Transcription
我认为我们将能够基本上逐步攀登越来越复杂的生物体工程的阶梯。而且你知道，我认为那比数据中心里失控的数字人工智能要可怕一万倍，但也更有前景。我认为我们将非常非常快地从工程药物和疗法转向完全从整个基因组工程人类。我说的是，我们将能够完全预测无缺陷的基因组，并在体内有效地制造人类，而不是克隆他们。
我认为人工智能生态系统需要解决的最根本问题是计算效率，句号。人工智能将改变一切。人工智能将改变所有行业、所有产品、所有一切。Bitensor基本上将任何任务，任何创新任务转化为货币。这非常深刻。
你最近做了很多事情。是的。不，我的世界没什么变化。嗯，我的意思是，你看，生活怎么样？>> 很好。是的。是的。除了陶的价格。就像，你知道，你看，我不是个小孩子。比如，我能承受陶的价格下跌。这是意料之中的。而且这种波动在加密世界是意料之中的，很多这种波动显然只与比特币的波动有关，就像每前100名的币都与比特币完全相关，但你知道，如果TA上涨，生活显然会更好，但让我问你一个问题，TA下跌会影响矿工在子网上工作的兴趣吗？你知道，那会降低矿工在子网上工作的兴趣吗？可能会。是的。我的意思是，想象一下你有一家公司，你宣布每个人都只拿到一半的工资或一半的激励，我的意思是，从概率加权的角度来看，他们工作努力程度会降低的可能性很大。那是真的。但有没有可能，比如子网价格，比如说最好的子网，子网价格一直以来，你知道，它们不必与陶的价格相关联，如果它们上涨，那就可以弥补矿工兴趣潜在损失的一部分。
>> 我认为那也是真的。是的，我的意思是，所有新事物都会经历一个极度投机的发现期。我最近也一直在深入研究进化生物学，对此我也有同样的看法。
>> 你为什么一直在深入研究进化生物学？
>> 嗯，我认为你有没有看过伊桑·霍克主演的电影《千钧一发》？还有 >> 没有，不过我想看。它在我的观影清单上。>> 很好。它获得了奥斯卡提名。我昨晚和杰西一起看了。它真的很好。我的意思是，我以前看过几次，但它的情节基本上是基因工程是正常的。存在歧视，你知道，你会有心脏杂音吗？你会有某种运动倾向吗？你会有某种智力倾向吗？还有雇主，对吧？雇主严重歧视基因工程人与有机草饲的，你知道，普通人类，对吧？我担心这种歧视性动态，但我认为我们正非常迅速地朝着那个方向前进。而且它显然不会影响像你我这样的现有的人类，但它会影响我们的孩子和他们的孩子。
>> 但让我问你一个问题。我实际上和《人类简史》的作者尤瓦尔·赫拉利有过类似的讨论，你知道，他也在说类似的事情。将会有拥有人工智能和不拥有人工智能之间的歧视，这类似于谁将接受基因工程并拥有优势，谁不会有的想法。我想知道的是，这会发生得如此之快，以至于它会立即影响到每个人。所以这就是为什么不会有任何歧视。我认为你需要对这个论点再详细一点，因为在过去的20到30年里，事物在社会中传播的速度确实快了很多。互联网、电视、智能手机、YouTube，这些都是很好的例子。电力。我认为我认为这不太可能，我认为我认为尽管我真的非常非常不同意你们在很多事情上的看法。我在很多事情上也同意他的看法。我认为他是对的，会有某些人工智能模型不会向主流开放，它们会因为生物安全等各种原因而被保留。是的。我的意思是，我一直在努力将我的可塑性和思维灵活性提升到最极致的水平。比如，我正在修正我所有的观点。而且真的，
>> 是的，我的意思是，不是以一种非常极端的方式，比如我所有的哲学基础都没有改变，但我认为你所说的这一切发生的速度，我认为那是真的。但我认为我们还没有找到正确的基质，这也是事实。所以，嗯，我目前正在做的，我真的不是目前正在做的，希望这会是我多年来投入大量时间的事情，但有一个领域叫做量子生物学，你基本上研究蛋白质和细胞在体内以及其他生命形式和真核生物中的量子力学特性，这是一个非常跨学科的领域，其中一些实际上正在vitensor上发生，比如Nova正在做一些这样的事情，比如预测某些类型的化合物，你可以用于药物开发或药物发现，所以所有这些都可以被激励，但具体来说，我认为将经历非常快速的加速，比我们之前认为的20或30年要快得多，因为正在训练的人工智能模型的能力，我认为我们基本上将能够基因工程出新的生命形式，它们不一定超越人类能力或类似的东西，但它们基本上类似于我们在模式生物（如小蠕虫等）中看到的培养皿水平的智能。我认为我们将能够基本上逐步攀登越来越复杂的生物体工程的阶梯。而且你知道，我认为那比数据中心里失控的数字人工智能要可怕一万倍，但也更有前景。就像 >> 深刻得多，深刻得多，因为我们，你知道，你是在一个湿实验室的环境中，就像在生物实验室的湿实验室里，你知道，它就像所有的科幻电影一样，基本上是在培养皿中某种工程化的基质溶液，它开始快速生长，然后从中产生一个生物体，你知道，我认为我们正朝着那个方向前进。
所以，首先，量子生物学，我想，我们会在这个问题上打转，直到我们谈到陶，但量子生物学是，你是说，生命的一些力量是如此之小，以至于它们可以相互产生量子效应吗？我不知道量子生物学是什么。所以，就像
>> 是的。是的。我来解释一下。我最近读到的很多东西实际上并不是新的。它的基础可以追溯到将近一个世纪以前。薛定谔写了一系列讲座，最终被编成一本书，名为《生命是什么》，薛定谔可以说是量子力学的奠基人之一。人们可以在一个非常基本的层面上理解相对论、太空中大物体轨道的世界和时空，以及爱因斯坦的度规张量时空几何之间的区别，那就是宏观世界。微观世界被称为量子力学。它基本上研究非常小的物体，具有反直觉特性的微观现象，比如粒子的叠加。所以你可以有两个粒子在不同的地方，但它们是纠缠的。它们以某种方式连接着。所以当你观察一个时，另一个的状态会以某种方式跟随你观察到的那个，但它们在物理上是分离的。所以这完全是疯狂的，它不与爱因斯坦的广义相对论整合或融合。所以量子力学无法统一。在我们目前对量子力学如何与狭义相对论或广义相对论（宏观世界）协同工作的理解中，量子力学的数学无法统一。有大量的理论，你知道，你可能听说过弦理论。弦理论的全部意义在于提出一套解释，能够合理化或统一宏观世界与微观世界。广义相对论与量子力学，这尚未被证明。我是其中一些理论的粉丝，但弦理论尚未通过实验验证其可观测性。也许我们需要更大的粒子加速器，但总的来说，它尚未被证明。所以，薛定谔、尼尔斯·玻尔以及其他一些与爱因斯坦在二战前后处于同一时期的人，确实编纂了许多现代量子力学的理解。它在70、80年里并没有真正被修改太多。所以有一个我发现非常有趣的新领域叫做量子生物学，它大概有5年左右的历史。它正在被描述为一个类别，并从20或30年前那些没有完全描述但有所触及的不同事物中汲取思想。所以，薛定谔在《生命是什么》中实际上谈了很多关于这个，而冯·诺依曼在他生命的最后实际上在研究细胞生物自动机和细胞生物学之类的假设和理论。所以它并不是真正的新事物，但我们基于仪器进步所观察到的，特别是自由电子激光器或FEES，它们基本上是以非常快的速度向小物体，特别是细胞甚至亚细胞物体发射光子的激光器，以确定它们的物理特性，它们的量子力学特性。
让我问你，从量子物理学的角度来看，细胞或分子是不是太大了，以至于量子物理学不适用？
>> 它确实适用。这就是有趣的地方，因为正如你所说，这是一个非常好的观点，细胞生物学，甚至构成细胞生物学的蛋白质，实际上是巨大的。它很大。我们谈论的是几十或几百纳米的范围。而对于人们来说，要理解尺寸差异，一个原子，原子有不同的尺寸和形状，有不同类型的原子，但一个原子通常是三分之一纳米。当你开始谈论量子力学、质子和中子，以及构成质子和中子的是夸克和轻子之类的东西时。那些甚至更小。你谈论的是一些基础蛋白质的百分之一或千分之一大小的东西，这些蛋白质随后形成线粒体和细胞组织，形成细丝、微管，最终形成细胞，然后形成我们身体的组织。所以，相对于传统的量子力学理论，在蛋白质层面观察到了量子力学效应，这就像是巨大的。这些是非常大的结构。是的。那么在那个层面上能观察到什么呢？
>> 嗯，观察到的现象与量子力学理论化的非常相似。量子力学科学家们理论化的是，电磁学和引力之间存在相互作用，以及电子传输和光子与声子之间的转换。所以大多数细胞都会振动。细胞内部发生的事情也会振动。那些产生振荡。这些振荡负责产生所谓的声子。声子是声波或声准粒子。它们有点像粒子。在体内，我们表现出一种特性，即声子在某些频率下可以实际转化为光子。而且这对于生物有机体来说是非常独特的。但当我们开始谈论制造像计算机这样的设备时，我们现在必须发现创建不同于晶体管、不同于半导体的新计算基质的方法。所以这有点像我的普遍兴趣，我只想开门见山地说，而不深入探讨很多细节。我不认为目前的半导体行业有能力建造那种能够将我们现有的人工智能模型扩展10倍或100倍，也许是500倍的计算机。我认为那是不可能的。
嗯，你提出了一个非常好的观点，就像仅仅是测量。所以，你知道，现在的晶体管已经缩小到3到5纳米。所以，当你开始谈论一个原子的大小是三分之一纳米，以及电子，我不知道那占多少百分比，但如果你有一股电子流，也就是电流，你就会开始，你知道，与量子力学发生冲突。
>> 这其中很多都不是新的。很多都不是新的。费曼，你在这里说的量子生物学是什么意思？比如我能观察蛋白质和细胞，并让它们根据我的观察而改变吗？
>> 你绝对可以。我们有新的设备。它被称为铁电激光器和X射线。X射线晶体学是另一个领域，它允许我们用我们知道能够产生观察透镜的机器来观察一些物理动力学。我只是想说，呃，我不是故意打断你。费曼在几十年前就写过这个。我相信是在60年代。他有一篇我认为是他前三名的论文，叫做《底部有很大的空间》，《底部有很大的空间》深入探讨了纳米技术和原子计算，所以他假设我们可以用原子，甚至可能比原子更小的亚原子粒子来构建计算机，或者使用量子物理学作为构建计算机的框架。显然，这涉及到量子计算机，这就是为什么很多人说费曼是量子计算的鼻祖之类的。有大量的投资，可能超过千亿美元，用于创造超低温条件，从而制造出伪稳定的计算机，使我们能够设计计算门。它们不是真正的门。它们是为量子比特提供足够稳定性的伪门，我认为那是一条死胡同。我不，我实际上不，所以我最近的一个结论是，量子效应在室温下是非常可能的。它们发生在我们的大脑中。它们整天都在我们的身体中发生。我们的身体绝不是在，你知道，零下40开尔文或任何他们运行谷歌和IBM量子计算机的极低温度下运行的。我们的身体被认为是温暖、潮湿和嘈杂的。它是一个温暖的环境，但在智能生命形式中，显然存在量子力学特性。顺便说一句，大多数真核生物，它不只是人类特有的，是大多数真核生物，甚至是单细胞生物，甚至不是多细胞生物，所以迈克尔·利恩一直在做一些与区域相关的事情，你知道，我们有一家公司，它有点像从秀丽隐杆线虫（一种非常常见的模式生物）中推导出方程，那是液体人工智能，但他们没有做任何生物学上的事情，还有草履虫，它就像一种单细胞的粘液，它会移动，可以复制和繁殖，并且会记住事情，然后还有像水熊虫和许多其他甚至没有神经系统的生物。它们甚至没有大脑，但它们有微管。而微管是许多近期实验证据表明生物体内实际发生计算的地方。再次，
>> 你说的计算是什么意思？那么这一切我们如何理解，或者我们如何利用它，社会会因此发生什么？
>> 我认为我们可能不得不升级当前的生物学进化过程，也许加速它，也许最终取代它，因为，这不是一个反主流的说法，我认为进化生物学在过去大约50年里，特别是过去10到20年里，未能跟上技术发展的速度，这很快就进入了超人类和赛博格的话题。我认为这绝对是社会发展的方向。我们在谈论《千钧一发》，你知道，基因工程的完美人类之类的东西。我认为那里有很多令人担忧的含义。但我的意思是，我们已经通过现代医学和疫苗逐渐这样做了，我们已经逐渐增强了我们的基本条件，以至于我们对环境中许多疾病的感染倾向很高，而我们本来通过服用药片、药物和疫苗等在过去50、60、70、80年里已经慢慢不再受其影响。我认为在未来6到9到12个月内发布的人工智能模型方面，事情只会变得更加极端，以及它们如何实际允许我们并使我们能够加速发现基本上可以修复和解决许多基本遗传条件的RNA DNA预测序列，然后我认为我们将非常非常快地从工程药物和疗法转向完全从整个基因组工程人类。我认为从修复不同类型疾病和感染的先决条件和倾向以及免疫载体到完全工程化人类，这将发生得非常迅速。
>> 所以这真的很有趣。你是说超越像CRISPR这样的，你知道，像CRISPR基因编辑工具 >> 远超CRISPR。远超CRISPR。你是说，也许几乎以一种人工智能模型的方式，基因组将知道，将会在其中嵌入计算。它将根据人工智能的类型自行进化。
>> 我不是说，我不是说，我不是说那个。我说的是，我们将能够完全预测无缺陷的基因组，并在体内有效地制造人类，而不是克隆他们，也许使用我们目前拥有的相同繁殖方法，也就是，你知道，男性和女性发生性行为，然后经历创造受精卵的过程，然后细胞基本上在9个月内发育成熟，然后婴儿从另一端出生，然后等待10、20或30年才能看到成年人的结果。我认为我们可以模拟，我认为我们将能够在模型中模拟完整的基因组修改，这使得我们更容易全面了解最终的成年生物体将是什么样子，而无需等待20年。而且是的，
所以把它放在像NOVA这样的背景下，我相信它是子网48。
>> 是的。所以Nova进行基因发现。我实际上很难理解Nova是做什么的。那么Nova的矿工是做什么的？所以Nova是Bit Tensor在Tao上的一个子网。NOVA的矿工是做什么的？而且，我一直在听说，哦，生活会改变。我们发现蛋白质的速度如此之快，但生活还没有真正改变，尽管这已经持续多年了。比如基因，你知道，药物发现或基因发现，会因为像Nova这样的子网而如何改变？比如我的生活什么时候会改变？
>> 嗯，我认为Nova真的很酷，因为它正在彻底改变我们进行最基础科学研究的经济范式，这些研究最终会产生疗法、药物发现，基本上是医疗保健技术，也就是预测某些类型的蛋白质形态和几何结构，这些结构最终可以在湿实验室环境中进行测试，以查看它们在做不同事情时是否有效。因此，一个Bitensor子网，它从根本上做什么，我目前不完全了解Nova矿工现在被激励去做什么，但正如我们在过去一年左右的播客中讨论的那样，Bitensor所做的是它重新构想了没有中央公司分配奖励的资本主义。而且你不需要得到公司的许可来做出创新贡献，但当这些贡献被衡量和验证时，你会得到外部奖励。那是非常非常深刻的。这再次与比特币在创建安全账本以替代美元或，你知道，替代法定货币方面的工作非常相似。Bitensor所做的是它创建了一种无需许可的激励语言，作为中心化公司和中心化IP的替代方案。这非常深刻。而且我认为在医疗保健方面，这可能是最难应用Bit Tensor语言的行业，主要是因为监管摩擦和医疗保健的监管环境。它是如此地欺诈、破碎和被操纵，你只需看看政客、私营公司的激励惯性，以及药物在最终进入人体并被人们服用之前，必须经历大约50个监管腐败的环节。现在，我不是在倡导让我们开源所有药物开发，你知道，所有药物开发行业。那将是 >> 我会倡导它，比如谁需要FDA？比如FDA除了在系统中制造腐败之外，实际做了什么？我认为你仍然需要强大的，我同意，我同意你的看法。一般来说，我认为FDA在某些方面可以而且可能是有帮助的，但我认为目前的结构真的不是最优的。我认为很多实验室都可以由人工智能驱动，只需要一小部分人，但我认为你仍然必须减少将新化合物引入身体的实验所带来的生命损失，对吧？我的意思是，你知道，迷幻药的发现方式，或者我认为LSD是由一位瑞士化学家发现的，完全是偶然的，他将某种物质与另一种物质结合。完全是偶然的，然后我想他打碎了一个小瓶，割伤了他的手指，药液进入了他的手指，然后他骑自行车回办公室，他正在反思经历了一次变革性的体验，他当时想，我进入了另一个世界，那里有各种颜色，然后他回到实验室，意识到他在结合这两种化合物时犯了一个错误，那创造了LSD，对吧？所以我认为如果你正在发现新型药物，那些可能不会给人带来变革性奇妙体验，反而可能杀死他们的药物，那么那种事故可能就不会那么令人愉快了。所以出于各种原因。所以，这就是为什么我认为我们可能仍然需要某种程度的监管机构，它不像FDA那样可怕和充满摩擦。但我认为很多都可以由人工智能驱动。我认为你可以将FDA重新构想为一个人工智能模型，它具有某些经过微调的边界条件，关于我们想要解决什么问题，以及我们如何模拟身体对这些化合物的反应，然后我们可能会为新事物带来更快的审批过程。
>> 是的，绝对如此。你可以想象FDA是一个子网，基本上人工智能模型是矿工，他们竞争构建能够更快批准药物或至少识别不同药物效果的人工智能模型，这样我们就可以加快审批过程，那可能就是一个充满人工智能模型的巨大子网。
>> 我完全同意。我认为很多监管机构都可以是子网。我认为许多由政府和公司共同资助的最大型研发项目都可以是子网。Bitensor在激励基础创新、基础研发方面确实非常出色，这些创新和研发本身乍一看可能无法直接货币化，但当你意识到如何以更资本高效的方式激励基础研发时，我认为它改变了你对社会中什么被货币化的思考方式。杰克多年来经常说的一句话是，未来就是所有商品。它只是商品的涨跌。在那个宇宙中，你想要从中受益的定位是拥有这些商品。而且 >> 借此，
嗯，子网是商品生产机器。子网在它们所指向的任何地方都会产生商品化现象。所以，如果你用一个非常完善的激励机制将一个子网指向一个特定的方向，就像ridges对编码代理所做的那样，你知道，全球几百人可能负责了对ridges的大部分编码代理贡献，你知道，如果你必须把这些都放在一家公司里，你可能需要筹集数千万甚至数亿美元，而且我上次核实，我很确定这是真的，我是一个风险投资家，当你筹集数千万或数亿美元时。风险投资家不希望你把一切都拱手让人。
>> 对吧？
所以，所以它是商品化的反面。它是非商品化。换句话说，是专有扩张。因此，这导致了效率低得多的发现算法、搜索算法。所以，是的。那么，说到这个，如果我理解正确的话，你的公司Leighton Holdings已经与Ridges合并了，或者你和Ridges有什么合作？
>> 是的，我的意思是，我们联手了。沙奎尔天赋异禀。
>> 我同意。
而且他，我相信，在过去一年里一直在建设Ridges。我认为这不是秘密，Ridges在人工智能最具竞争力和高度货币化的部分，即编码代理和通用软件工程代理方面，一直是表现最好的子网。你知道，有像Curser这样的初创公司，还有一大串初创公司，OpenAI的Codeex，就像软件工程宇宙一样。而且我知道地球上许多最有才华的软件工程师，他们现在几乎所有事情都在使用人工智能。比如如果你在一年前问这个问题，他们可能只会在10%或20%的工作中使用人工智能。现在他们90%的工作都在使用它。而且他们的工作基本上看起来非常不同。他们更像是协调者或项目经理，或者，你知道，他们正在使用的人工智能的幕后操纵者。所以是的，我们与Ridges联手了。我们正在基于Ridges矿工通过Ridges的alpha代币获得奖励而产生的输出构建产品，这是一种基本商品。Ridges的商品是那些在软件工程准确性基准上表现最佳的代理，这是一个Bitensor已经应用得很好的领域，就像Bitensor在聚合计算、推理、数据生成和微调方面显然取得了很大的成功，但特别是在软件工程方面，这是最大的成功案例研究。而且，latent正在变得多方面发展，就像一开始我们只专注于为Bitensor贡献，构建我们认为是Bitensor领先的浏览器和分析门户的tow app。我们最近发布了一个移动应用程序，我们投入了大量资金，过去我们也有几个子网。我们与Tahash进行了一次非常棒的实验，Tahash是一个子网，它激励人们去中心化比特币的哈希率。那被证明是一个非常困难的问题，因为比特币本身就有一个高度竞争的商品市场，建立在电力定价和生产哈希本身的难度之上。所以这有点像一个元激励机制，你知道，我们认为随着时间的推移，那也可以奏效，但我们一直在尝试不同的子网和想法，Ridges团队和我们的团队相处得非常好，所以我们决定联手，latent也是Bitensor领先的开源贡献者，在所有开源工具链、开发工具、CLI、SDK、以及许多升级，许多关键升级方面，是的，所以我们对Ridges的未来感到非常兴奋。
>> 那么，好的，Ridges拥有最先进的人工智能编码软件，这显然是一个巨大的领域，正如你提到的Claude Cursor，它价值数百亿美元，那么进展如何？我猜Ridges可能在拥有商业产品时才能看到完整的估值，比如它现在处于什么阶段？进展如何？你认为它什么时候会影响到陶的整体价格？
>> 嗯，我认为你问了很多问题。我会尽量把它们分开。一个是Ridges今天在哪里？它将走向何方？另一个是产品开发，它看起来怎么样？然后另一个，我想最后一个问题是，这一切如何影响比特币、Bitensor和陶。所以我先回答第一个问题，Ridges在哪里？Ridges产生了一种激励机制，它设计得非常精巧，有效地实现了所谓的“爬山”，即在su bench和混合bbench衍生基准测试中，这些基准测试基本上是当前衡量人工智能在软件工程和编码方面有多有效和多有用的标准，它将所有这些不同编程语言的不同问题抛给模型，并查看其表现如何。早期衡量人工智能在软件工程方面是否真的优秀的测量机制面临的一些挑战是，它们会使用现有问题，其中一些是按需生成的，但很多都是已知问题。而Ridges在激励机制方面的发展方向是重新构想Sweetbench，使其更难，更具挑战性。因此，Swebench最近进行了一次重大升级，它不再使用针对所有这些不同语言生态系统的软件工程中的合成或历史问题，而是从GitHub上开源项目中最新、最困难的问题中提取。所以你实际上可以从，你知道，全新的问题，人们正在尝试构建的东西中提取，这避免了，抱歉打断一下，这避免了漏洞利用，对吧？有人可以抛出一个模型，>> 它使漏洞利用变得更难。
它使得我们过去已知存在的利用现有方法的漏洞变得更难，因为存在一种作弊基准的现象，叫做在测试集上训练。这有点像你在大学里参加考试或入学考试，你知道答案是什么，你只是在答案上训练，而不理解领域。
>> 嗯，你会得到高分，但你可能很笨，
对吧？是的。好的。所以，同样的原则也适用于人工智能模型。为了减轻在测试集上训练的问题，你必须拥有一个尽可能基于现实的模型。而且你必须拥有一个基于训练全新问题的模型，这些问题反映了问题空间当前已知的难度。无论问题空间是什么。所以在软件工程中，你可能会遇到的最困难问题的当前最高质量数据集将在GitHub上。你去GitHub，你会看到顶级的开源项目，你会看到最困难的开放问题。最困难的开放问题是什么？如果人工智能能够以非常高的准确度或几乎完美的准确度解决这些开放问题，那么它就被评为比那些查看现有问题的基准测试更有效的编码模型。也许你稍微改变一下它们，这样人们就不会确切知道答案是什么，但那样你会更快地使基准饱和。顺便说一句，由于改变了启发式方法以及训练事物和基准测试的总体哲学，人工智能模型将会变得更好。它们会变得更好，对吧？所以它们会更智能。它们会更准确。它们会更有创造力。它们将能够更有效地探索问题空间。所以那是非常令人兴奋的。顺便说一句，这不仅仅发生在代码软件工程编码中。这发生在每个领域，对吧？文学、图像生成、电影，所以这些技术正在应用于所有这些不同的领域。因此，最高质量的数据集将在另一个领域中非常重要，Bitensor在生成超高质量数据集方面确实非常出色。很多人没有完全意识到这一点，但在人力之后，嗯，我可以说也许是第三大成本项，第一大成本项显然是计算，但所有顶级人工智能公司的第三大成本项是数据获取。他们想要训练数据。他们想要超高质量的训练数据。当他们获得高质量的训练数据时，他们能够极大地改进模型，因为这些训练数据不容易被其他公司、其他初创公司或任何想要竞争和构建更好模型的人获取。所以中国问题的一部分以及他们一直落后的原因在于，他们可以访问美国西部的模型，并提炼出这些模型所使用的训练数据的结果输出。因此，他们实际上可以在不访问训练数据的情况下提供相同的模型能力，而无需从头开始训练模型。这就是蒸馏，这总会让他们在滞后方面处于劣势。所以，为了给你一个实际的例子，谷歌拥有所有的YouTube数据，对吧？可能是EB级的数据。我的意思是，可能不是EB级，但我们姑且说它是海量数据。
>> 是的。
微软没有YouTube数据。Deep Seek没有YouTube数据。Meta没有YouTube数据。谷歌拥有YouTube数据。谷歌拥有YouTube，所以我们来看看视频模型。视频模型目前表现不佳的原因是计算成本太高，训练一个模型处理50亿年的视频流帧太困难。它太贵了。我们做不到。我们做不到，因为GPU、TPU、Cerebrus晶圆以及Jensen几个月前购买的Grock SRAMM并行设备，它们的计算效率不足以将50亿年的视频数据作为输入送入训练管道。你可以做到，但你需要数百万个芯片，很多很多芯片。世界上只有少数几家公司拥有一百万个芯片。数百万个AI芯片、GPU、TPU，随便你运行什么。而且这些公司并没有将训练完全分配给处理50亿年或小时的视频数据。他们正在竭力在文本、聊天机器人、图像方面提供尽可能好的产品体验，并且对视频进行速率限制。所以，如果你有像谷歌的VO模型访问权限，如果你支付Gemini的专业版或超级版，你就可以访问他们的一个名为VO的模型。那是他们的视频模型。你受到速率限制。你被限制每天只能生成5分钟或10分钟的视频，对吧？
而且有开源权重的视频生成模型正在变得更好，但它们在计算基础设施上运行非常昂贵。所以你还有这个权衡。所以成本转移到如果你不受VO的速率限制，并且你拥有自己的可以控制和运行的开源权重模型。嗯，你猜怎么着？以你想要的水平运行它仍然超级昂贵。你需要50,000个GPU才能在该视频模型上进行你想要的那种推理。所以我认为人工智能生态系统需要解决的最根本问题是计算效率。句号。没有其他问题。埃隆不承认这一点。埃隆不谈论它。他不谈论它的原因是他对成本不敏感。他可以将芯片放在火箭上，发射到低地球轨道，靠近他的星链卫星，并构建数百万个芯片组成的相干集群，用于训练目的，这些集群将围绕地球轨道运行。对于推理来说，那将非常困难，因为你必须将模型中的数据束传回地球。我猜你得想办法用星链或其他东西来解决压缩算法。但就像你知道的，我认为数据中心和太空的东西对于训练来说很棒。我不知道它是否适合推理，但也许你也能解决推理问题。但埃隆没有动力去说，让我们重新构想GPU或TPU，使其计算效率提高10,000倍。有很多初创公司正在获得资助，使用各种不同的方法来做这件事。我个人认为我们需要研究生物学，并学习生物学是如何做到的。
>> 但是，但是JJ，我们回到Ridges。所以你正在努力让Ridges在商业上可行。你认为我们离Ridges掌握在程序员手中，让他们编写出比Claude和Cursor更好的程序还有多远？然后我的意思是，这被许多人视为一个，一个将成为的催化剂，对于
>> 是的。所以，我有点跑题了。我认为第二个问题，是的。你问的第二个问题是，我们什么时候会发布Ridges的产品？我们一直非常透明，并在Ridges X账户上发布了大量关于此的更新。我认为我们大约还有一个月。我的意思是，我认为我们基本上很快就会发布。
>> 那与Cursor和Claude相比，竞争力如何？
我们预计它在某些领域将与当前最先进的编码模型一样高效，甚至更高效。而且，由于我们能够比那些公司向Anthropic或其他计算提供商支付的费用更有效地从Bitensor获得计算资源，我们认为我们可以以更低的成本提供它，这将自然地吸引大量用户采用我们的服务，因为我们可以提供更具竞争力的价格。
>> 对。对。所以，像Ridges，与Cursor不同，它没有筹集到最终需要偿还给投资者的十亿美元。它不需要数千名或数百名员工来开发他们的人工智能模型，因为人工智能模型已经由Bitensor的激励机制支付了。
据我所知，Ridges大约有五名员工。是的。所以那里什么都没有，而且潜在的每个席位成本，企业购买与你正在制作的商业产品相比，可能只有1%左右，因为一切都在从基于席位的软件定价转向基于结果或基于代币的定价，我认为最终基于代币的定价也没有任何意义，因为衡量智能的单位不会是代币。衡量智能的单位将是，这实际上是我更同意埃隆的地方，但我认为他目前的结论是错误的，并且将会被修正，因为埃隆非常聪明，但我认为智能的最终单位成本单位将是能量，以及与焦耳或最基本能量单位等价的东西，而不是货币，不是美元，不是代币，也不是人工智能代币，具体来说，它可以是Bitensor代币，也可以是Bitensor上的alpha代币，这些代币再次不是人工智能社区所指的那种代币。然而，在席位B方面，你说的对，同时，基于席位的定价正变得更具竞争力，而且基于席位的定价存在非常显著的利润压缩，这显然发生在所有软件公司中，人们正在完全退出软件股票，因为他们相信人工智能将取代所有这些公司，我认为那是一种过度反应，你知道，对于你最后一个问题，这如何影响Bitensor，我们需要展示非常具有颠覆性的应用和产品，这些产品完全是利用Bitensor上无需许可的激励机制的力量构建的。如果这种情况发生，Bitensor应该会吸引更多的资本，吸引更多的投资者资金，吸引更多的质押者，吸引更多想购买Tao的人，并吸引更多想进入生态系统的人。所以，这非常有趣，因为Bitensor，显然你和我，我不知道你多久看一次。我每分钟都看它，看看Bitensor是如何交易的，甚至不仅仅是它是否上涨或下跌，而是它有时为什么会上涨或下跌。所以就像前几天，Bitensor在几个小时内从149涨到了208。所以它在短短几个小时内上涨了30%。同时，比特币也从6万涨到了7万。但Bitensor每天的交易量不像比特币那样有数亿美元。你我之间，我们基本上知道Bitensor中99%的最大持有者，而且我们是Bitensor最大的持有者之一。没有价值数亿美元的交易，比如你没有交易1亿美元。我根本没有交易那么多，我占0%。所以陶的很多交易量都是假的。这就像对冲基金交易波动性，或者对冲基金交易比特币和TAO之间的套利。所以它一天之内从149涨到206，这意味着非常小的交易量实际上是方向性的，实际上不是套利。那天特别发生的事情是，Bitensor的联合创始人杰克·史蒂夫斯辞去了开放张量基金会首席执行官的职务。所以这是否以及为什么会产生重大影响，是很有趣的。但真正让我感兴趣的是，实际上只需要很小的交易量就能让Bit，我们又看到了这一点，我们在10月底，10月30日，Bit Tester在一天之内从280涨到530，然后又一路跌回，因为一切最终都与比特币相关联，套利者接管了市场。但考虑到如此小的交易量就能推动Bitensor，而且除了Zcash之外，我还没有在其他任何币上看到过这种情况。鉴于如此小的交易量就能推动Bitensor，它真的只需要一个小小的催化剂和一些大资金，就能在Bitensor上产生很大的影响。比如如果我现在是一个对冲基金，我会在今天任何价格，180，非常缓慢地建仓，然后稍微推动一下，让它涨到600。比如，帮我理解Bitensor的交易量，以及为什么像Ridges这样的催化剂，你知道，鼓励风险投资家说“哦，我可以投资Ridges”，那会推动Tao上涨，比如为了购买Ridges子网代币，我必须购买Tao代币，所以一旦Ridges成为所有风险投资家都想购买的东西，那就会推动Tao涨到一千，我的想法错在哪里？
>> 这有两个，有两个维度，我真的更喜欢不，尽管我在测试中做过，但不要猜测或评论比特币为什么会上涨或下跌，因为它是所有加密货币涨跌的晴雨表。比特币的波动性以极高的程度严重影响着加密货币中的一切。所以如果比特币上涨10%到20%，很多其他可能排名前20或前30的加密货币，比如Bitensor，非稳定币，非迷因币，大约有20或30种是实质性的，虽然我认为只有两种是实质性的，Bitensor和比特币 >> 尽管我认为这个人绝对邪恶，但存在乔治·索罗斯的“反身性”现象，我认为它确实发生，而且是极端的反身性，但有你想要完全理解的两个维度。Bitensor中有资本流动。你可以把它想象成细胞核内部，然后是细胞核外部的生态系统流入和流出，这更像是细胞生物体。那就是资金进出比特币，以及进入
以及从加密货币中流出，这会对Tao的价格产生影响。但是，在Bit Tensor生态系统中，跨子网进行质押和解除质押，并重新回到Tao，也会影响价格，也会影响Bit Tensor的价格。所以这里有两个维度，这非常复杂，并且与任何其他加密货币都截然不同。没有像那样的加密货币。零。
我想说，这些维度中的第二个，是让Bit Tensor偶尔能够摆脱——当然。——绝对是。——与比特币的关联。——绝对是。是的，这非常真实。
所以，我只想说加密货币非常不稳定。它不稳定的原因有几个。我认为，所有事物仍然与比特币相关联，这仍然是真正发现价值的一种难度门槛。投机太多了。存在大量的猖獗投机，但就你而言，我完全同意。我的意思是，我认为Tao的流动性和交易量非常稀薄，你知道，顺便说一句，它不是——它不是。是的，它不是每天有一亿美元的真实资本进出。那是洗盘交易。那是交易所操纵代币价格。你知道，币安有将近一百万个未质押的TOAO在其交易所上。未质押的，对吗？这代表那些只是在币安持有Tao而什么都不做的人。他们只是购买，他们只是购买一些Tao。他们对子网零质押。零，你知道，知识。关于“等等，我买了Tao”的知识。不，那是一种你可以用作创新激励的东西。对于DGEN交易者来说，这极其需要智力才能理解。
然而有趣的是，当他们确实理解时，他们会在子网上进行DGEN交易。所以那不是很好，但显然它发生了。因此，我认为总的来说，我们面临的是一种经济上的困惑，即价值将在所有资产类别中如何累积，以及对所有事物进行重新评级和重新定价，因为每个人似乎都同意，我也属于这个阵营：人工智能将改变一切。人工智能将改变所有行业、所有产品、所有一切。
然后，如果你是一个加密货币爱好者，你真的必须问这个问题：人工智能将如何改变加密货币？这是一个非常重大且重要的问题。我认为人们尚未发现Bit Tensor，正如我们所知，它是一种人工智能技术。它由人工智能研究人员设计。它不是由加密货币人士设计的。Jake和Alla以前是人工智能研究人员。Jake曾在Google Brain工作，那是Transformer被发明的地方。好的。我相信，他甚至在发现创建张量（tensor）的路径之前十年，还研究过一种名为忆阻器（meristers）的热力学芯片。
不幸的是，加密生态系统充斥着投机，当你拥有真正深远有用和有价值的东西时，它就会被塞进那个泥潭，从而阻碍其发展。顺便说一句，比特币也有同样的问题。比特币已经工业化，并被许多机构所掌控，我认为因为它设计得如此出色，它在至今17年的存在中，经受住了绝对疯狂的波动水平。如果你放眼全局，如果你有耐心，如果你是长期投资者，它会继续表现良好。
但只是为了让人们明白，在比特币的历史上，有许多时期出现了超过70%的回撤。当我说许多时期时，我认为在比特币的历史上，有超过15次出现了70%的回撤。70%的回撤。不是50%，不是50%。不是我们现在在Betensor上看到的30%或40%。是70%。然后，矿工生态系统和投资者生态系统花了一两年时间才意识到，存在一种具有持久性的基础技术，它很可能持续数十年甚至数百年，我们不能把它全部卖掉。——保留一些。——保留一些。
鉴于Bit Tensor，我们可以很容易地将Bit Tensor描述为比特币，但它具有更抽象的激励机制。所以，我们之前讨论过，激励机制不仅仅是像比特币那样激励网络安全。——它是一种奖励机制，激励智能的构建，激励人工智能模型的构建。能量，就像Jensen Wang所说的，能量不再仅仅像比特币那样被转化为货币，而是被转化为智能。没错。以及Bit Tensor上的货币。——所以，比特币将密码学难题转化为货币。Bit Tensor则将基本上任何任务，任何创新任务转化为货币。这非常深刻。
所以，你正在做的是，通过构建，比如说，Ridges的前端，也就是商业界面，Ridges是目前Bit Tensor上最先进的子网。顺便说一句，这只是众多子网中的第一个。Bit Tensor上至少有10个子网是顶尖的。我想说Ridges是最接近商业开发的，对吗？部分原因是因为Shil，部分原因是因为你。——你认为Ridges何时会成为推动Bit Tensor上涨的催化剂？当然，这只是一个预测和猜测。不，——我们正在猜测。James，我不能给出任何具体的确定性。我能说的是，我们正在尽力而为，并且有一群极其聪明的人正在竭尽全力使其实现。在这个维度上，成功的可能性无法保证。我认为它有很大的可能性会发生。
但我的意思是，我将以我认为埃隆（尽管他有各种缺点）描述得非常好的方式来回答这个问题，那就是成功的可能性无法保证。事实上，在早期阶段，它是最不确定的。然而，由于回报如此之高和重要，我们必须尽力使其实现。我提醒大家，Latent Holdings成立一年了。Bit Tensor已经四五年了。大多数具有高度颠覆性的深远技术都需要5、10、15、20年。你知道，特斯拉是一家25年的公司。SpaceX是一家23、24年的公司。这些事情都需要时间。
但我想说，如果你放眼全局，看看它的发展轨迹，重要的一点是，我们已经在播客中无数次地说过，不要日内交易基础创新。那是愚蠢的。如果你想愚蠢，如果你想表现愚蠢，那就日内交易基础创新吧。去吧。——不，去吧。你不应该日内交易基础创新——比如像Ridges这样的子网，或者一些其他顶尖的子网。它们确实在推动技术的前沿。而人们今天仍然使用图表来做这些事情，这让我觉得，就像你说的，可能不是最好的方式。——是的。——愚蠢。
那么，你还认为哪些子网在推动技术前沿方面是顶尖的呢？Ridges是一个。我来说说我自己的看法，我发现Hone在分层推理模型方面的工作非常令人兴奋。我们还有很长的路要走。——嗯，它做什么？——子网5使用一种新的算法，这种算法有点复杂，可以用少得多的计算量来训练模型，这些模型在推理方面非常出色。所以，你知道，当你使用人工智能时，推理功能基本上会让AI先进行更长时间的思考，然后才给你一个更全面的答案。进行推理需要更多的计算。它需要更多的推理。它需要模型中更多的处理。而且有新的架构变化和算法。最有前途的领域是分层推理模型（HRM）。这就是Hone专注于证明和扩展的。
所以我认为，如果这种架构模型（顺便说一句，它与编码相关，但也与所有其他模态类别，如图像、视频、文本等相关）能够通过Bit Tensor得到展示，那将是非常非常令人兴奋的。所以我非常喜欢Hone，完全披露，我们是维护它的公司的投资者和合作伙伴。我们也在Latent Holdings支持和维护它。
我非常喜欢的另一个是Targon。Targon在Bit Tensor上构建了第一个保密计算、完全加密的端到端计算平台。顺便说一句，他们还有一个与Bit Tensor无关的通用计算平台，也使用了相同的技术。所以，这实际上是Targon基础设施、TVM以及Manifold的保密计算运行时货币化和商业化的一个例子，我们是Manifold的大投资者。自子网诞生以来，他们一直是排名前三或前四的子网。那里的团队实际上在早期帮助发明和设计了子网。我相信，在2023年底，当Bit Tensor从单一子网网络转变为一个N维多子网网络时，来自Mammoth的Rob Myers就在Open Tensor基金会。
——那么，当你提到保密计算时，现在我可以构建一个AI模型，并将我的计算外包给AWS。——是的。——理论上它不是私密的，但实际上它是吗？——绝对不是。绝对不是。你需要芯片级别的认证保证，确保数据中心的所有者无法进入那个物理服务器并查看你的所有数据。今天人们使用互联网时，99.9%的时间他们都在将自己所有的专有、机密、极其敏感的信息全权交给一家运营数据中心并提供应用程序的公司。在公司希望在个人身份信息、敏感信息以及高知识产权环境中（例如潜在的药物开发或国家安全背景，或者任何涉及非常敏感数据或信息的事物）训练模型的时代，保密计算极其重要。在Manifold出现之前，在Targon构建它之前，在获取GPU来运行模型或进行模型推理的背景下，保密计算是不可能实现的。自那时起，我认为他们大约在9个月前构建了它，此后出现了许多其他发展，人们也采用了相同的想法，这对世界来说是一件非常好的事情，一件非常非常好的事情。
——那么，你能给我们更新一下Targon的情况吗？比如收入和客户方面？——是的，他们正在继续从许多现有的“新云”（neoclouds）中获取大量优秀客户。所以，很多人可能熟悉的新云。比如Coreweave、Nebius、Together AI、Fireworks，很多人都意识到在Targon上运行他们的训练或推理的成本是现有中心化公司成本的一半甚至三分之一。Manifold正在非常积极地扩展他们的计算能力，以便支持更多客户。其中一些发生在Bit Tensor上，一些发生在Bit Tensor之外。嗯，是的，我的意思是，总的来说，对推理的需求量巨大。我昨天实际上发帖讨论了一件事，我认为很明显，人工智能在全人类范围内的整体普及速度受到计算效率低下以及公司缺乏计算能力来提供推理（即让人们访问模型）的限制。
我不知道这是否会随着互连技术等改进而改变，你知道，GPU到GPU之间的通信。我不知道数据中心是否有一些小部分，其技术会改进到足以，你知道，创造出一种更像数据中心摩尔定律的东西。你知道，黄氏定律，即整体计算能力每两年会快速翻倍。——我认为这确实正在发生，但我不认为它与需求爆炸的速度同步发生得足够快。
所以我给你一些具体信息。仅谷歌一家公司，谷歌和桑达尔·皮查伊（Sundar Pichai）我相信在两三周前的财报中宣布，他们每分钟处理的令牌数量是100亿个。他们每分钟处理100亿个令牌。——那么令牌大概是什么样的？比如半个词？——令牌，你可以把它想象成几个词。它不是一页。它不是一本书。它是一小段数据。如果你把这些加起来，他们每月处理数千万亿个令牌。数千万亿个令牌。现在，如果你把所有其他人工智能公司加起来，我们目前在全球所有人工智能公司中，每月处理的令牌数量是数十千万亿个，对吗？这需要数百万台服务器。
现在回到你的观点，我们假设网络、芯片设计和算法改进了10倍。我们非常慷慨地假设。顺便说一句，它并没有以那个速度改进。但我们非常慷慨地假设，在现有芯片和基础设施上运行这些模型的效率方面，优化了10倍，甚至可能包括正在制造的更高效的AI、AI、A6和处理器等未来芯片，这远远低于需求的爆炸式增长。需求是巨大的。需求每年增长一百倍。这就是需求。人工智能公司的收入之所以，你知道，你可以说只是在增长，但它以每年7到10倍的速度呈现出一种疯狂的指数曲线。
我不认为Anthropic今年和明年之间会有10倍的增长，他们目前的年收入是150亿美元，而OpenAI大约是200亿美元。我认为OpenAI到2027年底达到2000亿美元的可能性很低，但并非不可能，你知道，我认为可能性很低，那将是极其令人震惊的。需求远远超过了优化，这不是供应问题，而是现有供应和实际出货芯片的优化问题。这就是为什么我说，顺便说一句，这很容易测试，我不是在说无法测试的事情。如果你有Gemini Pro订阅或Gemini Pro Ultra。就买它。它们非常值得。我使用这些模型，并支付了五六家不同公司的订阅费用，我每天使用它们很多小时。它们值得。尝试生成大量的视频输出。你会受到速率限制。这对提供商来说计算成本非常高。所以即使你生成大量的文本，有些模型也会对此进行速率限制。如果你进行深度研究生成，比如你要求生成30页的内容，并且你每天做10次，即使是文本，你也会受到速率限制。
让我问你，如果OpenAI的收入是170亿美元，或者年化收入是170亿美元。是的。为什么通过聚合所有开源模型提供推理服务的Chutes，其年化收入不是50亿美元呢？——好的，这是个好问题。我认为Chutes没有达到那个运行速度的原因是，Chutes所拥有的可用计算能力，能够提供哪怕是远程能产生50亿美元收入的令牌数量，是不存在的，那是不存在的。所以我认为有几千个——Targon就像Chutes一样，使用Targon作为他们的后端，对吗？
——Targon也面临同样的挑战，那就是它的计算能力受限。主要的瓶颈，这是人们常常忘记的一点。主要的瓶颈是当前的架构需要特定类型的芯片。这些芯片供应短缺。地球上只有少数几家公司拥有这些芯片，他们不惜一切代价，通过任何可以获得的资本来源（债务、股权、保证金，都无所谓）来获取这些芯片。所以这影响了可用的推理供应。但是，Chutes的需求存在吗？还是问题出在别处？——需求是存在的。需求是存在的，但它不像你想象的那么单一。这也是我昨天发帖讨论过的事情。解决需求的程度不像把芯片放入数据中心，打开它们，然后它们就会全部高速运行那么简单。它没那么简单。归根结底，你需要创造一个极具吸引力的产品体验，它不仅要与现有模型提供商持平，而且可能要超越它们。
而产品体验也只是一个维度。产品体验可能是一个很棒的界面。它可能有一个很棒的用户界面。它可能有，你知道，一些不错的集成。它可能很容易访问。但如果它不可靠，如果它不够快，如果它性能不佳，如果它不够准确，顺便说一句，所有这些也都是不同的变量。它们有不同的底层机制来提供高水平的服务。可靠性不仅仅是打开芯片。你需要解决一系列问题才能达到与谷歌或Anthropic竞争的可靠性水平。你需要非常先进、高可用、冗余的基础设施，而这需要大量的人力和精力才能真正实现。所以，需求如此集中在五六个不同的提供商那里是有原因的。
这又回到了你之前问的问题，即哪些催化因素将使Bit Tensor的无需许可的激励系统开始与现有模型提供商竞争。这不仅仅是产生研究、研发和基础创新。它是在基础设施之上，创造出既出色又极其可靠的产品。——对。所以，所以，所以这对Bit Tensor来说是一个大问题。那么，Bit Tensor的这个转折点何时会到来？它会从哪个子网开始，让人们觉得“哦，我必须使用这个，而不是那五大巨头之一”？——我们希望通过Ridges提供一个真正出色且引人注目的产品体验，我想说请大家拭目以待。
然后，你知道，现在Jake Steeves已经辞去了Open Tensor基金会负责人的职务，这意味着Bit Tensor的决策将更加去中心化。——你和Latent Holdings将如何参与Bit Tensor网络未来的变化？——我们对这一发展感到非常兴奋，这也是我们实际上一直在幕后推动的事情。只是为了让人们明白，Jake并没有离开Bit Tensor。Jake仍然深度参与该项目。他仍然高度融入其中，他宣布的是在未来一年内，协议的验证基础设施以及许多其他方面的非常渐进的去中心化。我们认为这是协议和项目发展中的一个巨大进步。
因此，举例来说，当你看到像比特币这样的项目，在中本聪（你知道，在比特币开发几年后基本上消失了）之后，吸引了非常有才华的开发者和社区继续构建协议。这赋予了它更强的持久性，更强的生命力。我认为Jake将永远参与其中。我的意思是，他不会离开。这是他毕生的事业，就像社区中许多其他人一样。我想说，对我们而言，我们打算成为协议治理中一个非常关键的、具有工具性的部分，但我们也需要许多其他公司的参与，理想情况下不能只有一两家或两三家公司，而是一个贡献者生态系统。Jake在上周（我相信，或者可能是前一周）的“新奇搜索”中提到的一点是，这必须发生在协议尚未完全完成，但已经足够稳定以容忍较慢变化的时候，对吗？
鉴于Bit Tensor从一开始直到今天所拥有的结构，推出更改和协议重大更新的程度几乎是即时的。所以，如果发生黑客攻击，如果出现重大问题，如果需要对排放算法进行重大调整，团队可以在几小时内几乎立即实施并推出更改。生态系统需要适应的一大问题是Bit Tensor的当前设计。它能否经受住考验并持续下去，并且在未来一年、两年、三年内不需要进行重大更改？因为一旦有了更大的管理机构和更多的流程和结构来做出任何更改，达成共识将需要很长时间，让人们就协议的重大升级达成一致也将需要很长时间。因此，如果出现紧急情况，如果发现重大错误，而人们意见不一，但你需要，你知道，七个人同意才能推出某项内容，那将比让一个人同意推出某项内容花费更长的时间。
当然。我想我的意思是，我们从第一集开始就讨论过这个问题。你认为什么时候会开放超过128个子网？我觉得那可能是一个重大改变，也许需要，也许不需要，但128个子网似乎是一个任意的数字。为什么不能有1028个子网呢？——是的。我认为Jake还提到了一点，那就是将有一个，这是一个计算机科学术语，但就像一个垃圾回收阶段，很多，比如说，底部的64个子网会被修剪掉，因为它们没有做任何有价值或有成效的事情，而且它们大多是，你知道，骗局，由那些实际上没有交付任何东西但却获得了一些排放、获得了一些网络奖励的人运营。
所以我认为，在接下来的几个季度里，实际上会发生相反的情况，然后随着时间的推移，这与你一直在问的其他问题有关，随着我们吸引到非常高质量的团队和那些真正投入大量时间和精力并努力使子网运作的人，子网插槽将变得更广泛可用。但我认为这可以通过一个更去中心化的治理机制以编程方式完成，而不是由一两个人或两三个人决定将子网插槽从128增加到256或其他任何数字。所以，顺便说一句，人们正在忘记的最大一点是，子网目前由投机性建设者主导。它们不是由真正专注于推进尖端技术的使命驱动型人士主导的。我想说，经过多年的迭代，目前的协议设计，比如排放机制，设计得非常好。但是，比如说，按价格、排名、流入量来看，前20个子网，前25个子网，大致是所有128个子网中质量最高的。现在，如果你看看底部三分之一，甚至可能是底部50%，那情况就大不相同了。
——当然，我同意，有趣的是，子网使用量环比增长了约30%，因此现在最高质量的子网正在获得越来越多的用户，这正在产生影响。——绝对是。
嗯，你知道，所以我想你认为呢，这与比特币有关。我知道你说你没有太多评论比特币，但这更多地不是关于价格，而是关于这个。有一个有趣的论点。再次，我提出这一点是因为所有这些加密货币，包括Bit Tensor，都与比特币相关。有一个论点是，哦，比特币在其生命周期中有2100万个比特币。这是供应上限。所以，如果需求上升，比特币的价格就会上涨，因为，你知道，这是供需函数。但是，随着所有这些机构的兴趣，现在比特币上有了所有这些衍生品，本质上，至少获得比特币敞口的供应是无限的，比如我不需要购买比特币，我可以购买ETF，我可以购买期货，我可以购买期权，所以本质上，获得比特币敞口的供应已经变得无限，这就是为什么有这个论点说价格滞后了。你认为这个论点是真的吗？当然，所有其他代币都与此相关，包括TA。你认为这个论点是真的吗？所以，我是否认为比特币价格滞后了的论点是真的？你问的是这个吗？
——是的，因为本质上，与其说是2100万个代币供应，不如说是无限供应，因为我可以获得——因为比特币本身的金融化。——是的。底层，嗯，我不知道这是否真的是这样，对吗？因为你可以说相反的情况，你可以说，好吧，我认为这更复杂，这是一个非常复杂的问题。比特币金融化的世界状况，很大程度上与人们模仿Michael Saylor的微策略有关，对吗？所以，更多这样的控股公司存在，是为了给散户投资者提供对资产的代理敞口，而无需他们直接购买资产。因此，当这种情况发生时，你可以认为这几乎是比特币供应上限从2100万有效扩展到1亿。不过，我不是那样看的，这就是为什么我会说我不是那样看的原因。
——如果基础资产没有从那些代理投资者的流入中受益，那么控股公司对交易者来说就不会有持久的价值主张。对吗？所以，如果代理投资者进入DAT，而控股公司实际上并没有拿那笔资金去购买更多的比特币，对吗？那么代理投资者就只是在耗尽他们的钱。他们就只是在耗尽他们的钱。钱会归零。嗯，因为这家公司没有做任何内在有用或好的事情。他们是在从那些投机性投资者那里窃取资金，这些投资者认为当他们购买股票时，那家公司正在购买更多的基础珍贵资产，也就是比特币。现在，我不知道这是否真的正在发生。我认为实际上正在发生的是，投资者会说：“好的，很有趣。我有一个ETF。我有一个微策略。我有一个XTA。我有一个tow x。我拥有所有这些不同类型的资产的各种控股公司。当我向那家公司投资一美元时，我期望那家公司能够印发或精确地获取一美元的基础资产。因此，我应该为该资产提供放大的流动性，因为如果其他人也在基础资产的合成表示中做同样的事情，并且控股公司正在获取更多的加密货币，那么你应该看到升值，而不是相反。”
问题是，我不认为比特币的资产配置是统一的，不一定是整个加密货币市场，但我们假设比特币是统一分配给控股公司的。我认为，在比特币的资产配置分布中，有很大一部分并不在控股公司中，而是实际上直接持有比特币。因此，这些人可能代表了更大比例的流动性流动的宇宙。所以，如果他们因为某种原因开始失去信心并抛售，然后这种传染效应蔓延到控股公司，我认为控股公司可能会受到严重影响，这就是我的想法。
——你认为这会发生吗？——当然。我，我，我可以假设它为什么会发生。我，我，我无法想象它为什么不会发生。你是说兴趣会下降——可能吗？是的。——是的。——我，这就是为什么，我认为我过去说过，我认为人们直接购买资产会更好。
——是的。我同意。而且你看，我希望有一个世界，所有这些事物都能解耦，就像Bit Tensor一样，它几乎是唯一一个不是DeFi加密货币的顶级加密货币。我不知道它为什么应该与比特币或以太坊挂钩。——这只是一个信息不对称问题。人们对它了解不够。他们对它能做什么了解不够。他们不知道它有多么深刻。我认为我们通过教育人们在这方面提供了一些帮助。但我不得不说，我的意思是，我认为可能有一百万或一千万的人，我们还没有通过我们这个精彩的播客接触到，希望我们能随着时间推移接触到他们。
——你六月会去Proof of Talk吗？——我受邀了。我需要安排我的日程。我，我，我想我，我想我应该去。——是的。——是的，我也会去。会很有趣的。——太好了。我们很高兴在巴黎见到你。
——是的。嗯，你看，这是我们今年第一次谈论Tao。我们得，我们得开始回到正常的节奏——多做一些这样的节目。我知道我们俩都非常忙，但——当然。——JJ，再次，很棒的一集。我应该读些什么关于量子生物学的东西来更多地了解它？——我会给你发一些链接。——好的。非常感谢，JJ。——大家再见。