当算力成为新石油：一文速览近期大家都在聊的Kite AI到底是啥？

“香港金融保卫战中，索罗斯用杠杆撬动千亿美元资本，试图做空港股；而今天，科技巨头们正用另一种‘杠杆’——AI算力——试图垄断人类智能的未来。”

数据被滥用，模型被剽窃，算力被垄断——这是AI的黄金时代，还是中小开发者的至暗时刻？2024年，全球前五大科技公司掌控了78%的AI算力资源，单块H100 GPU的租赁成本飙升至每小时4.2美元。当OpenAI用Sora重塑视觉创作、Midjourney月入3亿美元时，普通开发者却因数据壁垒和算力天价被挡在AI革命的门外。

但历史总在重演：就像1998年谷歌用分布式算法颠覆雅虎的集中式搜索，一场基于区块链的“AI平权运动”正悄然兴起——Kite AI，这个由硅谷顶尖极客打造的协议，仅用9个月便聚合了全球23万节点，将250万次AI推理调用写入链上。它的野心不仅是分走巨头的蛋糕，更是要重写AI经济的底层规则：“代码永不眠，算力无国界”。

Kite AI的核心设计理念 

Kite AI的愿景是“通过区块链技术实现AI资产（数据、模型、智能体）的透明确权与激励”，其核心设计围绕以下三个原则展开： 

1. 去中心化协作 

   传统AI开发依赖集中式平台（如AWS、谷歌云），导致数据孤岛和资源垄断。Kite AI通过区块链技术构建去中心化网络，使数据提供者、模型开发者和算力贡献者能够直接协作，消除中间商对价值的截留。 

2. 公平激励 

   借助Proof of Attributed Intelligence（PoAI）共识机制，Kite AI能够精准追踪数据预处理、模型训练、推理调用等环节的贡献值，并按比例分配收益。这一机制解决了传统AI经济中“贡献者难获回报”的难题。 

3. 隐私与合规 

   通过零知识证明（ZKP）、可信执行环境（TEE）等技术，Kite AI在确保数据隐私的前提下实现共享。例如，医疗子网中患者数据经加密后仅定向授权给特定模型开发者，且收益按协议分配。

Kite AI的技术架构与创新 

 

图源Kite AI白皮书

Kite AI的技术架构分为四层：共识层、执行层、数据层和治理层，并引入了多项突破性创新。 

 1. 全球首创的PoAI共识机制 

PoAI是Kite AI的核心创新，其设计逻辑包括： 

- 贡献量化：通过链上可验证的记录，追踪数据标注、模型训练、推理调用等贡献行为。例如，某医疗影像数据集被用于训练癌症检测模型时，数据提供者、模型开发者、算力提供者均可按贡献比例获得代币奖励。 

- 动态奖励池：奖励池根据网络使用率和子网规模动态调整，确保激励的可持续性。测试网初期，近百家AI企业（涵盖医疗、金融、教育）已接入该机制。 

 2. 可组合的AI子网（Composable Subnets） 

Kite AI采用模块化架构，允许开发者按需构建行业专属子网。例如： 

- 金融子网：银行可构建风控模型子网，整合加密的客户交易数据和第三方征信数据，模型开发者需通过智能合约获得数据访问权限，收益按协议分配。 

- 教育子网：教育机构可共享教学数据用于个性化学习模型开发，学生作为数据贡献者可获得学分或代币激励。 

子网支持自定义治理规则（如投票机制）和利润分配模型，实现跨领域资源共享。 

 

 3. AI原生执行层（AI-Native Execution Layer） 

该层专为链上AI任务设计，支持以下功能： 

链上推理与训练：用户可通过智能合约钱包调用AI模型的推理服务，例如实时语言翻译或图像识别。所有计算任务均在链上记录，确保透明性和可审计性。 

隐私计算集成：通过TEE（可信执行环境）和联邦学习技术，实现数据“可用不可见”。例如，制药公司可使用加密的患者数据训练药物研发模型，而无需获取原始数据。 

 

 4. 去中心化数据引擎（Decentralized Data Engine） 

该引擎通过以下机制实现数据的高效流通与确权： 

数据NFT化：将数据所有权转化为NFT，支持碎片化交易。例如，某自动驾驶公司可购买特定城市交通数据的部分使用权，用于训练感知模型。 

合规框架：内嵌GDPR/CCPA模块，自动审核数据使用是否符合区域法规，避免法律风险。 

Kite AI的团队与投资机构 

 

 图源Kite AI官网

核心团队：硅谷顶尖AI与区块链专家组成的全明星阵容 

Kite AI的创始团队及核心成员均来自全球顶尖科技企业与学术机构，其背景覆盖人工智能、区块链、企业级软件开发和金融科技四大领域，具备深厚的行业经验与技术领导力： 

联合创始人及技术领袖： 

  AI技术核心：团队中包括多名曾任职于 Uber、Salesforce、Databricks 的资深专家。例如，联合创始人之一是 加州大学伯克利分校人工智能博士，研究方向为可解释性AI与因果推理，并在 Gilead Sciences 主导过癌症诊断AI模型的研发。 

区块链与系统架构：另一位联合创始人曾担任 Uber 安全数据工程委员会主席，主导构建了 Uber 的 Scale AI 平台，并在 Salesforce Einstein AI 担任技术负责人，拥有多项数据流编排专利。 

工程与产品团队： 

团队成员包括来自 谷歌、贝莱德、NEAR基金会 的资深工程师，主导过大型分布式系统的设计与优化。例如，某核心开发者是 流式数据库 RisingWave 的联合创始人兼CTO，曾完成超4000万美元融资。 

在AI产品化领域，团队中有 VMware 战略部门前成员 和 麦肯锡咨询顾问，负责将技术方案转化为企业级应用场景。 

学术与行业顾问： 

顾问团队包括来自 麻省理工学院（MIT）、哈佛大学、东京大学 等顶尖学府的学者，研究方向涵盖机器学习、量子计算与数据隐私。 

此外，前 PayPal 业务发展主管 和 NEAR 基金会业务负责人 提供区块链生态扩展与合规战略支持。 

 

投资机构与战略合作伙伴 

Kite AI的融资与生态合作网络展现了其技术潜力与商业价值： 

 

图源Rootdata

主要投资机构： 

HashKey Capital：亚洲领先的区块链风投，专注于Web3与AI融合领域，推动 Kite AI 在亚洲市场的布局。 

Samsung Next：三星集团旗下创新基金，为 Kite AI 提供硬件集成与行业资源。 

Hashed：韩国顶级加密基金，助力跨链互操作性开发。 

General Catalyst：全球知名风险投资机构，曾投资 Airbnb、Stripe 等独角兽，主导 Kite AI 的早期融资。 

 

战略合作伙伴： 

Avalanche：通过高性能子网架构优化AI计算任务的链上执行效率。 

Sui：合作开发链上AI模型的隐私计算模块。 

AWS：提供云计算资源支持，解决算力调度问题。 

 

Kite AI的生态建设与商业潜力 

 

 Kite AI 已启动测试网 v1：Aero

 开发者生态与激励机制 

Kite AI为早期开发者提供丰厚的激励计划： 

代币空投：首批部署AI子网的团队可获得代币奖励，用于支付链上交易费用或参与治理投票。 

安全赏金：设立10万美元的安全基金，鼓励社区发现并修复漏洞。 

积分系统：贡献者（如数据标注员、模型调试者）可通过积分兑换生态资源（如算力租赁优惠）。 

挑战与未来展望 

技术挑战 

算力调度效率：去中心化网络的异构算力（如不同型号GPU）可能导致训练延迟。Kite AI计划通过动态任务分片和压缩通信数据优化效率。 

隐私与性能平衡：TEE等隐私技术可能增加计算开销，需进一步优化硬件兼容性。 

生态扩展 

跨链互操作性：当前Kite AI主要基于EVM兼容链，未来需支持更多链（如Cosmos、Polkadot）以扩大生态。 

用户教育：需降低开发者门槛，提供更友好的工具链（如可视化子网配置界面）。 

 长期愿景 

Kite AI的目标是成为“AI经济的底层协议”，其路线图包括： 

2025年Q2：推出主网并启动DAO治理，允许社区投票决定协议升级方向。 

2026年：实现与量子计算硬件的集成，支持更大规模AI模型训练。 

结语：Kite AI的潜力与个人见解 

Kite AI的核心理念与技术创新极具前瞻性。在AI行业日益中心化的今天，其去中心化架构和公平激励模型为解决数据垄断、隐私泄露等问题提供了可行路径。团队的全明星阵容与顶级资本的支持，为其技术落地和生态扩展提供了坚实基础。然而，挑战同样显著——如何在保证隐私的同时提升算力效率？如何吸引更多传统企业接受链上AI协作模式？这些问题的解决将决定Kite AI能否真正成为AI经济的底层协议。 

总体而言，Kite AI的潜力在于其开放性与包容性。它不仅是一个技术平台，更是一场关于AI民主化的社会实验。如果能够持续优化技术、扩大生态合作，Kite AI有望推动AI从“寡头垄断”走向“全民共建”，真正释放人工智能的普惠价值。