AI 行业面临着重大挑战,包括计算资源成本高昂且可用性有限。训练和部署 AI 模型需要大量的 GPU 算力,这对许多用户来说往往昂贵且难以获得。此外,AI 过程中缺乏透明度和验证机制,导致信任问题和效率低下。Hyperbolic 通过利用去中心化技术解决这些问题,创建了一个用户可以从各种供应商处租用闲置 GPU 容量的市场。
Hyperbolic 已成功完成多轮融资,包括 2024 年 700 万美元的种子轮融资和 2026 年 1200 万美元的 A 轮融资(Hyperbolic 融资公告)。平台的核心技术已在独立研究论文和行业基准中得到验证(Hyperbolic 技术白皮书)。
Hyperbolic 是一个旨在革新 AI 和计算资源访问方式的去中心化平台。Hyperbolic 的核心是创建了一个市场,用户可以从各种供应商处租用闲置的 GPU 容量。这种方法确保了资源的高效利用,显著降低了与高性能计算相关的成本。通过去中心化 GPU 算力的可用性,Hyperbolic 使更广泛的用户群体能够参与 AI 开发和部署,打破了传统上限制这些技术访问的壁垒。

Hyperbolic 的使命是实现 AI 和计算能力的民主化访问,使这些资源对每个人都可用,无论其财务或技术能力如何。其愿景是创建一个透明、高效和去中心化的生态系统,促进 AI 行业的创新和协作。通过利用区块链技术和去中心化原则,Hyperbolic 旨在构建一个 AI 开发更加包容和公平的未来。
采样证明(PoSP)是一种验证协议,旨在确保去中心化系统中 AI 计算的完整性和可靠性。与需要处理整个数据集的传统验证方法不同,PoSP 使用采样方法来验证交易和数据交互,显著降低了计算负载。
PoSP 工作原理:该协议通过从数据集或计算任务中选择随机样本并验证这些样本而不是整个数据集来运作。使用称为纯策略纳什均衡的博弈论模型,PoSP 鼓励所有参与者诚实行事。网络中的参与者被激励提供准确的样本,因为不诚实行为可以通过统计分析检测到。如果发现差异,将实施惩罚,确保大多数参与者诚实行事。
spML 是一种验证机制,旨在通过简化去中心化网络中 AI 推理验证过程来解决先前系统(zkML 和 opML)的缺陷。spML 协议利用一种简单而有效的方法,确保快速处理和高安全性,同时避免 zkML 相关的计算开销和复杂性,以及 opML 中出现的欺诈脆弱性。
spML 工作原理:协议始于用户向其数字签名发送输入到随机选择的服务器,称为服务器 A。服务器 A 处理输入并返回输出及其哈希值,同样经过签名以验证其真实性。为确保推理的可靠性,协议可能会随机涉及额外的服务器,服务器 B,以独立验证输出。这以预定概率发生;如果未选择服务器 B,服务器 A 将获得奖励,交易成功结束。
如果涉及服务器 B,它会处理相同的输入并将其输出和哈希值发送回用户。然后用户比较两个哈希值。如果匹配,表明结果一致,两个服务器都会获得奖励。如果哈希值不同,表明存在潜在差异或欺诈,用户会将此信息广播到整个网络。由多个节点组成的网络根据多数规则投票裁决该声明。对任何不诚实方实施制裁,以维护系统的完整性和信任。
| 特性 | zkML | opML | spML |
|---|---|---|---|
| 验证速度 | 慢(密码学证明) | 快(乐观验证) | 快(基于采样) |
| 计算开销 | 高 | 低 | 低 |
| 安全模型 | 密码学 | 欺诈证明 | 博弈论 |
| 隐私性 | 强 | 有限 | 强 |
| 欺诈检测 | 即时 | 延迟(挑战期) | 概率性 |
| 实现复杂度 | 高 | 中 | 低 |

图 1. 三种机器学习验证方法对比,展示 spML 在速度、安全性和效率方面的平衡优势。
这一对比说明了为什么 spML 代表了最佳平衡:它在保持强大安全保证的同时,避免了 zkML 的计算开销和 opML 的欺诈脆弱窗口。
Hyper-dOS 是管理和编排 Hyperbolic 生态系统内资源的去中心化操作系统。它确保计算任务在网络中高效分布和执行。Hyper-dOS 在维护 Hyperbolic 去中心化基础设施的性能和可扩展性方面发挥着关键作用,实现了各种 AI 服务的无缝集成和运行。

图 2. Hyperbolic 生态系统架构,展示去中心化层级和编排流程。
Hyper-dOS 的关键能力包括:
Hyperbolic 生态系统由多个协同工作的层级组成,提供全面的 AI 计算平台:
去中心化编排层是 Hyperbolic 基础设施的骨干。在 Hyper-dOS 的支持下,该层管理和优化全球 GPU 基础设施。它整合了来自不同来源的计算能力,包括数据中心、矿场、个人机器和本地系统。
该层托管了一套全面的 AI 服务和引擎,为 AI 应用提供基本功能。它支持从简单自动化到复杂优化和增强过程的广泛任务。
关键组件包括:
验证和隐私层确保 AI 计算的完整性和机密性。它结合了采样证明(PoSP)来验证计算的准确性,防止欺诈活动。此外,该层还包括隐私保护技术,在处理过程中保护敏感数据。
区块链层是 Hyperbolic 安全性和透明度的基础。它为生态系统内的所有交易和交互提供安全且不可篡改的账本。该层通过确保所有活动都被透明记录来增强信任和问责制。它还支持智能合约,实现各方之间的自动化和安全协议。
应用层是最终用户与 Hyperbolic 生态系统交互的接口。它包括各种设计直观且易于访问的应用程序和用户界面,满足技术和非技术用户的需求。
Hyperbolic 相较于传统 AI 计算平台提供了多项独特优势:
虽然 Hyperbolic 提供了显著优势,但用户应注意:
Hyperbolic 最适合:
AI 推理是训练有素的 AI 模型解释新数据并根据其训练做出决策的过程。与涉及从大量数据集中学习模式的训练阶段不同,推理将这些学到的知识应用于新的、未见过的数据以生成预测或结果。
Hyperbolic 提供对各种高性能开源 AI 模型的访问,使开发人员能够利用尖端技术,而无需承担传统提供商的高昂成本:
| 模型类型 | 示例 |
|---|---|
| 视觉语言模型(VLM) | Qwen2-VL-7B-Instruct, Pixtral-12B, Qwen2-VL-7B |
| 基础模型 | Llama 3.1–405B-BASE (BF16), Llama 3.1–405B-BASE (FP8) |
| 文本到文本 | Qwen2.5–Code-32B, Llama 3.2–3B, DeepSeek-V2.5, Hermes–3-70B |
| 文本到图像 | Flux 1 devdevdev, SDXL-1.0, Stable Diffusion–1.5, SDXL-1.0-Turbo |
| 文本到语音 | Melo TTS |
Hyperbolic GPU 市场是一个去中心化平台,允许用户从各种供应商处租用闲置的 GPU 容量。该市场将需要 AI 任务计算能力的用户与拥有过剩 GPU 资源的用户连接起来,为双方创造了具有成本效益和高效的解决方案。
市场提供各种 GPU 层级以满足不同的计算需求:
| GPU 层级 | 显存 | 示例型号 | 价格范围(每小时) |
|---|---|---|---|
| 80GB | 80GB | H100 SXM, H100 PCIe, A100 SXM | 1.60−1.60 - 1.60−3.20 |
| 48GB | 48GB | L40, L40S, RTX 6000 Ada | 0.50−0.50 - 0.50−1.00 |
| 24GB 及以下 | ≤24GB | RTX 4090, RTX 3090, Tesla T4 | 0.20−0.20 - 0.20−0.50 |
Hyperbolic 从租赁收入中收取 10% 的平台费用。例如,如果供应商将 H100 SXM 的价格设定为每小时 2.50,扣除平台费用后,他们每小时将获得2.50,扣除平台费用后,他们每小时将获得 2.50,扣除平台费用后,他们每小时将获得2.25。
Hyperbolic 为 AI 推理服务提供分层定价模式:
将 Hyperbolic 与 AWS、GCP 和 Azure 等中心化云服务商进行比较时,会出现几个关键差异:
| 方面 | 传统云服务 | Hyperbolic |
|---|---|---|
| 定价模式 | 固定费率,长期合同 | 动态市场定价 |
| 资源可用性 | 受提供商容量限制 | 全球分布式供应 |
| 验证机制 | 基于信任 | 密码学验证(PoSP) |
| 隐私性 | 提供商控制 | 用户通过 spML 控制 |
| 成本 | 同等资源更高 | 平均低 50-80% |
| 供应商锁定 | 高 | 低(去中心化) |
这一对比突出了为什么 Hyperbolic 为成本敏感的 AI 工作负载提供了引人注目的优势,同时通过其去中心化架构保持安全和隐私保证。
Hyperbolic 已通过多轮融资成功筹集了 $2000 万,展示了投资者对其愿景和技术的强烈信心:
这笔资金使 Hyperbolic 能够扩展其基础设施、改进 AI 服务并扩大用户群。
Hyperbolic 代表了在实现 AI 计算资源民主化访问方面的重大进步。通过创建具有采样证明和 spML 等创新验证技术的去中心化 GPU 市场,该平台解决了 AI 计算中成本、可访问性和信任等关键挑战。无论您是研究人员、开发人员还是企业,Hyperbolic 都提供了有效利用 AI 技术所需的工具和资源,而无需面对传统的高成本和有限访问障碍。
Hyperbolic 是一个去中心化的开放访问 AI 平台,通过市场模式提供 GPU 计算资源。它使用区块链技术进行验证和确保透明度,支持 AI 推理、GPU 租赁和 AI 模型货币化。
采样证明通过随机采样数据部分而不是处理整个数据集来验证 AI 计算。利用博弈论原理,它通过统计验证和惩罚机制激励诚实行为,使验证在保持安全性的同时变得高效。
spML(安全隐私机器学习)使用基于采样的验证提供快速验证和低计算开销。zkML 使用密码学证明,安全但计算成本高。opML 使用乐观验证,速度快但存在欺诈脆弱窗口。spML 在速度、安全性和效率之间提供了最佳平衡。
Hyperbolic 上的 GPU 租赁价格从每小时 0.20到0.20 到 0.20到3.20 不等,具体取决于 GPU 型号和显存。高端 GPU 如 H100 SXM 每小时 3.20,而消费级GPU如RTX3080每小时3.20,而消费级 GPU 如 RTX 3080 每小时 3.20,而消费级GPU如RTX3080每小时0.20。Hyperbolic 向供应商收取 10% 的平台费用。
Hyperbolic 支持各种开源 AI 模型,包括 Llama 3.1(多种尺寸)、用于视觉语言任务的 Qwen2-VL、用于编码的 DeepSeek-V2.5、用于文本到图像生成的 Flux 和 Stable Diffusion,以及用于文本到语音合成的 Melo TTS。
Hyperbolic 通过利用去中心化市场中的闲置 GPU 资源,提供比传统云服务商低 50-80% 的成本。它还通过其去中心化架构提供计算的密码学验证和更好的隐私保证,尽管其可用性模式可能与中心化提供商不同。
* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。
* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。





