随着像Claude或ChatGPT等AI工具的主流应用飞速增长，其商业机会尚待挖掘。此外，作为中心化企业，它们可能容易受到操控、攻击和审查。
去中心化AI资源板块仍处于起步阶段。在David Liberman和Daniil Liberman的带领下，Gonka AI是该领域的先行者之一。在与U.Today的采访中，这两位AI创新者讨论了去中心化AI网络的挑战与前景、资金、代币化、商业野心等话题。
U.Today：您好，David和Daniil，感谢你们的到来。请简单介绍一下你们的项目和在AI方面的背景。
**Gonka AI创始人：**感谢邀请，我们很高兴能分享我们的故事以及Gonka背后的理念。
我们一同构建技术已大半生。早期工作涉及分布式计算、计算机图形学和游戏开发，在这些领域我们学会了如何极限发挥硬件性能，思考性能、效率和规模。随着时间推移，这些经验自然转化为AI驱动产品、增强现实和大规模系统的开发。
2016年，Snapchat收购我们时，我们开发了被数亿人使用的AR产品。之后，通过Product Science，我们专注于应用机器学习和性能优化，服务于大型生产系统。这让我们亲身体验了现代AI基础设施的实际运作——不是理论上的，而是在现实约束下的。
这种视角最终引领我们走向Gonka。
Gonka源于Web2 AI研究者与Web3基础设施运营者的合作。在考虑AI基础设施如何实现全球规模化时，我们受到比特币的启发——它不是作为金融资产，而是作为协调庞大去中心化基础设施的蓝图，通过开放的、基于工作激励的机制实现协作。虽然行业大多已远离工作量证明（Proof-of-Work），但我们的经验表明，在计算和硬件创新方面，基于工作激励的系统依然非常有效。
我们看到，AI研究者和基础设施运营者各自拥有互补优势，难得聚合。研究者理解智能如何变革行业，而基础设施运营者擅长快速部署数据中心、通过实际经济激励优化硬件。Gonka通过以计算为核心的AI基础设施，将这两个世界连接起来。
开发工作于2024年5月启动，到年底，首批节点已在Gonka测试网中通信。2025年8月底，主网正式上线，标志着网络向更广泛参与开放。在主网启动后的几个月内，Gonka累计算力相当于超过10,000个H100 GPU，全球GPU运营商和AI开发者的参与度不断提升。
Gonka将计算视为开放基础设施——可验证、高效、基于实际贡献构建。
U.T.：总体而言，您会将Gonka AI描述为AI还是Web3协议？
**G.:**我们首先将Gonka定义为去中心化的AI计算协议。
我们关注的问题是一个AI原生的问题：AI推理的计算是如何产生、分配和治理的。如今，这一层高度集中，由少数供应商控制，影响了可构建的内容、访问权限和成本。Gonka旨在改变这一局面，将计算视为开放基础设施，而非门控服务。
去中心化在这里起辅助作用。就像比特币曾展示的硬件协调方式一样，去中心化激励可以成为高效扩展真实世界基础设施的强大工具。我们使用Web3原语作为工具，而非作为产品本身。
从开发者角度看，Gonka像是AI基础设施。开发者通过熟悉的OpenAI风格API与网络交互，处理推理任务，无需考虑区块链技术。从协议角度看，去中心化使网络能够验证真实的计算贡献，并实现自我治理，无需中心所有者。
因此，虽然Gonka在基础设施层采用Web3机制，但其核心目标是AI原生。
U.Today：AI板块正高速发展，概念层出不穷。Gonka AI在这个竞争激烈的环境中有何独特之处？
**G.:**Gonka的不同之处在于，我们不试图打造另一个AI产品。我们专注于更深层次：AI计算的经济学和基础设施。
大多数新AI项目在模型、功能或用户界面上竞争。Gonka则在其下层操作。我们提出更根本的问题：AI计算是如何产生的、由谁控制、以及由什么激励推动其演变？
与其他去中心化项目相比，Gonka有两大差异。首先，Gonka围绕真实工作使用工作量证明（Proof-of-Work）激励机制，而其他网络多采用权益证明（Proof-of-Stake），激励质押者（资本）。Gonka的参与者通过贡献验证过的计算获得奖励，而非金融工程或早期接入。第二，网络中的几乎所有计算资源都用于有意义的AI任务，而非安全开销。
另一个关键差异是治理。Gonka设计为由基础设施运营者共同治理，没有单一所有者决定价格、访问或方向。随着时间推移，这使网络更具韧性，更贴近实际依赖者。
总结来说，Gonka的焦点虽狭窄但基础性强。我们不是在竞争“最聪明的模型”（但可以用Gonka算力开发最聪明的模型），而是在构建基础设施，让多样的模型和思想得以存在，而不被中心化控制所限制。
U.Today：Gonka AI的“去中心化AI网络”是核心概念之一。为什么AI需要去中心化？而目前超过99%的应用由企业支持的产品如Perplexity和ChatGPT覆盖，为什么还要强调去中心化？
**G.:**目前大部分AI应用集中化，并不代表模型有效——只是目前唯一可用。
实际上，先进GPU的获取高度集中，少数硬件制造商和超大规模云服务提供商决定了谁能构建、在哪里以及成本如何。例如，Nvidia的GPU位于AI技术栈的核心，访问它们的途径正受到长期合同、地区限制和地缘政治的影响。
这种集中不仅是技术问题，更是经济和主权问题。算力的地理限制日益明显，美国和中国在争夺能源、数据中心和先进芯片。这种动态可能让全球大部分地区处于结构性依赖状态，限制其竞争、创新和建立可持续AI经济的能力。
同时，许多现有的去中心化网络反而存在相反问题。它们在内部共识和安全机制上消耗大量GPU算力，奖励资本而非实际计算贡献。这两方面都阻碍硬件供应商的积极性，减缓基础设施创新。
当规模暴露出这些限制时，去中心化变得必要。像Gonka这样的系统旨在将参与和影响与验证的计算贡献挂钩，让算力得以高效利用，并让较小的独立GPU运营商联合资源、在成本和效率上竞争，减少对少数主导供应商的依赖。
如果AI正成为基础设施——类似工业时代的电力或早期互联网——那么算力的获取不能由少数门控者单方面设定价格和规则。中心化的AI产品仍会存在，但长期的韧性需要一种替代模型。
U.Today：此外，AI与Web3的协同概念似乎被过度使用。你们怎么看——这两者会如何互动？有哪些潜在的应用场景？
**G.:**我们同意，“AI与Web3的协同”常被抽象讨论。我们更看重实际：这种互动发生在基础设施和激励层面，而非口号或功能层面。
AI需要大量算力，而Web3提供机制，用于协调资源和激励多个独立参与者，无需依赖单一所有者。Gonka正处于这个交汇点，利用去中心化协调，使大规模AI算力变得可访问且可验证。
实际操作中，Web3提供协调和验证层——确保算力贡献真实、可衡量且得到公平奖励。AI提供工作负载，为基础设施赋予实际用途。
最直接的应用是受开放性和可验证性益处的AI系统，包括链上或半链上AI代理、透明推理的应用，以及用户对AI输出的可追溯性要求。它还让AI开发者可以在不被单一中心化供应商或API锁定的情况下运行推理。
因此，我们的观点不是把AI上链或给模型加代币，而是利用Web3机制构建开放、可扩展的AI基础设施，用AI工作负载赋予去中心化网络实际的经济价值。
我们曾见过类似模式。比特币展示了激励一致如何促成庞大、全球分布的算力基础设施，而无需中心化协调。我们认为，AI是这一演变的下一步——引导去中心化算力走向真实世界的智能，而非抽象的安全工作。
U.Today：你们认为目前AI的进展和应用是否处于泡沫状态？为什么？
**G.:**我们不认为AI本身是泡沫，但相关市场的某些部分确实如此。
目前所见的，是每项基础技术都伴随的典型模式：有真正的突破——真正有用且被广泛采纳的AI系统——以及在此基础上的投机层，期望值增长快于基础设施和经济支持。
这就是“泡沫”说法的来源。不是AI的能力，而是对“规模化AI成本低、无摩擦、无限可得”的假设。实际上，AI的进步越来越受基础设施限制。算力昂贵、集中且有限，即使需求持续增长。
历史上，投机过剩常因资本集中在最显眼的创新层，低估了底层的成本。投机层可能修正，但基础设施层持续扩展，才是长期价值的所在。
因此，如果今天有泡沫，那不是在AI技术本身，而是在“AI可以无限扩展”而无需重新思考算力的构建、所有权和治理方式的信念。这正是Gonka等系统旨在解决的问题。
U.Today：你们怎么看Gonka AI在实际应用中的前景？无论是B2B还是B2C系统？
**G.:**正如前面提到的，我们主要视Gonka为基础设施，其影响在于AI推理已成为关键但受成本、访问或控制限制的场景。
在B2B方面，最直接的应用包括推理密集型系统，如AI代理、内部助手、客户支持自动化和数据分析管道。对许多团队而言，当前瓶颈不是模型质量，而是价格波动、容量限制和缺乏透明度。Gonka让这些工作负载在开放基础设施上运行，访问和成本由实际算力驱动，而非供应商锁定。
在B2C和供应端，参与Gonka的方式设计得非常灵活。节点可以自主贡献GPU算力——自行运营基础设施，基于验证的计算工作直接获益；也可以加入资源池，从多个小型参与者中聚合资源。
资源池化是可选项，不是强制要求。它降低了资源有限的节点的门槛，独立运营者也能按自己的条件全规模参与。这些模式共同使网络能结合大型运营商和小型贡献者，形成单一、可扩展的算力层。
这种灵活性增加了面向消费者的AI应用的推理容量，而不依赖单一中心化供应商，同时保持广泛基础设施运营者的参与。
U.Today：GNK代币的用途是什么？潜在的受众是谁？
**G.:**GNK是Gonka网络的原生实用型代币，主要用于奖励验证过的计算贡献（节点）以及支付网络上的AI算力费用。它旨在支持真实的AI工作负载，激励围绕实际性能的价值，而非投机。
对AI开发者和构建者而言，GNK提供了在开放基础设施上进行去中心化AI推理的通道。更广泛地，它也让支持者可以参与推动AI算力普及——实现高效协调、提升可及性，而非由少数中心化供应商控制。
U.Today：请分享三个你们为Gonka AI和GNK感到自豪的里程碑？
**G.:**我们引以为傲的第一个里程碑是Bitfury的5000万美元战略投资。这不仅是资金支持，更验证了去中心化高效AI算力的可行性，借助Bitfury在大规模基础设施方面的深厚经验。
第二个里程碑是早期网络规模。在前三个月内，Gonka累计算力相当于超过12,000个H100 GPU，显示出节点对系统的强烈需求——奖励与验证的计算贡献挂钩，而非投机。
第三个里程碑是活跃的基础设施驱动社区的成长，包括GPU节点运营商、AI开发者和研究者。早期贡献者和顾问如6block、Hard Yaka、Gcore、Hyperfusion、Greg Kidd和Val Vavilov等持续参与，技术和媒体的关注也在不断增加。社区已自然壮大，超过13,000名参与者在Gonka的Discord中直接交流基础设施、性能和实际AI工作负载的见解。
大部分讨论在Gonka的Discord中公开进行，GPU运营商、开发者和研究者共同推动网络发展。
U.Today：能否分享一些Gonka AI运行的硬件规格？
**G.:**Gonka运行在由不同节点贡献的异构高性能硬件上。协议设计为适配现代数据中心级GPU基础设施，优化AI推理。
实际配置包括配备H100或A100等效加速器的多GPU服务器、企业级CPU、高带宽内存和高速互联。具体配置因节点而异，但所有硬件都必须满足大规模推理任务的性能门槛。
网络还支持资源池化，允许多个节点联合资源。Gonka不强制硬件标准，而是关注整体算力和可靠性，通过整合多样运营商的优质基础设施实现网络扩展。
U.T.：难题：AI创业公司是否有望实现可行的单元经济？
**G.:**可以——但不是自动的，也不是所有公司都能。
当前“单元经济问题”的很大一部分源于算力经济学：价格不透明、容量受限，以及推理成本随使用增长。随着AI产品从演示走向持续运行，基础设施成为瓶颈。
两个最新数据点清楚显示了方向：
因此，创业公司能否实现可持续的单元经济，越来越依赖于能否以可预测、可扩展、低成本的方式获取算力。将算力视为事后考虑的公司，将在使用增长中遇到困难。而那些围绕更优基础设施经济（更高利用率、透明定价、更强的访问弹性）构建的公司，绝对有望实现可持续的单元经济。
U.Today：你们对未来五年AI行业的市值预测如何？Gonka AI在其中的位置？
**G.:**试图准确预测五年后的市值数字，忽略了更重要的点——AI采纳的速度和非线性。
我们已看到，一旦基础设施和分发到位，AI可以迅速从“可选”变为“默认”。2025年，微软披露GitHub Copilot已达2000万用户，约90%的财富100强企业在生产中使用。这种规模的应用，几年前难以预料，也说明一旦融入实际工作流程，AI的扩展速度极快。
随着这一转变加速，瓶颈从模型本身转向可靠、低成本、持续在线的算力获取。需求增长快于中心化基础设施的承载能力，这使得访问、价格稳定和容量成为创业公司和大企业的战略限制。
这正是Gonka的定位。我们不追求固定的路线图或特定的市场市值目标。Gonka强调社区驱动，依据实际算力需求不断演进。我们认为，开放、可验证的算力网络将成为AI经济的关键层——既不取代中心化供应商，也会限制其垄断力，扩大全球算力的可及性。
如果Gonka成功了，不是因为它比别人更准确地预测了未来，而是因为它像基础设施一样被构建——能够适应、扩展，支持AI的快速增长，即使这种增长比传统模型预期得更快、更不均。
