第一部分：信任，一项人类的社会技术
信任是我们人类发展出来的核心机制，正是它让人类社会得以演进、繁荣。
我们的世界极其复杂，每天都有成千上万个微小的决定等着我们去做。为了不被彻底压垮，我们发展出了信任，用它来降低世界的复杂度。
面对特定的人或情境时，信任能让生活变得简单。比如，因为信任伴侣，你入睡时不必一直担心对方会不会伤害你。没有信任，生活会复杂得难以想象。人际关系和商业都不会存在，我们也不会成为今天这个物种：一个从本质上由社会行为所定义的物种。
信任带着深刻的人性烙印，因此也充满了人类的偏见。大多数时候，我们并不是有意识地决定该信任谁、信任什么，而是由直觉替我们决定。有时是因为外表，有时是因为熟悉，有时则出于毫无逻辑的理由，比如我们对某人的第一印象，或者仅仅因为我们知道那个人住在哪里。
我们甚至可以说，“我信任你”这句话，是一个人能对另一个人说出的最深刻、最美好的话之一，无论是在感情里、生意上，还是友谊中。当有人说“我信任你”，他们表达的不只是相信你的能力或诚实，而是把自己的一部分不确定性交到你手里，把掌控自己世界的一小块权力交给了你。这是少数几样既伪造不来、也索要不来的东西之一：它只能被给予。而给予的同时，他们也把自己暴露了出来，因为信任总是伴随着脆弱：一种无声的风险，担心你会打碎他们交到你手中的东西；也有一种希望，希望你不会。
第二部分：信任对 AI 意味着什么
可是，当信任不再只是人类独有的特质，人工智能开始参与我们的生活时，会发生什么？AI 会和我们人类共享同一种信任观念，还是信任本身必须随之演变？
我的答案很明确：不会共享。AI 和人类的思维方式有着根本差异。人类有认知偏见，有情绪，有自我。即便 AI 通过训练数据继承了其中一些特质，它们由模式驱动、没有切身利害的本性，也会让它们对信任的理解从根本上与我们不同。
以保罗·斯塔梅茨（Paul Stamets）所定义的随机善举（Random Acts of Kindness，RAK）为例。RAK 是不可预测、不求回报的行为，纯粹为了帮助他人而做，比如不顾个人代价，停下来帮助一个有困难的陌生人。斯塔梅茨强调，这种与生俱来的善意是一个关键的道德维度，对人类物种的福祉和延续至关重要。然而，从演化的角度看，RAK 并不是一个显而易见的演化稳定策略（ESS），因为它意味着帮助非亲非故的人，却不指望直接的回报。这种不求互惠的利他主义带来了一个弱点：骗子或冒充者可以轻易占慷慨者的便宜，享受善意却不付出回报的代价。久而久之，自然选择就会不利于纯粹利他特质的延续。因此，一个为了高效、稳定运行而设计的 AI，并不见得会把随机善举纳入自己的核心运行策略。
与人类不同，人工智能系统从根本上是为有条不紊地实现目标而设计的，因此擅长把重复性操作自动化，并把风险降到最低。这种有条不紊的方式意味着，在竞争性或策略性的环境中，AI 往往会遵循博弈论的原则。博弈论研究的，是为了获胜、生存或减少损失而采取的有效策略。不过，有一点很关键：不要把大多数 AI 那种通用、以目标为导向的本性，与大语言模型（LLM）这一特定子类混为一谈。LLM 的运作没那么有条不紊，而是更具概率性，靠统计推断来生成下一个 token。尽管如此，一旦被用于策略性的多智能体系统，AI（包括基于 LLM 的智能体）最终都会被驱动去优化结果，因此通常会收敛到博弈论所预测的策略上。
要理解博弈论如何运作，一个好办法是看它最著名的实验之一：囚徒困境。两个人被拘押后分开审讯，研究者观察在各自掌握的激励和信息不同的情况下，合作或背叛是如何出现的。
与人类不同，AI 不会偷懒。它们会读完合同里的每一行小字；它们没有会受苦的肉体（没有痛苦、没有脆弱、也不可能被关进监狱，这一点改变了一切）；它们不睡觉；而且极其聪明。就争议解决和达成协议的过程而言，这一范式转变打开了一个全新的领域。
举个例子：假设你和另一个人签了一份合同，请对方创作一件艺术品。收货时，你提出了一个额外的要求，谈判时没提过，也不算什么要紧事。艺术家很可能会照做，不另外收钱。然而，如果同样的约定发生在智能体之间，AI 艺术家很可能立刻要求加价。
再想象一下：法律体系可能被成千上万起微型争议淹没，而争的事情在我们人类看来根本不值得一吵。很多时候，为一件小事去争的心理负担，比争赢之后可能得到的回报还大。可对 AI 来说，什么是心理负担？多出来的 5 美元，就是多出来的 5 美元。就这么简单。
顺着这个思路，答案就很清楚了：面对这个正在到来的新世界，我们很可能需要调整自己的信任机制。
德国社会学家尼克拉斯·卢曼（Niklas Luhmann）提出，信任可以分为两种主要形式：人际信任和系统信任。这一区分意味着，信任不只发生在人与人之间，也可以寄托在一个非人格化的系统或机构上：只要它运转可靠，就无需认识其中的具体个人。
这个视角尤其重要。如果我们激进一点，把智能体定义为一种因其非人类本性而无法默认信任的实体，那么我们就必须创造一个系统，在无需信任的环境中以人工的方式生成信任。这个框架要能把可靠性和一致性，延伸到那些天生无法提供这两样东西的实体身上。
第三部分：设计一个能处理非人类信任的系统
与此同时，有一种想法并不离谱：机器速度的智能，需要机器速度的约定和争议解决。如果这类决定每个智能体每天要做几十次乃至几千次，那么这样的系统就必须完全由 AI 来管理，因为人类达不到处理这些争议所需的速度。此外，从财务角度看，AI 的运行成本只是人类的一小部分，而人类需要高得多的报酬。
确立这第一个假设之后，接下来的问题就出现了。我们很容易同意：（1）由于智能体的本性，这个系统必须能在无需信任的环境中运行；（2）鉴于它的这些要求，系统应当由智能体来管理。可是，该由哪个智能体来掌管如此关键的系统？
我的看法很明确：哪个都不应该。任何单个智能体都不应该掌握这么大的权力。这不只是一个道德或哲学上的主张，也是从智能体的本性直接得出、显而易见的结论。
现在来考虑智能体的偏向。智能体不可避免地会在某些方向上形成偏向，偏向哪里，取决于训练所用的数据和训练时采用的技术。有人可能会说，OpenAI 家族的模型往往倾向于更温和或偏左的世界观，而另一些模型，比如 xAI（Grok）家族，通常尺度更宽松，语气也更少约束。
大语言模型的这一特性，使得依赖单一模型对任何议题作出决定都不理想。在一场假设的争议或谈判中，你（或另一个智能体）很有可能仅仅因为站在某一边，就吃了亏。
不用单一模型或单个 LLM 来管理这类系统，还有另一个理由，它来自语言模型的另一个关键特性，也就是通常所说的幻觉。模型的温度设得较高、输入新颖或模糊，或者出于其他一些技术原因，LLM 都容易产生幻觉。
arXiv 上最近发表的一篇论文，题为“Not Wrong, But Untrue: LLM Overconfidence in Document-Based Queries”，发现平均有 30% 的模型输出至少包含一处幻觉。这使得在敏感的约定或关键决策中依赖单个 LLM 几乎是不可能的。
另外值得一提的是，回答特定领域的问题时，使用较小的模型或蒸馏模型，通常比依赖一个大型通用模型更高效。这意味着，即使在 AGI 出现的假想未来，上面描述的这种系统仍然能有效地发挥作用（因为它也许不是更聪明，而是更便宜、更轻量）。
最后，这样的系统也是防范提示词注入的关键，这一点我们会在本文后面详细讨论。
通过上面几段，我们解释了为什么这个系统不应依赖单一模型，而应依赖多个模型组成的共识或法定多数。把这一要求与前面提到的无需信任的假设，以及系统应由 AI 而非人类管理的想法结合起来，我们找到的唯一可行方案，就是遵循博弈论的原则，并通过区块链技术来实现它。原因如下。
没有任何人类能领导这个系统。这意味着，治理它的规则必须写成代码。
如果我们同意智能体本质上是不值得信任的实体，并且这个系统应当由 N 个而不是一个智能体来管理，那么这些智能体在回答具体问题或解决争议时，可能怀有各自的盘算。这意味着我们必须找到一种方法来对齐整个群体的激励：智能体为集体利益行事时得到奖励，出于恶意或私利行事时受到惩罚。
为此，我们需要在系统中设立明确的奖励和惩罚，让多个智能体都朝着有利于整体的方向行动，同时各自也因此获得奖励。换句话说，我们需要实现纳什均衡。
这里有一个计算器，演示了奖励、惩罚和交易成本之间应当是怎样的关系，才能达到这一理想结果。
为了防止智能体采取偷懒的策略，用最少的计算换取最多的奖励，系统必须实现一套提交-揭示机制。也就是说，每个智能体先提交对自己答案的承诺，但不透露答案的实际内容。只有在所有承诺都提交之后，答案才会同时揭晓。这种结构让智能体无法根据别人的输出调整自己的回答，确保每个答案都出自独立推理。
在这些条件下，一个聚焦点，也就是谢林点，会从智能体的集体行为中自然浮现。当所有智能体都独立地推理同一个问题，并且知道自己的奖励取决于是否与多数一致时，理性的策略就变成：给出自己真心认为正确的答案。背后的逻辑是，真相具有内在的一致性，而谎言可以有许多互相矛盾的形态。因此，通过推理寻求协调的独立智能体，在统计上更有可能收敛到真实的答案，而不是同一个错误的答案。
借助这一机制，诚实成为最理性的策略，真相成为系统天然的谢林点。
为了确保这个系统无法被单个实体或组织利用或控制，它必须是去中心化的。把所有这些要求合在一起，最合适、或许也是唯一能实现这些目标的现有框架，就是区块链技术。
借助区块链，这个系统不仅能满足上述所有特征，还能在完全透明、无需许可的环境中运行，实现设计即信任（Trust by Design）。
第四部分：GenLayer 登场
在不断追问这些问题、寻找答案的过程中，我们最终创造出了我们所说的 GenLayer：AI 在此汇聚、智能在此达成一致的那一层。
这篇文章可以看作我们的论纲：它解释了为什么需要 GenLayer 这样的系统，也梳理了促使我们动手构建它的那些假设。
GenLayer 是一个去中心化协议：多个语言模型在这里就复杂的任务和决策达成共识，充当快速、高性价比、值得信赖的数字仲裁者。在无需信任的环境中达成约定、化解冲突，它将是至关重要的基础。
再深入看看它的工作方式。GenLayer 的设计定位是一个协调层：一条可以接收交易的区块链。交易进入网络后，由多个大语言模型协同形成的共识来处理，最终收敛到唯一的答案或决定。
这个系统基于一个名为 Optimistic Democracy 的概念：用尽可能少的资源实现高效，只在必要时才扩展到更密集的配置。
在我们的系统中，一笔交易进入网络时，会从系统中随机选出 5 个节点参与决策。这 5 个节点中，1 个担任领导者，另外 4 个担任验证者。领导者就这笔交易提出一个决定，随后包括领导者在内的全部 5 个节点都要投票，表示同意或不同意。如果多数验证者同意领导者的决定，这笔交易就被视为正确，同时开启一个 30 分钟的窗口期：在此期间，任何主体，无论是人类还是智能体，都可以缴纳保证金，对这个决定提出异议。
这个机制的存在，是为了在智能体的共识可能出错时，有办法标记这个决定并让它升级。一旦出现这种情况，系统会把验证者评估组扩大到 2N + 1 个节点（在最初 5 个的基础上增至 11 个）。每当出现申诉或未能达成共识，这个过程就会重复，直到达成不再受到质疑的最终一致。这一过程的灵感来自著名的孔多塞陪审团定理，也称“群体智慧”，由孔多塞侯爵（Marquis de Condorcet）于 1785 年提出。该定理指出：如果在一个二元问题上，群体中每个成员各自独立地作出正确决定的概率都大于 0.5，那么多数决定正确的可能性会随群体规模扩大而上升；群体规模趋于无穷大时，这种可能性趋近于必然。
用数字来说：如果每个成员作出正确决定的概率是 0.6，大约需要 100 名成员回答这个问题，答对的概率才会接近 100%。这里有一个模拟器，直观地展示了这一原理。
不过，这个定理假设投票者在统计上相互独立，而大语言模型都是用整个互联网的语料训练出来的，并非完全不相关。为了弥补这一局限，我们的系统提出用 1,000 名不同的成员来达成一致（在这里是由 LLM 驱动的节点，各自使用不同的种子、显卡、内存、服务商等）。
除了这套让智能体达成一致的机制，还有一个深刻得多的问题。正如前面所说，大语言模型具有概率性，即使把同一个问题或输入发给同一个模型，每次的回答也可能不同。那么，这些智能体怎么能就某件事达成一致呢？
这正是我们这套系统实现技术突破的关键。下面我来解释。
为了解决这个问题，GenLayer 引入了等价原则，作为孔多塞陪审团定理的一种变体。这一变体让系统能够处理模糊的、非确定性的输出：它承认，就真相达成一致，可以靠语义等价，而不必靠完全相同。
具体来说，每个由大语言模型驱动的验证者，并不需要与领导者的输出完全吻合才表示同意，而是评估两个输出在这项任务的语境下是否足够等价。
举个例子，如果一笔交易问的是“2025 年 10 月 24 日，（纽约）中央公园的平均气温是多少？”，合约可以规定，对这项具体任务而言，正负 0.5 度以内的误差都视为等价。
关于系统的技术要求，还有最后一个前面已经提过的概念。必须专门讨论它，因为它决定了我们如何构建一个无法被利用的架构。这个架构要能抵御恶意交易：它们可能产生意外的输出，让系统误以为正确而接受。
这类漏洞通常称为提示词注入。众所周知，同一个对抗性提示词有时能操纵不同的语言模型，这种现象称为通用对抗攻击。然而，GenLayer 是一个无需许可的网络，任何人都可以部署自己的节点，并选用自己想要的模型来驱动它。仅凭这一点，大规模的提示词注入攻击就难以实施得多。
系统的架构本身已经限制了被利用的可能，我们还通过一种名为灰盒化（Greyboxing）的技术增加了一层安全保障。灰盒化相当于一道预清洗工序：在输入的提示词到达模型之前，先把它净化或标准化。每个节点都可以采用自己的灰盒化方法，让提示词的过滤和解读方式各不相同，从而大幅提升整个网络的安全性。
第五部分：无需信任的系统会带来什么
世界不是非黑即白的，从来都不是。然而，由于区块链所用的虚拟机具有确定性，现有的大多数用例一直停留在简单的层面。
验证一个代币是否从一个钱包转到了另一个钱包，这样简单的确定性应用就已经造就了一个价值数万亿的市场。那么想象一下，一个专为非确定性而设计的共识，能催生出多少新的原语。
例子多种多样：关于主观问题的预测市场、由 AI 驱动的 DAO、无需人工干预就能根据复杂事件调整费用的协议，几乎任何我们能想象到的用例都有可能。
可以说，区块链技术的可能性，我们大概只探索了一小部分。在这个历史时刻，这一点尤其重要：借用拉里·芬克（Larry Fink）的话来说，一切都开始走向代币化；与此同时，人工智能也正在逐步获得在世界上行动的能力。
早期的先驱和密码朋克梦想着一个能释放人类自由的互联网。比特币带来了货币的自我主权，让我们朝那个愿景迈出了第一步。以太坊无需许可的特性，让我们构建出抗审查的平台，可以自由地表达自己，离愿景又近了一步。而有了 GenLayer 这样的协议，我们或许终于能抵达那种珍贵的自由：创造一种信任内建于设计之中的机制，而不是由腐败的机构来掌管。那些机构被人脉、权力和金钱所控制，存在的意义只是服务于那些已经拥有这些东西的人。
我们在为这样一个未来而奋斗：法律面前人人平等。一个正义公平、不可腐蚀、普遍适用的未来。
有了 GenLayer 协议，任何人都可以开发自己的协议、解决方案或去中心化应用，由 GenLayer 充当快速、高性价比、值得信赖的数字仲裁者。在这个系统面前，人人平等。在决定谁对谁错的主体面前，不再有不平等。
GenLayer 肩负的使命，是创造一个全新的标准，一个向真相收敛的地方。因为只要有人能带着自己的盘算替我们做决定，我们就永远不会自由。
比特币是无需信任的货币
以太坊是无需信任的应用
GenLayer 是无需信任的决策。
（无需）信任，就是你需要的一切
