建立開放式 AI 基礎設施：Gonka 對去中心化計算的願景

Gonka 旨在去中心化 AI 計算，為開發者和硬體供應商提供可預測、可驗證的存取權，同時挑戰集中式雲端巨頭的主導地位。

隨著對 AI 計算的控制越來越集中於少數雲端供應商和硬體巨頭，Gonka 已成為一個專注於去中心化、高效率 AI 基礎設施的新 Layer-1 網路。該專案的創始人相信，將計算視為開放、可驗證的基礎設施，而非受限的服務，Gonka 能夠解鎖全球 AI 資源存取，並挑戰當今集中式系統的結構性限制。

1. Gonka 是什麼？它解決了哪些問題？

Gonka 是一個高效率 AI 計算的 Layer-1 去中心化網路，旨在解決當前 AI 熱潮背後的結構性問題：AI 計算的產生、分配與激勵方式。

如今，AI 的主要瓶頸不再是模型，而是對計算的控制。先進的 GPU 高度集中於少數硬體製造商和超大規模雲端供應商，使得 AI 計算成本高昂、資訊不透明，並且越來越受到地理和政治的限制。美國與中國正迅速整合對晶片、能源與資料中心容量的控制，將大部分其他國家置於依賴地位，限制其在 AI 經濟中的競爭能力。

這不僅影響新創企業，也影響整個區域。開發者面臨價格波動、容量短缺與供應商鎖定的問題，許多國家則因為無法取得基礎 AI 基礎設施而有落後的風險。

Gonka 在協議層面重新思考這個問題。它不再將計算視為由集中式供應商控制的 gated 服務，而是受到已證明能透過開放激勵協調大規模實體基礎設施的系統啟發。就像比特幣在硬體與能源方面的示範，Gonka 將類似的原則應用於 AI 計算，不是在應用層面，而是在協議層面。

透過 Transformer 為基礎的工作量證明（Proof-of-Work）機制，該網路將幾乎所有可用的 GPU 計算能力導向有意義的 AI 工作負載。目前主要是 AI 推論，未來計畫加入訓練。主機（Hosts）根據經過驗證的計算貢獻獲取獎勵，而非資本配置或投機性機制。與許多去中心化系統不同，計算不會浪費在抽象的安全任務或重複的共識工作上，而是用於實質產出。

對開發者而言，這提供了可預測的 AI 計算存取權，無需依賴封閉的 API 或單一雲端供應商。更廣泛來說，Gonka 將 AI 計算視為基礎設施，具有高效率、可驗證且全球分散，而非由少數守門人控制的資源。

2. Gonka 的工作量證明（Proof-of-Work）模型與 Bittensor 等其他去中心化 AI 項目有何不同？

主要差異在於每個網路定義的“工作”內容以及價值的創造方式。

許多去中心化 AI 項目，包括 Bittensor，專注於模型或網路層級的協調。它們的激勵通常由質押（staking）、委託（delegation）或點對點評估系統塑造，獎勵與影響力不一定與純粹的計算貢獻成正比。這種方式在某些協調問題上有效，但未必能最佳化大規模、高效率的 AI 計算基礎設施。

Gonka 採取不同路徑。它是以計算為先的網路，將“工作”定義為可驗證的 AI 計算。Gonka 的工作量證明基於 Transformer 的 PoW 機制，衡量的是實際 GPU 工作，而非資本配置或投機參與。投票權與獎勵直接與經過驗證的計算貢獻掛鉤，使激勵與基礎設施的實際性能保持一致。

另一個關鍵差異是效率。在許多去中心化系統中，大部分可用計算資源被用於共識、驗證或重複工作，這些工作在網路外幾乎沒有價值。例如，在 Bittensor 等系統中，約 60% 的獎勵用於質押，雖然對網路安全必要，但不直接貢獻於 AI 計算。Gonka 的 Sprint 設計最大限度降低這些開銷，幾乎所有 GPU 資源都用於有意義的 AI 工作，主要是推論。

簡單來說，像 Bittensor 這樣的項目專注於協調智慧，而 Gonka 則專注於建立 AI 計算的經濟與基礎設施基礎。這些方法在堆疊的不同層面運作，Gonka 的模型特別為硬體供應商與實際 AI 工作負載優化。

3. 為何 Gonka 選擇專注於 AI 推論而非訓練？

Gonka 是以計算為先的網路，這個觀點自然影響我們的起點。

專注於推論的決定是排序問題，而非限制。推論是當前大多數實際 AI 應用的核心，也是基礎設施最明顯的瓶頸。隨著 AI 系統從實驗階段進入生產，持續推論變得昂貴、容量受限，並由集中式供應商嚴密控制。

從網路設計角度來看，推論也是最合適的起點。它讓我們能在真實生產工作負載下驗證 Gonka 的核心原則——可驗證的計算、高效的資源配置與激勵對齊。推論工作負載是持續的、可衡量的，且適合在硬體利用率與效率重要的去中心化環境中運作。

訓練，尤其是在大規模下，是另一類具有自己協調動態與執行特性的問題。我們的重點是先建立在真實需求下運作的基礎設施，而推論已經是當前的需求所在。未來，Gonka 確實計畫引入訓練，並將 20% 的推論收入用於支持未來的模型訓練。

4. Gonka 如何驗證礦工是否真的完成了 AI 推論工作？

Gonka 的驗證直接嵌入在衡量與評價計算的方式中。

推論任務在短暫的時間段（Sprint）內執行。在每個 Sprint 中，主機（Hosts）被要求對隨機初始化的 Transformer 模型進行推論。由於這些任務計算密集且不斷變化，無法預先計算、模擬或重複使用先前的結果。產生有效輸出的唯一實務方法是進行實際計算。

網路會驗證結果是否符合實際運行模型後的預期。

為了保持效率，Gonka 不會逐一重新檢查每個計算，而是持續驗證部分結果，並對被懷疑造假者增加檢查頻率。主機的獎勵包含有用工作的手續費，若工作未通過驗證，則不予支付。這樣可以降低開銷，同時確保提交錯誤或偽造結果不划算。

隨著時間推移，持續提交正確結果的主機會被認定為可靠貢獻者，並獲得更大參與度。這個以實際、驗證過的計算為基礎的原則，支撐著 Gonka 的激勵與影響力。

5. OpenAI、Google 和 Microsoft 控制著龐大的計算基礎設施，擁有既定的客戶群。Gonka 如何在這些既有巨頭中保持競爭力？

挑戰不在於技術本身，而在於計算存取的控制方式。

我們不認為 Gonka 是在與 OpenAI、Google 或 Microsoft 直接競爭。這些公司建立並運營著世界上最先進的集中式 AI 堆疊，這些系統將持續扮演重要角色。

差異在於我們所處的堆疊層級。集中式供應商控制著龐大的基礎設施，但這種控制伴隨著折衷。存取被封鎖、價格不透明、容量由內部優先級決定。對許多開發者與區域來說，這導致波動、鎖定與長期預測困難。

Gonka 被設計為一個開放的基礎設施，而非服務。計算由去中心化的主機網路提供，供應與需求由實際計算供應決定。激勵在網路層面保持一致，獎勵經過驗證的計算，並鼓勵持續優化基礎設施。

這使 Gonka 具有競爭力，不是取代現有巨頭，而是啟用那些由於結構性不足而被忽視的用例——需要開放性、可預測存取與基礎設施透明度的工作負載。透過建立一個硬體供應商在性能與效率上直接競爭的市場，Gonka 也能降低 AI 計算成本，使更廣泛的開發者、創業公司與區域都能獲得存取權。

6. 自 2025 年 8 月推出以來，Gonka 已成長到 2,200 位開發者與 12,000 GPU 等效容量。是什麼推動了這個採用？

推動這個採用的不是短期的炒作，而是結構性的契合。

在供應端，主機尋找替代集中式模型的方案，以充分利用他們的硬體。在需求端，開發者面臨價格波動、容量限制與封閉 API 的問題。隨著 AI 工作負載進入生產階段，可預測性與存取權變得與純粹性能同樣重要。

隨著越來越多的主機加入，無論是獨立還是透過池子（(這是個較大的話題)），網路對開發者來說變得更有用。更多工作負載上線，形成持續的需求，進一步吸引基礎設施投資。這個反饋循環成為主要的採用推動力。

採用速度反映出 Gonka 的激勵與市場的實際需求高度契合。主機因有用的計算獲得獎勵，開發者則獲得可靠的推論存取權，網路隨著這些需求相互促進而有機擴展。

這種協調大多在 Gonka 社群中公開進行，包括在 Gonka Discord 的持續討論。

7. Gonka 最近從 Bitfury 獲得 $50 百萬美元投資，同時維持去中心化治理模型。Gonka 如何在制度資本與去中心化願景間取得平衡？

關鍵在於 Gonka 在協議層面本身就是去中心化的，而非僅在敘事上如此。治理與決策是基於真實、可驗證的計算貢獻，而非資本所有權。

近期來自像 Bitfury 這樣的制度性合作夥伴的支持，並不代表對網路的控制權。他們的參與反映在豐富的建設大規模計算基礎設施經驗，但不會在協議中賦予特殊特權。在 Gonka，資金本身不會轉化為影響力。投資決策由 Gonka 社群投票決定，例如投票決定將 GNK 從社群池出售給 Bitfury。

實務上，投票權與參與網路決策的影響力取決於實際貢獻的經過驗證的 AI 計算量。影響力來自於真實工作：連接的 GPU、持續的性能與在 AI 工作中的證明貢獻。不能單靠財務投資購得或取得；必須透過運營基礎設施來贏得。這同樣適用於個人、大型運營商與制度性參與者。

這個分離是有意的。制度資本可以加速早期發展、研究與生態系統成長，但去中心化由網路的激勵與治理機制來維持。沒有任何參與者，無論制度性或其他，都能在未貢獻相應比例的驗證計算下取得主導控制。

這種方式讓 Gonka 能與經驗豐富的基礎設施合作夥伴合作，同時堅守其核心原則：由提供計算的用戶治理，而非由資金提供者控制。

8. 如果 AI 推論商品化，價值通常流向控制模型者，而非基礎設施，Gonka 如何捕捉長期可持續的價值？

這種模式主要存在於封閉生態系中，少數公司控制模型、基礎設施與存取權。在這些系統中，價值不僅集中在控制權，也在利潤率，且參與收益的範圍有限於少數企業股東。

目前，人們可以付費給 OpenAI、Anthropic 或其他供應商使用 AI，但無法在 AI 計算的經濟中實質參與。沒有直接介入或受益於這些系統背後的計算層。像 Nvidia、Meta 或 Google 這樣的上市公司，僅將 AI 作為更廣泛業務的一部分，並非作為獨立的經濟層來直接參與 AI 計算。因此，AI 經濟中增長最快的部分仍然大多封閉。

同時，雖然推論在表面層面可能商品化，但計算本身並非如此。計算受硬體供應、能源、地理與協調限制。隨著全球推論需求擴大，瓶頸逐漸從模型轉向可靠且具成本效益的規模化計算存取，這個瓶頸變得具有結構性價值。

這具有更廣泛的經濟意義。當存取權集中時，整個區域會陷入依賴，限制本地創新、生產力提升與在 AI 經濟中的參與。沒有特權存取超大雲端或先進 GPU 的國家，只能作為服務消費 AI，而非自行建設或貢獻底層基礎設施。

Gonka 在協議層面圍繞這個瓶頸建立。它不擁有模型，也不抽取租金，而是透過開放、無許可的規則協調計算的產生、驗證與分配。GNK 代表直接參與 AI 計算經濟，不是公司股權，而是與真實、可驗證貢獻掛鉤的存取與影響力。

這個模型也改變了參與者的角色。硬體所有者，從大型運營商到較小的 GPU 持有者，都可以直接貢獻 AI 工作，並根據驗證的計算獲得報酬，無論是獨立操作或透過池子。開發者則能存取可預測、透明的計算資源，而不會被鎖定在單一供應商或模糊的定價模型中。

更廣泛來看，我們看到兩種可能的未來：一是大多數 AI 容量由少數公司與國家擁有與控制，另一則是開放式網路允許全球協調計算，價值流向真正貢獻資源的人。Gonka 正是為第二條路徑而建。

同時，也不能忽視開源模型的角色。從一開始，它們就是 AI 創新的一個核心推動力，尤其是在開發者與新創公司中。我們相信像 Gonka 這樣的網路自然支持開放模型的開發與採用，提供可存取、可驗證的計算，讓智慧保持開放、具有競爭力，並不被專有基礎設施鎖住。

9. 創始人認為去中心化基礎設施必要的具體經驗是什麼？

我們的信念不是來自理論，而是來自多年在分散式計算與在集中式環境中建立 AI 系統的實務經驗。

在 Snap 以及後來的 Product Science，我們從事生產用 AI 系統，存取計算的能力直接決定了能建構與部署的內容。我們看到，當 AI 變得商業關鍵時，基礎設施決策的集中程度也越來越高，決策變得越來越受控。

最令人印象深刻的是，AI 計算市場的集中程度。少數公司控制著先進 GPU 的存取、定價、容量限制，並決定哪些用例可行。這種集中不僅塑造市場，也塑造權力。對計算的控制越來越決定誰能參與 AI 創新。

我們也看到這種集中不僅在經濟層面，還延伸到地理與主權層面。存取計算的能力正受到能源供應、出口管制與國家基礎建設策略的影響，區域性限制日益嚴重。實務上，這使得整個區域陷入結構性依賴，限制其建立競爭性 AI 生態系的能力。

同時，我們也見證了去中心化系統成功協調全球實體基礎設施的例子。比特幣是一個明顯的例子，不是作為金融資產，而是作為一個協議，將激勵與實體硬體與能源掛鉤。這個對比讓問題變得明顯。

Gonka 正是從這個認知中產生：如果 AI 計算正成為基礎設施，就需要一個開放、無許可且具有韌性的協調模型，而非由少數行為者控制。

10. 在科技巨頭持續升級自己的 AI 基礎設施與能力的競爭格局中，Gonka 需要做什麼才能成功？

Gonka 不需要超越或超支科技巨頭來取得成功。它需要專注於堆疊的另一層，這一層集中式玩家較難解決。

大型科技公司將持續建立強大的 AI 基礎設施。他們的系統優化於封閉生態、內部優先與集中控制。這個模型可以非常高效，但也會集中存取權、定價權與決策權。

為了讓 Gonka 成功，網路必須持續提供基礎設施層級的效率，確保大部分計算用於真正的 AI 工作，而非協議開銷。激勵必須與經過驗證的計算工作緊密掛鉤，獎勵與影響力隨著真實貢獻擴大，而非資本或投機。

同樣重要的是，Gonka 必須維持一個開放、無許可且透明的協議架構。AI 計算正逐漸成為基礎設施，就像工業時代的電力或早期的網路。在那些時刻，決定性問題不是哪家公司有最好的產品，而是誰能存取底層的電網，以及在什麼條件下。

科技巨頭將持續存在並扮演重要角色。Gonka 若能成為一個互補的基礎設施層，限制過度集中、擴展全球存取，並促進 AI 創新在更開放、去中心化的經濟環境中成長，即是成功。