為什麼 AI 需要信任、核能和加密原生代理 在這一集的 DROPS 中，我與 Ben Frigon 坐下來討論為什麼 AI 可能很快會自動化你生活中的大部分，但這只有在我們同時解決三個難題的情況下：信任、能源和基礎設施。從核能和數據擁有權到在你睡覺時移動資金的 AI 代理，@ben_frigon 勾勒出一個聽起來雄心勃勃但又奇怪地實際的未來。 從 DeFi 夏季到 @TalusNetwork Ben 的故事始於布朗大學的 DeFi 夏季，當時以太坊和早期的 DeFi 應用程序正在爆炸。他成為區塊鏈俱樂部的主席，並共同設計了他所稱的“任何大學中第一門有學分的 NFT 課程”，正是在 NFT 瘋狂的頂峰時期教授。 畢業後，他加入了加密風投公司 Distributed Global，花時間“研究你能想到的每一個加密領域。”這種強迫性好奇心的習慣是他認為好的創始人和好的投資者真正共享的少數特徵之一。 轉折點出現在他遇到他的共同創始人 Mike 時，後者正在 Polychain 的孵化中。@polychain 和 @SuiNetwork 隨後支持了 Talus Network，Ben 從投資者轉變為運營者。作為創始人，他說：“你需要非常非常樂觀，幾乎是天真、愚蠢的樂觀，”而風投的工作是想像某事可能失敗的每一種方式。生活在這兩種角色中幫助他雄心勃勃地建設，但又有現實的風險感。 是否存在 AI 泡沫？ 當被問及我們是否處於 AI 泡沫中時，Ben 說：“我不認為存在 AI 泡沫。我認為倍數可能會下降，但泡沫意味著投資是浪費。我不認為相對於我們擁有的機會這是一種浪費。”他說，真正的問題是 AI 不符合經典的風險投資經濟學。 訓練競爭模型意味著在第一天就需要巨額的硬件支出，這與風投設計資助的“兩個人在車庫裡”的故事正好相反。這就是為什麼許多進展發生在擁有深厚資產負債表的大型科技公司內部。 對 Ben 來說，正確的框架勝過財務。“這對世界的好處是我們從未見過的。”如果我們做對了，AI 將改變我們的工作、學習、決策甚至彼此之間的關係。但這種上行潛力只有在我們正面應對兩個重大風險的情況下才有意義。 重大風險：錯誤的模型和能源不足 第一個風險是模型設計。當前的大型語言模型令人印象深刻但狹隘：在文本處理方面表現出色，但在時間序列推理和交易或機器人等具體任務上表現不佳。Ben 認為，如果我們想要能夠處理現實世界複雜性的代理，我們最終需要“世界模型”，這些模型的學習方式更像人類。如果我們繼續鎖定在當前的 LLM 範式中，華麗的演示可能會在我們達到人們夢想的用例之前就停滯不前。 第二個風險是能源。訓練和運行前沿模型對能源的需求非常高，而數據中心集中的地方電網已經受到壓力。Ben 在這裡直言不諱：美國需要一個“核能新政”。現代小型模塊反應堆更安全且更便宜，但圍繞它們的燃料、供應鏈和專業知識已經衰退。他主張重建這一點應該是國內的首要任務：“如果美國認真對待實現 AI 的全部潛力，除了核能別無選擇。” 為什麼 AI 和區塊鏈實際上相符 輕易地將“AI + 加密”視為營銷，但 Ben 將交集分為三個明確的層次：計算、數據和代理。 ...