生成自然語言，還應該能理解人類世界，甚至經過相應訓練後還可以遷移到機器人（比如無人機、掃地機、人形機器人等）系統中，完成制定的任務，這樣的智能體稱成為具身智能體。

具身智能體的訓練需要大量現實世界的視覺數據，以便讓智能體更好地理解特定環境和現實世界，縮短機器人的訓練和開發時間，提高訓練效率，降低成本。目前這些用於訓練具身智能的仿真環境僅被個別公司建設和擁有，比如微軟的Mincraft，英偉達的Issac Gym等，沒有去中心化的環境以滿足具身智能的訓練。最近一些遊戲引擎開始重視人工智能，比如Epic的虛幻引擎開始推進符合OpenAI GYM的AI訓練環境。

4.比特幣L2生態

雖然比特幣側鏈多年前就已經存在，但主要用於支付，智能合約的缺乏支撐不了複雜的鏈上應用。由於EVM兼容的比特幣L2的出現讓比特幣可以通過L2支持去中心AI這樣的應用。而去中心化AI需要完全去中心化、算力至上的區塊鏈網絡，而不是受限於越來越中心化的PoS區塊鏈網絡。銘文，符文等比特幣原生資產新協議的推出，讓基於比特幣的生態和應用的建立成為可能，比如符文HYPER•AGI•AGENT在一個小時內就完成了公平發射的全部mint，以後HyperAGI將在比特幣上發行更多的AI資產以及社區驅動的應用。

聊聊HyperAGI的技術框架及解決方案

1. 如何實現去中心化的LLM驅動AI智能體應用平臺 ？

現在去中心化AI最大的問題是，如何實現對AI大模型的遠程推理，以及具身智能體的訓練和推理缺乏高性能，低開銷overhead的的可驗證算法。如果缺失了可驗證性，系統就只能退化為傳統的供需雙方加平臺方的多方市場模式，無法實現完全去中心化的AI應用平臺。

可驗證的AI計算是需要有PoUW共識算法的。以此為基礎可以實現去中心化的激勵機制。具體來說就是在網絡激勵中，代幣的mint調用，是由節點完成計算任務並提交可驗證的結果後自行完成的，而不是由任何中心化的方式將代幣轉移給節點。

要實現AI計算可驗證首先需要定義AI計算。AI計算有很多層次，比如最底層的機器指令，CUDA指令，C++，Python語言，同樣的在具身智能體訓練中需要的3D計算也有不同的層次，作色器語言，OpenGL，C++，藍圖腳本等。

HyperAGI的PoUW共識算法由計算圖來實現，計算圖Computational Graph，被定義為有向圖，其中節點對應於數學運算。 計算圖是表達和評估數學表達式的一種方式。是一種描述方程的“語言”，包含節點（變量），邊（操作（簡單函數））。

1.1 用計算圖定義可驗證任何計算（比如3D和AI計算），不同層次的計算可以用子圖來表示。這樣可以涵蓋各種不同類型的計算，並且通過子圖表達不同的計算層次。目前是兩層，頂層計算圖部署上鍊，便於驗證節點進行驗證。

1.2將LLM模型和3D場景關卡用完全去中心化的方式進行加載並運行。當有用戶訪問LLM模型進行推理，或進入3D場景進行渲染時，HyperAGI智能體會啟動另外一個可信節點，運行同樣的超圖（LLM或3D場景）。

1.3如果驗證節點發現某節點提交結果與可信節點提交結果不一致，則對第二層計算圖（子圖）的鏈下計算結果進行二分法查找，定位到出現分歧的子圖計算節點（算子），子圖算子已經預先部署到智能合約，帶上發生不一致算子的參數，調用智能合約執行該算子即可驗證結果。

2. 如何避免過高的計算開銷？

可驗證AI計算的另一個難題是控制額外計算開銷，我們知道拜占庭共識協議中需要2/3節點一直才形成共識，對AI推理共識來說意味著需要所有節點完成同樣的計算。這樣的額外開銷在AI計算中是不可接受的浪費。HyperAGI則僅需要1- m個節點進行額外計算即可完成驗證。

2.1每一個LLM都不會單獨進行推理，HyperAGI智能體會至少啟動一臺可信節點進行“陪伴計算”。

因為LLM推理計算是由模型中深度神經網絡各個層及上一層的計算結果作為輸入進行計算，直到最後完成推理，多用戶可以併發訪問同一個LLM大模型。

所以最多要額外啟動與LLM數量m相同的可信節點。最少則僅需要一臺可信節點進行“陪伴計算”。

2.23D場景渲染計算也類似，每一個用戶進入場景激活超圖，HyperAGI智能體都會根據超圖加載一臺可信節點，進行相應的超圖計算。如果m個用戶都進入不同的3D場景，則最多啟動m個“陪伴計算”可信節點。

綜上所述，參與額外計算的節點數是小於等於n+m，大於等於1的隨機數。符合高斯分佈。n是進入3D場景的用戶數，m是LLM的數量。有效避免了資源浪費，也確保了網絡驗證效率。

AI如何與Web3結合形成半AI半金融應用？

AI開發者可將智能體部署為智能合約，合約包含頂層超圖鏈上數據。用戶或其他智能體可調用該智能體合約的方法，並支付相應代幣，提供服務的智能體就勢必會完成相應的計算並提交可驗證的結果。用戶或其他智能體就與該智能體完成了去中心化的業務交互。

智能體不會擔心完成業務後收不到代幣，支付方也不必擔心支付了代幣卻得不到正確的業務計算結果。至於智能體業務本身的能力和價值則由智能體資產（包含ERC 20，ERC 721或1155 NFT）的二級市場價格和市值決定。

當然HyperAGI的應用不止於半AI半金融應用，而是實現UBAI，建設一個技術平等服務於每個人的未來，打破剝削循環，創造一個真正去中心化和公平的數字社會。