简介

知名AI应用的对比

同样作为AI应用，Hyperspace相对于Claude、ChatGPT等知名AI应用，在图像生成、节点执行、网页搜索等部分板块更具优势，并且在运行速率等关键功能上，Hyper给出了更高效的的速率。这也得益于Hyperspace基于Web3构建的特点。

融资背景

据 RootData 显示，Hyperspace 获得过加密原生基金Blue7的融资，但融资具体细节未披露。Blue7 曾投资过的加密项目有 Web3 的自动化和中继网络 Gelato Network 、企业级L2解决方案 Lightlink 、人工智能区块链平台 Talus 等。

团队成员

团队成员（图源https://www.rootdata.com/Projects/detail/Hyperspace?k=MTE4MzE%3D）

Hyperspace 的核心团队成员为联合创始人兼 CEO Varun Mathur。Varun 至今的履历空白。

Varun于X上分享的Hyperspace节点信息

对于Hyperspace来说，Varun的X账号@varun_mathur，对外提供了大量的数据支持。用户可以在其账号上获得创办者视角下有关项目节点数量规模、近期发展方向等重要信息。

产品及核心组件

组件信息

作为高度自定义化的AI模型执行生态系统，Hyperspace 目前拥有49.3K个节点，超过1.2M的代币数据，400M个嵌入数据，超过500个 AI 模型，3.2TB的向量数据库。足以满足使用者的各类需求。

一、客户端产品类型

客户端种类

Hyperspace 提供了非常多的客户端选项，包括浏览器版本（Browser Node）、桌面客户端版本（Desktop Node）和命令行版本（CLI）等。在高度自定义化下，提供多样式的AI模型执行系统。

二、核心组件

1、身份管理

系统中的实体（以下简称为节点）通过节点地址进行唯一识别。该节点地址不仅仅是节点公钥的直接表示，而是其公钥的加密哈希值。采用加密哈希而非直接使用公钥的原因，主要基于去中心化系统中的特定安全考量，尤其是在缺乏可信的中心化权威的情况下，用以缓解女巫攻击（Sybil Attack）和日蚀攻击（Eclipse Attack）的风险。

为增强网络对上述攻击的抵抗力，系统采用加密难题，尤其是工作量证明（PoW）机制。

Hyperspace 认为在缺乏中心化信任实体的环境中，加密难题是生成分布式节点ID最为实用的方法。其主要优势在于提高潜在攻击者破坏网络的难度。

从本质上讲，对于完全去中心化的网络而言，利用加密技术来最大化抵御攻击的能力不仅是优选方案，更是必然选择。

在使用哈希值而非公钥来生成节点 ID 的方案中，我们强调仍然可以使用该公钥对节点间交换的消息进行签名。考虑到计算资源的限制，我们将消息签名划分为两种类型：

• 弱签名
  弱签名不会对整个消息进行签名，而是仅包含IP地址、端口和时间戳，其中时间戳用于限制签名的有效时长。
  • 这种设计有助于防止重放攻击，特别是在使用动态IP的情况下。
  • 由于不同节点的时间同步可能存在误差，时间戳可以采用较大的时间粒度。
  • 弱签名适用于完整消息完整性不关键的场景，例如 PING 消息。
• 强签名
  • 强签名会对整个消息内容进行签名，确保消息完整性，并增强对中间人攻击的防御能力。
  • 为了防止重放攻击，远程过程调用 RPC 消息中会引入随机数。

2、Hyperspace Community Servers(HCS)和Hyperspace Inference Nodes(HIN)

HCS和HIN运作流程

• HCS 节点在 Hyperspace AI 生态系统中发挥核心作用，充当预言机、协调者和排序器。它们协调Hyperspace Inference Nodes(HIN)之间的交互。
• HIN 节点需要与 HCS 建立连接，并且可以根据节点运营者的选择决定连接到哪个 HCS。HIN 需要向 HCS 发送自身的计算能力及其可执行的模型范围信息。

在 HCS 和 HIN 的结合下，出现完整的推理机制：

在初始连接之后，Hyperspace 推理节点（HIN）需要向Hyperspace社区服务器（HCS）发送二次通信消息，即注册消息。注册过程如下：

• HIN 发送注册消息：
  1. 该消息包含 HIN 声明的计算规格以及其支持和可执行的 AI 模型。
• HCS 发送推理验证挑战：
  1. 该挑战以推理难题的形式呈现，HCS 自主决定难题的类型。
  2. HIN需要解决该难题，并通过调用提交推理结果。

3、欺诈证明与挑战模型

如果客户端收到两个不同的回复或明显可疑的回复，它可以向区块链提交欺诈声明，以获得补偿。

欺诈证明流程

• 客户端提交欺诈声明到区块链。
• 其他节点可以重新计算查询，并验证推理结果的完整性。
• 如果推理结果被证明是错误的，则节点可以提交链上挑战。
• 挑战是一个同步过程，在区块链上进行，由智能合约进行监控。
• 该过程仅需要 LLM（大语言模型）的哈希值，无需暴露完整的推理内容。
• 所有节点都有一个时间窗口，在挑战结束前可以提交他们的推理结果以对比验证。

挑战模型

在提交挑战之后，被挑战的节点必须提交中间状态根。挑战者通过确定第一个损坏的状态根并对其提出挑战，进行回应。然后，被挑战的节点继续提交从挑战状态根到其之前的状态根之间的中间状态根。这个过程会持续进行，直到执行步骤被缩小到单一交易，该交易会在区块链上结算。挑战过程步骤和公式复杂，简单地说挑战过程包括对数级别的推理步骤验证，通过逐步缩小挑战范围（即状态根逐步被验证）来确保推理结果的安全和准确。

4、加密经济学与激励模型

所有组成实体的运作都受到内在经济结构和激励机制的驱动，从而促使它们保持诚信。通常，新兴的区块链生态系统会引入不同的代币来促进这种加密经济保护。然而，这些新兴代币在初期可能会面临一定的挑战，尤其是难以积累所需的体量和分布，从而阻碍生态系统安全基础的建立。

这个问题被 EigenLayer 巧妙地解决，EigenLayer 设计了一个框架，通过引入以太坊验证者，利用以太坊的加密经济保障机制。Hyperspace AI协议吸收了这一框架，并使用EigenLaye运营商（Operator）来增强 Hyperspace AI 网络的安全性。

Hypersapce 的高自定义性使用户可以使用不同的组件以及AI模型来定制所需的数据平台。能够实现以下功能：

• 多模型支持：支持多种开源AI模型，用户可以根据需求选择。
• 信息数据网络：基于高质量数据源生成的信息网络。
• 运行节点：允许用户在桌面或浏览器等客户端上运行节点，参与对等网络，获得激励。
• 向量数据库：访问更新向量数据库，支持高效的信息检索。
• 网络热点：用户可以创建自己的热点，分享 AI 资源获得报酬以降低成本。
• 快速支付协议：采用定制的协议，确保高效的网络支付。

总之，Hyperspace AI 将区块链技术和AI推理结合在一起，创造了一个去中心化且安全的AI模型执行生态系统，减少了对中心化实体的依赖，提供了更高的透明度、可扩展性和抗攻击性。

优势与挑战

相较于中心化的AI应用ChatGPT以及Claude，Hyperspace的去中心化是其最为主要的优势特点。

数据隐私

• HyperspaceAI： 作为去中心化的协议，HyperspaceAI能够让数据持有者保持对其数据的控制权。用户在共享数据时，可以选择如何共享，并且通过智能合约和加密技术，保证了数据隐私和安全性。在此过程中，参与者可以获得Token奖励。
• ChatGPT/Claude： 这些模型是集中式的，数据存储和处理通常依赖于中心化的服务器。这意味着，用户的数据会存储在OpenAI或Anthropic的服务器上，可能存在隐私泄露的风险。

代币激励机制

• HyperspaceAI： 通过区块链技术和Token化机制，参与者（包括数据提供者、开发者、节点运营者等）可以通过贡献数据、计算资源或推理任务获得奖励。这样的经济激励机制鼓励社区成员积极参与，从而推动生态系统的发展。
• ChatGPT/Claude： 这些模型依赖于商业化收入和订阅模式，没有直接的去中心化激励机制，用户和开发者更多是被商业化服务（如API订阅）吸引，而不是通过区块链奖励来激励参与。

模型透明性和可验证性

• HyperspaceAI： 区块链能够确保AI模型训练过程和数据使用的透明性，每一步操作（如数据共享、模型训练、推理请求等）都可以追溯并验证。这对于AI模型的公平性和可信度是非常重要的。
• ChatGPT/Claude： 这些模型的内部工作原理通常是闭源的。用户和开发者无法完全了解模型训练的过程和数据来源，因此模型的透明性较差，容易产生信任问题。

分布式计算和资源共享

• HyperspaceAI： 通过去中心化的Inference Nodes (HIN)，HyperspaceAI能够在全球范围内分布计算任务，减少对大型数据中心的依赖，优化计算效率和资源利用。
• ChatGPT/Claude： 这些模型依赖集中式的服务器进行推理和计算。这意味着它们可能面临计算资源的限制，并且一旦服务器出现问题，可能会影响到所有用户。

对于Hyperspace来说，面临最大的问题就是普及型。去中心化的优势显而易见，但区块链应用被普罗大众广泛接受的路道阻且长。这也是许多去中心化应用，比如DePIN、Gaming赛道的痛点之一。当然，不同于几年前，随着比特币和传统金融机构、监管机构的交互逐步增加，区块链的普及没有之前那么难了。

总结

Hyperspace AI 通过区块链与 AI 推理的结合，构建了一个去中心化、安全且高效的 AI 计算网络。其核心组件确保了 AI 计算的可信性和可验证性，同时降低了对中心化AI基础设施的依赖，也为用户提供了高自定义化的平台。通过 HCS 和 HIN 的协同运作，HyperspaceAI 提供了高效的AI推理任务执行与验证机制，使得计算可以在无需信任的环境中运行。随着需求的增长，Hyperspace AI 有潜力成为去中心化 AI 计算的核心基础设施，为未来的应用提供更透明、公平和安全的解决方案。