EPISODE· generated 2026-06-08 01:56:59· 4 min
Can Bitcoin Save AI From Big Tech? Bittensor Co-Founder Explains
访谈讨论了去中心化AI的重要性，强调Bittensor作为一个透明、共有的解决方案，旨在防止集中式AI控制带来的心理偏见。它强调在AI技术中需要透明性、可审计性和社区所有权，以确保数字智能和计算能力更公平的分配。
interviewcryptoaiweb3
ready · seed-vc · qwen3-tts
0:00/0:00
⚠ The Chinese audio is an AI-generated dub (speech synthesis / voice conversion), not a real recording and may contain errors. Based on the original English interview; all rights remain with the original creator.
original lang
EN
dubbed into
中文 (ZH)
pipeline
Plan C · voice conversion
voice model
seed-vc · qwen3-tts
001
如果去中心化人工智能没有取得成功，我认为那就是人们开始意识到问题的时候。我认为那就是人们明白他们根本没有机会推翻这些巨头的时候。世界上每个人都会
002
从控制人工智能的单一公司的思维偏见中汲取养分。加密货币是人类对算力最强大的对齐工具。
003
比特币和人工智能，这两个领域本质上是组织物质的工具。加密货币是人类对算力最强大的对齐工具。而人工智能已经成为了对齐数字智能、组织神经网络权重的最强大工具。我们只是利用这两者的结合来
004
生产数字公共商品和人工智能本身。我认为它需要透明。它需要可审计。它需要共同拥有。去中心化是一个涵盖许多不同事物的泛称。比如说具有道德原语的技术。是的，它需要这样。
005
如果不是这样，那它基本上就不属于我们的思想。而全世界的人都将从单一控制人工智能的公司的认知偏见中汲取信息。我认为那将对我们要理解世界的能力造成毁灭性打击。
006
每个人都可以拥有 Bittensor，每个人都可以在 Bittensor 上进行构建，每个人都能看到 Bittensor 是如何运作的。它是透明的。而这些道德基元并未嵌入到竞争对手所使用的中心化技术中。就是这样。这确实有一些劣势，它会让我们变慢，但我们清楚自己的方向，并且认为这些基元至关重要。
007
Nvidia 的 Jensen Huang 在一次演讲中提到了 Bittensor。他对我们正在做的事情很感兴趣，因为和我们一样，他信奉开放接入和竞争。
008
他信奉自由，所以他喜欢我们正在构建的东西。
009
如果去中心化 AI 未能胜出，我想那时人们才会意识到。那时人们才会明白，他们没有任何希望去撼动那些巨头。而且很容易去想象一件事的价值，当你能够设想其负面后果时。所以，你知道，如果我们生活在一个只存在单一智能层级的世界里，只有一个
010
智能层级，人们最终会发现的。因此，你知道，如果我们不存在，人们会在那条路径上感受到这一点。
011
我认为人们不必担忧，因为我相信 collectively 我们可以让这项技术发挥作用并变得更好。但我确实认为人们应该保持警惕，思考将我们的思维能力外包给由单一实体控制的机器所带来的影响。我认为他们应该感到乐观，因为有许多非常聪明的人正专注于此。
012
智能体，人们最终会发现的。因此，你知道，如果我们不存在，人们会在那条路径上感受到这一点。
013
我认为人们不必过度担忧，因为我坚信我们集体能够让这项技术发挥作用并变得更好。但我确实认为，人们应当保持清醒，认真思考其带来的影响
014
将我们的认知能力外包给由单一实体控制的机器。我认为他们应该感到乐观，因为有很多非常聪明的人正在关注
015
这个问题。我们如何确保构建人工智能所基于的基元是分布式的、共同拥有的、透明的且可审计的，利用区块链技术。所以，是的。我认为他们应该极度……是的。
016
我们最顶级的 Bittensor 子网曾为任何其他提供商服务的开源模型数量最多。你知道，人们当时并不了解 TAO，但他们实际上在使用这些模型。
017
词元。Targon 是 Bittensor 上提供算力的顶级子网之一，该子网上的几乎所有计算机都无法使用，因为它们正被人们占用，而不仅仅是被 TAO 占用
018
矿工。因此，我们真正构建了能够渗透到现实世界并被人们使用的产品，甚至无需他们了解 TAO。我认为我们在组织人才方面比他们做得更好。
019
我确实认为，我们能够找到真正的顶尖高手，他们解决问题的速度远超那些通过传统访谈流程招募的人。而且我也认为，我们最终会训练出比他们更好的模型。
end of transcript · 19 segments