文章作者：Derek
文章编译：Block unicorn
我妈妈 21 岁时离开了菲律宾
，手里拿着
学士
学位和 50
美元。
她将以坚
定的决心在美国开拓事业。
每一门教育课程都成为她对专业机构的投资。
每一美元都成为她经济基础的一块砖。
她在加州大学洛杉矶分校获得了护理学硕士学位，
并在超过 40
年的护理生涯中，
直接与退伍军人医院的无数退伍军人一起工作
。
和当时大多数美
国人一样，无论是入籍的还是土生土长的，她的动员得益于一个独特的国家，这个国家有三个特点：
-
开放的经济体系；
-
激励基于绩效的贡献；
-
建立了保护新财富所有权的财产权
努力工作。表现优异。
积累财富。
将这些行动
复利积累一生
，任何人都可以享受美国梦。
正如我在这篇文章中进一步阐述的那样，我不再相信我们的传统策略能够经受住明天新出现的现实——即人工智能的惊人加速发展及其对美国劳动力的颠覆性
影响。
我认为，美国必须开始朝着新的框架迈进，以适应新的劳动力现实。
这一切应从理解过去二十年最具颠覆性的两项技术创新开始：
人工智能与加密。
人工智能
三十年前，互联
网搜索引擎问世。
它们的价值看似简单：
获取世界的数据。
二十五年后，OpenAI 的 ChatGPT 成为历史上增长最快的消费者应用程序。该产品每周拥有 3 亿用户，每月付费用户超过 1000 万。在不到两年的时间里，该产品的年收入约为 30 亿美元。
这些人工智能系统的价值是什么？
将“检索”与“完成”结合起来。
简而言之：
-
使用自然语言请求任何任务；
并且
-
将任务的完成交给计算机智能。
在
过去的三个月里，越来越明显的是，这些产品在完成任务请求的能力上迅速提高，涵盖了越来越多的模式——文本、数学、音频、视频、几何、编码。
到
目前为止，关于提升人工智能系统的规模化假设仍然成立。
更多数据。更多计算。更好的模型。
此外，随着测试时计算等创新的出现，人们正在探索扩展这些模型的新维度。上个月，OpenAI 的最新推理模型在前沿数学基准测试中获得了 25% 的分数，该基准测试由只有深度专业的数学家才能解决的问题所组成。
这些下一代推理模型正在迈出重要一步，以适应具有可观察答案的新任务。
与此同时，机器人技术的新进展使机器越来越有能力执行复杂的物理任务。
智能化、类人化的硬件将：
这种技术生产力的解锁并非没有先例。
工业革命（18 世纪）和数字革命（20 世纪）从根本上降低了各种劳动力的成本并提高了效率，从根本上重塑了市场和经济结构。
然而，人工智能已经让人感觉这是一种与以往不同类型的技术革命。
这些系统能够以以前认为不可能或不切实际的方式创造价值——不受传统成本结构的
束缚。
Anthropic 首席执行官 Dario Amodei 认为，人工智能可能会在未来 5-10 年内为我们带来未来 50-100 年的生物进步，只需将我们的大部分人类劳动力结构转移到支持人工智能的系统即可。
随着支持这些系统增长的基础设施不断完善，我相信全世界的人们将看到两条趋势线：
这项技术的前景十分明确：
-
无限的成果。
-
极其低廉的成本。
-
涵盖
所有
价值
类别。
为了写这篇文章，我们假设上述趋势是真实的。
作为一个坚信美国下一代应该享有与前几代人相同机会的人，有两个问题我无法摆脱：
首先，美国如何才能赢得人工智能革命？
其次，美国个人如何才能参与到未来人工智能系统的优势中来——
意识到其对人类劳动力的颠覆性影响？
进入加密货币时代
2008 年，中本聪 (Satoshi Nakamoto) 发布了比特币白皮书。
白皮书提出了一种新的游戏化会计系统，让遍布全球的分布式计算机能够共同协作，就一个共享的数字事实达成一致，即比特币账本的状态。
如今，比特币是世界上最强大的超级计算机。
该网络比亚马逊
、谷歌和微软的网络规模总和要大几个数量级。
然而，
尽管已经过去了十五年，区块链仍然显得笨拙。
-
编写不当的代码可能会为盗窃或账户余额清零提供漏洞。
-
用户在管理私钥时犯错，导致去年被盗加密货币占比最大。
-
与传统 Web 应用程序相比，去中心化应用程序难以使用——用户流失率高得惊人。。
但即使存在这些限制，与加密货币的互动仍处于历史最高水平。
一项研究估计，目前 40% 的美国人拥有加密货币，高于 2023 年的 30%。
全球每月有近 24,000 名开发人员积极为区块链和基于区块链的应用程序贡献代码，而十年前每月只有 1,000 名开发人员。
考虑到它的所有局限性——为什么加密货币
仍然在不断增长？
我认为这是因为加密货币享有五个特性
，这些特
性
共同作用，使任何其他数据库架构都无法在地球上复制：
数字所有权
。
区块链数据库是全球性的、完全可审计的、社区拥有的、防篡改的，并且在互联网上全天候运行。
通过区块链，个人可以享有对互联网上任何数字物品的主权所有权——
这是人类历史上首次建立全球数字产权体系。
协调激励
。
通过自动执行合约，基于区块链的协议能够运用可编程激励来协调每个网络上新类型的数字工作。
这
可以包括对使用产品或服务的人、提供经济保障的人、贡献核心代码的人、提供市场供需的人、将他人推荐给产品或服务的人等的激励。
无摩擦的小额支付
。
如今，高昂的交易成本迫使大多数互联网企业采用订阅、捆绑和广告支持服务等商业模式。这种限制限制了互联网上商业模式的创新，
束缚了那些能解锁新产品/服务收入的消费者友好型替代方案。
相反，区块链数据库在全球范围内促进了无摩擦、
24/7
、低成本的数字支付——绕过了数字支付效率低下的问题，实现低费用、即时交易，没有退款风险。此外，任何加密资产都可以分成任意小的面额。
共享标准。
通过利用区块链上的共享结算标准，各种类型的协议代币、稳定币、应用程序、游戏和金融服务都可以无缝地与彼此的逻辑进行组合——
就像乐高积木无论颜色或大小都能连接在一起一样。
分布式安全。
区块链网络通常分布在世界各地的众多节点上，消除了单点故障。这种去中心化的架构使恶意行为者更难以破坏这些
网络
系统，因为它需要同时控制大多数节点。
如今，加密经济的市值约为 3.6 万亿美元——涉及多个新兴
领域。
在接下来的十年里，我相信加密经济的价格将大幅上涨——这主要受到人工智能与加密在两条主要趋势线上的交集增长的推动——（1）人工智能 x 加密基础设施和（2）人工智能 x 加密应用程序。
人工智能 x 加密基础设施
要了解人工智能基础设施的当前状况，
我们可以借鉴一个历史类比。
1849 年，加州淘金热迅速将新投资带入该地区。
修建了数百条新道路以促进快速运输。旧金山港口成为世界上最繁忙的港口之一——运送来自世界各地的淘金者、货物和工具。强大的银行和金融系统得到了发展，以满足新兴全球企业的需求。
在此期间进行的基
础设施投资将为该地区未来成为经济强国奠定了基础。
175 年后，世界正在经历一场类似的淘金热——
这次是为了创造通用型人工智能（AGI）。
然而，这一次，支持人工智能的基础设施并不局限于特定地区。
这些网络——涵盖数据、计算和能源——正在由全球的竞争者共同建设。
毫不奇怪
，构建、训练和优化人工智能基础设施所需的资本和计算能力是昂贵得令人无法承受的，只有少数几个实体能够获得这些资源。
保守估计，训练 GPT3 一次训练运行的成本约为 400 万美元以上。对于 GPT4，估计训练运行成本约为 6000 万美元以上。
保守的估计认为，训练GPT-3的单次训练成本大约为400万美元，而GPT-4的估计训练成本大约为6000万美元。
更多的资本。更多的计算。更好的性能。
尽管我对美国在传统企业形式下构建人工智能所取得的成就深感自豪并全力支持，但我也认为可以认识到它们的结构性局限性：
捕获价值。
尽管中心化公司利用风险资本推动有意义的人工智能创新，但这些产品的经济效益仅限于一小部分股东，
限制了其对更广泛社会的影响。
专有知识。
技术框架的进步通常仍为中心化公司所专有，通过限制对关键突破的访问来减缓该领域的整体进步——
尤其是在信息以互联网速度全天候流动的时代。
不透明的系统。
将人工智能集中在不透明、封闭、
中心化
的系统中，使得独立验证者无法审核公司在数据收集、
安全性和责任方面的做法。
封闭的竞争。
先进人工智能开发所需的巨大计算资源对新产品进入市场形成了重大障碍，使得只有少数资金雄厚的大公司能够参与。将竞争开放给更多的参与者，从个人研究人员到小型团队，可能会促成更具多样性的人工智能生态系统——
从而
带来可能被忽视的突破。
我相信，
通过将美国的人工智能基础设施与加密货币的五大独特特点——
数字所有权、协调激励、无摩擦小额支付、共享标准和分布式安全
——结合，我们可以缓解中心化人工智能的弊端，并重新激发竞争精神，而这一直是美国资本市场的标志。
此外，
通过将美国的人工智能基础设施与加密货币结合，我还相信这将带来以下几方面的改进：
(a) 更好的性能
、
(b) 更高的透明度
和
(c) 更公平的所有权
，未来在成千上万的美国参与者中实现
(a) 更好的性能
要了解在没有大量资金的情况下人工智能可以取得的突破，DeepSeek 团队就是最好的选择。两周前，这家中国研究小组发布了 DeepSeek-V3，这是一个 670B 参数的模型，其性能可与许多闭源的 SOTA 模型相媲美，包括 GPT-4o 和 Claude-Sonnet-3.5。
DeepSeek 迄今为止尚未获得任何风险投资。
正如比特币和以太坊等开源项目所证明的那样，向全球贡献者池发放可编程激励措施可以增强互联网上
高质量的
劳动力和计算网络的形成——
这远远超过了单一实验室或中心化系统所能实现的。
从这个角度来看，
创建奖励人工智能劳动力
和计算网络的系统，与创建奖励比特币劳动力
和计算网络的系统并无二致。
举几个例子：
为了改进
训练数据
，
加密网络可以奖励人类贡献者，帮助策划高质量、已标注的数据集——包括私人数据、专有智能或其他在传统网络抓取中无法找到的信息。
对于更强大的
计算网络
，加密网络可以激励个人和组织在去中心化市场上贡献计算能力——无需前期资本投资，
就能按需启动一个全球计算机网络。
对于
性能更高的模型训练
，开源开发人员的网络可以贡献、定制和改进现有模型，以换取量身定制的奖励。此外，当代码和模型权重
开放
时，
成百上千的
研究人员和开发人员可以同时发布改进、调试问题、微调自定义模型和代理，
并基于这些模型创建
新的应用程序
——这一切都由网络的激励模型对齐。
随着时间的推移，
我相信这种由去中心化项目如 Nous Research、Prime Intellect 和 Bittenso
r 等开创的广泛协作方式，将超过资源丰富的私人公司在内部所能实现的速度。
(b
) 更高的透明度
开源人工智能模型允许其训练过程、架构和行为被更广泛的研究社区彻底审查（并加以改进）。这种透明度有助于及早发现潜在的风险或偏见，从而转化为更可靠的系统，获得人们的信任。
通过
在这个过程中利用区块链，创建、奖励和改进人工智能协议的整个堆栈可以保持透明并可审计。
(c) 更公平的所有权
设计用于人工智能堆栈中各个垂直领域的加密网络，将建立一个比现有中心化模型更公平的所有权结构，用于创建合成智能。
通过可编程激励，所有加密协议的贡献者和参与者都可以透明地根据他们的贡献获得报酬。
此外，
围绕人工智能基础设施堆栈中的
任何
工作，可以形成完整的市场——这将导致在所有人工智能设计类别中的细分竞争。从数据、计算、训练到部署的各个类别和子类别，都可以独立竞争并积累价值。
但归根结底，并非只有人工智能基础设施才能从加密轨道中获益。
我相信人工智能代理将彻底改变全球加密采用的当前轨迹——涵盖
每一个应用垂直领域。
人工智能 x 加密应用程序
加密应用程序的复杂性长期以来一直被批评为广泛采用的重大障碍。
在过去的十五年里，区块链要求用户处理复杂的
审批流程
、管理私钥，
并理解复杂的用户界面模式，这些对大多数互联网用户来说都是难以理解的。
然而，随着代理技术的出现，这些用户模式正在迅速发生变化。
如果你将人工智能模型视为
被动型
基础设施，根据以前的训练数据响应提示，那么你可能会将人工智能代理视为
主动型
应用程序——将模型集成到新的架构中
以实现特定的目标。
简
而言之，人工智能代理利用基础模型来自主思考、自主规划，并自主行动。
了解代理与我们以往熟知的“机器人”的区别是非常重要的。
与
机器人不同，人工智能代理能够
根据需求进行
推理。它们可以分析自身的表现，调整策略，并应对那些有时需要数百个步骤
（未来甚至数千个）
的复杂任务。
2024
年 9 月，我与我的一位投资组合创始人会面，他们正在构建一个用于导航区块链的人工智能代理协议。
该协议叫做 Wayfinder。
使
用他的手机，并通过几次简短的自然语言提示，我将前端和代币合约部署到 BASE 区块链上，复制了比特币的货币政策，同时使用从以太坊主网桥接的ETH。
