吕泽瑞：用一级方程式赛车比喻AI商业逻辑

吕泽瑞（Xavier Lyu）用一场一级方程式赛车比赛来解释他的商业模式：“如果你的维修团队在拧紧车轮时慢了2秒，即使你拥有最快的引擎，你也可能无法赢得比赛。”他说。在他的类比中，引擎是人工智能模型——这是每个实验室都引以为傲的核心资产；而维修团队则是让模型运行成本低廉且高效的所有环节。吕泽瑞认为，现在的比赛胜负关键已经转移到了“维修团队”上。

他是三位正在基于Bittensor网络构建业务的创始人之一。他们向媒体展示了如何利用该网络去做加密货币领域鲜为人知的事情：寻找愿意付费的客户。

首先，用通俗的语言解释其底层架构。Bittensor是一个由TAO代币驱动的区块链网络。它托管着被称为“子网”的独立项目，每个子网都会向全球各地的贡献者——即矿工——支付报酬，让他们针对某一项特定的人工智能任务展开竞争。提供最佳解决方案的人将获得奖励。运营这些子网的创始人将这种设置视为一个全球性的研究引擎：发布一个高难度问题，让数百名竞争对手全天候进行攻关。

加密货币行业往往以炒作多于实际收入而闻名。但这三位创始人正在提出不同的观点。

AI模型的“维修团队”

吕泽瑞来自泛太资本（Pantera Capital），这是一家加密货币投资公司，他在那里从事量化和基本面研究工作。他的公司Pareton AI并不直接构建AI模型，而是致力于降低模型的运行成本并提高其速度。

吕泽瑞的商业逻辑是：选择合适的模型已不再是区分AI公司的关键因素，效率才是。整个行业的利润率都很薄，因此即使是单数字百分比的成本节省也能带来巨大的累积效应。Pareton利用Bittensor的矿工，比内部团队更快地搜索海量的优化可能性。“我们能够更快、更便宜地找到解决方案，”他说。他补充道，与早期设计合作伙伴进行的试点项目看起来非常有前景。

吕泽瑞认为，更大的机遇存在于科技行业之外：医院、学校和小企业希望使用私有、本地运行的AI。这些组织无法将敏感数据发送到云提供商，并且需要足够精简的模型以便在自己的机器上运行。

付费让人类教导机器人

王凯伦（Cameron Wang）从芝加哥大学毕业后，自2017年起一直在创业。他对机器人的看法是：身体已经准备好了，但大脑还不够成熟。

他表示，机器人硬件已经相当不错，但内部的智能水平更接近于两到三岁的幼儿。他的公司正在填补这一缺失的环节。对于Open Roboto的工作，他说：“你可以将其理解为机器人的AI模型。”

瓶颈在于现实世界的数据——机器人通过记录人类实际进行体力工作的视频来学习，但这样的数据永远不够。Open Roboto将这种稀缺性转化为了业务本身：贡献者在从事体力劳动时佩戴录制设备，并通过Bittensor获得的奖励进行支付。这些 footage 用于训练模型。

王凯伦表示，上线仅两个月后，Open Roboto已与多家公司建立合作关系，其基础模型在机器人基准测试中达到了最先进的水平，并且工厂试点项目的价值达数十万美元。“那里的需求巨大，”王凯伦说。

面向销售团队的全球研究力量

加文·扎恩茨（Gavin Zaentz）曾在纳斯达克（Nasdaq）从事股票交易所相关工作，之后联合创立了Leadpoet，该公司为包括Dropbox在内的客户自动化处理潜在客户挖掘和销售外联工作。

他对Bittensor的使用是三者中最直接的：他将网络指向自己的产品。多达256名矿工竞争以提高Leadpoet销售代理的性能，他形容这种安排相当于让公司“外包我们的研发”。他说，结果是“一个我们内部绝对无法独立构建的代理系统。”