从学术象牙塔到去中心化 AI 创新：专访 OORT 创始人 Max Li 博士

关于 OORT

OORT 是基于Olympus协议，为 AI 打造可信的去中心化基础设施。OORT 为企业和个人客户提供三大去中心化 AI 产品：OORT 存储、OORT数据中心（B2C，B2B）以及即将推出的 OORT 计算。OORT 目前共获得1000万美元融资，投资机构包括 Taisu Venture、Red Beard Venture、Sanctor Capital，同时也获得来自谷歌和微软的资助。

主持人 bms：

今天我们很开心邀请到了 OORT 的创始人兼 CEO——Dr.Li 来探讨去中心化 AI 的未来。Dr.Li，您好！首先能否为我们介绍一下您的背景和经历？您是如何进入 AI 和区块链这一领域的？

Dr.Li：

你好，首先感谢邀请，很高兴能借此机会和大家分享我的一些经验，特别是关于去中心化 AI 的研究和实践。我现在是 OORT 项目的创始人兼 CEO，该项目起始于 2021 年夏天，至今已有近四年时间。同时，我在美国纽约哥伦比亚大学任教，属于电子工程系 (Electrical Engineering)。

在学术上，我的研究方向主要是 AI 和区块链技术，其中 AI 的细分领域是强化学习 (Reinforcement Learning)。我自己编写过强化学习方面的英文教材，一些大学也在使用这本教材，清华大学计算机系还曾将其翻译成中文，大约两三年前这本书的中文译本正式在国内发行。

主持人 bms：

您最初是如何开始接触区块链，其中有什么契机呢？

Dr.Li：

其实，我正式开始深入研究区块链是在 2017 年。当时 ICO 热潮全球蔓延，学生们对加密货币和区块链技术的兴趣激增。由于他们的需求，我在哥大尝试开设区块链相关课程。那时几乎没有老师有此经验，所以我需要自行收集零碎的资料、研读白皮书和学术论文，然后整理出系统化的教学大纲，开发作业和考试题目，让学生不只是了解概念皮毛，而是能从数学和工程底层原理出发，真正成为未来能推动行业的区块链技术专家。

主持人 bms：

在当时缺少成熟教学材料和参考案例的情况下，您是如何应对这些教学与研发上的挑战的？有遇到哪些特别有趣或困难的部分吗？

Dr.Li：

是的，当时最大的难点在于信息零散，缺少系统化教材。我花了大量时间从网上查找资料，结合白皮书和有限的学术论文，再深入研究区块链密码学底层。例如，为什么采用 SHA-256 而不是 SHA-512 或 SHA-128？背后牵涉到数学上的生日悖论 (Birthday Paradox) 等理论基础。这些内容都需要梳理成适合工程研究生和博士生的授课内容——他们将来要成为真正的技术专家，而非只知概念的初学者。

主持人 bms：

您原本专注于强化学习和 AI，那是什么契机让您从 AI 领域扩展到区块链世界，并进一步萌生出将二者结合的念头？

Dr.Li：

在此之前，我在高通 (Qualcomm) 研发部门从事 5G 芯片设计工作，早在 2012 年就开始底层算法的研究。后来进入学术圈后，我主要关注 AI 强化学习领域。但由于机缘巧合，我接触并研究了区块链技术并开始授课。在探索区块链与 AI 的过程中，我意识到二者结合有巨大的潜力：去中心化网络为 AI 的数据与算力提供新型基础设施，而 AI 技术又能优化区块链的运行和效率。这样的交叉研究推动我进一步思考去中心化 AI 的可能性和实践方式。

主持人 bms：

近期 Vitalik 在采访中谈到中心化 AI 的弊端。您认为去中心化 AI 相较于中心化 AI 在技术优越性和商业化应用价值方面的本质区别体现在哪里？

Dr.Li：

这是很好的问题。我认为去中心化 AI 的最大技术优势在于通过区块链技术实现整个 AI 开发过程的透明化 (Transparency) 和可追溯性 (Traceability)。

目前整个 AI 领域中，开放与透明已成为热议话题。例如 OpenAI，现在许多人批评它已经不再 “Open”，因为我们无法得知他们使用了哪些数据进行训练、模型中是否存在偏见 (Bias)、模型训练细节以及后台是否对输出结果进行干预。类似问题在中心化 AI 中都很难回答。

去中心化 AI 则利用区块链技术，让训练过程的关键环节得到公开和验证，从而建立信任。有了透明和可追溯性，用户更容易信任 AI 的决策与数据来源。OORT 即将推出的三大旗舰产品，核心思路正是利用区块链增强 AI 的透明度和可追溯性。

在商业化应用价值上，去中心化 AI 可让更多人参与进来，共同构建并使用 AI。就像 TikTok 或小红书，通过集聚个人的智慧与贡献，形成一个良性循环。“Made by people, for people”——当大量个人、组织贡献数据、算力、资源来构建 AI，最终成果又服务于所有人。这种模式的商业潜力巨大，并非仅限于传统中心化 AI 的 To B 或 To C 模式。去中心化让更多人参与，使 AI 成为一个真正由大众创造、为大众服务的基础设施，从而孕育出更宏大的商业价值。

主持人 bms：

OORT 项目是否在这样的背景下诞生的？您能为我们介绍一下 OORT 这个项目吗？

Dr.Li：

是的，OORT 项目诞生得相对较早。早在 2017 年，我在哥大教授强化学习课程时，学生们在期末项目中需要训练自己的 AI agent，这需要大量算力。学生常用的云服务（如 AWS、Google Cloud）成本很高，许多学生抱怨经费负担过重。

当时我就想：全球有如此多闲置算力资源，为什么不能用区块链技术将这些分散资源整合起来，形成一个去中心化的计算网络，既降低成本，又提高灵活度？

2017 年没有“去中心化 AI”这一明确概念，但将分散算力资源整合起来已是去中心化 AI 基础设施建设的关键一步。我们在实验室研究过程中发表了学术论文并申请了美国核心专利。到 2021 年夏天专利正式授权后，我们决定将其商业化，于是创立了 OORT。最初公司名为 Computecoin，后来经过品牌重塑 (Rebranding) 才更名为 OORT。

主持人 bms：

在构建去中心化 AI 基础设施时，您认为在技术层面，例如算力与数据隐私存储方面，最大的挑战是什么？OORT 又是如何应对的呢？

Dr.Li：

最大的挑战并不只是隐私或数据安全，而是如何让去中心化的基础设施在性能 (Performance) 上接近中心化云服务商的水平。

企业在考虑迁移至去中心化基础设施时，最关心的往往是性能指标，如可靠性 (Reliability)、可用性 (Availability) 和延迟 (Latency)。如果去中心化云的性能无法与 AWS、Google Cloud 等传统中心化云相媲美，那么即使去中心化在价格、隐私保护、弹性方面有诸多优势，也难以让客户买单。

以 OORT 的去中心化存储为例，我们需要将文件分片加密后分散存储在数百甚至上千个节点。当用户需要读取文件时，我们要从多个节点并行获取碎片，并进行解码和解密。

为让延迟控制在接近中心化服务商的水平，我们在底层采用了先进的编码理论和算法优化。在通信与存储设计中借鉴类似 5G 底层算法的思路，确保即使部分节点宕机或离线，依然能快速重组数据，最终实现与传统云存储几乎相当的访问延迟。我们能够将延时控制在 100 毫秒左右，成本比亚马逊 S3 低约 50% ~ 60%。

总之，最大挑战是让去中心化基础设施的性能与中心化云相差无几，同时兼具去中心化的种种优势。这是 OORT 花费最大精力攻克的难题。

主持人 bms：

现今中美在 AI 领域的技术竞赛备受关注，您如何看待中美在 AI 技术上的竞争？去中心化 AI 在这种大环境下是否具备更大的政策红利和发展空间？又该如何规避地缘政治可能带来的风险？

Dr.Li：

放眼全球，在 AI 领域投入巨大的无外乎中美两国。美国在技术原创、基础研究上占有优势，从互联网、移动互联网到 AI，技术浪潮的起点往往在美国。而中国的优势在于应用和落地速度快，市场与应用环境让新技术能以极快节奏实现商业化。

中美之间的合作本应是双赢。美国提供原创技术，中国负责快速落地和大规模商业化，但地缘政治与贸易战导致这种合作模式变得艰难。

在这样的国际环境下，去中心化 AI 其实有很强的韧性与生命力。政策层面，中美都在直接或间接地支持相关技术。例如中国大力推动分布式算力池、美国在国家安全层面重视分散式存储与计算，从而间接推动去中心化相关技术的发展。

去中心化 AI 的优势在于其全球性特征，不依附于单一国家或地区的政策。当来自五湖四海的个人与组织以开源、协作的方式构建去中心化 AI 时，这套体系不易受到地缘政治的完全限制，就像开源的 Linux 系统不可能被单一政府彻底扼杀。

因此，我认为去中心化 AI 的发展空间非常大，不仅因为它符合技术演进逻辑，更因为它在全球范围内得到广泛参与和支持，不会轻易受到地缘政治波动的决定性影响。

主持人 bms：

您为我们提供了一个新的视角，让我们认识到去中心化不仅是技术层面的，更是一种全球化的思潮。

主持人 bms：

近期 CZ 也参与了 AI 与区块链的热议，他提到 AI 标注或更广泛的 AI 数据非常适合在区块链上进行，可以利用全球廉价劳动力并通过加密货币进行即时支付。在这样的背景下，您认为 OORT 将如何在当前的去中心化 AI 生态中，进一步推动这些理念的实现？

Dr.Li：

这个问题非常好，对我们来说也是一个绝佳的时机。正如我刚才提到的，OORT 有三个最核心的产品，分别是 OORT DataHub、OORT Storage 和 OORT Compute，对应数据的采集与标注、数据存储以及数据计算。这三大环节恰恰是构建 AI 模型最核心的基础设施。

在 12 月我们即将上线的 OORT DataHub 就是全球首个去中心化的 AI 数据采集与标注平台。它与 CZ 所提的理念非常契合：通过区块链技术，我们能够利用全球各地的参与者来进行数据采集与标注，并通过加密货币进行支付。这样不仅无地理偏见，还能以更低成本、更高效率获得高质量数据。

此外，OORT 还是 BNB Greenfield 的存储提供商，我们的数据采集过程都会在区块链上记录，从而确保数据的透明与不可篡改。这些数据将自动存储在 OORT Storage 或 BNB Greenfield 上，再提供给 AI 公司训练或微调模型。这样，数据不会像存在中心化服务器那样容易被删除或操纵。

在支付方面，我们会使用 OORT 的原生代币进行激励和报酬发放。我们的目标市场包括非洲、拉美和东南亚，这些地区用户对 crypto 的接受度很高，推广成本相对较低。

值得一提的是，我们已经在早期阶段进行了实践。今年夏天，我们通过社区以去中心化方式为 NASA 标注了大量由好奇号火星探测器在 2011 年到 2012 年期间采集到的火星地表图像。这为我们积累了宝贵的经验，也证明了我们的解决方案并非空谈概念，而是有成熟落地的前例。

今后，我们将继续巩固这一先发优势，让更多用户直接使用 OORT 的产品，亲身体验并参与构建去中心化 AI 的未来。我认为这不仅是我们的使命，也是让用户真正触摸到并融入这一全球性变革的关键步骤。

主持人 bms：

此前我读过您的多篇采访，您是一位经验丰富的工程师、教授和发明家，拥有超过 200 项专利，并在 IEEE 期刊上发表过多项学术研究成果。在这些研究经验中，哪些对 OORT 目前的发展最有帮助？或者说，您是如何将这些学术成果成功商业化的呢？

Dr.Li：

其实在这些专利中有一些是我们目前最核心的技术支持。我们有两个最核心的专利正在 OORT 的产品中使用，其中一个便是关于诚实性共识的专利，即 POH (Proof of Honesty)。这是一套非常核心的机制，我们已经将其部分应用在 OORT 的产品中。

不过需要指出的是，从论文或专利到真正的产品实现，中间往往存在较大的落差 (gap)。我们要一步一步地将专利或论文中的理论思想转化为可实际运行的产品功能。

举例来说，OORT 即将推出全球首个去中心化的数据采集和标注平台 OORT DataHub。在此平台中，数据质量 (Data Quality) 的控制十分关键，而底层我们就使用了这套 POH (Proof of Honesty) 机制。目前我们可能只将专利内容的 30 % ~ 40 % 应用于产品中，剩余部分还需大量开发和打磨。这是技术从理论到实践的必经之路——很少有专利或论文能直接无缝转化成产品，都需要持续的迭代和完善。

不过 OORT 已有一条清晰的路线图，会逐步将整套 POH 机制完全融入产品中。最终我们希望以高质量的技术底座赋能去中心化 AI 的发展，这正是我们当前努力的方向。

主持人 bms：

好的，非常感谢 Dr.Li 今天与我们分享了去中心化 AI 的精彩观点。感谢您的时间和分享！

参考资料：

Forbes：https://www.forbes.com/sites/maxli/

Past interviews:

https://cryptoslate.com/podcasts/max-li-emphasizes-blockchains-role-in-ai-trust-and-ethics-revolution/

https://www.youtube.com/watch?v=59UIxaWl46I

Recent news:

https://www.coinspeaker.com/oort-githon-technology-seal-3-year-deal-customer-satisfaction-ai-agent/

Official website:https://www.oortech.com/

Official foundation:https://www.oortfoundation.org/