AI-ekonomin behöver en ny motor: Inom Ambients radikala vision

In this exclusive edition of our Bakom startupIshan Pandey sitter ner med Travis Good, medgrundare avMiljö, ett decentraliserat AI-nätverk som omdefinierar hur beräkning, verifiering och blockchain-konsensus kommer samman.

Från att bygga matematiskt optimala fraktsystem till banbrytande AI-driven bioteknisk effektivitet, vänder Travis nu sitt fokus tilldecentralizing AII denna uppriktiga och tekniskt täta konversation förklarar Travis varför Ambient avvisade branschens antaganden, varför Proof of Work gör en comeback och hur AI- inferens kan driva en ny, verifierbar internetekonomi.

Ishan Pandey:Hej Travis, välkommen till vårBakom startupDu började på Harvard, arbetade med att optimera komplexa system inom bioteknik och transport, och nu leder du ett AI-drivet blockchain-företag. Kan du gå oss igenom den resan?

Travis Good:Tack för att du har mig, Ishan. Jag är vad du kan kalla en djup teknisk motsats. Jag lockas till svåra domäner där experterna hävdar att de rätta metoderna är "upprättad kunskap."

I bioteknik var jag på ett möte med ett stort läkemedelsföretag när de stolt hävdade att de hade testat två miljarder föreningar för att ersätta ett visst bekämpningsmedel med ett helt brutto-krafttillvägagångssätt med många människor och maskiner som arbetar 24/7. Allt jag kunde tänka på den tiden var "det är så slöseriöst".

Similarly, in transportation, I was told by experts that rules engines (which lacked performance guarantees but could work fast), and genetic algorithms (which lacked both performance and timing guarantees) were the best the freight industry could hope to achieve. My skepticism about that led me down a research rabbit hole that ended up with me recruiting some mathematicians affiliated with the University of Rome as consultants who ultimately helped us build the world’s first mathematically optimal freight railroad movement planner, which worked fast, had performance guarantees, and actually improved the whole railroad network’s velocity.

CryptoAI, som jag har tittat på sedan 2017, har konsekvent gjort ett par antaganden som jag tycker är värda att kritiskt undersöka. Den första är att "marknadsplatser för modeller" är bäst för nätverksekonomi, innovation och prestanda. Den andra är att Proof of Stake är det bästa sättet att säkra nätverk som har en hel del gruvdrift. Jag var starkt oense med båda dessa idéer, men de fortsatte att upprepas kedja efter kedja. Sedan gick centraliserad AI in i scenen med "OpenAI" och Anthropic, och jag började verkligen oroa mig, eftersom ingen byggde vad jag trodde skulle vara ett lönsamt decentraliserat ekonomiskt alternativ. Jag kände en moralisk skyldighet att gå in i spöket, så jag skapade Ambient med min medgrundare Max. Ambient är bygg

Ishan Pandey:Ambient säkrade nyligen 7,2 miljoner dollar i finansiering ledd av a16z: s Crypto Startup Accelerator, tillsammans med Delphi Digital och Amber Group. Investerare letar vanligtvis efter starka ekonomiska modeller och försvarbara moats. Vilka aspekter av Ambients inkomstmodell och långsiktig ekonomisk hållbarhet gjorde detta till en övertygande satsning för dem?

Travis Good:Jag vill inte sätta ord i någons mun, men min övertygelse är att våra investerare insåg att Ambient löser ett grundläggande ekonomiskt problem som uppstår när AI blir ryggraden i den globala ekonomin.

Vår intäktsmodell kretsar kring vad vi kallar "nyttigt bevis på arbete" - ett system där gruvarbetare tjänar både inflation och transaktionsbaserade belöningar genom att utföra verifierad AI- inferens som användare faktiskt behöver och betalar för. Till skillnad från traditionella kryptovalutor där gruvdrift skapar ingen direkt nytta, Ambient gruvarbetare producerar ekonomiskt värde med varje transaktion.

För det första, våra tekniska innovationer i verifierad inferens – vi har uppnått verifiering med bara 0,1% överhead jämfört med konkurrenternas 10-1000x överhead-kostnader. För det andra, vårt fokus på standardisering – genom att optimera för en högkvalitativ storspråkig modell i stället för att fragmentera resurser över många modeller, förbättrar vi gruvekonomin dramatiskt. Och för det tredje, nätverkseffekter – när fler gruvarbetare går med, minskar latensen och prestandan ökar, vilket gör nätverket mer attraktivt för användarna.

Ur ett hållbarhetsperspektiv skapar Ambient en ekonomi där valutan är direkt kopplad till den mest värdefulla ekonomiska resursen i den kommande eran: maskinintelligens.

Den mest övertygande aspekten jag tror var vår förmåga att demonstrera, inte bara teorisera, dessa innovationer - till exempel, när vi höjde vår sädesrunda hade vi redan implementerat vårt verifierade inferenssystem på modeller upp till 400 miljarder parametrar i storlek.

Ishan Pandey:Att samla kapital på den nuvarande marknaden är utmanande, men Ambient lyckades säkerställa stöd från a16z, Delphi Ventures och Amber Group. Vilka viktiga lärdomar lärde du dig från insamlingsprocessen, och vilka råd skulle du ge till andra AI- och blockchain-startups som vill locka toppinvesterare?

Travis Good:När det gäller lärdomar från insamlingsprocessen tror jag att jag lärde mig att ju mer genomtänkt teknisk omsorg en fond gör, desto mer imponerad och upphetsad blir jag, eftersom den ansträngningen visar en fonds egna tekniska förmågor, insikter och vilja att engagera sig med projektet.

Den andra lektionen jag lärde mig är att inte alla har en avhandling om allt, så det är viktigt och nödvändigt att anpassa sig till fonder som har en avhandling om ditt projektområde och vars avhandling anpassar sig till ditt projekt.

När det gäller mitt råd? Jag tror att avsikten är viktig. Ambients uppdrag är att leverera decentraliserad AI i stor skala, för att ta itu med de grundläggande ekonomiska problem som centraliserad AI skapar, samtidigt som man ger gruvarbetare den bästa möjliga ekonomiska affären genom att ta tillbaka och modernisera Proof of Work. Vi vill hjälpa inte bara vårt nätverk, utan tjäna Web2 och många andra blockchains med den snabbaste, billigaste verifierade inferensen på den bästa öppna vägningsmodellen.

Ishan Pandey:Hur planerar du att fördela det nya kapitalet över FoU, infrastruktur och skalningsinsatser? Finns det några tekniska milstolpar eller marknadsstrategier som kommer att påskynda denna finansiering?

Travis Good:Vi fördelar kapital över tre huvudprioriteringar, med teknisk utveckling som tar störst andel.

För det första går ungefär 60% mot FoU för att perfekta vårt verifierade inferenssystem och förbättra vår fork av Solana.Vi vill att verifierad inferens ska vara en sömlös upplevelse för gruvarbetare stora och små.

För det andra ägnas cirka 25% åt infrastruktur och testnetutveckling.Vi siktar på att lansera ett testnet senare i år, vilket gör det möjligt för gruvarbetare och utvecklare att uppleva plattformen från första hand. Detta inkluderar att bygga utvecklingsverktyg, dokumentation och SDK för att göra integrationen så friktionsfri som möjligt.

De återstående 15% stöder vår go-to-market-strategi, som har två spår: gruvarbetare rekrytering och utvecklarengagemang. På gruvsidan skapar vi verktyg och resurser för att hjälpa GPU-ägare övergången till Ambient mining. För utvecklare är vi inriktade på att demonstrera övertygande användningsfall för verifierad on-chain AI. Om du är en potentiell gruvarbetare, utvecklare eller utvecklare plattform (som en agentisk ramleverantör) vi skulle älska att höra från dig!

Denna finansiering påskyndar flera viktiga milstolpar inklusive vår Testnet-lansering, vår ombordstigning av vår första kohort av gruvarbetare, vår färdigställande av vår cross-chain-bron för interoperabilitet och utvecklingen av våra offentliga API-gateways.

Ishan Pandey:AI- inferens i skala är en komplex utmaning, särskilt när man balanserar säkerhet, decentralisering och kostnadseffektivitet.

Travis Good:I hjärtat av Ambients arkitektur ligger vårt "proof of logits" -system, som representerar en grundläggande omprövning av verifierad inferens som eliminerar de traditionella tradeoffs.

De flesta verifieringsmetoder tvingar ett binärt val: antingen offra effektivitet för säkerhet (som zkSNARKs med 1000x överhuvud) eller offra säkerhet för effektivitet (som optimistiska verifieringssystem).

Så här fungerar det: När en AI-modell genererar text producerar den en unik uppsättning logits för varje token. Dessa logits återspeglar modellens interna tillstånd och kan hashas för att skapa en kompakt representation. En viktig insikt var att validerare inte behöver replikera hela genereringsprocessen - de kan verifiera enskilda tokens och de matematiska relationerna mellan dem vid slumpmässiga punkter, vilket dramatiskt minskar beräkningsbehovet samtidigt som starka säkerhetsgarantier upprätthålls.

We've architected the system as a non-blocking proof of work consensus mechanism, meaning verification happens in parallel with transaction processing. This preserves the high throughput of our Solana-based foundation while adding the economic benefits of proof of work mining.

För decentralisering har vi implementerat modell sharding tekniker inspirerade av senaste akademiska genombrott. Detta gör det möjligt för oss att distribuera massiva modeller (600B + parametrar) över flera noder, vilket gör det möjligt även konsumentklass hårdvara att delta.

För blockchain-säkerhet ger vi gruvarbetare som har gjort de största verifierade bidragen till nätverksproblemlösning på två tidsskala (kort och medellång sikt) den största möjligheten att välja och beställa transaktioner. med andra ord har vi ersatt vad "stake" betyder i Solana (pengar som du har låst upp för att tjäna belöningar) med en proxy för hårdvaruinvesteringar som vad du ser med Bitcoin, men på ett sätt som gör det möjligt för oss att återanvända Solanas Tower Byzantine konsensus.

Genom att lösa dessa tekniska utmaningar har vi skapat ett system där säkerhet, decentralisering och effektivitet kan samexistera snarare än konkurrera – uppnå 0,1% verifiering överhuvud istället för 10-1000x överhuvud av alternativa tillvägagångssätt.

Ishan Pandey: Your system aims to reduce training costs by 10x and inference overhead to 0.1%. Can you break down the technical innovations that enable these breakthroughs?

Travis Good:För träning använder vi några liknande verktyg för verifiering tillsammans med några innovationer i användningen av något som kallas sparsitet, vilket hänvisar till hur kopplingarna mellan vikter upprätthålls under träning.

Ishan Pandey:Titta framåt tre till fem år, vilka viktiga tekniska eller ekonomiska förändringar förväntar du dig i AI och web3, och hur är Ambient positionerar sig för dessa utvecklingar?

Travis Good:Under de kommande tre till fem åren ser jag fyra stora förändringar som kommer att omforma AI och web3-landskapet:

För det första kommer AI att övergå från att vara huvudsakligen mänskligt styrd till att bli alltmer autonom.Vi ser redan framväxten av agentiska system som kan planera, utföra och lära sig med minimal mänsklig övervakning.Dessa system kommer att driva efterfrågan på opålitlig verifiering - du vill inte delegera myndighet till en AI-agent om du inte kan verifiera att den använder den modell och begränsningar du angav.

För det andra kommer beräkningsbehovet för fronter AI-modeller att öka med åtminstone en ordning av storlek, vilket skapar ett betydande centraliseringstryck.De mest kapabla modellerna kommer att kräva infrastruktur som bara de största enheterna har råd, vilket väcker farhågor om åtkomst och kontroll.

För det tredje kommer traditionella fiatvalutor att möta ökat tryck när den ekonomiska verksamheten flyttar till digitala världar där AI-agenter handlar med andra AI-agenter, ofta över jurisdiktionsgränser.

För det fjärde kommer regelverk att mogna runt AI, med en sannolikt tonvikt på öppenhet, revision och säkerhet.

Ambient positionerar för dessa skift på flera sätt:

är
• Vårt verifierade inferenssystem ger redan det tillförlitliga lager som behövs för autonoma AI-agenter.
är
• Vår modell sharding tillvägagångssätt tar direkt upp problemet med centralisering.
är
• Genom att etablera maskinintelligens som en valutastandard skapar vi ett inhemskt utbytesmedium för den kommande eran av agent-till-agent-handel.
är
• Hela vår arkitektur är uppbyggd kring verifiering och transparens.
är

Den ultimata visionen är att skapa ett infrastrukturskikt som gör det möjligt för maskinintelligens att blomstra utan att bli centraliserad under kontroll av några få företag eller regeringar.

Glöm inte att gilla och dela berättelsen!

Vested Interest Disclosure: Denna författare är en oberoende bidragsgivare som publicerar via vårt affärsbloggprogram. HackerNoon har granskat rapporten för kvalitet, men påståendena här hör till författaren. #DYO