AI 行业面临着重大挑战：高昂的成本和有限的计算资源。训练和部署 AI 模型需要大量 GPU 算力，这不仅价格昂贵，而且超出了许多用户的承受能力。此外，AI 过程缺乏透明性和验证机制，造成了信任危机和效率低下。

Hyperbolic 利用去中心化技术为这些问题提供了解决方案。通过建立去中心化的 GPU 市场，Hyperbolic 让计算资源变得更加实惠和便捷。用户可以从各类供应商那里租用闲置的 GPU 算力，有效降低成本并提升资源可用性。同时，Hyperbolic 推出了采样证明（Proof of Sampling，PoSP）来确保 AI 计算的可靠性，并结合 spML 和 Hyperbolic 去中心化操作系统（Hyper-dOS）来优化 AI 模型的训练与部署。

什么是 Hyperbolic？

来源: Hyperbolic 官网

Hyperbolic 是一个革新性的去中心化平台，致力于改变人们获取 AI 和计算资源的方式。其核心是一个创新的市场系统，让用户能从各类供应商租用闲置的 GPU 算力。这不仅确保了计算资源的高效利用，还显著降低了高性能计算的成本。通过提供去中心化的 GPU 算力，Hyperbolic 让更多用户有机会参与 AI 开发和部署，突破了传统技术使用的门槛。该平台由 Dr Jasper Zhang 和 Dr Yuchen Jin 共同创立。

Hyperbolic 的使命与愿景

Hyperbolic 的使命是实现 AI 和计算能力的民主化，让所有人都能获取这些资源，不受经济或技术水平的限制。其愿景是打造一个透明、高效的去中心化生态系统，推动 AI 行业的创新与协作。通过区块链技术和去中心化原则，Hyperbolic 正在构建一个更具包容性和公平性的 AI 发展未来。

Hyperbolic 的用户群体

• 企业：企业可以利用 Hyperbolic 实现高性价比的 AI 模型训练和部署，有效降低运营成本，加快 AI 项目进度。
• 研究人员：来自学术界和工业界的研究人员能够获取经济实惠的计算资源，开展先进的 AI 研究，避免承担传统 GPU 带来的高额成本。
• 数据中心：数据中心可以在 Hyperbolic 市场上出租闲置 GPU 算力，将未充分利用的资源转化为收益。
• 个人用户：爱好者、学生和独立开发者可以使用 Hyperbolic 便捷的 AI 工具和资源，无需大额投入即可开展实验、学习和创新活动。

Hyperbolic 背后的技术

采样证明 (Proof of Sampling, PoSP)

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。PoSP 使用采样方法验证交易和数据交互，与传统验证方法相比大大减少了计算负担。通过利用博弈论原理，PoSP 鼓励参与者诚实行为，从而增强网络的整体可信度。

采样证明的工作原理

PoSP 的运行机制是从数据集或计算任务中随机选择样本，并验证这些样本，而不是验证整个数据集。PoSP 使用一种称为纯策略纳什均衡 (Pure Strategy Nash Equilibrium) 的博弈论模型，鼓励所有参与者诚实行为，从而提高网络的可信度和可靠性。这种方法减少了需要处理的数据量，使验证过程更加高效。网络中的参与者被激励提供准确的样本，因为统计分析可以检测出不诚实行为。如果发现不一致，将会施加惩罚，从而确保大多数参与者保持诚实行为。

spML

spML 是一种验证机制，旨在通过简化去中心化网络中 AI 推理验证的过程，解决以往系统（如 zkML 和 opML）存在的缺陷。spML 协议采用一种简单但有效的方法，在保证快速处理和高安全性的同时，避免了 zkML 的计算复杂性和 opML 的欺诈风险。

spML 的工作原理

协议首先由用户向随机选定的服务器A发送带有数字签名的输入。服务器A处理后返回输出结果及其哈希值，同时附加签名以验证真实性。为确保推理结果可靠，协议会按预设概率随机引入服务器B进行独立验证。如果未选中服务器B，则服务器A直接获得奖励，交易即告完成。

当选中服务器B时，它会处理相同的输入并向用户返回输出及哈希值。用户随后比对两个哈希值：如果匹配，表明结果一致，两个服务器均获得奖励；如果不匹配，则表明存在差异或欺诈行为，用户会将此信息广播至网络。网络节点将通过多数表决进行裁定，不诚实方将受到制裁，从而维护系统的完整性与信任度。

Hyperbolic 去中心化操作系统 (Hyper-dOS)

Hyper-dOS 是一个去中心化操作系统，负责管理和协调 Hyperbolic 生态系统内的资源。它能高效地在网络中分配和执行计算任务，并在维护 Hyperbolic 去中心化基础设施的性能和可扩展性方面发挥关键作用。通过智能协调资源分配，Hyper-dOS 不仅实现了各种 AI 服务的无缝集成和运行，还能最大化利用可用计算能力，确保任务高效完成。

Hyperbolic 生态系统架构

来源: Hyperbolic 博客

Hyperbolic 去中心化协调层（Orchestration Layer）

去中心化协调层是 Hyperbolic 基础设施的核心。由 Hyperbolic 去中心化操作系统 (Hyper-dOS) 提供支持，该层负责管理和优化全球 GPU 基础设施。它整合了来自多种来源的计算能力，包括数据中心、矿场、个人计算机和本地系统。

主要功能包括：

• 自动扩展：系统可以根据实时需求自动调整 GPU 集群的规模，确保资源利用的高效性。
• 自我修复：协调层能够自动检测并恢复故障，无需人工干预即可保持持续运行。
• 可定制性：用户可以根据具体需求定制集群，为各种应用提供灵活性和适应性。

AI 服务层（Service Layer）

该层提供了一整套 AI 服务和引擎套件，为 AI 应用提供核心功能。它支持广泛的任务，从简单的自动化到复杂的优化和增强流程。

主要组件包括：

• 推理服务：这些服务通过 AI 模型实现实时预测和决策，确保高性能和高准确性。
• 模型训练与微调：为开发者提供训练和微调 AI 模型的工具，使模型能够适应特定任务和数据集，从而提高其有效性。
• AI 模型评估：包括评估 AI 模型性能和准确性的工具和基准，帮助开发者不断优化和改进模型。

验证与隐私层（Verification and Privacy Layer）

验证与隐私层保障 AI 计算的完整性与保密性。该层运用采样证明（PoSP）来验证计算结果的准确性并预防欺诈行为。同时，它集成了隐私保护技术，确保在数据处理过程中用户的敏感信息得到安全保护。

Hyperbolic 区块链层（Blockchain Layer）

区块链层是 Hyperbolic 安全性与透明性的基础。它为生态系统内的所有交易和交互提供了安全且不可篡改的账本。通过确保所有活动透明记录，该层增强了信任和责任感。同时，它支持智能合约，实现各方之间的自动化和安全协议，从而简化操作并减少对中介的需求。

应用层（Application Layer）

应用层是用户与 Hyperbolic 生态系统进行交互的接口。它提供各种直观、易用的应用程序和界面。不论是专业技术人员还是普通用户，都能便捷地使用 Hyperbolic 的服务。该层支持多样化的应用场景，覆盖从基础用户仪表板到高级开发环境等多种需求。

Hyperbolic 的 AI 推理

AI 推理是训练好的 AI 模型对新数据进行解释和决策的过程。与训练阶段不同，推理阶段会运用从大量数据中学习到的模式来分析新的、未见过的数据，从而得出预测或结果。Hyperbolic 提供高效且可扩展的 AI 推理功能，通过去中心化的 GPU 网络实现快速、准确的计算。这种去中心化架构使推理任务能够分布在多个节点上执行，从而提升整体性能和可靠性。

Hyperbolic AI 推理的优势

• 可扩展性：去中心化网络可以处理大规模推理任务，即使在高峰期也能保证一致的性能。
• 成本效益：通过利用闲置的 GPU 资源，Hyperbolic 降低了 AI 推理的成本，使更多用户能够负担得起。
• 能源效率：高效的推理降低了计算成本和能耗，有助于更可持续的 AI 应用。

Hyperbolic 开源 AI 模型

来源: Hyperbolic 官网

Hyperbolic 提供多种高性能的开源 AI 模型，使开发者能够利用最前沿的技术，而无需承担传统供应商的高昂成本。以下是一些可用模型的示例：

• 视觉语言模型 (VLMs)：结合视觉和文本理解的模型，例如 Qwen2-VL-7B-Instruct、Pixtral-12B 和 Qwen2-VL-7B。
• 基础模型：提供强大的基础 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：用于自然语言处理任务的模型，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。
• 文本到图像模型：用于 AI 生成视觉内容的模型，例如 Flux 1 [dev]、SDXL-1.0、Segmind SD–1B、Stable Diffusion–1.5 和 SDXL-1.0-Turbo。
• 文本到语音模型：适用于语音合成应用的模型，例如 Melo TTS。

访问和使用开源模型指南

要访问和使用 Hyperbolic 的开源 AI 模型，请按照以下步骤操作：

1. 创建账户：在 Hyperbolic 平台上注册账户以获取模型访问权限。
2. 选择模型：浏览可用模型列表，并选择适合您需求的模型。
3. 部署模型：利用 Hyperbolic 的去中心化基础设施部署模型，确保其在最佳硬件上运行。
4. 集成应用程序：使用模型的 API 将其集成到您的应用程序中，实现无缝的 AI 功能。

Hyperbolic GPU 市场

Hyperbolic GPU 市场是一个去中心化平台，让用户能从不同供应商租用闲置的 GPU 资源。该市场将需要 AI 计算能力的用户与拥有闲置 GPU 资源的供应商匹配，为双方创造经济效益。通过这一市场，用户只需支付传统云服务商一小部分的成本就能获得高性能 GPU。

Hyperbolic GPU 市场背后的技术

驱动 Hyperbolic GPU 市场的技术基于 Hyperbolic 去中心化操作系统 (Hyper-dOS)。该系统负责管理和优化全球 GPU 基础设施，确保计算任务能够高效地分布在整个网络中。Hyper-dOS 集成了来自多种来源的 GPU 资源，包括数据中心、矿场、个人计算机和本地系统，构建了一个强大且可扩展的基础设施。

Hyperbolic GPU 市场的关键差异点

• 供应商：Hyperbolic GPU 市场的供应商可以通过出租闲置的 GPU 资源来实现变现。这为数据中心、矿场以及拥有高性能 GPU 的个人提供了额外的收入来源。供应商受益于平台的去中心化特点，确保了公平的报酬和高效的资源利用。
• 租户：租户可以根据自身的计算需求访问多种 GPU 选项。市场提供了无缝的使用体验，使用户只需几次点击即可租用 GPU。这种便捷性以及具有竞争力的价格使其成为研究人员、开发人员和希望降低 AI 基础设施成本的企业的理想选择。

Hyperbolic 的定价

GPU 市场定价

Hyperbolic GPU 市场为租用 GPU 资源提供灵活且具有竞争力的定价结构。供应商可以在 Hyperbolic 提供的指导范围内自行设定价格，确保市场价格的公平性。以下是定价的详细分类：

80GB VRAM：

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

48GB VRAM：

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

24GB VRAM and Under：

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

Hyperbolic 从租金收入中收取 10% 的平台费用。例如，如果供应商将 H100 SXM 的价格设定为 $2.50/小时，扣除平台费用后，供应商将获得 $2.25/小时。此费用结构确保供应商获得公平报酬，同时为租户提供具有竞争力的价格。

AI 推理定价

Hyperbolic 为 AI 推理服务提供分级定价模式，以满足不同用户的需求和预算。以下是各定价等级的详细说明：

基础级：

• 免费用户：每分钟最多支持 60 次请求。

• 付费用户：最低充值 $10，即可享受每分钟最多 600 次请求的服务。付费用户：最低充值 $10，即可享受每分钟最多 600 次请求的服务。

服务包括：访问文本到文本、文本到语音、文本到图像、文本到视频模型，以及微调服务。

企业级：

• 无限请求：适合大规模操作的用户。
• 全套 AI 模型：访问所有可用的 AI 模型。
• 专属支持：为企业用户提供定制的服务协议 (SLA) 和专属实例。

开始使用 Hyperbolic

如何创建 Hyperbolic 账户

• 访问 Hyperbolic 官网。
• 注册：选择通过 Google 或 GitHub 账户登录，或者点击“创建账户”设置一个独立的密码。
• 完成注册：填写必要的信息并确认您的邮箱地址。
• 访问控制面板：注册完成后，您将立即访问 Hyperbolic 的 AI 控制面板，在这里可以探索各种 AI 模型和 GPU 资源。

开始使用 Hyperbolic 的 AI 推理服务

要开始使用 Hyperbolic 的 AI 推理服务，请按照以下步骤操作：

1. 获取 API 密钥：创建账户后，前往 Hyperbolic AI 控制面板的设置页面获取您的 API 密钥。
2. 选择模型：从平台上提供的多种 AI 模型中选择一个适合您的模型。
3. 运行推理任务：使用提供的 API 端点运行推理任务。例如，您可以通过发送请求生成文本、图像或音频。

如何在 Hyperbolic 平台上租用 GPU

1. 进入租用 GPU 页面：在 Hyperbolic 平台中，导航至“租用 GPU”部分。
2. 选择 GPU 实例：从可用选项中选择最适合您需求的 GPU 实例。
3. 租用 GPU：点击“租用”，等待实例显示“准备连接”。
4. 连接到 GPU：使用提供的 SSH 命令，通过您喜欢的 SSH 客户端连接到 GPU 实例。
5. 使用 GPU：连接成功后，您可以开始使用 GPU 进行计算任务。

托管和变现 AI 模型

1. 准备模型：确保您的 AI 模型已经准备好部署。
2. 上传模型：通过 Hyperbolic 平台上传您的模型。
3. 设置托管：配置托管设置，包括 API 端点和资源分配。
4. 变现模型：设置访问模型的定价。Hyperbolic 提供工具管理支付和跟踪使用情况。
5. 监控性能：使用控制面板监控模型性能，并根据需要进行调整。

Hyperbolic 的融资历程

来源: Hyperbolic 官网

Hyperbolic 已通过多轮融资成功筹集 2000 万美元，充分展现了投资者对其愿景和技术的高度信任。2022 年 11 月，公司完成了 72.5 万美元的种子前融资，这笔早期资金帮助其开发核心技术并组建基础团队。2024 年 7 月，在 Faction 和 Polychain Capital 的领投下，Hyperbolic 完成了 700 万美元的种子轮融资，Longhash Ventures、Bankless Ventures 和 Nomad 等机构也参与其中。这轮融资助力公司扩展基础设施并强化去中心化 GPU 市场。紧接着，Hyperbolic 又完成了由 Polychain Capital 和 Variant 领投的 1200 万美元 A 轮融资，Republic Capital、IOSG Ventures 和 Wintermute 等投资方也加入其中。这笔资金将用于扩大运营规模、优化 AI 服务并拓展用户基础。

结论

通过解决关键挑战，如高成本、有限的计算能力和缺乏透明验证，Hyperbolic 正在推动 AI 技术的民主化进程。平台的去中心化 GPU 市场，结合创新技术（如采样证明 PoSP 和 spML）以及完整的生态系统架构，为用户提供了一个强大、高效且安全的解决方案。展望未来，Hyperbolic 将持续推进其愿景，打造一个透明、高效的去中心化生态系统，促进行业创新与协作。无论您是企业用户、研究人员、数据中心运营者还是个人开发者，Hyperbolic 都能为您提供合适的工具和资源，助您充分发挥 AI 和计算技术的潜力。