让去中心化 AI 成为公共产品

AI 如何既成为公共产品，又支撑一家企业？

0:00 Wavect，一家懂你所需的 Web3 软件公司。

Kevin 0:06 大家好，今天我要和 0G Labs 的 CEO Michael Heinrich 聊一聊。他们基本上正在构建一条 AI 原生的 Layer 1，让你能够开发大规模、保护隐私的 AI 应用。这一期非常精彩。我很想听听大家对这次访谈的反馈。好，话不多说，请欣赏本期节目。

Kevin 0:30 你说过，你希望让 AI 成为公共产品。从商业角度来看，你如何兼顾这个目标与打造一家能够盈利、同时获得风险投资支持的公司？

Michael 0:43 当然，让 AI 成为人人都能参与贡献的公共产品，并不需要以放弃打造一家大公司为代价。否则，像 Ethereum 或 Solana 这样的公司就不会有今天这么大的规模，因为它们也以类似的方式，基本上找到了建立去中心化网络的办法，为参与者创造大量价值。

Michael 1:05 而且，这些参与者确实真正拥有自己的资产。所以从 0G 的角度来看，这里也没有什么不同。人们可以提供算力和数据，然后训练一些新模型，比如能够代币化的模型。他们可以从中获得利润，并在模型被使用时获得实际奖励。但这并不意味着平台不能同时获取一部分价值。

Michael 1:31 所以我们始终非常重视双赢。自然，当你使用这些计算资源时，就需要支付计算费用、存储费用，以及链上的 Gas 费。随着使用的人越来越多，这些小额费用日积月累，就会变成非常可观的收入。

Michael 1:48 也许未来使用这条链的甚至不是人，而是 AI Agent。所以我们可能不仅会有数十亿个 Agent，甚至在某个时候会有数万亿个，谁知道呢。所以从这个角度来说，这两者并不矛盾。

0G 如何处理隐私与数据所有权？

Kevin 2:03 好的。我的意思是，当我们谈论隐私、数据所有权这些事情时，通常都有一个光谱，对吧？当然，在隐私和所有权方面，你们可能处于这个光谱的[听不清]，但具体到了什么程度呢？因为通常会有一个基础模型，然后在上面加入你拥有所有权的数据，比如作为 RAG 的一部分，或者通过其他方式。

Kevin 2:32 你能稍微解释一下吗？比如在你们公司，这具体是怎么运作的，你们有哪些不同的做法？

Michael 2:42 我们的理念是，我们把自己称作一套模块化技术栈，你可以这么理解。所以我们的理念其实是，应该由开发者或最终用户来决定，看看他们能够接受什么。如果最终用户需要绝对的隐私，而且要提供某种个人身份信息，比如生物识别信息、DNA 数据，那么当然，我希望这些信息完全保密，希望把它们存放在某种安全保险库里，或者你想存放的任何地方。

Michael 3:13 所以我们提供这些选项，这又回到了模块化的理念。如果你需要高度隐私保护，那么可以使用 Beacon Protocol 这样的项目，而不是直接把数据存到我们的存储网络上。它构建在我们的平台之上，让所有内容都保持完全加密。

Michael 3:30 另一个好处是，比如在去中心化存储网络中，除非我们主动尝试去抓取数据，否则我们看不到数据。所以这个系统在设计上就带有某种隐私保护。你也可以选择自己想要的隐私程度。比如训练方面也是一样。

Michael 3:52 你可以决定，好，我不介意公开构建这个模型，所以我想把所有东西完全开源。我想把训练数据开源，把权重和偏置完全开源。这是你自己的设计选择。但如果你有一些非常敏感的数据，我不知道，比如核武器访问代码，而且你想用这些数据训练一个模型，我并不是说这是个好主意，但假设情况就是这样，那么你可以使用[听不清] Labs 这样的项目，它做的是去中心化联邦学习。同样，数据本身完全保密，没有人能够干涉它，但你仍然可以和其他参与者一起构建模型。

Michael 4:28 所以我们支持这个光谱上的各种选择。这是设计使然。

0G 面向哪些开发者？

Kevin 4:33 好的，很有意思。每当我和创始人聊产品时，通常都会有某种用户差距，也就是他们现在拥有什么样的用户或客户，以及他们希望拥有什么样的用户和客户。你能分别讲讲这两类吗？

Michael 4:54 可以。因为我们的协议还比较年轻，大约才两年，所以最初的许多用户更熟悉 Web3 和 AI 的交叉领域。他们通常本来就是加密原生用户。有很多人在这个领域开发。比如，有人可能在构建一个 DEX，用 AI 来重新平衡 LP 头寸。

Michael 5:20 普通 AI 开发者一般不会用到这种东西，除非他碰巧私下是个 degen，业余时间还会提供流动性。所以我会说，这就是我们的早期采用者。但随着时间推移，我们真正想吸引的早期大众用户，是那些构建大规模 AI 应用的 AI 开发者。

Michael 5:44 这需要具备几个条件。第一，平台必须有充分的可扩展性，不应该牺牲性能，或者说性能上的取舍要非常小。而且它还需要带来额外的优势，就像 Y Combinator 所说的，要有十倍的差异。这需要体现在成本上，体现在可验证性这样的特殊能力上，也体现在内置的 AI 对齐和安全功能上。

Michael 6:09 考虑到我们目前所处的阶段，我们还没完全做到可以去找这些早期大众用户，说，嘿，我们有一个非常适合你的杀手级用例。它特别容易使用，你可以把它接入你正在构建的任何工作流程。不过我觉得，我们已经相当接近了。

Michael 6:26 再给我们六个月，我认为就可以利用已经搭建的基础设施开始实现这个目标。比如，能够训练超大规模模型。我们最近完成了一篇研究论文，首次以完全去中心化的方式训练了一个拥有 1070 亿参数的模型。

Michael 6:45 所以我们实际上开始接近相当的水平了。最终我们还需要一个 Web2 封装层。现在你可以使用，比如 Lovable、Replit 或其他这类系统，它们会替你找到所有 API，帮你构建系统。我们需要做到，只要一个简单的 API 调用，你就能使用 0G 的全部基础设施。

Michael 7:09 所以我还是觉得，再过六个月，也许最多十二个月，就能达到这样的成熟度。

0G 如何建立持久的网络效应？

Kevin 7:15 好的，所以让开发者容易上手，也是一个主要的构成要素，或者说前进道路上的障碍。好，明白了。一般来说，对于这类应用或生态系统，面向开发者通常是个不错的选择，对吧？因为他们会构建产品，而这些产品基本上又会产生一种回响效应，或者说带来指数级增长的手段。

Michael 7:42 对，在我看来，这实际上就是网络效应。你需要有一个基本的流动性层，吸引开发者来你的链上开发。他们来了，构建出优秀的应用，用户也就来了，带来更多流动性，实际上就形成了一个正向飞轮。

Kevin 7:59 对，完全同意。我们每次谈到网络、区块链，基本上都有两种网络效应。一种是强网络效应，基本上带有某种锁定效果；还有一种是较弱的网络效应，兼容 EVM 的网络通常属于这一类，因为只要替换 RPC URL，就很容易切换网络。

Kevin 8:27 既然你知道这是一个非常、非常有挑战性，而且在某种程度上还没有解决的问题，你们打算怎么应对？

Michael 8:37 关于网络效应，你提了一个很好的问题。我觉得网络效应还有单边和双边之分，这也会决定它的强度。不过简单回答你的问题，我会说，我们构建的不只是一条 Layer 1，而是一整套面向 AI 的方案。

Michael 8:54 只是部署在一条 Layer 1 上，并不足以构建超大规模 AI 应用。你还需要一个真正高性能的存储网络，需要一个高性能的计算网络。以我们目前已经做到的事情来看，你在其他地方找不到同样的东西。

Michael 9:11 你可以单独使用每个组件。但就像使用 iPhone 一样，单独用它已经很好了，可如果你进入整个生态系统，各种东西就能协同工作。比如我的 MacBook 可以轻松和 iPhone 配对，然后我可以通过 AirDrop，轻松地向其他 iPhone 传输内容。

Michael 9:29 所以我们想建立的就是这种网络效应，打造一个完整的生态系统，加上一套不只包含 Layer 1 的技术栈。

Kevin 9:37 好的。好，挺好。我想快速做个角色扮演。假设我是一名 CIO，也就是首席信息官，或者数据科学家之类的。我正在评估，究竟应该选择你们的链、你们的生态系统，也就是去中心化 AI 模型方案，还是选择中心化方案，甚至干脆使用云服务商，在那里训练自己的模型。

为什么选择去中心化 AI，而不是云服务商？

Kevin 10:08 那么，我选择你们这种方案的动机应该是什么？

Michael 10:18 关键问题是，你希望把信任的中心放在哪里？你想信任一个实体，让它替你完成所有事情吗？还是希望使用一个能够验证这种信任的系统？我所说的验证信任，是指你是否在意模型表现出什么样的价值观？

Michael 10:38 你是否在意提供给模型的训练数据是什么类型？比如，你是否需要数据保密？你有没有敏感的客户数据？如果你使用 OpenAI 这样的服务，你可以肯定，只要数据进入他们的服务器，他们就会查看这些数据。比如，要把这些数据完全隔离起来，是很难的。

Michael 10:58 所以始终存在安全方面的顾虑。这也是为什么很多大公司实际上已经禁止在办公室使用 OpenAI，尤其是出于这个原因。那么，隐私是不是一个重要问题？还有成本和效率呢？有些 AI 系统按席位计算非常昂贵，尤其是使用一些更高级的功能时，比如每月 200 之类的。

Michael 11:21 你的企业负担得起吗？还是你想要一个成本低 90% 的方案，让你可以用已有的数据训练任何你想要的模型？在这个过程中，你需要投资自己的基础设施吗？还是更愿意使用共享基础设施，仍然让所有内容完全私密、安全，同时成本却有显著差异？

Michael 11:45 你不需要资本支出，运营支出最多可以降低 95%。这些就是我会问的问题。如果还有其他安全方面的顾虑，比如模型行为失常，你有什么应对办法？你是否希望设置一些护栏，以便出现负面情况时，能够迅速撤走分配给那个模型的资源？

Michael 12:06 或者，还是那个问题，你是否信任某一个实体来替你做这些事？

Kevin 12:12 是的，希望我们永远不会看到这些 AI 真的失控，对吧？毕竟他们做了这么多安全方面的，比如说调查，或者说基本上已经推演过、而且还在继续推演的各种情境。我们再往 Web3 原生的方向聊一点吧，因为你提到，你们最初的用户其实更偏加密原生。

0G 如何吸引开发者和项目？

Kevin 12:39 其他 L1、L2，基本上任何生态系统，通常都需要付出大量努力，才能真正从零走到一，这并不是什么秘密，对吧？做生态系统，这就是其中的一部分。你们的市场进入策略是什么？因为我们听说，分发和触达已经成为最新的瓶颈了，对吧？

Kevin 13:08 这也是大家都知道的事。当然，除了上播客，你们还有什么打法？

Michael 13:16 就是一直上播客、参加活动。我们就是这么干的。

13:22 就这些。

Michael 13:23 不是，我会说有三个方面：激励、商务拓展，以及营销中的几个关键部分。我先倒过来说营销。差异化定位非常重要。所以我们的定位非常明确：我们是一条 AI 链，专为极端用例打造，你可以构建任何你想要的 AI 应用。

Michael 13:45 而且我们恰好相信，随着时间推移，不仅大多数交易会由 AI Agent 来取代，大多数公司最终也都会成为 AI 公司。所以这确实是在押注更长远的未来。通过差异化，我们能够吸引真正关心这些事情的开发者，让他们愿意在这里推出产品，因为他们看到了一个由其他 AI 开发者组成的生态系统。

Michael 14:08 我可以向他们请教一些很有意思的问题。而如果去另一条可能更通用的链，就得不到同样的答案，或者会遇到很多失败的交易。我的应用不能接受这种情况，因为它是任务关键型应用，我需要百分之百保证，只要这个特定的去中心化推理调用进来，就一定能够执行成功。

Michael 14:32 所以营销基本上就是围绕这些事情展开。建立品牌，并且持续重复传达这个品牌，也就是一种承诺。然后通过播客、活动、优质博客、社交平台上的露面，以及和有影响力的人互动等方式，吸引合适的开发者。

Michael 14:52 这些当然都得有。商务拓展也很有意思，因为在这方面我们同样可以很有策略。我们的商务拓展负责人来自 Chainlink，是他们那里最优秀的销售人员之一。他既非常了解机构客户，也很了解更偏 degen 的那一端，可以这么说。

Michael 15:10 他基本上认识这个领域里的所有人。所以举个例子，主网上线第一天，我们会发布一个重大公告。我们将有一百多个首发合作伙伴，其中包括一些非常知名的名字。比如，在所有上线过的 Layer 1 中，我们第一天支持的钱包阵容，很可能会是最亮眼的阵容之一。

Michael 15:29 所以这也是我们的一项强大能力和优势。我们很有策略地选择想吸引谁，而且能非常、非常快地接触到他们。事实上，因为营销也做对了，我们收到了很多主动联系。不仅有项目方，还有希望把其他项目介绍给我们的合作伙伴。无论是策划流动性活动，还是引入那些在意链上有哪些参与者的 Agent；从正在开发 AI Agent、希望和 0G 建立关联的新旅行服务商，到 Dormint AI 这样做生物识别、向你提供建议的公司，而唯一最适合开发的地方

Michael 16:18 就是 0G，因为我们拥有全栈 AI 体验。这大概能让你了解商务拓展这一块。然后自然就是激励，因为每个生态系统都需要以某种方式启动。我们有一个规模为 8880 万的生态系统计划，我们是这么称呼它的。其中有两个关键方面，其实是三个，覆盖开发者的整个生命周期。从深度黑客马拉松开始，我们最近在亚太地区做了很多这类活动，再到通过加速器提供非常深入的实际支持。

Michael 16:49 我们的加速器已经办了三期。第一期孵化出了 CARV，它在高峰时是一个价值约十亿美元的项目。第二期有 PlaysOut 上线，我想就在现在这个高峰阶段，它大约是一个价值三亿美元的项目，在 Binance 上线。第三期加速器我们也刚刚结束。

Michael 17:07 所以希望，希望这一期也能出现一个非常出色的成功案例。最后，我们还有一个 Guild on 0G 计划，主要提供更定制化的解决方案。如果你已经发展到较后期，只是需要有人帮助你，比如该如何与这些做市商打交道，那么我们团队里有两位曾在 Jump Crypto 工作的人，可以为你提供指导。还有一位在 Merrill Lynch 工作过十二年，最近三年进入了加密行业，并且经营着一家做市商。

Michael 17:35 所以我们可以通过这个计划，为你对接合适的资源。我们相信，当你来到 0G，你就能获得竞争优势。它带有一种代理服务的模式，这也是另一个很大的差异化因素。我甚至会为许多创始人安排答疑时间，因为我非常相信生态系统的建设。

Michael 17:56 他们需要这种直接、贴心的支持。也许他们就差一次引荐，就能获得那位他们特别想争取的投资人的投资。所以，对，激励层绝对是其中的一部分。这个回答可能比你预期的长了一点。

Kevin 18:09 不，不，我很喜欢。谢谢。我就是想聊得深入一些，对吧？不想只谈那些浅显、表面的东西。所以这些都很好。听起来，你们基本上已经把用户获取这件事想得相当清楚了。很多项目有点忽略的是用户留存这一块。你们在这方面有什么策略或做法？

0G 如何把开发者获客转化为留存？

Michael 18:35 我们现在还只处于测试网阶段，所以这有点难判断。等到了主网，就会更容易看清楚。但至少目前，我们已经建立了一层客户体验服务，有人持续跟进，试着了解你现在走到了哪个阶段。

Michael 18:54 从项目本身来看，你处于什么阶段？从使用 0G 生态系统资源，以及我们提供的各种服务来看，你又处于什么阶段？我们能否利用现有的不同资源，帮助你的商业模式运转，或者推动用户增长？所以为了留存，我们在这一层客户体验服务上投入了很多。

Michael 19:15 我的思路大概就是获取、留住、增长这几个方面。获取，主要是我刚才说的商务拓展或营销。留住，是确保平台持续保持良好表现，基础设施确实能够正常运作。而增长，实际上主要靠客户体验这一层。

Kevin 19:36 好的。好，所以你们基本上是在朝这个方向努力。从这个意义上，我不会把它叫作 PLG 模式，对吧？因为你们确实有商务拓展、营销等等。但在留存方面，你们基本上是在努力构建一个核心扎实、强大、对用户友好的生态系统，并且给创始人足够的支持，或者说足够好的支持，让他们真正吸引到用户，对吧？

Kevin 20:05 所以这基本上就是你们的主要计划。好。

Michael 20:07 没错。另一个方面是，我们必须倾听那些建设我们这条链的人的意见，所以也必须持续创新。如果我们停滞不前，我觉得这时就会开始出现流失。

0G 如何避免代币激励的陷阱？

Kevin 20:20 对。对。我的意思是，不增长，就会萎缩。这，这就是……

20:25 是的。

Kevin 20:25 这就是商业中残酷的现实，对吧？嗯，你们现在还只在测试网上，对吧？但很多项目也会把代币作为获取用户的手段，比如空投，以及我们知道的其他各种机制。你们如何避免落入这个陷阱？或者你们的，嗯，因为这通常被看作一件负面的事，对吧？

Kevin 20:52 现在人们把这些代币中的大多数都看作 VC 代币。你们对此有什么做法和看法？

Michael 20:59 比如，我们尽量不发放资助，而是尝试从投资的角度来看待这件事。关键不只是给任何来到这条链上的人大量激励，而是让他们觉得，这里才是适合我的地方，然后在整个过程中支持他们。

Michael 21:25 所以我们要确保，来这里的人不是抱着这样的想法：哦，我已经从其他链拿了三笔资助，现在要再从 0G 拿一笔。我们更希望他们认为，这里有我作为创始人取得成功所需的基础设施。一旦具备这一点，我们就会全力支持这些创始人。

Michael 21:44 这就是我们的思路。所以我们不会在一开始就给出大量资助，而是会更多地采用追溯式空投，以及更以里程碑为基础的方式。这样我们就有机会互相了解，看看你作为创始人如何与 0G 互动，为社区做了什么贡献，然后在你经历这个过程时，一步一步地支持你。

Michael 22:09 我觉得这样建立起来的，更像是一个有狂热追随者的群体，而不仅仅是一条链。我们更多是从这个角度来思考的。我之前那家公司参加过 Y Combinator，Alexis Ohanian 是我们的投资人之一。他把这样一个想法深深植入了我的脑海，他是 Reddit 的联合创始人。

Michael 22:29 他反复给我灌输这个想法：建立一个狂热社群，建立一个狂热社群，这就是你需要的。你通过出色的体验建立这样的社群，也通过这种人与人之间的直接联系，以及对开发者和最终用户的极度关注来建立。

Kevin 22:44 现在需要的就是这些，对吧？说实话，竞争实在太多了。软件在某种程度上变得更容易开发了，但归根结底，重要的是谁在使用它，以及为什么使用它，对吧？而正如你所说，这个“为什么”在很大程度上归结于社区。

为什么出色的工程技术还不够？

Kevin 23:08 当然，产品本身也必须出色，对吧？包括可靠性、隐私，以及你提到的所有这些方面。

Michael 23:16 对，打造出色技术的难度不能低估。我的意思是，这非常难。比如，让每个分片达到每秒 11,000 TPS，而且还能无限扩展，这是一个非常困难的工程问题。全世界可能只有一千人知道，如何在出块时间低于 400 毫秒的条件下解决这个问题。

Michael 23:36 这真是太难了。所以绝对不能低估。但如果你无法把它传达出去，无法解释你为什么存在，以及我们构建的东西为什么重要，那么它最终就只会成为没人使用的技术。

Kevin 23:50 完全同意。很多创始人确实会在这件事上犯错，对吧？他们做出一些东西，比如只关注 TPS 这一部分。我完全同意，这非常有挑战性。但举个例子，一个规模小、业务量低的企业应用，可能并不需要几千 TPS，对吧？

Kevin 24:13 当然，还会有“吵闹邻居”的问题。如果其他游戏影响到你，那自然还有很多事情需要考虑。所以从技术角度来看，正如你说的，这非常有挑战性。我们从开发者角度来看一下。你觉得最有挑战性的是什么？

是什么让 Web3 开发变得缓慢？

Kevin 24:39 比如，我们是一家软件开发服务公司，对吧？当我们使用一个新网络时，主要挑战往往是，要利用现有工具和技术，为这个网络构建安全、同时又符合其原生特性的应用，究竟需要做哪些特有的调整？主要挑战是什么？

Michael 25:03 我觉得，总体来说，Web3 的问题在于起步所需的时间。假设你来自 Web2 环境，你已经习惯了，我用一个前端框架，后端可能用 LangChain，再加上一些其他东西。现在我要弄明白的，可能就是所用的几个服务，而且也许还有 Vercel，可以很快部署。

Michael 25:26 到了 Web3，你会想，好，那我该去哪里做推理？去哪里找安全层？这个 RPC 调用要怎么做？什么时候该用智能合约，什么时候又该用中心化的方式？所以基本上有这么多前期上手成本。那么，我如何确保自己能够尽快从想法走到生产环境？

Michael 25:49 所以我们希望尽可能缩短这段等待时间。我们通常思考的就是这些：如何把上手成本降到足够低，让任何 Web2 开发者都愿意在链上开发，并获得其中的好处？我觉得这是一个特别有挑战性的问题，因为其中涉及很多新概念。

Michael 26:12 所以我认为，我们还没有完全达到想要的状态。理想情况下，你只需要启动一个 Docker 容器，就能拥有一整套环境，然后直接把智能合约、[听不清] AI Agent 部署到我们的链上。那会非常棒。所以我觉得，这是我们正在关注的一个关键问题。

Michael 26:33 另一件事是确保开发者拥有足够的知识，理解为什么可验证性之类的事情很重要。所以这里也涉及教育，大家阅读我们的开发者文档时，需要把这一部分考虑进去，因为这确实很不一样。

Michael 26:50 如果你已经习惯信任某个实体来提供 AI，那么可验证性对你来说就没那么重要。但对我而言，它必须是一等公民。这也是去中心化 AI 最初存在的原因。所以围绕整套理念，还有很多教育工作要做。我觉得这同样涉及一些前期上手成本。

Michael 27:12 我想，这就是我们考虑的两个关键问题。第三件事是，Web3 中有很多噪音，很容易陷入这样的陷阱：哦，我只要参加所有大会，在 Twitter 上保持活跃，然后就忘了产品市场契合度。你实际上仍然需要做出人们会使用、会喜爱的东西。

Michael 27:30 我觉得这个领域有时噪音太多，帮助创始人走过这些，也有时是另一个挑战。

什么时候产品市场契合比扩容更重要？

Kevin 27:40 好，我很喜欢这个回答。如果我理解得对，听起来你个人认为，主要挑战更多是在产品管理方面。也就是说，当然包括开发速度、实现价值所需的时间，他们能多快推进，对吧？基本上就是这种即插即用的程度。

28:00 是的。

Kevin 28:01 嗯，但同时也要在商业方面给予一些指导，让能够自立经营的创业者加入你们的网络。所以这基本上是一种孵化式的做法。我理解得对吗？好。

Michael 28:19 对，我会这么说。因为其他人可能会反驳我，说我们的基础设施还没到位，技术还没准备好，等等。确实，但十二个月后就会到位了。我的意思是，有 11,000 TPS，你就能在一个分片里构建一个中型 Web2 应用。

Michael 28:35 你能在这样的环境里构建一个拥有十亿以上用户的 WhatsApp 吗？不能。但到了 100,000 TPS，就可以。所以一年后，我们实际上就会解决这个问题。到了某个时候，重点就不再是扩容的挑战，而更多是让我们做出真正重要的东西。

Michael 28:54 所以，对，Web3 仍然有一些产品市场契合方面的问题。有些东西肯定已经找到了产品市场契合，比如投机、交易，现在稳定币更是如此。希望随着时间推移，会出现越来越多的用例，比如病史数据，以及由社区共同构建真正的 AI 模型，让我们能够一起繁荣发展。构建更小的专家模型，把它们串联起来，改善我们的生活，甚至也许让机器人实现对齐，使人类能够安全地使用它们。

Michael 29:31 当大公司试图推出机器人，却没有安全开关和对齐实践时，我会非常担心。所以，对，这些就是我希望大家去解决的问题。

哪些去中心化 AI 用例在当下和未来最重要？

Kevin 29:44 很高兴听到这些。好。也许最后再问一个问题。你觉得你们基础设施最好的实际用例之一是什么？为了让问题更容易回答，就说短期内的吧。

Michael 30:02 短期。好。短期来看，因为我们仍处于 Web3 环境，肯定是交易、流动性这些方面。基本上就是，如何把复杂操作变得简单，让我能够从中获益？假设你是一家市场中性对冲基金，发现了一个很好的循环策略机会。

Michael 30:27 这需要大量人工参与。比如，你采用一种策略，先质押某项资产，换回流动性质押代币，再以它为抵押借入 USDC，然后循环多次。或者，你持有一种代币，它实际上代表市场中性对冲基金或做多基差交易的收益，然后再多次循环。

Michael 30:50 而且你需要持续掌握大量情况，因为如果借款利率高于回报率，你就得迅速平掉这笔交易，换一笔交易。那么，为什么不能让一个 AI Agent 持续替我监控，找到最高收益，并且不断寻找最好的机会呢？

Michael 31:07 所以我觉得，短期内这类应用会非常、非常有用。比如，它们可以有针对性地帮助公司更轻松地管理资金，或者产生这些市场中性对冲基金想要的那类回报，再把收益传递给客户。所以就近期而言，我认为利用我们的基础设施开发，会有很多这样的强大应用。

Michael 31:32 中期来看，我希望看到的正是刚才提到的，社区聚在一起，构建能够超越最先进模型的专家模型。假设我认识二十位 Solidity 编程专家，大家聚在一起，分享代码，贡献算力，通过 0G launchpad，把这个特定的模型代币化。

Michael 31:56 这个模型在那个特定基准上表现更好，进入生产环境使用，我通过代币获得自己贡献的报酬。这就是我想看到的。到那时，去中心化 AI 就会真正受到关注，中心化 AI 也会因此非常认真地对待我们。而当我们还能拥有可以说是无限的算力时，我举个例子。

Michael 32:19 几天前我做了一次计算。基本上，Grok 是用二十万块 H200 训练的。每块的算力大约是 60 teraflops。你的 iPhone 16 大约是 2 teraflops，所以相差大约三十倍。那么你可以说，Grok 相当于是用六百万部 iPhone 训练出来的。想象一下，如果你能调用六十亿部 iPhone，让它们把算力借给你。

Michael 32:42 你能用这些算力构建什么？而且它是分布式的，所以你不需要把这么庞大的电力需求全都集中在同一个地方。在训练这些不同模型时，它们可以分布在世界各地。你实际上是在把力量还给最终用户、小企业，以及其他希望参与 AI、而不只是被 AI 颠覆的公司。

Michael 33:02 所以这些就是我希望在中期看到的应用，因为这会实现我们的使命，让 AI 成为公共产品，真正为所有人带来富足，而不只是少数人。然后，比如说，你再把全民基本收入补助这类东西考虑进来。

在哪里可以关注 Michael Heinrich 和 0G？

Kevin 33:20 好的，非常有意思。谢谢你，Michael，真的非常感谢。非常有意思。你还有什么想说的吗？有什么希望我们的观众去做的事吗？

Michael 33:36 一定要在 X 上关注我。我的账号就是 Michael H 下划线 0G。我一直很喜欢和社区互动，听大家的好想法，讨论新的商业点子等等。所以请在那里关注我。关于 0G 的所有资源都在我们的网站上，整理得很清楚。我们所有的生态系统计划也都在上面。

Michael 33:55 0G 点 AI。这里的 0G 用的是数字 0，就像 Michael H 下划线 0G 中的 0 也是数字一样。所以很容易找到我们、关注我们，并和我们互动。

Kevin 34:06 很好。好，再次感谢你，Michael。也感谢大家观看。

Michael 34:11 谢谢。

34:12 Wavect，一家懂你所需的 Web3 软件公司。