HyperAGI Interview: Building a True AI Agent and Creating an Autonomous Crypto Economy

请介绍一下HyperAGI团队和项目的背景

HyperAGI是第一个AI符文HYPERAGIAGENTCommunity驱动的去中心化AI项目。HyperAGI团队在AI领域深耕多年，在Web3 生成式AI应用方面积累了深厚经验。HyperAGI团队早在3年前就利用生成式AI生成2D图片和3D模型，在Blockchain上构建了由数千个AI生成岛屿组成的开放世界MOSSAI，并提出了AI生成的非同质化加密资产标准NFG。但是当时的AI模型训练和生成还没有形成去中心化的的解决方案，仅靠平台自身的GPU资源不能支撑大量用户使用，没有形成爆发。随着LLM点燃公众对AI的兴趣，我们顺势推出了HyperAGI去中心化AI应用平台，于2024Q1开始分别在以太坊和比特币L2进行测试。

HyperAGI聚焦于去中心化AI应用程序，期望培育一个自治的cryptocurrency经济，其最终目标是建立无条件基本智能体收入（UBAI）。它继承了比特币的强大Safety性和去中心化，并通过创新的有用工作量证明（PoUW）共识机制加以增强。

消费级GPU节点可以无需许可地加入网络，通过执行如AI推理和3D渲染等PoUW任务来挖掘本地Token$HYPT。

用户可以利用各种工具开发由大型语言模型（LLM）驱动的身份证明（PoP）AGI智能体。这些智能体可以配置为聊天机器人或元宇宙中的3D/XR实体。AI开发者可以即时使用或部署LLM AI微服务，促进可编程、自主链上智能体的创建。

这些可编程智能体能够发行或拥有cryptocurrency资产，并能持续运营或交易，助力于一个充满活力的、自主的加密经济，从而支持UBAI的实现。持有HYPERAGIAGENT符文Token的用户在比特币一层链上有资格创建一个PoP智能体，并且可能很快就有资格享受智能体基本福利。

什么是AI智能体，现在有很多AI项目都宣称支持智能体，到底什么是智能体? HyperAGI智能体与其他智能体有什么不同？

AI智能体在学术界不是什么新的概念，但现在市场的宣传让智能体概念变得越来越混淆，HyperAGI的智能体指：LLM驱动的具身智能体，可以在3D虚拟仿真环境中训练并与用户互动，而不仅仅是由LLM驱动的聊天机器人。HyperAGI里的智能体可以既存在于虚拟的数字世界，也存在于真实的物理世界中。HyperAGI智能体目前正在集成实体机器人，比如机器狗、无人机与人形机器人。将来相应的智能体在虚拟的3D世界完成增强训练后可以下载到实体机器人中以便于更好地执行任务。

除此之外，HyperAGI智能体的所有权利完全属于用户，具有社会经济学意义，代表用户的PoP智能体可以获得UBAI去调节基本智能体收入。HyperAGI智能体分为代表用户个人的PoP（Proof of Personhood）智能体和普通的功能性智能体。PoP在HyperAGI的智能体经济体系中可以获得代币形式的基本收入，以激励用户参与自己PoP智能体的训练和互动，并沉淀下可以证明人类个体的数据，UBAI也体现了AI平权和民主。

AGI是噱头还是很快会成为现实？HyperAGI与其他AI项目的研究和开发路线有和不同和特点？

虽然对AGI的定义目前还不统一，但数十年来，AGI都被视作AI学术和产业的圣杯。以Transfer为基础的LLM开始成为各种AI智能体以及AGI的的核心，但在HyperAGI内部却并不这样认为。LLM确实提供了新颖便捷的信息提取以及基于自然语言的规划以及推理能力，但本质上还是数据驱动的深度神经网络。早几年前大数据浪潮中我们就知道这样的系统一定是GIGO(Garbage in, garbage out)，LLM中并没有高级智能所必须的一些特征，比如往低了说，由于LLM缺乏具身性，这样的AI或者智能体，难以理解人类用户的世界模型，更难以针对环境制定计划并产生行动以解决真实世界的问题。往上看，LLM更没有自我意识，反思，自省等高级智力活动的迹象。

我们创始人Landon Wang在AI领域有深入而且长期的研究。在2004年就提出面向方面的人工神经网络 AOAI(Aspect-Oriented AI)，这是神经启发计算与AOP面向方面编程结合的创新。方面（Aspect)，指的是一种对多个对象关系或者约束的封装，比如，一个神经元就是是与其他多个细胞间关系或约束的封装（方面）。具体讲，一个神经元通过从神经元胞体延伸出去的纤维及触突感受或控制感官细胞或运动细胞，所以一个神经元就是一个包含了这种关系和逻辑的方面，甚至每一个AI智能体都是解决某一方面的问题，技术上可以用一个方面来建模。

人工神经网络的软件实现中，一般是将人工神经网络中的神经元或层建模为对象，在面向对象编程语言中这容易理解和维护的，但这样神经网络其拓扑结构难以调整，神经元的激活序列也比较固化。虽然在完成简单高强度的计算中显示出了巨大威力，比如LLM训练和推理中，但在灵活性和适应性方面的表现却差强人意。另一方面，AOAI人工神经网络中的神经元或层被建模为方面而不是对象。这种神经网络的架构具有很强的自适应和灵活性，让神经网络的自我进化成为可能。

HyperAGI将高效的LLM和可进化的AOAI结合起来，形成了兼具传统人工神经网络的高效和AO神经网络的自我进化特性，也是目前为止我们看到AGI的可行之路。

HyperAGI的愿景是什么

HyperAGI的愿景是实现无条件基本智能体收入（UBAI），建设一个技术平等服务于每个人的未来，打破剥削循环，创造一个真正去中心化和公平的数字社会。与其他一些仅宣传致力于UBI的Blockchain项目不同，HyperAGI的UBAI具备明确的实现路径，即通过智能体经济，而不仅仅是空中楼阁。中本聪提出的比特币是人类的巨大创新，但它仅是一种去中心化的数字货币，没有实用价值。人工智能的显著飞跃和崛起使得以去中心化模式创造价值成为可能。在这种模式中，人们从机器上运行的人工智能中获益，而不是从他人价值那里获益。一个基于代码的真正的加密世界正在显现，所有机器都是为了人类的利益和福祉而创建。在这样的加密世界中，可能仍然存在人工智能体之间的层级结构，但人类剥削被消除，因为智能体本身可能拥有某种形式的自主权。人工智能的最终目的和意义是为人类服务，正如Blockchain上编码的那样。

BitcoinL2与AI是什么关系，为什么要在比特币L2上建设AI？

1.比特币L2可作为AI智能体的支付手段

比特币是迄今为止体现了“最大中立”的媒介，非常适合从事价值交易的人工智能代理。比特币可以消除法定货币固有的低效率和“摩擦”。比特币这种“数字原生”媒介，是人工智能进行价值交换的天然土壤。比特币L2提升了比特币可编程的性能，可以满足人工智能价值交换所需的速度，因此，比特币可望成为人工智能的原生货币。

2.比特币L2可实现去中化AI治理

由于目前AI的中心化趋势，让AI对齐与治理的去中心化备受关注。比特币L2更为强大的智能contract，可以成为规范AI智能体行为和协议模式的规则，实现去中心化的AI对齐与治理模式。而且比特币的最大中立特性，更容易达成AI对齐和治理共识。

3.比特币L2可发行AI资产

除了可以将AI智能体发行为比特币L1的资产，高性能的比特币L2则可以满足AI智能体发行AI资产的需要，这将是构成智能体经济的基础。

4.AI智能体是比特币以及比特币L2的杀手级应用

由于性能原因，比特币自诞生以来除了储值之外一直没有落地的应用，进入L2的比特币将有更强大的可编程能力。AI智能体一般是用于解决真实世界问题，所以比特币驱动的AI智能体可以真正应用起来。而且AI智能体的规模和使用频率将成为比特币和L2的杀手级应用。虽然人类经济可能不会优先考虑将比特币作为一种支付方式，但机器人经济也许会优先考虑。大量的AI智能体，24*7 为您工作，不知疲倦地使用比特币进行和接受微小的支付。比特币的需求可能会以目前难以想象的方式大幅增加。

5.AI计算可增强比特币L2的Safetysex

AI计算可以作为比特币PoW的补充，甚至用PoUW取代PoW，这将颠覆性地在确保Safety的前提下，还将目前用于比特币挖矿的能源注入了AI智能体。AI可以通过L2让比特币成为智能驱动的绿色Blockchain，而不是类似以太坊的PoS机制。我们提出的超图共识（Hypergraph Consensus）就是基于3D/AI计算的PoUW，后面会有介绍。

与其他去中心化AI项目相比，HyperAGI有什么独特之处？

HyperAGI项目在Web3 AI领域独树一帜，在愿景，解决方案和技术上有明显的不同，从解决方案来看，HyperAGI具有GPU算力共识化，AI具身化、资产化，是去中心化的半AI半金融应用。前不久在学界提出了去中心化AI平台应该具备的五个特性，我们也按照这五个特征对现有的去中心化AI相关项目进行简要的梳理和对比。

去中心化AI平台应该具备五个特性分别是：

(i) 远程运行AI模型的可验证性 verifiability of remotely run models

去中心化可验证性包括Data Avaliability，ZK等技术

(ii)开放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节点是否是Peer 2 Peer，是否是完全去中心化的网络

(iii) AI开发者与用户的激励机制 incentivization for AI developers and users,

激励中是否有公平的代币生成机制

(iv) 数字社会中可行的全球AI治理方案 global goXiaobai Navigationvernance of essential solutions in the digital society,

AI治理是否中立容易达成共识

(v) 不被供应商所绑架 no vendor lockins, etc.

是否是完全去中心化的平台

用这五条特性对现有公开计划或已落地项目可进行如下梳理，（去中心化联邦学习经过多年实践，未取得重大进展，LLM的兴起更让这种去中心化训练变得困难，不再列出相关项目。）

(i) 远程运行AI模型的可验证性

我们认为可验证性是去中心化AI项目必备的特性，是后续可用性、激励、治理和非绑定的基础，如果没有可验证性就不再考察其他维度的特性。没有可验证性特性的项目可能是去中心化的项目，比如去中心化算力租赁或数据、算法、模型市场，但不是AI的去中心化。

可能满足可验证性的项目有：

Giza，基于ZKML共识机制，满足远程运行AI模型的可验证性，但目前性能比较差，特别离大模型要求还相差几个数量级。百万级参数小模型的一次证明过程往往需要数分钟。LLM模型的证明过程需要这个量级的时间是不可接受的。

Cortex AI，5年前启动的专注于去中心化AI的L1公链项目，技术比较复杂，向EVM虚拟机增加新的指令以满足神经网络计算的需要，其底层还是基于ZK的可用性验证，可用于简单的AI模型，但无法满足LLM级别的大模型的需要。

Ofelimos ，加密学术界第一次提出PoUW的方案，采用了特定搜索算法。但该算法并未和具体应用或项目关联。

Project PAI，在一篇论文中提到PoUW但仅有白皮书，没有产品，https://oben.me/。

Qubic，宣称PoUW，提出用数百个GPU进行人工神经网络计算，但python人工神经网络库的简单计算的意义不明，似乎不能满足LLM训练或者推理的需求，也没有起到PoUW的作用。

FLUX ，(PoW ZelHash, 并非PoUW)

Coinai，（论文阶段）https://aipowergrid.io/，任务指派，无严格共识机制

不能满足：

GPU算力租赁类项目，都缺乏去中心化可验证机制，无法保证远程运行AI模型的可验证性。

DeepBrain Chain，专注于GPU租赁，2017年的L1项目，2021年主网上线；

EMC，任务指派中心化奖励，路线图中没有去中心化共识机制；

Atheir，未见共识机制；

IO.NET，未见共识机制；

CLORE.AI, POH，众包模式、AI模型链上发布支付、发行NFT，AI 链下运行，没有可验证性。相同模式还有如下项目： SingularityNET, Bittensor, AINN，Fetch.ai，oceanprotocol，algovera.ai。

(ii)开放AI模型API的可用性

Cortex AI，未见支持LLM

Qubic，未见支持LLM

上述的所有去中心化AI项目都无法很好地回应以上五个问题，HyperAGI是完全去中心化的AI协议，基于Hypergraph PoUW共识机制以及完全去中心化的比特币L2 Stack，将来还会升级为比特币AI专用L2。

PoUW 用于以最安全的方式保护网络，同时也不浪费计算能力，矿工提供的全部计算能力可以用于LLM推理，以及云渲染服务。 PoUW 的愿景是计算能力可以用于解决提交到去中心化网络的各种问题。

为什么是现在

1.LLM及应用的爆发

OpenAI 的ChatGPT在3个月就达到一亿用户，从此语言大模型LLM的开发、应用以及投资热潮席卷全球。但到目前为止，LLM的技术与训练都还是以非常中心化的方式进行，这一点开始引起学界、业内以及公众的高度关注，担心几个主要技术提供者对AI技术的垄断、数据隐私泄露、侵占以及云计算公司的供应商锁定等问题，这些问题本质上都是因为现在的互联网及应用入口还是由中心化平台所控制，没有适合AI大规模应用的网络。AI社区开始实现一些本地运行和去中心化的AI项目，本地运行的代表是Ollama，去中心化的代表是Petals。Ollama通过参数压缩或降低精度的方式让中小规模LLM可以在个人电脑甚至手机上运行，这保护了用户数据的隐私权和其他权益，但是显然难以支持生产环境和联网应用。Petals则是通过Bittorrent的Peer2Peer技术实现了LLM的完全去中心化推理。但是Petals缺乏共识层和激励层协议，还只是停留在研究者的小圈子。

2.LLM驱动的智能体

LLM的加持，让智能体可以进行上层的推理，并具备一定规划能力，借助自然语言，多智能体之间也可以像人类一样形成社会协作。一些LLM驱动的智能体框架被提出来，比如微软的AutoGen，Langchain，CrewAI等。

目前有大量AI创业者和开发者集中在LLM驱动智能体及其应用的方向，对稳定可用、规模弹性的LLM推理有大量需求，但目前主要还是向云计算公司租用GPU推理实例来完成。英伟达公司在2024年3月发布了包括LLM在内的生成式AI微服务平台ai.nvidia.com，以满足巨大的需求，但目前还没有正式上线。LLM驱动的智能体如同当年的网站建设如火如荼，但目前主要还是以传统Web2的模式在协作，智能体开发者需要租赁GPU或采购LLM提供者的API支持这些智能体的运行，这就存在较大的摩擦，不利于智能体生态的快速成长和智能体经济的价值传递。

3.具身智能体仿真环境

目前大多数智能体能访问和操作的对象仅仅是一些API，或者通过代码或脚本与这些API交互，写入LLM生成的控制指令或读出外部状态。通用智能体不仅仅可以理解和生成自然语言，还应该能理解人类世界，甚至经过相应训练后还可以迁移到机器人（比如无人机、扫地机、人形机器人等）系统中，完成制定的任务，这样的智能体称成为具身智能体。

具身智能体的训练需要大量现实世界的视觉数据，以便让智能体更好地理解特定环境和现实世界，缩短机器人的训练和开发时间，提高训练效率，降低成本。目前这些用于训练具身智能的仿真环境仅被个别公司建设和拥有，比如微软的Mincraft，英伟达的Issac Gym等，没有去中心化的环境以满足具身智能的训练。最近一些游戏引擎开始重视人工智能，比如Epic的虚幻引擎开始推进符合OpenAI GYM的AI训练环境。

4.比特币L2生态

虽然比特币侧链多年前就已经存在，但主要用于支付，智能contract的缺乏支撑不了复杂的链上应用。由于EVM兼容的比特币L2的出现让比特币可以通过L2支持去中心AI这样的应用。而去中心化AI需要完全去中心化、算力至上的区块链网络，而不是受限于越来越中心化的PoS区块链网络。铭文，符文等比特币原生资产新协议的推出，让基于比特币的生态和应用的建立成为可能，比如符文HYPER•AGI•AGENT在一个小时内就完成了公平发射的全部mint，以后HyperAGI将在比特币上发行更多的AI资产以及社区驱动的应用。

聊聊HyperAGI的技术框架及解决方案

1. 如何实现去中心化的LLM驱动AI智能体应用平台 ？

现在去中心化AI最大的问题是，如何实现对AI大模型的远程推理，以及具身智能体的训练和推理缺乏高性能，低开销overhead的的可验证算法。如果缺失了可验证性，系统就只能退化为传统的供需双方加平台方的多方市场模式，无法实现完全去中心化的AI应用平台。

可验证的AI计算是需要有PoUW共识算法的。以此为基础可以实现去中心化的激励机制。具体来说就是在网络激励中，代币的mint调用，是由节点完成计算任务并提交可验证的结果后自行完成的，而不是由任何中心化的方式将代币转移给节点。

要实现AI计算可验证首先需要定义AI计算。AI计算有很多层次，比如最底层的机器指令，CUDA指令，C++，Python语言，同样的在具身智能体训练中需要的3D计算也有不同的层次，作色器语言，OpenGL，C++，蓝图脚本等。

HyperAGI的PoUW共识算法由计算图来实现，计算图Computational Graph，被定义为有向图，其中节点对应于数学运算。 计算图是表达和评估数学表达式的一种方式。是一种描述方程的“语言”，包含节点（变量），边（操作（简单函数））。

1.1 用计算图定义可验证任何计算（比如3D和AI计算），不同层次的计算可以用子图来表示。这样可以涵盖各种不同类型的计算，并且通过子图表达不同的计算层次。目前是两层，顶层计算图部署上链，便于验证节点进行验证。

1.2将LLM模型和3D场景关卡用完全去中心化的方式进行加载并运行。当有用户访问LLM模型进行推理，或进入3D场景进行渲染时，HyperAGI智能体会启动另外一个可信节点，运行同样的超图（LLM或3D场景）。

1.3如果验证节点发现某节点提交结果与可信节点提交结果不一致，则对第二层计算图（子图）的链下计算结果进行二分法查找，定位到出现分歧的子图计算节点（算子），子图算子已经预先部署到智能合约，带上发生不一致算子的参数，调用智能合约执行该算子即可验证结果。

2. 如何避免过高的计算开销？

可验证AI计算的另一个难题是控制额外计算开销，我们知道拜占庭共识协议中需要2/3节点一直才形成共识，对AI推理共识来说意味着需要所有节点完成同样的计算。这样的额外开销在AI计算中是不可接受的浪费。HyperAGI则仅需要1- m个节点进行额外计算即可完成验证。

2.1每一个LLM都不会单独进行推理，HyperAGI智能体会至少启动一台可信节点进行“陪伴计算”。

因为LLM推理计算是由模型中深度神经网络各个层及上一层的计算结果作为输入进行计算，直到最后完成推理，多用户可以并发访问同一个LLM大模型。

所以最多要额外启动与LLM数量m相同的可信节点。最少则仅需要一台可信节点进行“陪伴计算”。

2.23D场景渲染计算也类似，每一个用户进入场景激活超图，HyperAGI智能体都会根据超图加载一台可信节点，进行相应的超图计算。如果m个用户都进入不同的3D场景，则最多启动m个“陪伴计算”可信节点。

综上所述，参与额外计算的节点数是小于等于n+m，大于等于1的随机数。符合高斯分布。n是进入3D场景的用户数，m是LLM的数量。有效避免了资源浪费，也确保了网络验证效率。

AI如何与Web3结合形成半AI半金融应用？

AI开发者可将智能体部署为智能合约，合约包含顶层超图链上数据。用户或其他智能体可调用该智能体合约的方法，并支付相应代币，提供服务的智能体就势必会完成相应的计算并提交可验证的结果。用户或其他智能体就与该智能体完成了去中心化的业务交互。

智能体不会担心完成业务后收不到代币，支付方也不必担心支付了代币却得不到正确的业务计算结果。至于智能体业务本身的能力和价值则由智能体资产（包含ERC 20，ERC 721或1155 NFT）的二级市场价格和市值决定。

当然HyperAGI的应用不止于半AI半金融应用，而是实现UBAI，建设一个技术平等服务于每个人的未来，打破剥削循环，创造一个真正去中心化和公平的数字社会。

The article comes from the Internet:HyperAGI Interview: Building a True AI Agent and Creating an Autonomous Crypto Economy

相关推荐: Bitget 研究院：ETH 链上 GAS 降至 2gwei，EIGEN 已开启空投申领

过去 24 小时，市场出现了不少新的热门币种和话题，很可能它们就是下一个造富机会。 撰文：Bitget 研究院 摘要 市场在 5 月 15 日的美国 CPI 数据公布前表现出了明显的避险情绪，BTC 币价快速下跌后在周末震荡。ETH 网络上 gas fee 降…