作者：思維怪怪，BlockBeats
譯者注：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。就在兩天前的 6 月 12 日晚，去中心化黑客鬆平臺和加速器 BeWater 合夥人 Lulu 邀請 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，包括鏈抽象與鏈簽名功能的引入，以及開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。
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 年開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、撰寫代碼註釋。但我們在支付酬勞時遇到了挑戰，比如 PayPal 無法向中國用戶轉賬。
有人建議使用比特幣，但當時比特幣的交易費用已經很高。於是我們開始深入研究。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臺機器上運行，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、易用性和開發便利性。我們在 2020 年上線了主網，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，我們宣佈他迴歸領導NEAR.ai團隊，繼續我們在 2017 年開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 ：我們大約七年前開始涉足這個領域，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，這些數據將被複制到全球各地，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、被多個地方複製的檔案，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、無需信任的歷史日誌，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 年前開始了這項工作，如今已經上線主網 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。但在主網上線後不久，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誌，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誌，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誌，還需要一種機制來委託數據可用性保證。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佈式集合，任何人都可以開啓節點來解析合約狀態。將這些組合在一起，你得到的是一臺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誌，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麼。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 開始，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 的隱喻是否準確？
Sam ：在我開始之前，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 峯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佈式技術的人來說，最簡單的理解方式就是把它想象成一臺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。作爲開發人員，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 ），那麼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、信任的計算來做什麼。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鍊並使其可信。但在 Arweave 生態系統中，還有另一個並行的工作流，我們稱之爲 R AI L ，即負責任的 AI 賬本。它本質上是一種創建不同模型輸入和輸出記錄的方式，並以公開、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？ R AI L 提供了一個賬本，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麼？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，我們現在正在開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麼，有哪些權衡，用戶故事和體驗是什麼。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 開發者，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麼。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 賬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，我們正在開發一個點對點協議，使代理節點、客戶端（包括人類或 AI ）能夠相互連接併爲 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 yocto NEAR ，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，不僅僅侷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，在後臺執行各種任務。
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複雜策略的需求，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。在我們的黑客鬆中， 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鍊時，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買入 Trump 幣，提到拜登時就買入 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，從而瞭解市場走勢。然後，你的代理會根據這些信息去買賣這些資產。
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開始構建這些組件。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買賣資產。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 的整體策略和開發重點
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簽名功能，這是過去半年 NEAR 引入的獨特功能之一。任何 NEAR 賬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。這些都通過鏈簽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，我們打算開發一個點對點網絡，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。儘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，我們還在開發所謂的 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 的用戶羣體。 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。作爲開發者，我們有很多研究在進行，目的是讓任何人都能輕鬆地在 Web3 上構建和發佈應用程序，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，開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。儘管有很多技術細節，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開放和分佈式的模型訓練，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準，就可以針對這個標準訓練模型。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，因爲它允許以開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開源模型。
我還認爲之前提到的 R AI L 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，那麼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。我們每週都會舉行 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，爲更廣泛的投資者羣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開源 AI 社區，特別是 Meta 開源 Lama 模型的做法，推動了許多其他人開源他們的模型。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。儘管諷刺，但還是要給 Web2 之王 Meta 點贊。
