Michael Heinrich：0G 联合创始人兼首席执行官｜专访系列

Michael Heinrich 是一位连续创业者、投资人和科技高管，专注于为人工智能构建去中心化基础设施。他在 0G 负责推进基础设施的开发，致力于让 AI 更开放、可验证且易于获取。Heinrich 还担任 ZeroStack Corp. 执行董事长，并在 Stanford University 担任讲师和导师超过十年，参与涵盖创业、风险投资和创新的各类项目。他同时是 Pioneer Fund 的风险合伙人和天使投资人，投资的公司和项目包括 Stripe、Anthropic、Brex、Notion、Filecoin、Worldcoin、Uniswap、Shield AI 和 Binance。此前，Heinrich 创办了职场健康公司 Garten（前身为 Oh My Green），并曾在 Bridgewater Associates、Bain & Company、SAP Labs、Microsoft 和 J.P. Morgan 任职，积累了创业、科技、金融、战略和风险投资方面的经验。

0G 正在构建一套去中心化 AI 基础设施技术栈，旨在成为人工智能的信任层，使 AI 工作负载能够在不完全依赖中心化服务提供商的情况下执行、存储和验证。其架构整合了可验证计算、加密去中心化存储、私有 AI 推理，以及原生支持 AI、兼容 EVM 的 Layer 1 区块链，为从自主 AI 智能体和去中心化模型，到 AI 市场和机器经济等各类应用提供基础设施。该平台采用模块化设计，开发者既可以独立使用存储或计算等单个组件，也可以构建完全链上的 AI 应用，让数据、模型和操作都能够接受审计与验证。通过这种方式，0G 力求为更开放、透明的 AI 生态系统提供底层基础设施，使开发者、企业和用户能够更好地掌控 AI 资源和数据。

在共同创办 0G 之前，你曾创立并领导 Garten，也在软件、金融、风险投资和创业领域积累了经验。2023 年，AI 领域出现了什么情况，让你决定创办 0G？此前的经历又如何塑造了你对公司的愿景？

我的职业生涯一直穿梭于两个鲜少交流的领域。早年，我在 SAP 和 Microsoft 编写软件。后来我转向金融：先是在 Harvard Business School 做研究期间学习全球资本市场，随后在 Bain 和 Bridgewater 工作，并亲历了 2008 年危机。之后，我创办了 Y Combinator 孵化的公司 Garten。

每一段经历都从不同角度让我明白了同一个道理：当一个系统把控制权集中起来并隐藏其内部运作时，依赖这个系统的人总是最后才知道它出了问题。

因此，早在 2023 年，我就看到 AI 领域正在形成一种我从未在其他市场见过的趋势，其发展速度之快令人咋舌。模型令人惊叹，但其背后的基础设施掌握在少数几家公司手中；更重要的是，你无法查看实际运行的内容、自己的数据流向何处，也无法了解计算的真实成本。与此同时，参与这一领域所需的资本每个季度都在不断增加。对于亲眼见证 2008 年危机的人来说，这就像是在黑箱之上不断加杠杆，所有人却都认定黑箱没有问题。

于是，0G 的发展方向源自一个挥之不去的金融问题：“当经济中最重要的投入要素既没有透明的市场，也无法得到独立验证时，会发生什么？”我与联合创始人 Thomas Yao、Fan Long 和 Ming Wu 一起，通过构建 0G 给出了答案。

我们的答案是为 AI 打造一个信任层：一套整合式技术栈，涵盖私有计算、我们自有的开放权重 0gm 模型、稀疏推理对齐和 Tee 验证等安全防护机制、加密存储，以及专为 AI 工作负载打造的区块链。在这里，从推理到智能体操作，各类 AI 工作都能得到验证和审计。

AI 公司正投入巨额资金购买 GPU、建设数据中心并获取电力。计算的经济模式正在发生哪些根本性变化？你认为获取算力是否会变得像获取资本或能源一样具有战略重要性？

算力的重要性已经开始与资本或能源相当。四家最大的超大规模云服务商仅在 2025 年就承诺投入超过 5000 亿美元用于 AI 资本支出，而且照目前的增长速度，今年这一数字还将翻一番。这已不再是技术预算，而是由少数私营公司负责的国家级基础设施支出。

根本性的变化在于，算力已经成为智能发展的关键瓶颈。每一次模型改进、每一个智能体、每一种产品，归根结底都离不开 GPU 使用时长。当一种投入要素制约所有下游环节时，它就不再像一种可以购买的商品，而开始表现得像一种需要持有的资本。如今，能否获取算力，决定了哪些公司、大学和国家有能力进行建设。

奇怪的是，这种资产没有自己的市场。算力大规模生产、在全球范围内出租，并按日定价，但人们却无法持有其权益、对冲风险，也无法透明地分配算力。资本有市场，能源有市场，而算力的采购则依赖少数几家供应商签订的合同。

每一种稀缺资源都会沿着同一条路径发展：先生产，再定价，最后融资。石油经历过这一过程，电力经历过这一过程，带宽也经历过这一过程。算力如今正进入第三个阶段，而为此构建金融基础设施，是本十年最具标志性的基础设施项目之一。

0G提出，算力可以被持有、赚取和使用，而不只是作为云服务购买。具体来说，将算力转化为一种资产意味着什么？这又可能如何改变基础设施提供商、开发者和AI公司之间的关系？

想想其他生产性资产的运作方式：股权带来了股息，债券支付票息。我们创造了“算力金融”（Compute Finance）这一概念，并将其简称为ComFi；它把同样的思路应用于算力。你不必只是付费获取GPU使用权，还可以持有一种权益，从而获得能够实际使用的AI算力。

在实际操作中，你让一项资产发挥作用，并以此换取AI算力。这些算力可用于各种用途，从私下运行模型，到构建并发布AI应用。其底层运行在0G区块链上。用户质押（即锁定）0G作为抵押品，获得a0G，铸造iAI，再质押这些iAI以赚取算力，并将其用于各类AI服务。

我们的目标是让算力成为一种可以持有、赚取和使用的资源，而不是只能按小时向云服务提供商租用。根据初始参数，用户可以质押iAI，在支持的0G AI服务中获得价值超过每天1美元的算力额度。只要该权益仍处于有效状态，底层抵押品就会继续锁定；销毁iAI后，用户即可取回抵押品。

关键在于，用户获得的不是现金或金融回报，而是能够实际使用的算力。

这改变了基础设施提供商、开发者和AI公司之间的关系。基础设施提供商获得了一种新方式，可以通过传统云服务合同之外的渠道提供算力。开发者则能获得更可预测的资源，便于围绕它制定计划和预算。AI公司可以确保获得所需算力并提前规划，而不必再把算力仅仅视为一项受少数几家提供商控制的支出。

而且，由于它运行在0G信任层上，算力使用情况可以得到验证和审计，而不必只是听信一句“相信我们”

我们将ComFi定位为AI行业的开放类别，而非专有品牌。Ascend和iAI是这一理念的首批实现；未来还会有更多项目加入0G网络。

0G Compute是一个去中心化市场，GPU提供商可以在其中竞相承接AI工作负载。与依赖少数超大规模云服务提供商相比，这种模式能带来哪些经济优势？尤其是在GPU需求旺盛时，优势又是什么？

我们强调了三项优势；在GPU供不应求时，这些优势会更加明显：价格发现、弹性和无供应商锁定。

1. 价格发现：在0G Compute上，提供商可以自行定价，并竞相承接工作负载。因此，成本可能大幅降低：同等水平的开源模型推理成本最高可降低95%，而我们的存储层运行成本比AWS S3低90%以上。这部分得益于市场竞争，另一部分则来自让闲置GPU容量投入使用，以及运行开源模型，而非在专用基础设施上运行闭源前沿模型。

2. 弹性：超大规模云服务提供商会提前数年规划容量，并通过长期合作关系分配资源。市场可以从任何地方调动供给，包括独立运营商、学术集群，以及拥有闲置硬件的企业。需求激增时，价格上涨可以吸引更多供给上线。固定的排队队伍只会越来越长。

3. 无供应商锁定：我们网络上的每家提供商都通过同一个路由器提供兼容OpenAI的API；如果某家提供商宕机，路由器会自动切换。如今，13家提供商通过单一端点提供数百种模型，已处理超过3730亿个token和2700万次推理请求。开发者只需更改一个请求头，就能切换提供商，无须启动迁移项目。

还有一个容易被忽略的数据点：在过去30天里，我们自己的模型0GM-1.0是网络上使用量第二高的模型，仅次于DeepSeek。当一个去中心化网络自有的开源模型，在使用量上能与全球最优秀的开源模型一较高下时，这就表明该市场能够大规模运作。

超大规模云服务提供商在各自擅长的领域表现出色。但当GPU成为AI领域最稀缺的投入时，拓展算力来源能够创造一种截然不同的供给模式，而不是只能等待超大规模云服务提供商增加容量。

去中心化基础设施面临的一项挑战，是如何确保更便宜、分布更广的算力不会以牺牲可靠性为代价。0G 如何判断算力提供方是否确实正确完成了 AI 工作负载？

这是个很好的问题，也是区分真正的算力市场与那种只能信任 AWS、Google Cloud 或 Microsoft Azure 等提供方的系统的关键。我们设计 0G 的目的，就是让你不必只听提供方的一面之词。

0G 的隐私层运行在密封的可信执行环境中。硬件会生成一份证明，说明正在运行的是哪个模型和哪段代码，并使用仅存在于该环境中的密钥为每个响应签名。客户端可以依据这份证明验证签名，并确认指定模型在指定提供方处运行且未被篡改。0G 和提供方都无法看到提示或响应。在所有层级中，0G 都不会保留提示或响应，也不会使用你的数据进行训练。

在验证层，请求会被路由到预期的上游模型，因此即使提供方本身是中心化的，你也能知道是哪个模型给出了回答。这些层级按请求定义，并由网络强制执行。如果请求要求使用具备隐私保护能力的提供方，而当时没有可用的提供方，请求就会失败，而不会在不告知用户的情况下悄悄退回到其他层级。诚实的层级比营销宣传的层级更重要。

付款与证明挂钩。签名结果交付之前，资金会暂时冻结。目前，网络已记录超过 24.9 百万个 TEE 证明；对于乐观验证和零知识验证比硬件证明更适用的工作负载，该框架也支持这两种验证方式。

可靠性通过简单直接的方式保障，包括在不同提供方之间自动故障切换，以及提供实时运行状况和延迟数据。底层网络经过设计，可避免验证和结算成为瓶颈。

AI 基础设施的经济性日益与电力供应状况紧密交织。随着模型和推理工作负载不断扩展，你是否认为能源会取代 GPU，成为 AI 算力的主要瓶颈？去中心化基础设施又能如何帮助缓解这一瓶颈？

能源与算力显然相互交织，彼此影响，而由能源主导的瓶颈已经出现。7 月，弗吉尼亚州北部超过 3 GW 的数据中心需求突然从电网断开，这凸显出集中式数据中心负载会给电力基础设施带来多大压力。

到 2030 年，AI 数据中心的用电量预计将翻一番。国际能源署（IEA）预计，到 2030 年，全球数据中心的能源消耗将增长至目前的两倍以上，达到约 945 太瓦时，AI 是主要驱动因素。建设更多 GPU 的速度，可能快于建设运行这些 GPU 所需电力基础设施的速度。

中心化 AI 让情况更加严峻，因为它将需求集中到少数几个大型数据中心，而每个数据中心都需要大量电力和新的电网基础设施。

去中心化基础设施可以将工作负载部署到已有电力和算力的地方，从而帮助缓解这一日益严重的制约因素。这些地方可以是区域数据中心、拥有闲置容量的工业场地，或原本会被浪费的可再生能源。与其把更多电力输送到少数几个大型园区，不如将工作负载转移到已有电力且未充分利用的地方。

需要明确的是，这并不能消除能源限制，但可以提高现有能源和计算基础设施的利用效率。

0G 采用可信执行环境、乐观验证和零知识技术等机制，使 AI 计算能够得到验证。随着自主 AI 智能体开始在没有持续人工监督的情况下做出决策并执行交易，你认为密码学验证在哪些方面会变得最为重要？

当人类停止监看时，验证就变得最为重要。副驾驶式 AI 助手的输出会由人来审查，而自主智能体则不会。一旦智能体能够做出决策、签署交易、持有资金或与其他智能体交互，你就需要知道是哪个智能体在执行操作、它运行的是哪个模型，以及它是否按预期完成了任务。

这正是密码学验证发挥重要作用的地方。当智能体在可信执行环境中运行时，你可以获得一份签名记录，显示由哪个模型做出了决策，以及它使用了哪些输入。区块链是理想的信任层，因为它不可篡改、只能追加记录，并且能够追溯来源。区块链为这些证明提供了共同记录，让开发者、审计人员和交易对手无需相信任何单一方对事件经过的说法，就能核实实际发生了什么。

随着智能体开始大规模相互交互，同样的原则也适用。你不可能让人类审查每一项决策或每一笔交易。验证、可审计性和信任必须成为基础设施本身的一部分。目标很简单：与其询问智能体是否声称自己遵守了规则，不如直接证明它确实遵守了规则。

如今，基础设施竞赛很大程度上围绕着建设规模越来越大的集中式数据中心展开。去中心化 AI 算力能否成为这种模式的替代方案？还是说，你最终认为去中心化网络与超大规模云服务商会成为同一个全球算力市场中相辅相成的组成部分？

我认为两者相辅相成，格局会很像电网。超大规模云服务商承担基础负载。它们非常擅长为大型企业处理规模庞大、可预测且对延迟敏感的工作负载，也应该继续发挥这方面的优势。去中心化网络则可以吸收波动性需求、让分布式和其他闲置算力投入使用，并让更多企业获得 GPU 算力。

去中心化网络之所以是真正的替代方案，在于它能够建立信任。集中化是经济问题，也是可见性问题。当基础设施由少数几家公司运营时，它们也就掌控了你能看到什么。超大规模云服务商可以承诺不会查看你的数据；配备公开证明机制的封闭隔离环境则能够证明这一点。这种特性不会因为数据中心规模更大而增强，而是来自将验证机制内置于基础设施之中。

我们已经看到这两种模式并行运作。Google Cloud 和 Alibaba Cloud 都是我们的主网上线合作伙伴。企业希望能够根据价格、隐私要求以及所需的验证级别，将工作负载分配给超大规模云服务商、去中心化服务提供商或自己的硬件。

这就是我们眼中市场的发展方向：不是一种模式取代其他模式，而是形成一个全球算力市场，让工作负载可以根据具体任务的需求，在不同的基础设施来源之间流转。

随着 AI 智能体成为能够购买服务并自主管理资源的经济参与者，算力本身是否也会成为机器对机器经济的一部分，让智能体根据价格、性能和可用性动态获取基础设施？

我们已经在自己的网络上看到一些初步案例。通过 0G Compute 发出的请求，大多数并非来自某个人点击按钮，而是来自应用程序和智能体调用 API、从已充值的余额中按请求付费，并由系统将请求分配给最符合任务需求的服务提供商。大约有 43,000 个钱包以这种方式支付过推理服务费用，另有 300 多个项目基于 0G 构建。仅 Ghast AI 一家就通过 0G Compute 处理了超过 1000 亿个 token。NeoSoul 在 0G 和另一条区块链网络 BNB Chain 上运行着数百万个智能体。智能体为批处理任务选择更便宜的服务提供商，为敏感任务选择私有隔离环境，这种路由决策今天就已发生。

要建立真正的机器经济，还缺少一些人类习以为常的要素，即身份、预先持有资源的方式，以及计价单位。智能体需要一种能够跨服务使用的身份，这正是 0G 的 Agentic ID 旨在提供的功能。它们还需要一种预先保障算力的方式，而不是每次请求都付费，这样才能自主规划和运行。

这也是我们构建 Compute Finance 的原因之一。算力可以通过参与网络获得，并用于支付各类 AI 服务后，智能体就可以一次性获得资金支持，按需调用算力，而不必由人类为云账户充值。Ascend 和 Infinite AI 是首批实现。我们尚未谋面的开发者将以它们为基础构建机器经济。

安全要求不容妥协。所有这些机器决策都必须留下可验证的记录，并嵌入安全防护机制。没有凭证记录的机器经济，只会让人更快蒙受损失，并引发一场未被披露的安全灾难。

展望未来五年，你认为 AI 算力市场将如何演变？企业是否仍会主要从租用 GPU 和云算力的角度看待算力，还是说我们正迈向一个流动性更强的全球市场，在那里算力可以被拥有、交换、变现并动态分配？

我不认为租用会消失，就像设备融资日趋成熟后，租赁也没有消失一样。但租用不再是唯一选择，实力雄厚的参与者也将不再只把算力视为一种只能租用的资源。

随着这一领域不断发展，我预计算力将像其他战略投入要素一样，建立起相应的金融基础设施。企业会像持有能源合约或外币一样持有算力头寸。服务提供商会将算力容量投放到开放市场销售，而不是每次都单独协商合同。算力将根据工作负载和信任级别定价，因为经过验证的私有推理与未经验证的推理是不同的产品。买家中，智能体所占比例也会不断上升，而不再只有采购团队。

这正是 Compute Finance（ComFi）的目标。主网上线一周年之际，我们推出了 Ascend，并宣布了 Infinite AI，因为如今整个发展路径已经十分清晰：算力被生产出来，继而定价。下一步是建立一个金融层，让算力权益能够被持有、赚取、使用和交易，同时每个单位都留下可验证的记录。我们有意将 ComFi 打造成一个开放类别，而非专有品牌，因为只有一个参与者的市场算不上市场。

这一切之所以能够实现，靠的并不是更好的 GPU，而是信任层：证明运行了什么、由谁运行，以及依据证明进行结算。一旦算力可验证，就会具备足够的可互换性，从而能够用于融资；一旦能够融资，就会变得具有流动性。未来五年，行业将不再把经济中最重要的资源仅仅视为一项账目。

感谢这次精彩的访谈。希望了解更多的读者，请访问 0G。