
来源:《区块链杂谈》第三期
作者:何宝宏 《区块链杂谈》名誉主编、中国信息通信研究院云计算与大数据研究所所长
在很多场合中,我都发表过一个观点:最初高喊去中心化的,后来大多成了新的中心。当年互联网刚兴起的时候如此,今天的区块链亦是如此。
区块链从技术上是分布式的,但商业的力量让区块链的世界正集聚出新的中心。
在物理世界中,核心竞争力是智慧、力量和财富;在IT世界里,核心竞争力是代码、算力和数据。代码是智慧的结晶,算力是力量的源泉,而数据已经成为了资产。
在“分布式”的区块链世界里,已经初步形成了三大中心,分别是代码中心、算力中心和财富中心。
原本,区块链的代码来自“分布式”的社区,但对社区具有决定性影响的,并不是广大“社员”,而是核心的几个人甚至某个创立者。
对比特币社区影响最大的,最初是创始者中本聪,现在仍然是Core小组中的5名成员。至于以太坊社区,基本由其创立者Vitalik Buterin说了算。而Dan Larimer(绰号BM),无可厚非更是EOS社会的领袖(中心)。
据2018年3月一组来自伦敦大学的数据显示,Bitcoin Core软件中7%的文件是由同一名开发人员编写的,以太坊Ethereum中大约20%的文件是由同一编码人员编写的。
Code is law,在一起的一群理想主义者形成了社区,形成了代码中心。
除了代码,支撑挖矿的算力,是另外一个中心。
PoW和PoS是目前应用最为广泛的两种共识机制,分别基于力量和财富的大小来分配记账权。
比特币和以太坊选择了PoW,这是一种猜数字游戏,谁的算力越强,谁获得记账权的概率就越高。
比特币在早期用CPU挖矿就可以了,因为竞争激烈后来升级到用GPU和FPGA专用矿机了,而现在只有用ASIC的矿机才可能赚到钱。早期是个人用CPU挖比特币,后来发展到用一组专用的矿机组成矿场挖比特币,而现在已经发展到需要矿池了。
现在,只有用专业的矿机加入专业的机构,才可能在挖矿中获益。这些矿工依靠庞大的算力,形成了一个新的利益中心。
如果说代码中心的程序员还有讲情怀的理想主义者,那么算力中心的矿工则是完全受利益驱使的。商业的力量,让算力有了中心。
起初,区块链世界里是算法中心和算力中心的此消彼长,在相互的争夺中,资本的力量正在逐步释放出更大的能量,财富中心已经显现。
财富中心的出现,还是提到区块链技术的一大创新,也就是将激励机制内置化。
虚拟世界原始财富(Token)的创造,M0的产生依靠的是记账时来自系统的奖励,无论是PoW还是PoS都一样。如果说PoW是按劳分配M0,谁算力大谁说了算,那么PoS就是按资分配,谁资本多谁说了算。PoW的基础是算力,全世界的矿工联合起来就是算力中心;PoS的基础是代币,全世界代币持有者联合起来就是财富中心。而PoW的算力,又是可以通过资本购买的。
PoW和PoS只是创造了所谓的数字资产,接下来还要有数字资产交易故事才能更精彩,于是数字资产交易所兴起了。
谁控制了交易所,谁就控制了新宇宙的财富中心。首批数字资产大佬已经出现,数字资产的华尔街正在形成。
区块链硬分叉,是代码中心与算力中心冲突的产物。PoW与PoS优劣的争论,是算力中心的矿工与财富中心的持币者的口水战。交易所的恩怨是非,是交换财富的中心带来的。
短期看,矛盾主要围绕算力中心展开。长期看,矛盾主要会在代码中心和财富中心之间展开,以后是技术与资本的博弈,算力中心只能逐渐沦为路人。
集中式技术,多是为现有格局服务的。分布式技术,多是来颠覆现有格局的。反之亦然,大多数的颠覆性技术是分布式的,但成功后都会走向集中。
行业的游戏规则,只能由中心制定。先有中心,后有规则,区块链的江湖从此平静。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。