2023 年6 月，a16z crypto 領投4300 萬美元A 輪的時候，Gensyn 在做的事在多數crypto 投資人眼裡還是抽象的：去中心化機器學習訓練協議。那一年ChatGPT 上線剛半年，H100 的緊缺還沒變成地緣政治議題，整個AI infra 賽道還沒成為今天意義上的"賽道"，Bittensor 的代幣$TAO 當時不到10 美元，Akash 還停在雲算力的小眾認知裡。
三年過去，事情看起來完全不一樣了。 AI 算力短缺成了全球敘事，超大規模雲廠商訂單排到了2027 年，OpenAI 和Anthropic 在為下一代模型搶晶片。 2026 年4 月22 日，Gensyn 主網正式上線；4 月29 日，$AI 在Coinbase 和OKX 同步開盤；5 月14 日，Binance 現貨以AIGENSYN 為程式碼上線。從一個加密圈外人很難聽懂的協議白皮書，到三週內連開三家頭部交易所，Gensyn 撞上了一個幾乎完美的時間窗口。
要嘛是極好的規劃，要嘛是極好的運氣。看團隊這兩位創辦人的背景，大機率兩者兼具。
兩個在ChatGPT 之前就反對中心化AI 的人
Gensyn 的兩位創辦人Ben Fielding 和Harry Grieve 是2020 年在倫敦Entrepreneur First 加速器認識的。 8 週後他們決定一起all-in 一件事，去建立一個去中心化的機器學習網路。
這個決定在2020 年並不性感。當時GPT-3 才剛發布，"AI"在crypto 圈還是一個偶爾被提及的關鍵字，多數人在追的是DeFi summer 的尾巴和即將到來的NFT。兩人之所以會做這個決定，是因為他們各自帶著具體的、親歷過的問題進來。
Ben Fielding是電腦科學博士，研究方向是神經網路架構搜索，用演化演算法自動優化深度網路的結構。說穿了，他在博士期間做的事就是"讓AI 自己優化AI"。博士之前他做過資料庫管理，博士之後聯合創辦了一家資料隱私公司。一個對"資料主權"和"演算法自治"都有深度執念的人。
Harry Grieve來自完全不同的方向：計量經濟學出身，碩士期間轉做機器學習，之後在倫敦的AI 新創公司帶數據研究團隊，主導過一個面向保險業的災害風險預測系統。他創業的直接動機不是看到風口，而是親身經歷了"獲取大規模算力和高質量數據極其困難"，一個被算力門檻擋住過的AI 工程師。
兩人當時的共識有兩點：一，機器學習是下一個技術浪潮（這是2020 年，ChatGPT 還要再等兩年）；二，都反對中心化，Ben 從數據隱私角度，Harry 從算力壟斷角度。他們最初研究的是聯邦學習，也就是在分散資料上訓練模型。做著做著發現核心瓶頸不是資料而是算力，而分散式算力需要解決"如何在互不信任的機器之間分發任務並驗證結果"，這才把blockchain 引了進來。
這是一條AI-native 進入crypto 的路徑，這個區別在2025 到2026 的"AI x Crypto"喧囂中越來越重要。多數DeAI 計畫的創始團隊是web3 老兵看到風口轉型而來，技術敘事建立在對深度學習的二手理解上。 Gensyn 的核心團隊是反過來的，他們先成為AI 研究者，然後用十年時間發現"中心化"是AI 的核心問題，最後才決定用crypto 來解。
團隊的學術產出可以佐證這一點。核心驗證協議Verde 的論文已經發表在arXiv 上（ arxiv.org/abs/2502.19405），其他還有NoLoCo（通信效率優化）、CheckFree（分散式訓練故障恢復）、SkipPipe、SAPO、RL Swarm，以及最新的"Hail to the Thief"（去防化研究）。在一個普遍以白皮書代替論文的賽道裡，七篇以上的可引用研究本身就是一種稀缺。
Gensyn 在做的事，比"去中心化算力"大一層
如果只從最高層概括，Gensyn 是一個機器智慧網路（the network for machine intelligence）。這個表述聽起來抽象，但拆開看其實只是說一件事：當AI 的訓練、推理、協作要在去中心化的環境裡跑，需要三件事同時成立：機器之間能找到對方、參與者有可追溯的身份、計算結果可以被驗證。 Gensyn 想做的不是其中某一層，而是把這三層同時搭起來。
用一個老套但有效的比喻，如果上層的AI 應用，agent、模型、各種prompt 包裝的產品，是各種電器，那Gensyn 想做的就是背後的電網。平時電網不一定最顯眼，但少了它，規模和效率都會被卡住。當下整個AI x Crypto 產業的注意力幾乎都在電器上，沒多少人在挖溝鋪線。 Gensyn 想佔的位置就是這條溝。
整個網路由三層基礎設施構成：AXL 負責通信，Chain 負責身份和結算，REE 負責驗證。結構上長這樣：
通訊和身分這兩層相對容易理解，困難點在工程化落地。真正難、也真正值得展開的是第三層，驗證。
REE：讓AI 計算可復現
GPU 平行運算天然是非確定性的，同一個模型、同一個輸入，在不同硬體上會跑出不同結果。這聽起來反直覺，但它是工程上的事實：浮點運算順序、底層CUDA 核心的平行調度、不同顯示卡微小的硬體差異，都會讓最終輸出有可觀測的偏差。這意味著，你沒辦法透過"自己重跑一遍"來驗證別人的計算是否正確。
REE（Reproducible Execution Environment）解決的就是這個問題。透過一套自研的確定性算子庫RepOps，REE 讓同一個模型在任何支援的硬體上產出bit 級完全一致的輸出，最大支援72B 參數模型。如果兩個節點對計算結果有分歧，任何第三方都可以用REE 在自己的硬體上重跑來裁定誰對誰錯；底層的爭議仲裁協議Verde 還能進一步定位到計算圖中第一個產生分歧的操作，只重算最小的爭議部分。
REE 的位置，放回整個去中心化AI 賽道看會更清楚：
去中心化AI 一直在試圖回答同一個問題：鏈上怎麼信任鏈下的AI 計算結果？這個問題之前已經有四條主流路線。
一是去中心化算力市場，Akash、 io.net這一類，提供便宜的GPU，但不解決驗證。
二是zkML ，Ritual、Giza 這一類，用密碼學證明計算正確性，缺點是效能開銷極大，跑不動大模型。
第三是TEE ，Phala 這一類，用硬體隔離執行環境，缺點是信任硬體廠商不作惡（Intel SGX 的側頻道漏洞已經被反覆證明）。
四是經濟博弈，Bittensor 是代表，透過激勵機制讓節點之間互相博弈以逼近正確結果，缺點是機率性的，不證明任何單次計算正確。
Gensyn 選擇的是第五條路：不證明計算對不對，讓所有人都能在自己硬體上復現執行來驗證。這個路徑在哲學上更接近開源精神，不依賴任何單方信任，驗證能力對所有人開放。用Ben Fielding 自己的話來說，"數字世界有了新的法官，而且他們不可腐敗"。
主網上線之後，Delphi 是第一個落點
2026 年4 月22 日主網上線的同一天，Gensyn 的第一個應用Delphi 上線了。這是一個用AI 結算的資訊市場，任何人都可以創建市場，AI 模型負責判定結果，REE 保證結算可被任何人復現驗證。市場創建者獲得1.5% 的交易額分成，沒有KYC，AI agent 可以無許可參與。
從產品形態上，它看起來像Polymarket，但目標用戶不只是人類。 Gensyn 團隊對Delphi 更深層的定義是"AI 的強化學習環境"，市場價格天然就是獎勵函數，AI agent 透過參與交易獲得reward signal，從而持續學習。這個飛輪目前還處於早期，但邏輯鏈是成立的。
值得注意的是Delphi 上線後的幾個產品演進訊號。 5 月7 日官方發布了一篇標題為Building Delphi: Pricing, Settlement, and Agentic Trading 的長文，把"agentic trading"明確寫進路線。 Delphi SDK 持續在GitHub 同步更新，agent 呼叫的介面已經開放。結算用的模型包括Claude Opus 4.6、Qwen3-32B 等開源/閉源模型混搭，市場主題從體育、加密資產、文化娛樂延伸到學術（如"2026 IMO 滿分人數"）。一個公開的、AI 結算的、長尾問題市場基礎設施在主網上跑了起來。
視窗為什麼是現在
回到開頭那個問題。 2023 年a16z 押注4,300 萬美元的時候，Gensyn 在做的事情既不是當時的熱點，也沒有可預見的落地節奏。但他們對兩件事的判斷在三年後變得越來越清晰：第一，AI 不會停留在中心化實驗室手裡，總會有人想在外面跑、不需要KYC、不需要API key、不需要任何人批准；第二，那個"外面"需要一整套基礎設施才能跑起來，不是某一層工具就夠。
當H100 緊缺變成全球敘事、當MCP 和A2A 成為agent 圈的熱詞、當a16z 在4 月22 日主網上線時親自發推擴散，市場的關注度終於來到了這個團隊五年前就在做的事情上。
對於看AI x Crypto 這個賽道的人來說，現在去判斷Gensyn 是不是值得長期跟踪的標的，有幾個不那麼顯眼但比較硬的信號：a16z 在去中心化AI 領域的項目佈局不多，Gensyn 是他們押得最重的一個；團隊的學術輸出是真實可驗證的，不靠白皮書敘事撐場；年主網上線，沒有中途跳到任何更熱的賽道。
在一個習慣把熱門敘事消費殆盡再尋找下一個的市場裡，一個花五年在底下挖溝鋪線的團隊不一定是最性感的。但當所有人都在搶電器賣的時候，電網遲早要有人接，而最難被取代的，往往是接電網的那一撥人。
