对话 Gensyn 联创 Harry Grieve：主网即将上线，如何利用闲置资源打破 AI 算力的“规模天花板”？

嘉宾：Harry Grieve，Gensyn 联创
整理编辑：momo，ChainCatcher

当AI模型对算力的饥渴遇上中心化供给的天然瓶颈，一场算力革命正在悄然发生。Gensyn的两位联合创始人Harry Grieve与Ben Fielding洞察到，破局的关键在于激活全球数十亿边缘设备中沉睡的算力潜力，其路径正是去中心化。

Gensyn致力于构建一个通过区块链协议连接全球闲置计算设备的分布式机器学习网络，并以其创新的可验证计算技术确保训练结果可信。其测试网已吸引15万用户并稳定运行。随着测试网阶段顺利完成，Gensyn主网也将在近期上线。

Gensyn曾获得由a16z领投的4300万美元A轮融资，累计融资金额超5000万美元。在本次专访中，Harry Grieve系统阐释了Gensyn如何从“规模破界”这一核心命题出发，构建下一代AI基础设施的技术蓝图与商业思考。

去中心化的目的是打破算力规模限制

1. ChainCatcher：请先介绍一下自己。您在创办Gensyn之前，最关键的三段经历分别是什么？它们如何塑造了您进入“去中心化AI计算”这一赛道？

Harry Grieve： 我是早期接触互联网的一代。那时的网络更加开放、去中心化，充满了文件共享网络和不同的信息库。这塑造了我对信息、网络的理解，并让我很早就倾向于开源和去中心化的理念。

在大学及之后的时间里，我接触了古典自由主义思想，这让我更加注重个人权利与自由，并开始质疑中央集权和审查制度。这直接关联到当今的AI模型——当模型为我们做决策时，谁来决定它们的“权利”和行为方式？这引发了我对AI与主权、伦理关系的思考。

毕业后我在伦敦一家机器学习公司工作，亲身经历了获取大规模计算资源和高质量数据的巨大困难。我意识到，如果要持续发展更强大的模型，就必须解决底层资源（计算和数据）的访问和规模问题，这也是我后来坚定切入去中心化AI计算赛道并创办Gensyn的原因。

2. ChainCatcher：Gensyn的诞生契机是什么？您和Ben Fielding是如何在Entrepreneur First的8周内从0到1决定“All-in”这个方向的？

Harry Grieve： 我们是在英国加速器项目Entrepreneur First开始前的一次社交活动上认识的。我们之所以能迅速决定“All-in”这个方向，基于两个关键共识：

首先，我们坚信机器学习是未来。在2020年（ChatGPT出现之前），我们都高度确信机器学习将是下一个技术浪潮。虽然当时这并非共识，但我们看到了图像生成、交互等领域的技术突破，并深信其潜力。

其次，我们共同反对“中心化”。我受困于中心化计算和数据源的瓶颈，而Ben在他的博士研究和创业中专注于个人隐私和数据安全。我们都对中心化持批判态度。起初，我们关注的是如“联邦学习”这样的技术，但后来意识到，要解决其中的信任问题，需要一个去中心化的状态记录和问责机制，这最终将我们引向了区块链。我们从“AI原生”的创始人，转变为了“AI 加密”的探索者。

3. ChainCatcher：当时AI训练似乎主要依赖云巨头（如AWS），为什么你坚定认为“去中心化算力”一定有机会？当时你们认为选择去中心化算力的主要驱动力是什么？

Harry Grieve： 驱动因素是多方面的，但最核心的答案是规模。

当前绝大多数可用的互联网数据已被用于训练模型。未来性能的提升，依赖于获取那些位于“边缘”、目前无法访问的数据。要利用这些数据，你必须走向边缘，这天然需要去中心化。

尽管中心化算力投入巨大，但AI对算力的需求是“永无止境”的。这种饥渴感将推动算力需求蔓延至所有未被充分利用的设备上。要连接并规模化地利用这些分散的资源，而不将其全部集中化，去中心化是唯一的途径。

所以，规模是唯一的答案。去中心化是为了解锁前所未有的计算和数据资源规模。

Gensyn的核心差异化是什么？

4. ChainCatcher：如果用一句话向非技术背景的听众解释，Gensyn到底在“造一个什么系统”？

Harry Grieve： Gensyn是一个让你能够以前所未有的规模，访问构建机器学习系统所需的所有核心资源（如算力和数据）的系统。

5. ChainCatcher：去中心化算力赛道已有Akash、Render、io.net等玩家，Gensyn的侧重点或者核心差异化思路是什么？

Harry Grieve： 我们非常尊重像Akash这样的早期玩家。我们的核心差异化一方面在于资源视角不同：其他项目主要提供单一的、容器化的GPU算力租赁。而Gensyn的视角更广阔，我们考虑的是多种机器学习资源（算力、数据、模型），并且这些资源是相互交织、可循环利用的。

比如说，一个节点进行模型推理产生的输出是数据，这些数据可以被用来训练其他模型。在我们的网络中，推理、训练、计算和数据之间的界限变得模糊。我们构建的系统正是为了适应这种动态、混沌的机器学习新范式。

6. ChainCatcher：可以为读者系统讲解一下，目前Gensyn正在进行的产品布局吗？你们是如何系统化实现去中心化算力的？

Harry Grieve： 这是一个技术层面的描述：它是一个去中心化的加密网络，用户可以通过我们的原生代币访问各类资源——无论是用于训练或推理的可验证计算资源，还是通过设定客观标准来激励不同模型训练的机制。这个系统包含三大核心板块，它们共同形成一个强大的闭环：

验证系统： 这是我们的核心技术。我们开发了一个专有编译器和验证框架，能够实现跨不同硬件和软件的比特级精确验证。这意味着我们可以证明，一个模型在一个设备上的训练结果，与在另一个完全不同的设备上验证的结果完全一致。这是建立网络信任、防止欺诈的基石。

扩展技术（Swarm）： 这是一个点对点的训练框架（如用于人类反馈强化学习）。它允许你连接全球无数的设备进行水平扩展，利用边缘设备上的计算和数据进行训练，从而创造出更强大的模型。

助手技术（Assist Agent）： 我们拥有能够集成到应用中的自主AI助手。它们可以无导向地学习并协助用户完成任务。当这些助手在训练时，可以利用我们的扩展技术跨设备进行训练，从而自我进化，变得更强。

总的来说，当用户将智能助手集成到应用中，它会在执行任务的过程中持续生成交互数据；随后，这些数据被输入至我们的扩展技术框架中，通过跨设备协同的分布式训练方式不断优化模型；在此过程中，核心的验证技术会确保训练过程的准确性与可信度，最终产出性能显著增强的新一代模型。这一流程形成了非线性、持续强化的机器学习生态，使系统在规模化扩展的同时始终保持可靠性与进化能力。

7. ChainCatcher：从2023年A轮融资到2025年测试网公测，Gensyn实现的最大技术里程碑是什么？有没有一个让团队“集体尖叫”的时刻？您认为Gensyn目前最被低估的技术创新是什么？

Harry Grieve： 坦率地说，我们因“恐惧”尖叫的次数可能多于因“兴奋”尖叫，创业维艰。

我认为最被低估的技术创新其实是我们的验证系统。这项技术的构建极其复杂，需要从编译器、机器学习框架到硬件底层，全面解决所有可能导致非确定性的因素（甚至包括宇宙射线引起的GPU位翻转）。它的价值与外界认知度存在巨大落差。正是这项技术保证了我们网络的安全性和可扩展性，使我们能放心地允许任何设备加入网络并进行验证，而不用担心安全被稀释。

测试网用户超15万，主网即将上线

8. ChainCatcher：相比于中心化云算力巨头或者其他去中心化算力网络，你们在性能效率和成本上，目前是否有一些优势？

Harry Grieve： 在绝对集群规模上，目前还无法与AWS这样的巨头相比，但这主要是网络采用度的问题，而非技术限制。我们的优势在于解锁新的资源规模（尤其是边缘的计算和数据），以及成为未来机器智能文明的基础设施。我们相信，真正自主的、能够自我进化并存在于加密经济系统中的AI，将需要一个去中心化、无许可的网络作为其“栖息地”，而这正是我们致力于构建的。

9. ChainCatcher：你们现在的网络活跃度如何？有哪些值得分享的数据？

Harry Grieve： 在测试网阶段，我们已经取得了非常积极的进展：拥有超过15万用户，且大多是通过产品吸引力自然增长；约4万个节点在网络上运行；系统已训练了超过80万个模型。

10. ChainCatcher：主网启动的“最后一公里”障碍是什么？您给团队定的主网时间表是？TGE有明确的时间表吗？

Harry Grieve： 主网启动是当前的重中之重，TGE会随之而来。我们目前距离主网启动大约3-4周，之后将开始进行主网审计。

在这之前，主要是确保所有机制都就位、运行正确、功能齐全，并且最重要的是，保证网络的经济活动是安全的。

11. ChainCatcher：与创办之初相比，Gensyn面临的市场需求有哪些变化？你认为机器智能时代的到来，对你们带来什么样的影响？

Harry Grieve： 与创办初期相比，Gensyn面临的市场环境已经发生了根本性转变。回想2020年我们刚起步时，还需要向投资者反复解释机器学习的重要性，而随着ChatGPT的横空出世，AI已经成为全社会共识。这种认知转变也带来了更加激烈的市场竞争环境，各类AI和算力初创公司如雨后春笋般涌现。与此同时，行业讨论的焦点也发生了明显变化——开源模型的伦理边界、AI治理的监管框架这些议题，在几年前还鲜有人问津，如今却成为各国政策制定的热点。

正是在这样的背景下，机器智能时代的加速到来，恰恰印证了Gensyn存在的价值。我们打造的去中心化计算网络，本质上就是要为即将到来的自主进化式机器智能提供底层支撑。当AI系统需要突破现有算力瓶颈，实现真正的自主学习和快速迭代时，我们构建的基础设施将成为这个新时代的关键基石。

12. ChainCatcher：您在公开演讲中提到“AI的经济、伦理与监管挑战”。您最担心的监管风险是什么？Gensyn的协议设计如何实现“合规友好”与“抗审查”之间的平衡？

Harry Grieve： 在探讨AI监管这个话题时，我最担忧的是监管政策可能会错误地瞄准基础设施层。想象一下，如果未来出台政策限制GPU数量、数据集规模，甚至对用于AI训练的电力比例设限，这种粗放的监管方式将严重阻碍整个技术领域的进步。从我们的立场来看，AI模型本质上应该像数学公式一样开源共享，不应受到过多限制。

在协议设计层面，我们正在探索平衡之道。当前网络中的模型权重和数据传输仍以明文为主，这为合规监管提供了必要的透明度。同时，由于我们构建在以太坊等底层公链上，自然继承了其去中心化特性与验证机制。这种架构既保持了必要的监管可见性，又确保了系统的抗审查能力。

随着AI能力持续突破，如何在开放与管控之间找到平衡点，将成为未来几年我们和整个行业都需要持续面对的重要课题。

13. ChainCatcher：如果2030年回看，Gensyn成功的关键指标是什么？

Harry Grieve： 成功的关键指标不是简单的财务数据或用户数。我希望Gensyn的最大贡献是成为一个平行机器文明的经济基础。

到2030年，我希望看到一个完全平行的社会、文明和经济体在链上运行，其中没有人类。这个文明能产生与人类相当甚至更大的经济产出，具备真正的创造力，并能极大地推动科学发展和解决人类面临的重大问题（如延长寿命、减少不平等）。如果Gensyn是这一切得以实现的基石，那将是我们成功的终极标志。