# AI推理的所有文章

在 HTX 新闻中心浏览与「AI推理」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

AI证伪百年数学猜想被打假，Lean证明惊现漏洞，哥大教授破防了

OpenAI最新推理模型公布了十项数学突破，包括证明了非Sofic群存在性、新电路下界、攻克CVP难度极限以及量子博弈并行重复指数衰减定理等。其中，量子并行重复定理的证明尤为引人关注，它解决了哥伦比亚大学副教授Henry Yuen长期钻研却未彻底攻克的难题。Yuen承认证明可能正确，但批评其写作充满“AI味”，关键思路跳跃，缺乏直觉解释，导致人类难以理解。他指出，即便有Lean形式化验证通过，也不代表人类真正理解了证明背后的思想。同时，近期有人声称用Lean“证伪”了百年数学难题科拉兹猜想，但随后被发现是利用了Lean内核的漏洞，证明无效。专家指出，Lean只能确保形式逻辑无误，无法保证形式化陈述与人类意图的“语义对齐”，最终仍需人类专家把关。这两件事共同表明，AI可以辅助证明和验证，但真正的理解和审查仍然离不开人类。

marsbit前天 08:41

marsbit前天 08:41

从汽车金融到比特币再到 AI 引擎：康戈的「什么不该做」战略解析

康戈公司从汽车金融平台转型，先收购大规模比特币矿机成为矿企，后又成立AI推理子公司EcoHash，专注分布式人工智能推理而非主流的大型AI训练。公司认为，占行业70%电力的小型矿场所具备的分散化、低延迟特性更适合推理需求，并通过EcoLink软件实现站点间负载均衡。康戈保留部分比特币挖矿作为现金流，同时大幅削减债务并为AI业务融资。其战略核心是聚焦巨头未覆盖的细分市场，利用小型矿场的能源与区位优势，在AI推理领域寻求差异化竞争。

Foresight News07/11 07:56

Foresight News07/11 07:56

算力告急：谷歌悄然对Meta实施Gemini使用上限

人工智能基础设施的供需矛盾激化，谷歌约于今年3月告知Meta，无法满足其全部Gemini算力需求并实施了使用上限。这一限制至今未解除，已干扰Meta多个内部AI项目，导致其要求员工精打细算AI算力使用。谷歌自身也面临算力制约，近期与SpaceX签署了每月9.2亿美元的算力租赁协议以加速扩容。Meta因需求庞大受影响最深，其内部广泛使用Gemini进行安全审核、客服及开发等工作，如今正加速转向推广自研的Muse Spark模型以降低对外依赖。这场风波反映出AI推理工作负载的爆炸式增长已成为行业核心挑战，算力供给仍难以追上需求增速，行业瓶颈正从训练侧蔓延至推理侧。

marsbit06/29 01:02

marsbit06/29 01:02

太空算力的国产答案：用光子更高效，马斯克和老黄都太绕了

太空算力竞赛已如军备竞赛般激烈。马斯克预测，到2032年，太阳能驱动的太空AI卫星将成为全球成本最优的算力方案；黄仁勋也强调“数据产生之地即需智能”。然而，太空环境对计算载荷提出严峻挑战：高能粒子辐射易致芯片出错，真空环境散热困难，以及卫星能源有限制约功耗。光计算芯片被视为应对这些挑战的“国产答案”。其以光子为载体，天然抗辐射、几乎不发热且静态功耗极低，完美契合太空严苛条件。在同等重量和体积约束下，光计算能集成更多算力单元，因所需散热和能源系统更轻简，从而实现比电子芯片更高的算力密度。此外，光计算提升算力依赖光子规模和多维复用，而非追逐极端制程，避开了电子芯片的物理极限。目前光计算仍需克服存储与计算分离、规模化集成等瓶颈。虽有企业提出光子存内计算等方案，但从实验室走向太空，还需通过火箭发射震动、在轨系统集成等工程化考验。尽管天基计算商业化尚处早期，面临成本、迭代等多重门槛，但光计算凭借其独特优势，有望成为突破电计算天花板、塑造未来太空算力格局的关键技术路径。

marsbit06/28 04:31

marsbit06/28 04:31

AI 推理市场全景解析，加密项目如何突围？

本文深入解析了AI推理市场，指出其核心价值正从模型训练转向推理环节。推理是模型响应请求并生成答案的过程，目前占据了大部分经济利益。市场可分为传统与加密两大阵营：传统提供商（如AWS、Google）主打可靠性、企业级服务；加密网络（如Chutes、Akash）则侧重开放访问、低成本、隐私和新型激励机制。路由器（如OpenRouter）成为市场关键瓶颈，它聚合不同提供商的模型，根据价格、延迟等因素智能路由请求，类似能源市场的调度中心。传统市场还包括优化开源模型的服务商（如Together、Fireworks）和模型市场（如Replicate）。加密AI推理项目呈现多样化：Chutes提供去中心化推理API；Akash是GPU拍卖市场；io.net侧重分布式GPU云；Targon专注保密计算；Darkbloom利用闲置Mac进行私密推理；Venice面向消费者提供私密AI体验；NuNet致力于分布式算力编排；OpenServ关注代理基础设施；Dolphin AI从无审查模型需求切入；c0mpute尝试跨机器分布式推理。文章指出，加密项目的优势在于无许可供给、隐私、可验证性和代币化支付。成功的关键在于：真实的付费需求、每GPU收入、路由器集成、有效的验证机制、真实的隐私保障以及代币价值捕获。最终，市场的赢家将是能有效控制需求、路由、验证和结算的实体，而不仅仅是拥有算力的供给方。

Foresight News06/25 07:08

Foresight News06/25 07:08

研报解读：大摩详解闪迪 SNDK，云数据中心定价权与 AI 推理红利的真相

摩根士丹利于6月22日更新对闪迪（SNDK）的研报，将目标价从1100美元大幅上调至1750美元，维持“增持”评级。核心逻辑在于AI推理需求正在重塑NAND闪存市场格局。报告指出，云数据中心为支持AI推理的KV缓存和上下文窗口存储，正在支付溢价并推动闪迪云业务高速增长。这类客户价格不敏感，且多与闪迪签订长期的“新业务模式”（NBM）协议，锁定了未来比特出货量的三分之一以上。这些合同即使在最低价格条款下，也能保障约80%的高毛利率，为公司盈利提供了强大韧性。得益于供应持续紧张及云数据中心的需求结构性变化，闪迪获得了定价主动权。公司增长将主要依靠技术升级提升存储密度，而非产能扩张。摩根士丹利预计其营收和每股收益（EPS）将从FY25至FY27实现显著增长。上行催化剂包括数据中心SSD渗透超预期、边缘AI应用增长等；下行风险则涉及行业增长放缓、竞争加剧及中国厂商市场份额提升。报告强调，其看多逻辑基于AI推理需求、NBM协议锁利及供应紧张三大支柱，认为逻辑框架比具体预测数字更具参考价值。

marsbit06/23 12:04

marsbit06/23 12:04

深度洞察：去中心化推理不是炒作，而是 AI 突破中心化垄断的关键赛道

深度洞察：去中心化推理不是炒作，而是AI突破中心化垄断的关键赛道。文章通过一个未来假想情景（2026年，前沿模型GLM-6遭美国封杀，各大云平台下架）指出，去中心化推理的核心价值在于对抗审查，确保开放权重模型能被无许可地访问和服务。文章深入剖析了去中心化推理必须解决的四大难题：1）如何用分布式GPU集群运行超大规模模型，解决网络延迟和吞吐问题；2）如何验证节点确实运行了所承诺的模型，而非廉价替代品（介绍了ZKML、opML等多种证明方案及其权衡）；3）如何真正保护用户输入（prompt）的隐私，指出单纯的分片不足以保证隐私，需要TEE或FHE等硬件或加密方案；4）如何构建可行的双边市场，找到愿意付费的真实用户（如初创公司、AI智能体），而非仅依赖代币投机。文章盘点了多个代表性项目，如先驱Petals、注重验证的Inference.net、采用TEE的Morpheus、基于消费级GPU的c0mpute、专注苹果设备的Darkbloom等，指出各自的特点与局限。最后，文章分析了胜负场景：在低延迟交互场景中，中心化占优；在批量处理、合成数据生成等高吞吐场景中，去中心化可能凭借供给聚合获得成本优势。长期看，去中心化推理网络生成的数据可反哺训练，形成“推理-数据-训练”的增强闭环。文章提供了七点尽调清单，并建议关注那些能清晰说明去中心化层级、拥有真实买家且技术扎实的项目，警惕仅将“去中心化AI”作为营销噱头的炒作。

Foresight News06/23 10:36

黄仁勋即中本聪

本文探讨了英伟达CEO黄仁勋与比特币创始人中本聪在“token经济”设计上的结构性相似与本质差异。两者都构建了“算力投入-token产出”的模型：中本聪通过加密挖矿产生crypto token，依赖代码设定稀缺性和投机价值；黄仁勋则通过AI推理消费token，以物理限制（电力、散热、土地）定义天然稀缺性，并直接关联生产力价值。黄仁勋在GTC 2026演讲中提出了完整的“token经济学”，将AI token按速度、功耗、定价分层（免费到高端），并为企业提供算力分配方案。与加密货币的投机属性不同，AI token的价值体现在即时使用（如写代码、决策优化），而非持有交易，因此更稳定、实用。两者均引发硬件军备竞赛（GPU→ASIC/LPU），但英伟达通过生态壁垒（CUDA、Groq整合）和规则定义，实现了比加密货币矿机厂商更深的产业控制。最终，AI token经济因实际需求而无需论证价值，成为新一代“数字电力”。

marsbit03/19 01:31