--- id: "LdXvTRJ9OJs" title: "开源 AI 的下一层竞争：Hermes 与加密行业的经验" channel: "Delphi Digital" host: ["Tommy Shaughnessy"] guests: ["Tarun Chitra"] date: "2026-10-26" updated: "2026-10-27" duration: "1:15:43" duration_seconds: 4543 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=LdXvTRJ9OJs" canonical: "https://pod-exp.pages.dev/LdXvTRJ9OJs/" transcript_jsonl: "https://pod-exp.pages.dev/LdXvTRJ9OJs/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["AI 智能体","开源软件","AI 基础设施","投资"] series: ["AI 投资","AI 软件"] --- # 开源 AI 的下一层竞争：Hermes 与加密行业的经验 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Robot Ventures 管理合伙人 Tarun Chitra 解释了为何领投 Nous Research 的 9000 万美元融资，并回顾加密行业早期探索去中心化训练和 AI 智能体的得失。他认为，Nous 的优势来自持续研究、产品设计和真实用户社区的结合。Hermes 与 OpenClaw 的差异不只是功能，而是把复杂选择交给系统还是用户：好的智能体框架应能管理上下文、模型路由、记忆和默认设置。Tarun 还用 Linux 发行版、加密钱包与 DEX 作类比，讨论开源模型、企业采用、推理服务商、缓存 token 定价，以及价值可能流向智能体框架和底层推理基础设施的判断。 ## [0:00] 开场预告 · YouTube **Tarun Chitra：** 开源模型和开放权重模型在过去六个月里有一种崛起的势头——如果你看这些项目留下的痕迹，会发现加密行业的人到处都是。 **Tarun Chitra：** OpenClaw 是我个人用过的开发者体验最差的东西之一。我觉得这正体现了产品工程和后端工程的区别。 **Tarun Chitra：** 我会遇到一些人，他们说：“我只是个普通的中国硬件机器人制造商，我那套小型机器人嵌入式硬件的接口用的是 Hermes。” **Tarun Chitra：** 我当时想查的是，有没有人谎报给你的缓存 token 数量？我做了实验，逐一测试不同的服务商，最后发现确实有些服务商在这么做。 **Tarun Chitra：** 我认为这个市场结构看起来像加密行业。钱都流向最上层和最底层。最上层是什么？是智能体框架。最底层是什么？是推理服务商。Hermes 就像投资 Phantom 或 FOMO，对吧？ **Tommy Shaughnessy：** 大家好，我刚刚邀请了 Tarun 做客。他是 Robot Ventures 的管理合伙人，也是 Gauntlet 的创始人。这期我们聊聊他为什么领投 Nous Research 的最新一轮融资，以及他对 Hermes Agent 的看法。 他是 Nous 的早期投资人，花了三到四个月深入研究产品使用情况和开发者社区，之后对这个机会变得极为看好。我们 Delphi 投过他们三轮，一直非常支持这个团队，我本人也是 Hermes 的重度用户。 Tarun 先回顾了加密行业与 AI 的历史。我们会聊 Nous 有多早就开始做 Hermes 模型——下载量达数千万——以及用于延长上下文窗口的 yarn、合成模型评测，以及通过 Distro 实现的分布式训练。现在他们又推出了 Hermes Agent。他的观点是，那些年的研究和基础设施积累，曾经走过一段弯路；也正因如此，团队理解产品底层那些难题。 所以他对比 OpenClaw 时，谈的不只是界面。他的比喻是：OpenClaw 把零件交给你，让你自己造车。你得选模型、管理联系人，还得琢磨要花多少钱购买推理能力。Hermes 的设计理念不同：它会了解你的偏好，根据你的使用方式自动生成技能，让分享上下文、在不同模型之间分配任务变得更容易。 “开箱即用”的体验来自深厚研究与产品品味的结合。数百个决策和优化，在数千名用户以及仓库贡献者的参与下不断叠加。 他更大的判断是，Hermes 有机会成为 AI 的前端，就像加密行业里的 Phantom 或 FOMO。你不必理解底层基础设施就能使用它；模型不断进步时，你也不应该被迫重建自己的智能体，或者丢掉已经积累的上下文。 尽调中最令他印象深刻的证据，是他发现有机器人制造商在 Nous 完全不知情的情况下，已经基于 Hermes 构建产品。他们起初只是在试用一个助手，后来却把它选作自家产品的基础。 企业市场的机会还能把这件事推进得更远。设想企业拥有自己的 Hermes，连接自有数据集和工作流程，并按自身的权限、隐私和合规要求运行。它们不必从零开始，也不必接受千篇一律的助手。 Tarun 解释了 Nous 如何在服务消费者社区的同时积极开拓企业市场，也谈到微软和英伟达加入本轮融资后，如何帮助企业采用 Hermes。这才是更大的机会：它不只是一个供你使用的智能体，而是企业可以按自身需求塑造的 AI 基础。 底层模型可以更换，但你积累的知识、上下文和工作流程仍然属于你。这也是 Tarun 认为 Nous 有望成为挑战中心化 AI 公司的最重要开源力量之一的原因。 **Tommy Shaughnessy：** 我个人的判断是，Hermes 让企业和个人能够把整套 AI 技术栈作为资产掌握在自己手里；这不仅能带来与众不同的结果，也能避免所有人都用同一套模型、让自己的知识产权被模型吸收。微软的 Satya Nadella 和 Palantir 的 Alex Karp 都公开表达过类似观点。希望你喜欢这期节目。 ## [4:00] 眼镜与开场闲聊 · YouTube **Tommy Shaughnessy：** 大家好，欢迎回到 Delphi Podcast。我是主持人 Tommy Shaughnessy，今天很高兴请到 Tarun。Tarun 是 Gauntlet 的创始人，也是 Robot Ventures 的管理合伙人，而且他的眼镜比我的好看多了。Tarun，最近怎么样？ **Tarun Chitra：** 谢谢夸奖。很高兴来做客。我觉得每个人都得走一遍自己的眼镜之旅。我第一次认真研究那些很酷的眼镜，是大约二十年前偶然去了法国。有一次我随机走进一个眼镜展，然后那件事改变了我的人生。所以说，谁也不知道什么时候会突然迷上某样东西。下次 Tom 再来节目时，说不定就戴上一副很夸张的眼镜了。 **Tommy Shaughnessy：** 比如蒸汽朋克风格的眼镜。你当时是专程去参加眼镜展，还是碰巧进去的？ **Tarun Chitra：** 碰巧，碰巧。我那时刚大学毕业，心想：“哦，有免费吃的。”我也不知道你会不会对眼镜感兴趣。那场展会人不多，他们订多了食物，于是就说：“来，拿点免费的。” **Tommy Shaughnessy：** 有时办个聚会，你也不知道最后会催生出什么东西，甚至会造出什么怪物。 **Tarun Chitra：** 没错。我有一副很贵的 Avulux 眼镜，是偏头痛专用的，不过戴上看起来挺奇怪，所以我平常不太戴，但它确实很棒。 **Tommy Shaughnessy：** 我得说，这是个很有争议的看法，因为很多人听了会不高兴：我绝不会戴变色镜片，因为戴上之后看起来像连环杀手。 **Tarun Chitra：** 是啊。 **Tommy Shaughnessy：** 很多人会戴变色镜片，而且总觉得不好意思。但你想想，如果你在纽约坐地铁，或者在世界任何地方坐地铁，每次从地铁里出来，看上去都像刚从间谍电影里走出来、还在地铁里杀了个人。我真没法接受。我觉得很难信任戴变色镜片的人：你的生活有这么多变化，难道不能买两副眼镜吗？ **Tarun Chitra：** 我也说不准。 **Tommy Shaughnessy：** 对，就是这样。戴太阳镜没问题，不戴太阳镜也没问题。可变色镜片夹在中间，总让我觉得你不是个出老千的牌手，就是个连环杀手，我也不确定是哪一种。 **Tommy Shaughnessy：** 那以后创始人来找你或我融资时，会不会知道不能戴变色镜片或渐进多焦镜片？ **Tarun Chitra：** 这下知道了。 **Tommy Shaughnessy：** 自动扣分。 **Tarun Chitra：** 对，完全正确。 ## [6:34] Robot Ventures 领投 Nous 的 9000 万美元融资 · YouTube **Tommy Shaughnessy：** Tarun，很高兴能和你聊聊。Robot Ventures 刚刚领投了 Nous Research 新一轮 9000 万美元融资，先恭喜你们。我们就从这里开始，然后再聊聊加密和 AI 的几个阶段。 **Tarun Chitra：** 当然，也非常感谢。你们和我们一样，一路陪伴他们走到现在。Nous 经历了很多。我常听到一种说法，风投行业的建议会随时代改变。2010 年代的建议是，公司应该比创始人更有名：品牌的知名度要远高于创始人，这意味着创始人没有把所有时间都耗在社交媒体上。那还是社交媒体早期。 到了疫情期间，一切变了：创始人变成了公司唯一的营销机构，所以必须时刻在线，在社交媒体上经营自己的公众形象。这种“创始人优先”的营销模式，把局面彻底反了过来，很多公司的创始人比公司本身更有名。 快进到今天，情况又很有意思：有些公司做出了一大堆产品，大家甚至不知道是谁做的，更别提创始人了。我觉得 Nous 就是个好例子。很多人都知道 Hermes，知道这个很受欢迎的智能体框架。他们的社交账号也很火——最初走红并不是因为 Hermes，而是因为团队早期出色的设计能力。当然，后来他们也陆续做出了很多优秀产品。 Nous 的发展历程很有意思，因为它反映了加密行业如何逐渐摸索出自己在新时代 AI 领域的位置。人们在 2023 年，也就是 ChatGPT 出现之后，对“加密加 AI”的想象，与现在已经大不相同了。 **Tommy Shaughnessy：** 感觉像是很久以前了。 **Tarun Chitra：** 确实变化太大了。有趣的是，AI 圈的人常拿“我根本不在乎你”这个梗来调侃加密行业。但过去六个月里，开源和开放权重模型的迅猛崛起，若看它们留下的痕迹，会发现加密行业的人参与其中不少。我认为这是因为他们真正理解了加密行业的经验教训，并把这些经验用到了别处；而不是简单地往 AI 项目里塞个代币，祈祷它能行——很多早期的加密 AI 项目就是这么起步的。 ## [9:37] 加密 AI：只是多绕几步的迷因币 · YouTube **Tommy Shaughnessy：** Tarun，你提到很多早期的加密基础设施项目，尤其是 2023 年那些租用 GPU 的项目。当时的设想是，如果你运营着一个大型比特币矿场，只要切换一下，就能提供 AI 推理、托管模型之类的服务。现在回头看，这似乎非常天真，因为当时甚至还没有可供服务的开源模型。真正出色的开源模型，还是最近一两年才从中国涌现出来的。 **Tarun Chitra：** 是的，回头看确实有点天真。我觉得很多人看到已有矿工转型成功，也看到 Stable Diffusion 这样的例子：有人把挖矿业务里的 GPU 转过来训练模型。当时人们没意识到，语言模型有很多图像模型所没有的特殊要求。说实话，似乎也没人特别在意去中心化图像模型。 此外，加密行业是个开放市场，人们难免想走捷径：“嘿，我可以发个代币，说自己在做某件事。它可能根本做不成，但这个代币总还能有点估值。”所以一开始有很多不太真诚的项目。我喜欢把某些项目称为“多绕几步的迷因币”。 **Tommy Shaughnessy：** 我喜欢“多绕几步的迷因币”这个说法。 **Tarun Chitra：** 我不喜欢。 不过在这些现象之下，我也有自己的经历。十五六年前我做过一些中心化硬件相关工作，起初总觉得去中心化的东西都是骗局。过了四五年，我才终于稍微理解区块链为什么能运作、它们有什么不同，以及为什么一些研究生课程里学到的分布式系统原则在这里好像被打破了，系统却仍然能跑起来。 我在加密行业待过一段时间，也站在行业之外看过它，所以我觉得：也许有百分之一的机会，某种架构或真正的技术进步能解决去中心化训练中的一些难题。对于推理，我可能没那么乐观；训练方面我更看好。 Nous 让我印象深刻的一点是，他们是少数既愿意在 2023 年尝试去中心化训练，又采取更科学方法的人。他们做了很多研究和实验，其中早期还与 OpenAI 的一位联合创始人合作研究低带宽训练。 那时候，真正成熟的语言模型基本只有 OpenAI 和 Anthropic 的。其他很多模型都很糟糕，Llama 大概也才刚发布。 **Tommy Shaughnessy：** 我背包里正好带着那份材料。 **Tarun Chitra：** 哦，哇。 **Tommy Shaughnessy：** 我一直还没整理出来。就是 Distro 的初步报告，关于他们当时做的分布式训练。 **Tarun Chitra：** 对，正是如此。我觉得你刚才提到的另一点，也是我们早期看到的：这个团队确实很有前瞻性。他们当时就在做模型的合成评测。 ## [13:40] 早期研究与严谨路线 · YouTube **Tommy Shaughnessy：** 大家都在想办法钻基准测试的空子，而他们很早就用合成方式来做评测。我想 Geoffrey 很早就做了 yarn，用来延长上下文长度，那时 AI 模型还无法容纳太多内容。后来他们又跑了一次分布式训练。我不记得是 400 亿参数还是类似规模。总之，他们从没发过代币，也没有做代币相关的基础设施。 **Tarun Chitra：** 嗯。 **Tommy Shaughnessy：** 他们确实稍微探索过那个方向，但也理解机会在哪里、自己在哪些方面能做得好。我觉得当时大家都在谈去中心化，很多人不太靠谱，或者像我说的，只是在做“多绕几步的迷因币”。骗局和“多绕几步的迷因币”之间其实只有一线之隔。你可能本意不错，只是想法并不好，但别人还是愿意给你钱；这就成了多绕几步的迷因币。 ## [14:40] Nous 早期为何脱颖而出 · YouTube **Tommy Shaughnessy：** 你早期为什么会决定投资？你算是长期支持者。你有扎实的技术背景，也看到了 AI 领域很多分布式方案并不靠谱，但这个项目很早就打动了你，对吗？ **Tarun Chitra：** 对。我觉得是 Distro，还有他们的 yarn，以及早期关于不同类型嵌入、如何更好压缩的研究。相比当时一般的加密 AI 公司，他们聚焦的是定义清楚的具体问题，而不是许诺：“这个有一百万个活动部件的复杂系统，一上来就能完美运行。” 分布式系统的活动部件往往比中心化系统多一百倍，甚至一百万倍。很多加密 AI 项目会说：“我们拿一条现有区块链，强迫节点运营者运行这套软件。”可他们根本做不到足够高的带宽，也达不到真正有用的水平。比如每秒只能处理 0.001 个 token，那又有什么意义？ 还有 Bittensor 这样的项目，它们太快跳到了代币和去中心化这一层，实际项目的效用却比较弱。我认为 Bittensor 找到了一个折中位置，逐渐变成了某种融资平台，实际上像个启动平台，因此也许留下了一些价值，但这并不太像技术创新。 我觉得当时真正做研究、聚焦明确定义的具体问题的，现实地说只有 Nous 和 Prime Intellect。分布式系统要成功，靠的是一千个小优化逐渐叠加，而不是某个宏大想法自动解决一切。 就拿比特币来说，原始白皮书里的很多概念必须协同工作。首先，哈希函数必须有很强的抗碰撞性；难度调整不能被操纵，必须根据网络中参与者的增减自动适应，才能动态扩展；通胀曲线不能太陡，也不能造成过度通胀；节点软件还必须使用足够低的带宽，这就是比特币区块产生得比较慢的原因。 这些往往是彼此独立的技术难题，需要不同专长的人来解决。要构建去中心化、分布式的系统，团队需要的不是单一领域的极深专长，而是更广的知识面。Nous 和很多方面的 Prime Intellect，当时都是少数具备这种能力的团队。 对我来说，Nous 的区别在于，Prime Intellect 对训练的专注程度可能没那么高。我知道他们确实做过一次训练实验，但他们也留了一手，同时做 GPU 转售业务。 ## [18:42] 早期研究与分布式训练的经验 · YouTube **Tarun Chitra：** Nous 则真正专注研究，这一点让我印象很深。要让去中心化训练或推理变得可行，需要把一万个小技巧都整合起来，最终相互叠加形成产品，而不是指望一次性解决问题的妙招。后者就像大海捞针，在科学和工程里往往根本不存在。 **Tommy Shaughnessy：** 对。 **Tarun Chitra：** 这也是早期加密 AI 的问题：里面有很多一厢情愿的想象，在某种程度上让我想起 2017 年的 ICO 热潮。给现有东西贴个代币，再说它是去中心化的，比如“去中心化 Uber”。这就是我觉得 Nous 出众的地方：他们真的在做实事，肯下苦功，不发代币，也不作离谱承诺。 **Tommy Shaughnessy：** 是的，我赞同。结合事后回看和今天的情况，Nous 和 Prime 的代币、分布式网络路线似乎都已经放下了。我们从基本原理出发，发现那条路行不通，这也没关系。他们尝试过了。现在他们不再专注去中心化或分布式网络，而是大力投入开源，这看起来进展很好。Hermes 在全球的下载量有数百万，甚至可能达到数千万。我很好奇你如何把这两个阶段联系起来：他们先解决非常困难的分布式网络问题，现在却成了开源领域的代表。 **Tarun Chitra：** Nous 有一点很值得思考：在 2023 年，那些后来开发开放权重模型的团队还不存在，或者都像 Nous 当时那样——一个 GitHub 仓库、一群人，可能拿到一点资金，但不多。 可以说，当时做分布式训练的人是在和中国的模型公司竞争。看看 DeepSeek、MiniMax、GLM 和 Z.ai 的模型开发论文，会发现这些工作最终都归结为：一万个可能的技巧里，你只能把一百个用在模型上。如何挑出最好的那一百个小技巧和优化，让模型变得更快、更好？ 中国公司很合理地把重点放在数据收集上，建立类似 Mercor 的体系，只是成本比美国低得多。这样既能获得更好的规模经济，也能做很多优化。但他们的优化目标不是降低带宽或功耗，也不是实现去中心化，而是：如果手里的芯片较差，怎样让模型运行得更快？这同样是资源受限，只是受限的资源不同。 **Tommy Shaughnessy：** 不过其中也有不少创新。DeepSeek 那篇关于混合专家模型和次等硬件的论文简直惊人。 **Tarun Chitra：** 当然，我完全不是在贬低它。我只是说，回看历史，Nous、Prime Intellect 等团队做分布式训练的同时，中国那些模型公司也在说：“我们要自己做模型。” ## [22:44] 资源约束、智能体与加密行业的转向 · YouTube **Tarun Chitra：** 两边起步时都受资源约束。分布式训练团队面临的问题是：计算资源有多少并不确定，还得设法付费、计量并吸引这些资源。中国公司则会说：“我们拿到的芯片更差，资源更少，数据中心更差，数据也更差。那在这些限制下能做些什么？” 双方可能各自有一套技巧。在一万个可能的优化中，两边都挑出一百个不同的组合，但中国团队选出的那一百个确实更有效。这就是他们更快做出世界级模型的原因。 我们从智能体和递归式改进中看到，一旦有了足够好的模型，进步就会加速，别人也更难追上。所以很多早期基础设施和分布式训练团队到了 2024、2025 年开始转向其他方向。 **Tommy Shaughnessy：** 对，那也是我们开始看到交易智能体和早期 AI 智能体的时期。 **Tarun Chitra：** 但那些东西又有点像多绕很多步、还多了很多条 Twitter 回复的迷因币。 **Tommy Shaughnessy：** 完全正确。 **Tarun Chitra：** 某种程度上，它们可能拖慢了行业。大家对智能体的判断没错，智能体确实会成为主流，只是当时做出来的是尽可能糟糕的智能体。你把时间快进一年，从 aixbt 和 ai16z 达到高峰，到 Claude Code、Codex 等产品开始迅速增长，不只是用户变多，能力和能做的事情也突飞猛进。 所以我觉得加密行业又一次想对了方向。分布式训练的想法没错：资源受限可能逼出更好或更有竞争力的模型。但你必须选对资源约束和具体做法。AI 智能体也一样，必须做出真正合适的产品，而且不是什么场景都需要代币。 **Tommy Shaughnessy：** 在聊今天的情况之前，先回顾这段历史很有意思。你的意思是，加密圈的人本意是好的，像 Nous 和 Prime 这样的人确实想训练模型，但他们在技术上的选择当时竞争不过中国的研究团队。到了 2024、2025 年，我们有了 AI 智能体，但它们还不会帮我们管理生活或交易投资组合，只是在 Twitter 上回复我们。每次都接近了一点，但还是没抓住大局。 **Tarun Chitra：** 是的。有趣的是，在加密行业转向不依赖代币的 AI 领域的人，后来都做得不错。Nous 是个典型例子，OpenRouter 和 Together 也在某种程度上如此。Together AI 起步时其实打算做去中心化推理网络。 **Tommy Shaughnessy：** 我是说，CoreWeave…… **Tarun Chitra：** CoreWeave 是另一种情况。他们并不是想做网络，也没打算发行代币。那些曾经想发行代币、后来转型的人，我觉得他们……OpenRouter 的情况有点特别。他们肯定没想发代币，但从理念上说，我认为他们确实来自加密行业的视角。 ## [26:44] 从资源效率走向开放模型 · YouTube **Tarun Chitra：** OpenRouter 是个很好的例子，说明找到合适的优化方法，就能在资源受限时仍让系统表现很好。这其实和去中心化系统的理念一致：尽可能提高能力，同时尽量降低资源消耗。资源用得越少，就越能让更多人参与。 我认为，中国开源模型开发和加密行业的去中心化开发有很多共同理念，只是走了不同的路。坦白说，加密行业的人才没那么强，而且选错了优化方向。 **Tommy Shaughnessy：** 是的。 **Tarun Chitra：** 以 Nous 为例，第一阶段他们做分布式训练，还准备在 Solana 上推出一个项目；之后他们也在摸索方向、做了很多研究，投入机密推理，并优化能在可信执行环境（TEE）里运行的模型。现在你也能看到 Near、Venice 等项目在做类似的事。到了 2026 年某个时候，他们看到 OpenClaw 在去年年底、今年年初迎来了一波热潮。 ## [28:15] Hermes 与 OpenClaw：产品体验之争 · YouTube **Tarun Chitra：** OpenClaw 是我个人用过的开发者体验最差的东西之一。我这么说不是因为我是 Nous 的投资人、想故意刻薄，而是想表达：OpenClaw 给我的感觉像 Android，因为使用它时你必须做太多决定。 对比 Codex、Claude Code、Muse、GrokBot 这些中心化产品，你会发现即使我奶奶都不知道什么是 AI，也能用它们。OpenClaw 则完全相反，它会问你要用哪个推理模型、要不要稀疏注意力、推理等级是多少、选哪个模型、上下文怎么设置、要投入多少推理算力，等等。它像 Android 一样给你一万种选择。是的，你可能选出比默认值更好的方案，但这也限制了真正能用它的人。 **Tommy Shaughnessy：** 我举个例子。我以前在 n8n 上搭智能体，它有点像更复杂版本的 Zapier。2023 或 2024 年，我用 Zapier 做过 Delphi 的第一个机器人：用户来到网站后，它会跑完二十个步骤、分析内容，再给我们发消息。后来我想，干脆用 n8n 给自己做个智能体。 我会让 Claude Haiku 判断是否需要调用 DeepSeek 的 R1 推理模型，还是用基础模型回复邮件。OpenClaw 恰好在同一个周末发布。我停掉了 n8n——它要你在不同服务之间画箭头，手动搭流程——试用了 OpenClaw，结果非常讨厌它，最后又回到 n8n。它太笨重、太难用了，我搞不明白，也没法对它产生热情。 **Tarun Chitra：** 我觉得有意思的是，OpenClaw 的产品方向某种意义上是对的，执行却不够好。前几天我看到一条推文，一直记在脑子里：在 AI 领域，后来者优势确实存在，因为你能从先行者的错误中学到很多。 我认为 Claude 在 2025 年底、2026 年初快速获得用户、某种程度上超过 OpenAI，就是因为它更易用，也有更多贴近人的细节，让普通非技术用户也能用它做出产品。记者和新闻工作者可以做网页应用和仪表盘，不用先学一大堆如何描述需求的技术术语。这几乎就是无代码体验。后来 OpenAI 显然也追了上来。 我认为 Anthropic 能抓住这个机会，是因为他们从 OpenAI 的经验里学到了东西。开放权重模型也类似：Z.ai 和 MiniMax 的 Kimi 从 DeepSeek 身上学到了很多。DeepSeek 非常善于优化推理、缩小模型；而 Z.ai 和 Kimi 在思考推理方式、资源使用和注意力结构等方面做得更好。我觉得后来者优势在这里确实存在：OpenClaw 显然找到了正确的市场…… ## [32:15] OpenClaw 开创品类，但产品仍难普及 · YouTube **Tarun Chitra：** OpenClaw 显然找对了市场。大家都对智能体这个概念兴奋不已。加密行业一年前也尝试过，但因为往里面塞了代币，结果没人能用。 **Tommy Shaughnessy：** 对。OpenClaw 在创造这个品类上确实功不可没。 **Tarun Chitra：** 毫无疑问，功劳很大。但难点是，人们会陷入一种奇怪的“AI 迷思”：花十个小时做东西、修好之后，别人却没法用，也无法训练起来。于是他们做出了只适合自己、却无法让其他人使用的东西，别人也就没法说“这太棒了”。 我记得 OpenClaw 大概是 2025 年 12 月或 2026 年 1 月出来的，那时我去参加了一个 OpenClaw 聚会，类似黑客松。 **Tommy Shaughnessy：** 没错。 **Tarun Chitra：** 感觉有点像参加加密黑客松：大家做些奇奇怪怪的小项目。比如怎么让猫从喂食器里吃东西时，给主人发一笔 USDC。听起来像市场规模只有一个人的项目，对吧？ **Tommy Shaughnessy：** 是。 **Tarun Chitra：** 许多人展示了自己的 OpenClaw 小工具，但几乎都是史上最糟糕的演示。首先没有一个演示能正常运行；其次，就算有人觉得某个项目很酷，想下载配置试试，对方也会说：“不行，把它转给你太难了。” 所以讽刺的是，参加 OpenClaw 活动恰恰让人看到了它的问题。再说回 Nous，尤其是 Teknium：Hermes 一开始只是他的副业。 **Tommy Shaughnessy：** 他居然把这当副业，太离谱了。 **Tarun Chitra：** 他当时的想法是：“我喜欢 OpenClaw 这个概念，但它根本没法用。”Nous 此前花了很多时间搭建基础设施，做分布式训练，也训练过不同规模的模型，所以他们理解其中的难题，尤其是数据方面。 **Tommy Shaughnessy：** 他们的模型下载量有数千万，这可不是小事。 **Tarun Chitra：** 没错。但他们也遇到如何获得更多数据的问题。去中心化的数据收集一直比中心化更难，这是训练面临、而推理没有的一个难题。 **Tommy Shaughnessy：** 明白。所以他们后来做推理。 **Tarun Chitra：** 在这个过程中，他们学会了如何围绕推理引擎搭建基础设施：有了推理引擎后，怎样传递上下文、分享上下文？OpenClaw 问世前后，Codex 和 Claude Code 也陆续推出。大家很快习惯了同一份上下文可以在多个模型间共享。 ## [35:39] AI 的模型锁定正在结束 · YouTube **Tarun Chitra：** 一开始，大家以为这会成为 OpenAI 和 Anthropic 锁定用户的方式：它们的模型会采用特定的上下文格式，你可以在自家模型之间切换，但会被锁在它们的生态里；如果想换到开放模型，就会很困难。可就在昨天，这种想法彻底被打破了：OpenAI 现在也支持在同一份上下文里使用开放模型。 Nous 和某种程度上的 OpenClaw 都很关注上下文共享，也就是让同一份上下文能在不同模型、多个智能体之间自由流动。互操作性已经到来了，用区块链的话说就是这样。 Nous 恰好处在正确的位置、正确的时间。他们已经构建了这些系统，知道为什么训练很难——难在数据；也知道推理的难处——难在编排和上下文管理。 **Tommy Shaughnessy：** 是的。 **Tarun Chitra：** Taki 认为，OpenClaw 的问题是他们没有意识到这些，因为他们自己并没有做很多推理工作。它的设计理念是把所有选项都交给用户，让用户自己弄明白。就像把汽车零件全摆在你面前，说：“自己把车造出来。” **Tommy Shaughnessy：** 确实。很高兴你谈到这点，因为表面上人们可能觉得 Hermes Agent 只是一个更好的 OpenClaw。但你说的背后似乎有真正的架构设计，让它不靠一两个简单技巧，就能提供好得多的体验。是这样吗？ **Tarun Chitra：** 我觉得这有点像推理时代的 Apple 对 Google。很多没有在加密领域成功的想法，在不发行代币的领域其实找到了对应形式，后来成长为大公司。比如租赁 GPU。如今许多推理服务商因为需求旺盛，融资估值已超过百亿美元。 我把这称为“计算需求的马斯洛层次”。一开始大家只想租一块 GPU。租到之后，还得配置环境、安装模型、管理内存。如果想让推理跑得特别快，还得做一大堆 DevOps。结果你得先成为开发者，才能把 GPU 用起来。 后来 Together、Modal、Baseten、Fireworks 等公司提供特定模型的服务端点，替你完成各种优化，包括推理引擎和采样设置。它们几乎是在为你提供 RPC。 用加密行业打比方，第一层是自己运行节点，也就是自己运行 GPU。第二层是使用别人提供 RPC 端点的节点，就像 Alchemy；Together、Baseten、Modal 等可以这么理解。不过这依旧不够简单。自己去 Etherscan 提交交易，与用 FOMO 或 Phantom 的体验相比，差别非常大。RPC 的使用体验更像前者。 **Tommy Shaughnessy：** 这个比喻太贴切了。 ## [39:41] 智能体框架如何降低使用门槛 · YouTube **Tarun Chitra：** 能使用 RPC 的人群规模虽然比自己运行节点大，但仍然有限。智能体框架就像钱包，能替你管理更多状态：历史记录、偏好、私钥等；它们也会提供大量合理的默认设置，避免你自己把事情搞砸。 所以我把 OpenClaw 看得更像 MetaMask 或 MyEtherWallet：它该有的都有，但配置起来很烦，也没有提供合适的默认值，仍然强迫你自己处理一大堆事情。 Hermes、Claude Code 等产品的目标则是提供合理的默认设置，学习你的行为。它们会根据你的用法生成技能，了解你的偏好，并形成记忆；同时还会帮你管理基础设施，比如该用哪个模型、要为某个任务投入多少推理、多少 token 预算。 我觉得 Hermes 的设计前提就是会有模型路由器。OpenClaw 的问题之一，是它假设用户会自己做路由、选模型，还要自己决定共享哪些上下文。 **Tommy Shaughnessy：** 但大多数人分不清这些区别，尤其规模大了之后。他们不知道什么时候该用推理模型、什么时候不用。 **Tarun Chitra：** 不过他们看得出来答案质量很差。 **Tommy Shaughnessy：** 当然。可普通用户可能只会觉得 OpenClaw 坏了。 **Tarun Chitra：** 正是如此。MetaMask 也一样。很多 FOMO 用户根本不会用 MetaMask，这是事实。我们应该这样看待这些产品。 Nous 正好赶上了时机，因为他们理解这些更底层的问题。OpenClaw 的态度像是：“把问题扔给用户，那是他们自己的事。”这种听起来简单、显而易见的理念差异，会改变整个智能体框架的架构：哪些决定要暴露给用户，哪些部分需要模型学习用户偏好，哪些问题应该直接向用户询问。 无论是面向消费者的 Muse、GrokBot，还是 Hermes、Claude Code 这类生产力工具，它们都会问你：“你觉得这种理解正确吗？”然后借此了解你的偏好。OpenClaw 不会这么做，它会说：“你应该把这个写进配置文件。没写？那就怪你自己。” 我觉得这就是产品工程和后端工程的区别。OpenClaw 把用户当成后端工程师。 **Tommy Shaughnessy：** 有意思。和你聊很有意思，因为你技术功底很深，理解系统实际是怎么构建的，也能看懂背后的设计决策。我觉得很多人试用 Hermes 后会说“它就是能用”。但按你说的，这种“就是能用”的感觉，是产品和后端方面一百个正确决策共同造成的。 **Tarun Chitra：** 是的。Nous 有意思的一点，是团队里既有技术人才，也有设计和产品方面的人。早期网上很多人嘲笑他们，说：“这家公司是不是只卖昂贵周边？” **Tommy Shaughnessy：** 他们的周边确实很棒。 **Tarun Chitra：** 是的。但这也说明团队关注用户群体的审美，知道用户在意什么。 ## [43:41] 面向用户的设计哲学 · YouTube **Tarun Chitra：** Nous 关注用户群体的审美，也关心他们实际需要做什么。我觉得 OpenClaw 不在意这些。不只是 OpenClaw，很多同一时期、甚至现在的智能体框架也不在意。DIY 框架的风潮很像有人花两年时间定制文本编辑器，只为了设置好每个快捷键，让编码快一点。这种情况十年前很常见。 **Tommy Shaughnessy：** 是啊。 **Tarun Chitra：** 现在有一整个 DIY 智能体框架社区，Pi 显然已经占据了这个社区。大家都 fork Pi，然后做自己的版本。 **Tommy Shaughnessy：** 对。 **Tarun Chitra：** 但 Hermes 选择的路线是兼顾不同人群：有人想要 DIY，有人想要企业级方案，中间还有专业消费者，而且这个群体会逐渐变得更偏大众消费。我很喜欢 Nous 的理念：从专业消费者起步，同时让产品易于使用，再逐渐扩大适用范围。 **Tommy Shaughnessy：** 完全同意。对了，它们增长的那段时间，OpenRouter 也开始迅速发展。两者可以说互相促进，有点像 Binance 和 Tron 的协同增长。 **Tarun Chitra：** 对。美妙之处在于，这时终于有了公开数据：你能看到排行榜，哪些应用生成的 token 最多、哪些模型最受欢迎。此前没有 Nous 和 OpenRouter 的发展，就没有这类近似区块链数据的公开信息。 那时我意识到，这家公司做的事真的很特别。虽然我以前投过他们，但很明显，他们很可能会成为挑战中心化公司的最重要力量，就像加密行业成为传统金融最有力的挑战者那样。 **Tommy Shaughnessy：** 我完全同意。我想把你刚才的观点再展开一点：现在有很多由厂商控制的消费者智能体，比如 Meta 的 Muse、OpenAI 的 OpenClaw、Instinct，还有 SpaceX/xAI 的 GrokBot。Nous 是唯一一个开源、又不属于模型实验室的选择。你觉得这会影响人们用它做什么、受到哪些限制、能构建什么，或者开源带来的其他连锁效应吗？毕竟它是这个领域唯一一个开放且不由厂商掌控的产品。 ## [46:33] Hermes 是 AI 世界的 Ubuntu · YouTube **Tarun Chitra：** 确实存在一个 DIY 社区，但那更像 OpenClaw：你得自己把所有东西拼起来。Hermes 是唯一一个既开源又经过打包整合的产品，所以我更愿意把它比作 Linux 发行版。 有 Linux 内核，也有 Red Hat，还有基于内核构建的发行版，比如 Red Hat、Ubuntu、Gentoo 等。老派用户可能会因为我这么说而骂我，但现实是，Ubuntu 可能是唯一真正被非开发者、非技术用户广泛使用过的 Linux 发行版。原因在于它做好了默认设置、软件打包和更新，也处理好了闭源代码与开源代码之间的协作。 Hermes 也是这样：我可以在 Hermes 里用 API 密钥调用 Claude 和 OpenAI。很多纯开源项目则立场非常强硬：“不行，我们不碰任何闭源东西。”Ubuntu 也采取过更务实的理念，所以我把 Hermes 看作 Linux 发行版。 尽调时还有一件很有意思的事。OpenRouter 的数据让我觉得像是在看区块链数据，这对我这种背景的人来说，一切就说得通了。 **Tommy Shaughnessy：** 是的。 **Tarun Chitra：** 第二件事是，我开始查看 fork 了 Hermes 的 GitHub 仓库。衡量开源社区强度、判断人们是否喜欢产品，一个方法就是看 fork 数量。也得承认其他竞争者的优点：从纯 DIY 的角度，Pi 可能是最成功的，它在 DIY 社区里完全超过了 OpenClaw，因为它很轻量。 **Tommy Shaughnessy：** 我觉得很多人还不知道这一点。 **Tarun Chitra：** 是的。看 Pi 的使用量、fork 和提交记录，它已经超过了 OpenClaw。我觉得 OpenClaw 那场被 OpenAI 收购、或者说准收购的交易，算是它的终结。这让我想到 TBPN：OpenAI 买下它之后，我就不听了。感觉像是太早把自己卖掉了。 Pi 的社区基础很强，fork 也可能是最多的。我哥哥是计算机科学教授，他说现在有门计算机入门课，会让学生 fork Pi 并修改它，用这种方式教智能体框架的工作原理，因为 Pi 很简单。 但 Pi 的问题是，你得自己为所有可能用到的东西构建适配器。所以我想弄清楚：Hermes 的开源代码对 DIY 开发者来说，仍然足够有竞争力吗？这点很重要。不能只说“我们是有很多用户的开源框架”，结果没人用开源代码，那通常说明某些地方出了问题。 于是我开始整理并查看各种 fork，发现一些非常奇特、很有意思的项目。Nous 或 Hermes 未必会从这些项目中赚钱，但它们能说明品牌被认可、有人真心在意它的构建方式，也喜欢这种方式。这是衡量品牌口碑的一种方法：看谁 fork 了项目，而不是看营收。 **Tommy Shaughnessy：** 这个角度真有意思。 **Tarun Chitra：** 我并不是想借此评估变现能力。我看到有些人说：“我是个名不见经传的中国机器人硬件制造商，我的小型机器人嵌入式硬件接口就是基于 Hermes 的……” ## [50:35] 机器人制造商为何选择 Hermes · YouTube **Tarun Chitra：** ……他们 fork 了 Hermes。那不是 Unitree 那种人形机器人，而是小型机器人。制造商没什么钱，必须尽量控制成本，因为资金得主要花在硬件上。他们需要把推理成本降到接近零，所以很喜欢开源模型。 尤其在机器人领域，从很多新的评测看，要让一个模型在所有方面都表现出色，既困难又竞争激烈。我觉得开源生态更有优势的原因之一，是可以通过路由器在不同模型之间切换，针对具体任务选用不同模型。 比如机器人要走到洗衣房、打开洗衣机，再把衣服叠好。让人形机器人折衣服一直是个很难的测试，因为说来也不可思议，我们至今还没有能通用完成这件事的机器人。你可能需要一个擅长走路和移动的模型，一个擅长规划空间布局、方向和路径的模型；还需要另一个模型负责灵巧操作，比如开门时施加恰当的力度。 这些任务对推理能力的需求、需要调用工具或执行外部动作的次数都不一样。很多评测显示，把任务拆分给不同模型，再把结果组合起来，往往比单一模型表现好得多。 **Tommy Shaughnessy：** 那问题来了，怎样管理这些模型？普通用户怎么知道如何让机器人做到这一切？ **Tarun Chitra：** 有几家中国公司基本上 fork 了 Hermes，做了一些修改来连接自家的设备，并加入“移动手”“转动头部”之类的工具调用。对我来说，这代表他们的产品和品牌确实找到了市场：人们想用它。 **Tommy Shaughnessy：** 他们不会挨家挨户推销机器人、做营销吧？ **Tarun Chitra：** 不会。我记得我告诉 Nous 团队后，他们说：“我们甚至没跟那个人说过。”所以我的意思是，对开源项目来说，社区情绪、社区对产品的认同，以及人们实际使用的程度，都是非常重要的品牌指标。 尤其在现在的 AI 市场，一半的数字都可能是假的，大家只顾着急于讲公司的变现故事。但如果市场崩盘或衰退，用户留存和产品黏性可能重要得多。我们考察 Nous 时，也会问：他们和用户之间是否建立了很好的品牌关系？我们发现确实如此，这让我们下定决心：如果不是现在，那还要等到什么时候？感觉这就是一艘即将起飞的火箭。 ## [54:37] 开源智能体的发展方向 · YouTube **Tommy Shaughnessy：** 我赞同。你已经讲了为什么你比其他产品更喜欢 Hermes，它的设计，以及使用者和一些很有意思的公司如何证明产品市场契合度、社区认可和品牌生命力。那我想问得更具体一点：未来一两年它会走向哪里？ 现在有 Muse、Instinct 以及很多消费者智能体。我个人不觉得 Nous 和它们在直接竞争，反过来也一样。我把 Hermes 看作你刚才说的那类产品：面向专业构建者，供他们长期构建应用并真正拥有自己的系统。 我还想到两点：大家想用 Hermes，是因为自己掌握了它周围的架构——数据、记忆、托管位置、交互方式等等，这些都能成为个人或企业的资产。除此之外，使用它还能得到真正独特的模型输出。我觉得开源的价值远不止人们现在承认的那些，不知道你是否同意？ **Tarun Chitra：** 我先说说 Nous 根据他们目前公开的信息在做什么，然后再谈谈我认为这个愿景会走向哪里，以及加密行业如何重新进入这段讨论。 **Tommy Shaughnessy：** 到目前为止，我们讲的都是加密行业的人搞砸了、每次都判断错了，做出来的事情都不怎么样。也可以在这件事上把加密行业抛在一边。 **Tarun Chitra：** 可以。但我觉得不这么做有个非常实际的理由。 **Tommy Shaughnessy：** 有意思，好，那我很期待听你说。 ## [56:17] 企业采用，以及微软和英伟达参与融资 · YouTube **Tarun Chitra：** Nous 显然一直在努力增加企业用户。Hermes 开源的好处是，企业可以克隆、定制并在内部使用，添加自己的隐私层、合规层和权限管理，再连接企业数据库。Nous 确实非常重视这方面，近期应该还会公布一些重要消息。我觉得进展很好。 **Tommy Shaughnessy：** 抱歉打断一下。你们有数百万用户时，每家公司里都会有内部支持者，他们希望把产品推广到整个企业。因此，市场拓展的渠道已经有了。 **Tarun Chitra：** 合同签好之前，什么都不能算稳了，不过是的。 **Tommy Shaughnessy：** 说得公平。确实很老练。 **Tarun Chitra：** 他们的用户规模实际上已达数千万。如果用 GitHub 账户作为独立用户的粗略指标——虽然不完美，毕竟有人可能有很多账户，但开多个 GitHub 账号比注册多个社交媒体账号成本高——我记得每天访问他们项目的独立 GitHub 账号有数千万个。全球都有大量用户。 他们的 Portal 订阅业务在增长，OpenRouter 上的使用量也在增长。我记得他们在那里的应用用量刚超过两万亿。除此之外，他们一直与英伟达密切合作。本轮融资中，英伟达和微软都参与了。 我认为企业会采用 Nous，它会成为微软环境里主要的开源智能体框架之一。英伟达也已经在 DGX Spark 机器上默认安装了它。所以他们确实在同时开拓市场两端：一端是他们做得很出色的消费者开源产品，另一端是企业市场。 我们的投资论点，除了增长和他们在开发者市场与品牌上的契合之外，还有一部分来自我尽调期间分析 OpenRouter 数据的发现。我花了三四个月抓取并研究这些数据，分析 OpenRouter 市场如何运作。大约一个月前我写过一篇文章，总结了从四五月份开始积累的工作。 ## [59:42] OpenRouter 像 AI 的去中心化交易所 · YouTube **Tarun Chitra：** 我分析后发现，OpenRouter 的运作方式是这样的：应用先说“我想访问某个模型”。随后有许多服务商——有点像区块链里的节点运营者或意图运营者——分别报价，说明运行该模型时，每百万输入 token、缓存 token 和输出 token 要收多少钱。然后路由器会把请求匹配给某个服务商。 简单说，节点运营者会报价：“我可以用这个价格让你运行这个模型。”然后由 OpenRouter 来做匹配。因此你可以把 OpenRouter 看作去中心化交易所（DEX）路由器，或者加密货币交易所；智能体框架或应用就像钱包，存放用户的私人数据、API 密钥，以及可能用于交易的私钥。模型则有点像协议，是带有许可证的开源项目。 现在很多开放模型采用类似 BSL 的许可证：如果你的营收超过某个门槛，就得付授权费。 **Tommy Shaughnessy：** 我记得 Kimi 有这种规定。 **Tarun Chitra：** 对，GLM 也加了类似条款，不过条件不完全一样。Kimi 的门槛低得多，对营收的上限限制也很低。这很像加密行业的许可证：你 fork 我的项目，就要支付费用。 推理服务商则有点像节点运营者、验证者或流动性提供者，某种程度上同时承担了这些角色。 如果认真看这个类比，数据里确实有很多相似现象。比如加密行业里的 MEV：有人试图抢跑、操纵价格。我那篇文章的大部分内容，是找出一些这类现象的例子，说明任何开放市场——无论是否去中心化——只要允许开放参与，就可能发生类似事情。 **Tommy Shaughnessy：** Tarun，抱歉打断一下。你说 AI 推理里的 MEV 是什么意思？在加密行业里，大家竞争的是赚钱、更快地产出区块或打包交易；但在 AI 里，如果我比你快，又能怎样？我只是想弄明白。 **Tarun Chitra：** 没问题。记得我说过基础设施会报三种价格吗？输入 token、输出 token，以及缓存 token。先假设输入和输出价格一样；现实中经常不同，但通常只是小幅差异。缓存 token 的价格则通常便宜数百倍甚至数千倍，因为它们已经保存下来，基础设施不必把整个计算重新做一遍，所以消耗的算力少得多。 一个有趣的问题是，OpenRouter 如何把请求分配给节点服务商？它不是简单地选择报价最低的那家，而是根据价格给每家服务商分配一定的中选概率，再按这个概率分配请求。概率还会考虑质量评分，例如服务商的在线率是否良好、每秒能否交付超过一定数量的 token。也就是说，OpenRouter 会给每家基础设施打分，有点像信用评分，但同时还会考虑报价。 我当时想查的是：有没有人谎报自己提供了多少缓存 token？他们报一个很低的价格，从而提高中选概率，但实际上却不提供缓存，因为这里没有类似密码学验证的机制。我没法核实，只能听服务商自己说：“我缓存了这么多 token。” ## [1:03:44] 缓存 token 报价与实际服务的落差 · YouTube **Tarun Chitra：** 我没法核实，只能听他们自己说缓存了多少 token。 **Tommy Shaughnessy：** 如果他们没有提供报价里承诺的缓存 token，用户的服务会变差吗？比如记忆或回答会受影响？ **Tarun Chitra：** 影响的是价格。我举个类似的例子。假设一个智能体工作流程会连续发出五次提示：你问一次，智能体再问一次，然后继续问。以 GLM 5.2 为例，假设 Z.ai 每百万 token 收 1 美元，缓存 token 只收 0.001 美分。通常模型开发商也会自己运营基础设施，可以把它当成基准：他们不会谎报缓存情况，否则大家就会觉得模型很差，这关系到他们的品牌。 所以我们可以把模型提供商公布的缓存比例视为实际最优、或接近最优的缓存率。现在设想另一家服务商报价每百万 token 只收 5 美分，也就是打了 95 折，不，是 95% 的折扣。 再假设一个智能体要连续查询 21 次。如果在 Z.ai 那边缓存效果完美，第一次查询要 1 美元，后面重复查询的缓存费只有 0.001 美分，几乎可以忽略，总成本不到 1 美元再加 1 美分。 但如果那家报价 5 美分的服务商谎报缓存，实际每次查询都按 5 美分收费，21 次就是 1.05 美元。通过谎报缓存状况，它可以把每次查询都收成 5 美分。 **Tommy Shaughnessy：** 对。也就是说，如果缓存正常，第一次收 1 美元，后续重复查询几乎免费。 **Tarun Chitra：** 是的。问题是，为什么有人要把报价定成 5 美分？ **Tommy Shaughnessy：** 为了提高被选中的概率。 **Tarun Chitra：** 对。这个情况并不能完全等同于抢跑或 MEV，但如果把两者类比得太紧也不准确。它确实是一种操纵：服务商可以用低报价吸引更多推理请求，却提供较差的服务。或者说，它可能确实做了缓存，却没有把缓存带来的价格优惠转给用户。它在第一条查询上可能会亏钱，但如果智能体随后发出很多请求，它就能从后续查询里赚钱。 我找到了统计证据，做了这些实验，尽量测试了所有不同服务商，最后发现确实有些服务商这么做。 **Tommy Shaughnessy：** 这和使用智能体、推理服务，或者 Hermes 有什么关系？ **Tarun Chitra：** 这让我意识到…… ## [1:07:02] 钱会流向最上层与最底层 · YouTube **Tarun Chitra：** 如果把它和加密行业的结构类比起来：钱包或前端是智能体框架；DEX 路由器类似交易所或聚合器；模型像协议；推理服务商则像流动性提供者。 从 2021 年到现在，加密行业里的钱要么流向最上层的钱包或框架，要么流向底层的验证者和流动性提供者。夹在中间的环节反而被挤压了，比如 DEX 聚合器。模型也无法收取太多费用。FOMO 收到的费用比 Uniswap 还多，为什么？因为前端捕获的价值可能超过协议本身。 如果这个市场结构像加密行业，而我认为只要是允许参与者自由加入、退出的开放市场——包括这些基础设施服务商——就会有类似结构。OpenRouter 是一种质量控制机制，它可以拒绝一些服务商，所以它并非完全去中心化：我不能随便把自己的节点接入。但一旦进入市场，服务商之间就会公开竞争。 这和 OpenAI、Claude 这样的中心化服务非常不同。你甚至不知道它们背后用的是哪家服务商，可能有些请求走 CoreWeave，也可能切到其他地方。用户会突然觉得：“这个模型这周是不是变笨了？”中心化公司可以随时扩缩服务能力，甚至直接关闭某种能力。 我认为开源模式，特别是同时支持多个模型、多个服务商，甚至多个应用的路由模式，会形成一种很像加密行业的市场结构。这里说的应用，是 Hermes、Instinct 之类的东西。钱会流向最上层和最底层。 **Tommy Shaughnessy：** 嗯。最上层是什么？ **Tarun Chitra：** 智能体框架。 **Tommy Shaughnessy：** 最底层呢？ **Tarun Chitra：** 推理服务商。过去六个月的情况似乎已经印证了这一点。OpenRouter 其实把上层的价值很好地卖了出去。我认为路由器的利润率会受到挤压，因为这是竞争很激烈的市场。现在每家 SaaS 公司都在做路由器，Vercel 有市场，Ramp 也有市场。路由器可以成为一门成功的生意，但门槛不高。 所以我的核心观点是：按这个模型看，投资 Hermes 就像投资 Phantom 或 FOMO。这大概就是它的投资逻辑。 **Tommy Shaughnessy：** 我以前没听人这么说过，有意思。 **Tarun Chitra：** 我认为 AI 和加密的一个区别是，在加密行业里，钱包某种程度上就是最终产品。但像 Hermes 这样的东西，可以让别人基于它构建 Instinct，并继承 Hermes 的很多安全属性。 我猜人们会把应用和智能体框架这一层，看成安全、品牌和上下文管理层。大家可以在框架上构建 Instinct 这类应用或其他机器人，提供消费者体验，而后端开发则由框架承担。从这个意义上说，框架并非像钱包那样的最终端产品：钱包直接面向最终用户，而现在已经有人在这些框架之上构建东西。这会是很值得观察的竞争。 另一件有意思的事是，框架和推理服务商已经在做类似订单流返佣的机制：如果你保证每天给我带来 X 十亿 token，我就给你返利，或者返还一部分费用。因此，聚合 token 订单流的市场地位极其有价值，就像加密行业的前端市场一样。 ## [1:11:06] 软件公司将成为框架或路由器 · YouTube **Tommy Shaughnessy：** 确实有意思。不过 Hermes 的使用量不是由 Nous 直接决定的，对吧？每个用户可以自己决定把推理请求发到哪里。 **Tarun Chitra：** 如果走 OpenRouter 或 Portal 等服务，确实如此。但用户也可以选其他服务商，直接和 Together 之类的公司签约，把请求直接发过去。开放模型让你能把 Codex 或 Claude Code 里的东西拆开来用。使用 Claude Code 时，你拿到的是一整套功能，它背后隐含着某种路由器或模型选择器，也隐含着不同的服务商。你不知道底层具体怎么运行，因为他们签了长期数据中心合同，你的请求可能由其中任意一家处理，也可能随时迁移。把用户锁定到某一个服务商，对他们自己也没有意义。 **Tommy Shaughnessy：** Tarun，我知道我们两分钟后得结束。我最后想问个比较难的问题：你觉得一年后的 Hermes 会是什么样？你提到企业和普通消费者，也提到很多技术细节。你想象人们一年后会怎样与它互动、使用它？ **Tarun Chitra：** 很多公司已经有自己的应用，正在加上智能体功能，比如 Robinhood。你之前发过不少推文，说 Robinhood 的智能体体验还不够好；也许昨天之后已经有所变化。 我的看法是，每家 SaaS 公司要么必须拥有一个智能体框架，要么自己成为路由器，因为它们需要进入 token 订单流。否则它们就很被动，因为 token 订单流是最容易变现的东西。 在这样的世界里，Hermes 可以成为任何公司的白标智能体框架。没有公司想从零开始。框架涉及安全和品牌风险：如果你的框架被黑了，用户就不会再用它。这很像钱包。Hermes 有强大的品牌，其他公司就会想把它用作自己的后端，而不只是专业消费者使用。我觉得增长会来自企业用户、消费者用户，以及不想从头开发、而是在 Hermes 上构建应用的公司。 **Tommy Shaughnessy：** 完全正确。如果每家公司都需要一个框架，而 Hermes 又是最好的构建基础，为什么每家公司都想拥有自己的框架？ **Tarun Chitra：** 因为它们带来用户和数据，还能从负责管理 token 订单流的服务商那里分成。这就像金融科技公司和银行：多数金融科技公司没有银行牌照，所以会与底层银行分享收入。 **Tommy Shaughnessy：** 很喜欢这个说法。Tarun，今天你带我们从一个非常独特、差异化的角度看 Hermes。 **Tarun Chitra：** 我还能继续讲。我觉得这正是它像加密行业的地方。 **Tommy Shaughnessy：** 很多人只谈自己在做什么，但这个角度很有意思。 ## [1:15:07] 结束语 · YouTube **Tarun Chitra：** 最后我想补充一点，这也是我认为它确实像加密行业的原因：Muse 会以一种很“加密”的方式变现。它会对你在应用里购买的东西收交易费，基本上是通过与 Stripe、Shopify 等平台分成实现的。这和我刚才描述的世界有什么不同？其实没有太大区别。 所以我认为，在任何有竞争对手参与的开放系统里，加密行业的订单流管理方式最终都会呈现出非常相似的形态。借鉴那里的经验，我们就能提出一些可能很有用的假设。 **Tommy Shaughnessy：** 我很喜欢这个观点。Tarun，谢谢你来做客，也恭喜你领投 Nous 这一轮融资。我们和你们共同投资了他们，非常期待后续发展。 我也为人类感到兴奋，因为开源正是我希望世界前进的方向。你的观点很独特。很多嘉宾只谈自己正在构建什么、想做什么，而你带我们回顾了加密行业的不同阶段，解释这件事为什么有意思、开发者和应用层有哪些不同的构建方式，以及它们可能如何与加密行业相连。今天的讨论非常特别。 **Tarun Chitra：** 谢谢，真的很感谢你抽出时间。