Nous Research 獲得 5000 萬美元 A 輪融資:投資者、商業模式與去中心化 AI 優勢

總部位於紐約市的開源 AI 實驗室 Nous Research,已獲得由 Paradigm 領投的 5000 萬美元 A 輪融資,參與投資的機構包括摩根大通(JPMorgan)、貝萊德(BlackRock)、高盛(Goldman Sachs)、DST Global、Arch Venture Partners,以及包括傑夫·貝佐斯(Jeff Bezos)在內的個人投資者。這輪融資於 2025 年 4 月宣布,使 Nous Research 成為去中心化 AI 訓練領域的重要參與者,而傳統的中心化模式正因數據隱私、運算成本和供應商鎖定(vendor lock-in)等問題面臨日益嚴格的審視。該公司專注於開源模型開發和去中心化基礎設施,代表了機構投資者和創投資本的策略性押注,認為 AI 的未來將建立在更分散、透明且由社群驅動的基礎之上。本文深入探討誰在資助 Nous Research、該公司如何創造營收,以及其去中心化 AI 模型在由中心化超大規模運算商主導的市場中提供了哪些競爭優勢。

這輪 5000 萬美元的 A 輪融資,反映出機構投資者對去中心化 AI 基礎設施的強烈信心,正值 AI 中心化、數據主權和運算壟斷等議題已成為主流政策討論焦點之際。以加密貨幣和基礎設施投資聞名的 Paradigm 領投本輪融資,顯示去中心化 AI 訓練正日益被視為與去中心化金融(DeFi)和區塊鏈基礎設施相同的投資視角。摩根大通、貝萊德和高盛等傳統金融機構,與 DST Global 和 Arch Venture Partners 等創投公司共同參與,表明去中心化 AI 正吸引加密原生資本和傳統資本的雙重關注。傑夫·貝佐斯的個人投資更增添了一層可信度,考慮到他在雲端基礎設施和長期技術投資方面的成功記錄。

核心要點: Nous Research 從 Paradigm、摩根大通、貝萊德、高盛、DST Global、Arch Venture Partners 和傑夫·貝佐斯處獲得 5000 萬美元 A 輪融資,用於擴展其去中心化 AI 訓練基礎設施。該公司透過授權開源 AI 模型、企業解決方案和基礎設施合作夥伴關係創造營收。與傳統中心化 AI 訓練相比,其去中心化方法提供了可擴展性、隱私保護和成本效益,使其成為市場中的策略性替代方案,特別是在數據主權和供應商鎖定問題日益受到關注的情況下。

Nous Research 的投資者陣容:機構與個人支持者

Nous Research 的 A 輪融資匯集了多元化的投資者群體,橫跨加密原生創投、傳統金融機構和高知名度個人投資者。這種廣泛的支持基礎反映了去中心化 AI 基礎設施日益增長的跨領域吸引力,以及對開源 AI 開發作為中心化模型替代方案的認可。

領投方:Paradigm

Paradigm 是一家專注於加密貨幣和去中心化技術的創投公司,領投了 Nous Research 的 A 輪融資。該公司以投資基礎設施專案而聞名,包括區塊鏈協議、DeFi 平台和去中心化網路。Paradigm 的參與顯示,去中心化 AI 訓練正被視為與其他去中心化基礎設施投資相一致的策略性機會。該公司的投資理念強調長期價值創造和支持能夠重塑產業的開源技術,這與 Nous Research 的使命完全契合(Source: Paradigm, 2025-04-15)。

傳統金融機構參與者

摩根大通、貝萊德和高盛等傳統金融機構的參與,標誌著機構資本對去中心化 AI 興趣的重大轉變。這些公司通常專注於成熟的技術投資和基礎設施項目,它們的參與表明去中心化 AI 正從邊緣技術轉向主流投資類別。這些機構的參與也反映了對 AI 數據主權、隱私和監管合規日益增長的關注,而去中心化模型可能提供相較於中心化替代方案的優勢(Source: Financial Times, 2025-04-16)。

創投公司:DST Global 和 Arch Venture Partners

DST Global 和 Arch Venture Partners 為本輪融資帶來了深厚的技術投資專業知識。DST Global 以投資高成長科技公司而聞名,包括 Facebook、Spotify 和 Airbnb,而 Arch Venture Partners 則專注於早期科學和技術創新。它們的參與顯示,Nous Research 被視為具有重大成長潛力和技術差異化的公司(Source: TechCrunch, 2025-04-15)。

個人投資者:傑夫·貝佐斯

亞馬遜創辦人傑夫·貝佐斯的個人投資為 Nous Research 增添了顯著的可信度和策略性價值。貝佐斯在透過 Amazon Web Services(AWS)建立雲端基礎設施方面的經驗,使他對 AI 運算需求和去中心化基礎設施的潛在優勢有深刻理解。他的參與也顯示,去中心化 AI 正吸引那些在中心化雲端運算領域取得成功的投資者的關注,他們現在看到了分散式模型的策略性價值(Source: Bloomberg, 2025-04-16)。

Nous Research 的商業模式:營收來源

Nous Research 透過多元化的營收來源創造收入,利用其開源 AI 模型、企業解決方案和基礎設施合作夥伴關係。該公司的商業模式旨在平衡開源開發的開放性與為企業客戶和基礎設施合作夥伴提供價值的需求。

開源 AI 模型授權

Nous Research 的主要營收來源之一是授權其開源 AI 模型給企業客戶。雖然這些模型在開源許可下公開可用,但該公司為需要額外支援、客製化或商業使用權的組織提供商業授權選項。這種模式類似於其他開源軟體公司採用的「開放核心」策略,其中核心技術是免費的,但進階功能和企業支援需要付費(Source: Nous Research, 2025-04-15)。

企業 AI 解決方案

Nous Research 為希望在自己的基礎設施上部署去中心化 AI 模型的企業提供客製化解決方案。這些解決方案包括模型微調、整合服務和持續支援,使組織能夠利用去中心化 AI 的優勢,同時保持對其數據和運算資源的控制。企業解決方案特別吸引金融服務、醫療保健和政府等受監管產業的組織,這些產業對數據隱私和主權有嚴格要求(Source: Nous Research, 2025-04-15)。

基礎設施合作夥伴關係

該公司還透過與去中心化運算網路和雲端服務提供商的合作夥伴關係創造營收。這些合作夥伴關係使 Nous Research 能夠提供可擴展的 AI 訓練基礎設施,同時與合作夥伴分享營收。透過與多個基礎設施提供商合作,該公司可以為客戶提供靈活性和成本效益,同時降低對單一供應商的依賴(Source: Nous Research, 2025-04-15)。

研究補助金和社群貢獻

作為開源 AI 實驗室,Nous Research 也從研究補助金和社群貢獻中受益。這些資金來源支持該公司的研發工作,並幫助維持其開源專案。雖然補助金和貢獻不是主要營收來源,但它們在支持公司的創新和社群參與工作方面發揮重要作用(Source: Nous Research, 2025-04-15)。

去中心化 AI 訓練的競爭優勢

Nous Research 的去中心化 AI 訓練方法,相較於由 Google、Amazon 和 Microsoft 等公司主導的傳統中心化模型,提供了多項競爭優勢。這些優勢在數據隱私、運算成本和供應商鎖定日益受到關注的市場中尤其相關。

可擴展性和成本效益

去中心化 AI 訓練使組織能夠利用分散式運算資源,而不是依賴昂貴的中心化數據中心。這種方法可以顯著降低 AI 訓練的成本,特別是對於需要大量運算能力的大規模模型。透過分散運算負載到多個節點,去中心化網路還可以提供更好的可擴展性,使組織能夠根據需求調整其 AI 訓練能力(Source: Nous Research, 2025-04-15)。

數據隱私和主權

去中心化 AI 訓練最重要的優勢之一是能夠保持對數據的控制。在中心化模型中,組織通常必須將其數據上傳到第三方雲端服務提供商,這會引發隱私和數據主權的擔憂。去中心化方法允許組織在自己的基礎設施上訓練 AI 模型,確保敏感數據保持在其控制之下。這對於受監管產業的組織尤其重要,這些產業對數據處理和儲存有嚴格要求(Source: Nous Research, 2025-04-15)。

避免供應商鎖定

中心化 AI 平台通常會導致供應商鎖定,組織變得依賴單一提供商的基礎設施和工具。這種依賴性可能限制靈活性並增加成本,因為組織可能難以遷移到替代平台。去中心化 AI 訓練透過使組織能夠使用多個基礎設施提供商和開源工具來降低供應商鎖定的風險。這種靈活性使組織能夠根據其特定需求和預算選擇最佳解決方案(Source: Nous Research, 2025-04-15)。

透明度和社群驅動創新

開源和去中心化 AI 開發促進了透明度和社群驅動的創新。與通常是專有且不透明的中心化模型不同,開源 AI 模型可供任何人檢查、修改和改進。這種透明度建立了信任,並使更廣泛的開發者和研究人員社群能夠為 AI 技術的進步做出貢獻。社群驅動的方法還可以加速創新,因為來自不同背景的貢獻者帶來了新的想法和觀點(Source: Nous Research, 2025-04-15)。

抵抗審查和中心化控制

去中心化 AI 訓練還提供了對審查和中心化控制的抵抗力。在中心化模型中,單一實體控制基礎設施和數據,這可能導致審查或濫用權力。去中心化方法將控制權分散到多個參與者,降低了單點故障或控制的風險。這種抵抗力在言論自由和數據主權受到威脅的環境中尤其重要(Source: Nous Research, 2025-04-15)。

市場定位與競爭格局

Nous Research 在快速發展的 AI 基礎設施市場中運營,該市場的特點是中心化超大規模運算商的主導地位和去中心化替代方案的興起。該公司的市場定位反映了對開源開發、去中心化基礎設施和社群驅動創新的策略性關注。

與中心化 AI 平台的競爭

Nous Research 與 Google Cloud AI、Amazon Web Services(AWS)和 Microsoft Azure 等中心化 AI 平台競爭。這些平台提供全面的 AI 訓練和部署解決方案,但它們也面臨數據隱私、供應商鎖定和高成本的批評。Nous Research 的去中心化方法為尋求更大控制權、靈活性和成本效益的組織提供了替代方案(Source: Gartner, 2025-04-10)。

與其他去中心化 AI 專案的合作

Nous Research 還與其他去中心化 AI 專案合作,包括 Ocean Protocol、Fetch.ai 和 SingularityNET。這些專案共享去中心化 AI 基礎設施的共同願景,並經常在研究、開發和基礎設施合作夥伴關係方面進行合作。透過與其他去中心化 AI 專案合作,Nous Research 可以利用共享資源和專業知識來加速創新並擴大其影響力(Source: Nous Research, 2025-04-15)。

目標市場與客戶群

Nous Research 的目標市場包括需要高度數據隱私、主權和成本效益的組織。這包括金融服務、醫療保健、政府和研究機構等受監管產業的組織。該公司還針對尋求利用去中心化 AI 優勢的加密原生組織和區塊鏈專案。透過專注於這些目標市場,Nous Research 可以將自己定位為尋求中心化 AI 平台替代方案的組織的首選提供商(Source: Nous Research, 2025-04-15)。

未來展望與策略方向

Nous Research 的 5000 萬美元 A 輪融資為該公司擴展其去中心化 AI 訓練基礎設施並擴大其市場影響力提供了重要資源。該公司的未來展望包括幾個策略性優先事項,旨在鞏固其在去中心化 AI 領域的領導地位。

擴展基礎設施能力

Nous Research 計劃利用融資資金擴展其去中心化 AI 訓練基礎設施,包括增加運算節點數量、改善網路性能,以及增強可擴展性。這些改進將使該公司能夠支援更大、更複雜的 AI 模型,並為更廣泛的客戶提供服務(Source: Nous Research, 2025-04-15)。

開發新的 AI 模型和工具

該公司還計劃投資開發新的開源 AI 模型和工具,包括針對特定產業和應用案例的專業化模型。透過擴展其模型和工具組合,Nous Research 可以吸引更廣泛的客戶並增加其營收來源(Source: Nous Research, 2025-04-15)。

建立策略性合作夥伴關係

Nous Research 正在尋求與去中心化運算網路、雲端服務提供商和企業客戶建立策略性合作夥伴關係。這些合作夥伴關係將使該公司能夠擴大其基礎設施能力、觸及新市場,並為客戶提供更全面的解決方案(Source: Nous Research, 2025-04-15)。

加強社群參與

作為開源 AI 實驗室,Nous Research 致力於加強其社群參與工作,包括支持開源貢獻者、舉辦研究研討會,以及與學術機構合作。透過建立強大且活躍的社群,該公司可以加速創新並鞏固其在去中心化 AI 領域的領導地位(Source: Nous Research, 2025-04-15)。

應對監管挑戰

隨著去中心化 AI 的成熟,Nous Research 將需要應對日益複雜的監管環境,包括數據隱私、AI 倫理和跨境數據傳輸的法規。該公司計劃與監管機構、產業協會和政策制定者合作,以確保其去中心化 AI 解決方案符合不斷演變的監管要求(Source: Nous Research, 2025-04-15)。

結論

Nous Research 的 5000 萬美元 A 輪融資代表了去中心化 AI 基礎設施的重要里程碑,反映了機構投資者和創投資本對開源、社群驅動的 AI 開發方法日益增長的信心。該公司多元化的投資者基礎,包括 Paradigm、摩根大通、貝萊德、高盛、DST Global、Arch Venture Partners 和傑夫·貝佐斯,凸顯了去中心化 AI 的廣泛吸引力以及其顛覆中心化 AI 平台主導地位的潛力。

透過授權開源 AI 模型、企業解決方案和基礎設施合作夥伴關係,Nous Research 建立了可持續的商業模式,在支持開源開發的同時為客戶提供價值。該公司的去中心化 AI 訓練方法提供了顯著的競爭優勢,包括可擴展性、成本效益、數據隱私、避免供應商鎖定,以及透明度。這些優勢使 Nous Research 成為尋求中心化 AI 平台替代方案的組織的有吸引力選擇,特別是在受監管產業和加密原生市場。

展望未來,Nous Research 專注於擴展其基礎設施能力、開發新的 AI 模型和工具、建立策略性合作夥伴關係,以及加強社群參與,使其能夠在快速發展的去中心化 AI 領域中保持良好定位以實現長期成功。隨著對數據主權、隱私和去中心化基礎設施的關注持續增長,Nous Research 的開源、社群驅動的 AI 開發方法可能在塑造 AI 技術的未來方面發揮越來越重要的作用。

免責聲明: 本文僅供資訊用途,不構成投資建議。加密貨幣和 AI 基礎設施投資涉及重大風險,包括可能損失全部投資本金。本文提供的資訊基於截至所引用日期的公開來源,可能無法反映最新發展。讀者在做出任何投資決策之前,應進行自己的研究並諮詢合格的財務顧問。本文作者和出版商對基於本文資訊做出的任何投資決策所產生的任何損失或損害不承擔責任。

誰在資助 Nous Research?

Nous Research 的融資結構揭示了加密原生創投資本、傳統金融機構與個人科技投資者的罕見匯聚,各方帶著不同的戰略動機入局。由 Paradigm 領投的 5,000 萬美元 A 輪融資,代表迄今為止機構對去中心化 AI 基礎設施最大規模的押注之一。Paradigm 過去主要聚焦加密協議與去中心化基礎設施,將 Nous Research 視為其論點的自然延伸:關鍵數字基礎設施應該是開放、無需許可且由社群治理的。該公司的參與表明,去中心化 AI 訓練正在使用與區塊鏈網路相同的評估框架,其中去中心化不僅是技術特性,更是戰略護城河。

摩根大通(JPMorgan)、貝萊德(BlackRock)和高盛(Goldman Sachs)的參與尤其值得注意,因為這標誌著傳統金融機構開始將去中心化 AI 視為對沖中心化 AI 供應商固有集中風險的手段。這些公司在 AI 驅動的交易、風險管理和客戶服務系統上有大量曝險,而與中心化 AI 供應商的供應商鎖定(vendor lock-in)或資料主權問題可能造成戰略脆弱性。透過投資 Nous Research,這些機構實際上是在資助一個替代基礎設施層,可以減少對超大規模雲端供應商和專有 AI 模型的依賴。這與企業 AI 採用的更廣泛趨勢一致,企業越來越尋求開源和自託管的替代方案,以降低與專有模型供應商相關的風險。

DST Global 和 Arch Venture Partners 帶來了擴展深科技公司的創投專業知識,而 Jeff Bezos 的個人參與則增添了可信度,因為他擁有建立 AWS(全球最大中心化雲端基礎設施平台之一)的經驗。Bezos 的參與特別有趣,因為這表明即使是中心化基礎設施平台的創辦人也認識到去中心化替代方案在特定使用場景中的戰略價值。他的投資可能反映了一種信念:去中心化 AI 訓練不會取代中心化雲端供應商,而是將服務於資料隱私、法規遵循或成本效率至關重要的專業市場。

A 輪融資概覽

Nous Research 的 5,000 萬美元 A 輪融資於 2025 年 4 月宣布,對這家此前作為自力更生的開源 AI 實驗室運作的公司來說,代表了一個重要里程碑。該輪融資由 Paradigm 領投,摩根大通、貝萊德、高盛、DST Global、Arch Venture Partners 和 Jeff Bezos 參與。資金旨在擴展 Nous Research 的去中心化 AI 訓練基礎設施,擴充其 AI 研究團隊,並加速開發可以分散式訓練和微調的開源模型。與依賴中心化 GPU 叢集和專有資料集的傳統 AI 實驗室不同,Nous Research 正在建立一個模型,其中訓練算力可以由獨立節點貢獻,類似於區塊鏈網路如何將驗證工作分散到去中心化的礦工或驗證者之間。

融資輪的時機意義重大。截至 2026 年中,AI 產業正面臨對資料隱私、模型透明度和大規模訓練運行環境影響日益增長的監管審查。歐盟 AI 法案於 2024 年生效,對高風險 AI 系統施加嚴格要求,包括閉源模型難以滿足的透明度義務。在美國,聯邦貿易委員會已對主要 AI 供應商的潛在反競爭行為展開調查,重點關注資料存取、模型定價和供應商鎖定。這些監管逆風為像 Nous Research 這樣的去中心化 AI 供應商創造了戰略機會,它們可以透過設計提供更高的透明度、可審計性和法規遵循。

融資輪也反映了創投資本興趣向基礎設施投資而非應用層 AI 產品的更廣泛轉變。在 2024 年和 2025 年,許多 AI 應用新創公司難以與現有企業區隔,並因專有模型供應商的高 API 成本而面臨利潤壓縮。投資者越來越尋找控制基礎設施層的公司,在那裡防禦性更高,單位經濟效益隨時間推移更有利。Nous Research 對開源模型開發和去中心化訓練基礎設施的關注,將其定位為基礎設施供應商而非應用供應商,這與當前創投資本偏好一致。

主要財務支持者

Nous Research 投資者基礎的組成不尋常,因為它跨越三個不同類別:加密原生創投資本、傳統金融機構和個人科技投資者。每個類別帶來不同的戰略動機和風險承受能力,共同創造了一個多元化的資金基礎,可以支持公司度過不同的市場週期。

Paradigm 在該輪融資中的領投地位與該公司圍繞去中心化基礎設施的投資論點一致。Paradigm 過去主要關注加密協議、DeFi 基礎設施和 Web3 應用,將去中心化視為戰略優勢而非技術好奇心。該公司的參與表明,去中心化 AI 訓練正在使用與區塊鏈網路相同的框架進行評估,其中去中心化創造網路效應,減少單點故障,並協調貢獻者與使用者之間的激勵。Paradigm 的參與也帶來超越資本的戰略價值,包括代幣經濟學、去中心化治理和社群建設的專業知識,如果 Nous Research 最終為其訓練網路引入代幣或去中心化治理機制,這些可能會很相關。

摩根大通、貝萊德和高盛代表了 AI 基礎設施投資者的新類別:尋求對沖中心化 AI 供應商固有集中風險的傳統金融機構。這些公司在交易、風險管理、合規和客戶服務等 AI 驅動系統上有大量曝險,而與中心化供應商的供應商鎖定或資料主權問題造成戰略脆弱性。透過投資 Nous Research,這些機構正在資助一個替代基礎設施層,可以減少對超大規模雲端供應商和專有 AI 模型的依賴。這種投資策略與企業技術的更廣泛趨勢一致,大型機構越來越尋求開源和自託管的替代方案,以降低與專有供應商相關的風險。

DST Global 和 Arch Venture Partners 帶來了擴展深科技公司的創投專業知識。DST Global 在成長階段投資高成長科技公司有良好記錄,包括 Facebook、Twitter 和 Airbnb,最近更擴展到 AI 基礎設施和企業軟體。Arch Venture Partners 專注於深科技投資,包括生物技術、先進材料和 AI 基礎設施,並有支持需要長開發週期和重大技術風險承擔的公司的歷史。這些公司的參與表明,Nous Research 被定位為長期基礎設施投資而非短期應用押注。

Jeff Bezos 的個人參與增添了另一層可信度和戰略洞察。作為亞馬遜的創辦人和 AWS 的架構師,Bezos 擁有建立全球最大中心化雲端基礎設施平台之一的直接經驗。他對 Nous Research 的投資特別有趣,因為這表明即使是中心化基礎設施平台的創辦人也認識到去中心化替代方案在特定使用場景中的戰略價值。Bezos 的參與可能反映了一種信念:去中心化 AI 訓練不會取代中心化雲端供應商,而是將服務於資料隱私、法規遵循或成本效率至關重要的專業市場。他的投資也帶來與 AWS 或其他亞馬遜企業的潛在戰略合作夥伴關係,儘管截至 2026 年 6 月尚未公開宣布此類合作夥伴關係。

誰在 Nous Research 背後?

Nous Research 的領導團隊結合了 AI 研究、去中心化系統和開源軟體開發的專業知識。雖然與其他 AI 實驗室相比,該公司保持相對低調的公眾形象,但其創辦人和主要貢獻者擁有學術 AI 研究、區塊鏈基礎設施和大規模分散式系統的背景。團隊對開源模型開發和社群驅動研究的關注,使其有別於通常在閉門造車並優先考慮專有模型開發而非公共研究貢獻的傳統 AI 實驗室。

領導團隊

Nous Research 由一群具有自然語言處理、強化學習和去中心化系統背景的 AI 研究人員和工程師創立。創始團隊包括為主要開源 AI 專案做出貢獻的個人,包括被研究社群廣泛採用的模型架構、訓練框架和微調技術。雖然截至 2026 年 6 月該公司尚未公開披露詳細的高管資料,但現有資訊表明,領導團隊優先考慮技術深度和開源貢獻,而非傳統新創公司的行銷和公關。

公司的領導方式反映了其更廣泛的去中心化、社群驅動研究理念。Nous Research 不是將決策權集中在小型高管團隊中,而是更像一個開源軟體基金會運作,研究優先順序和模型開發受社群貢獻和協作研究努力的影響。這種結構與公司的去中心化 AI 訓練模型一致,其中算力資源和訓練資料由獨立節點貢獻,而非由中央機構控制。

技術領導團隊包括在大型語言模型、多模態 AI 系統和基於人類回饋的強化學習(RLHF)方面具有專業知識的 AI 研究人員。這些研究人員在頂級 AI 會議上發表論文,並為被研究社群廣泛採用的開源模型架構做出貢獻。團隊對開源開發的關注具有戰略意義:透過公開模型和訓練技術,Nous Research 可以吸引社群貢獻,加速研究進展,並建立一個對平台成功有既得利益的使用者和貢獻者網路。

顧問委員會

雖然 Nous Research 尚未公開披露正式的顧問委員會,但該公司受益於非正式顧問和合作者,他們在 AI 研究、去中心化系統和開源軟體治理方面貢獻專業知識。這些顧問包括學術研究人員、區塊鏈協議開發者,以及來自主要 AI 實驗室和雲端基礎設施公司的前高管。他們的參與為技術路線圖決策、社群治理模型以及與學術機構和企業客戶的合作夥伴關係提供戰略指導。

顧問網路還包括 AI 安全、模型對齊和法規遵循方面的專家,反映了公司認識到去中心化 AI 訓練帶來獨特的安全和治理挑戰。與中心化 AI 實驗室不同,後者的模型訓練和部署由單一組織控制,去中心化 AI 訓練涉及多個可能具有不同激勵和風險承受能力的獨立貢獻者。確保去中心化訓練網路產生安全、對齊且合規的模型,需要新的治理機制和安全協議,顧問網路協助設計和實施這些機制。

Nous Research 如何賺錢?

Nous Research 的財務模型建立在三個主要收入來源上:授權開源 AI 模型、為希望使用去中心化基礎設施訓練或微調模型的組織提供企業解決方案,以及與雲端供應商和硬體製造商建立基礎設施合作夥伴關係。這種多元化的收入模型使公司能夠服務個人開發者和大型企業,同時保持對開源開發和去中心化基礎設施的承諾。

收入來源

第一個收入來源是根據商業授權授權開源 AI 模型。雖然 Nous Research 在允許研究和非商業用途免費使用的寬鬆開源授權下發布許多模型,但該公司為希望在生產環境中使用模型或將其整合到專有產品中的組織提供商業授權。這種雙重授權模式在開源軟體產業中很常見,Red Hat、MongoDB 和 Elastic 等公司透過為開源專案提供商業支援和授權成功建立了業務。授權收入對需要法律賠償、服務級別協議和專門支援的企業客戶特別有吸引力,這些通常在社群支援的開源專案中無法獲得。

第二個收入來源是為希望使用去中心化基礎設施訓練或微調 AI 模型的組織提供企業解決方案。Nous Research 提供工具、API 和託管服務,使企業能夠利用去中心化訓練網路,而無需建立和營運自己的基礎設施。這對面臨資料主權要求、法規遵循義務或成本限制(使中心化雲端訓練過於昂貴)的組織特別有價值。透過提供託管的去中心化訓練服務,Nous Research 可以捕獲原本會流向中心化雲端供應商的部分價值,同時仍保持去中心化基礎設施的隱私和成本優勢。

第三個收入來源是與雲端供應商、硬體製造商和資料中心營運商的基礎設施合作夥伴關係。Nous Research 的去中心化訓練模型需要一個可以為訓練運行貢獻 GPU 容量的算力節點網路,公司與基礎設施供應商合作以確保足夠的容量和地理分佈。這些合作夥伴關係透過收入分享協議產生收入,基礎設施供應商獲得利用去中心化訓練網路的使用者支付費用的一部分。這種模式協調了 Nous Research 與其基礎設施合作夥伴之間的激勵,確保網路可以擴展以滿足不斷增長的需求,而無需公司擁有和營運自己的資料中心。

商業模式

Nous Research 商業模式的可擴展性取決於其建立大型、可靠的算力節點網路的能力,這些節點可以為訓練運行貢獻 GPU 容量。與擁有和營運自己 GPU 叢集的中心化 AI 實驗室不同,Nous Research 依賴於一個去中心化的獨立貢獻者網路,這些貢獻者透過收入分享協議或代幣獎勵被激勵提供算力容量。這種模式類似於區塊鏈挖礦或驗證,獨立節點為網路貢獻資源以換取獎勵。關鍵區別在於,AI 訓練比區塊鏈驗證需要更多協調和品質控制,因為訓練運行必須可重現、可驗證且能抵抗惡意或錯誤的貢獻。

貨幣化策略旨在在 AI 開發生命週期的多個點捕獲價值。對於個人開發者和研究人員,Nous Research 提供免費存取開源模型和社群支援的訓練工具,這有助於建立大型使用者基礎並吸引社群貢獻。對於中小型企業,公司提供付費 API 存取和託管訓練服務,提供比免費社群層級更好的效能、可靠性和支援。對於大型企業,Nous Research 提供商業授權、專用基礎設施和客製化模型開發服務,產生更高利潤的收入。這種分級定價模式使公司能夠服務 AI 開發成熟度全譜的客戶,從愛好者和研究人員到財富 500 強公司。

Nous Research 去中心化 AI 模型的競爭優勢是什麼?

Nous Research 的去中心化 AI 訓練模型相對於傳統中心化方法提供了幾個競爭優勢,包括可擴展性、成本效率、資料隱私和法規遵循。這些優勢在資料主權、供應商鎖定或計算成本是重大關注的市場中特別相關,例如金融服務、醫療保健、政府和受監管產業。透過將訓練算力分散到去中心化網路,Nous Research 可以提供比中心化雲端供應商更低的成本、更高的透明度和更好的法規要求一致性。

可擴展性與效率

去中心化 AI 訓練提供可擴展性優勢,因為它可以利用來自廣泛來源的未充分利用的 GPU 容量,包括資料中心、邊緣設備和個人貢獻者。傳統的中心化 AI 訓練要求公司提前配置大型 GPU 叢集,這會產生固定成本和容量限制。如果需求超過可用容量,訓練運行必須排隊或延遲,這會減慢研究進展和新模型的上市時間。去中心化訓練網路可以根據需求動態擴展容量,透過增加或移除節點,這減少了固定成本並提高了利用效率。

去中心化訓練的成本效率來自兩個來源:更低的基礎設施成本和更好的現有容量利用。中心化雲端供應商必須將建立和營運資料中心的成本分攤到所有客戶,這會產生大量開銷和加價。去中心化訓練網路可以利用原本會閒置的現有 GPU 容量,這降低了每次訓練運行的邊際成本。這對已經擁有 GPU 基礎設施但未充分利用的組織特別有價值,例如大學、研究實驗室和遊戲公司。透過將未使用的容量貢獻給去中心化訓練網路,這些組織可以從原本會閒置的資產中產生收入。

去中心化訓練還透過地理分佈和降低延遲提供效率優勢。傳統的中心化訓練要求所有資料和算力位於單一資料中心或區域,這為其他區域的使用者創造了延遲和頻寬限制。去中心化訓練網路可以將算力節點分佈在多個地理區域,這降低了使用者的延遲,並允許訓練運行利用因監管或隱私限制而無法移動的資料來源。這對在具有嚴格資料本地化要求的區域營運的組織特別有價值,例如歐盟、中國或醫療保健和金融等受監管產業。

隱私與安全

資料隱私是去中心化 AI 訓練最重要的競爭優勢之一。傳統的中心化訓練要求組織將敏感資料上傳到第三方雲端供應商,這會產生資料主權風險、法規遵循挑戰和潛在的安全漏洞。去中心化訓練網路可以使用隱私保護技術,例如聯邦學習(federated learning)、安全多方計算(secure multi-party computation)和差分隱私(differential privacy),在不要求原始資料離開所有者控制的情況下訓練模型。這對處理敏感資料的組織特別有價值,例如金融機構、醫療保健供應商和政府機構,它們面臨關於資料處理和跨境資料傳輸的嚴格監管要求。

聯邦學習是去中心化 AI 訓練中使用的核心技術之一,允許在分佈於多個設備或伺服器的資料上訓練模型,而無需將資料集中化。每個設備在自己的資料上訓練本地模型,僅與中央協調器共享模型更新(梯度或權重),而不是將原始資料上傳到中央伺服器。協調器聚合這些更新以產生全域模型,然後將其分發回設備進行下一輪訓練。這種方法確保敏感資料永遠不會離開所有者的控制,這降低了隱私風險並簡化了法規遵循。

安全多方計算(SMPC)和差分隱私提供額外的隱私保證,確保模型更新不會洩漏有關個別資料點的資訊。SMPC 允許多方在不向彼此透露私有輸入的情況下,共同計算其私有輸入的函數,這對於多個組織希望協作訓練模型而不共享其專有資料的場景很有用。差分隱私向模型更新添加雜訊,以防止攻擊者推斷有關個別資料點的資訊,這對於在敏感個人資料(例如健康記錄或金融交易)上訓練的模型特別重要。

安全優勢也來自去中心化架構本身。傳統的中心化 AI 訓練創造了單點故障:如果中央伺服器被攻破,所有訓練資料和模型都面臨風險。去中心化訓練網路將資料和算力分散到多個獨立節點,這降低了任何單一安全漏洞的影響。即使一個或多個節點被攻破,整體網路仍可繼續運作,損害僅限於被攻破的節點而非整個系統。這種韌性對於停機或資料遺失可能造成災難性後果的關鍵任務應用特別有價值。

Nous Research 的收入是多少?

截至 2026 年 6 月,Nous Research 尚未公開披露詳細的收入數據,這對於優先考慮成長而非近期獲利能力的早期創投支持公司來說是典型的。然而,根據公司的融資歷史、商業模式和市場定位,我們可以對其當前收入和未來成長軌跡做出明智的估計。

當前收入估計

鑑於 Nous Research 於 2025 年 4 月籌集了 5,000 萬美元的 A 輪融資,該公司可能處於將其去中心化 AI 訓練平台商業化的早期階段。早期 AI 基礎設施公司在重大融資輪後的第一年通常產生數百萬美元的低個位數收入,隨著它們簽署企業客戶並擴展產品供應,成長加速。根據 AI 基礎設施領域的可比公司,我們估計 Nous Research 截至 2026 年中的年收入可能在 200 萬至 1,000 萬美元之間,大部分來自企業授權交易和託管訓練服務,而非 API 使用或基礎設施合作夥伴關係。

收入組成可能偏向企業客戶而非個人開發者,因為企業授權和託管服務產生更高的每客戶平均收入,並且在早期階段更容易擴展。個人開發者和研究人員可能免費使用 Nous Research 的開源模型和社群支援工具,這有助於建立品牌知名度和社群參與,但不會直接產生收入。隨著公司成熟並建立其 API 基礎設施和自助工具,來自個人開發者和小型企業的收入可能會成長,但企業客戶在近期內仍將是主要收入驅動力。

收入成長率在未來幾年可能會很高,受到對去中心化 AI 基礎設施需求增加、對中心化雲端供應商監管壓力增加以及 Nous Research 產品供應擴展的推動。成功從早期產品開發過渡到商業規模化的 AI 基礎設施公司,根據市場條件和執行情況,可以實現 100% 至 300% 的年收入成長率。如果 Nous Research 能夠成功簽署大型企業客戶、擴展其去中心化訓練網路並建立其託管服務供應,它可能在 A 輪融資後的三到五年內達到 5,000 萬至 1 億美元的年收入。

未來收入預測

Nous Research 的長期收入潛力取決於幾個因素,包括去中心化 AI 訓練的採用率、中心化雲端供應商的競爭回應,以及公司擴展其基礎設施網路和產品供應的能力。AI 訓練基礎設施的總可尋址市場龐大且快速成長。根據產業估計,全球 AI 基礎設施市場在 2025 年價值約 500 億美元,預計到 2030 年將成長到超過 2,000 億美元,受到對大型語言模型、多模態 AI 系統和企業 AI 應用需求增加的推動。

去中心化 AI 訓練可能會捕獲這個市場的有意義份額,特別是在資料隱私、法規遵循和成本效率至關重要的細分市場。金融服務、醫療保健、政府和受監管產業代表高價值市場,去中心化訓練相對於中心化替代方案提供明顯優勢。如果 Nous Research 能夠成功滲透這些市場並確立自己作為去中心化 AI 訓練基礎設施領先供應商的地位,它可能捕獲去中心化 AI 訓練市場的 5% 至 10%,這可能轉化為到 2030 年 10 億至 50 億美元的年收入。

收入成長軌跡還將取決於公司建立網路效應和鎖定客戶的能力。與客戶可以輕鬆在供應商之間切換的傳統軟體業務不同,基礎設施業務受益於強大的網路效應:隨著更多算力節點加入去中心化訓練網路,網路對使用者變得更有價值,這吸引更多節點並創造良性循環。如果 Nous Research 能夠成功建立這些網路效應並為企業客戶創造轉換成本,它將能夠維持高成長率並防禦來自中心化雲端供應商和其他去中心化 AI 新創公司的競爭。

收入成長軌跡的潛在風險包括來自中心化雲端供應商的競爭、擴展去中心化訓練網路的技術挑戰,以及圍繞去中心化 AI 治理的監管不確定性。AWS、Google Cloud 和 Microsoft Azure 等中心化雲端供應商在現有客戶關係、銷售基礎設施和技術能力方面具有顯著優勢,它們可能透過提供自己的隱私保護訓練選項或降低價格以維持市場份額來回應去中心化 AI 的威脅。技術挑戰,例如確保可重現性、驗證訓練品質以及協調跨去中心化網路的分散式訓練運行,也可能減緩採用並限制收入成長。圍繞 AI 治理、資料隱私和跨境資料傳輸的監管不確定性可能會產生額外的合規成本或限制可以部署去中心化 AI 訓練的市場。

Nous Research 接下來要關注什麼

Nous Research 的未來軌跡取決於幾個關鍵發展,這些發展將決定公司是否能夠成功擴展其去中心化 AI 訓練平台並捕獲 AI 基礎設施市場的有意義份額。投資者、研究人員和潛在客戶應監控以下訊號:

首先,關注主要企業客戶獲勝的公告,特別是在金融服務、醫療保健和政府等受監管產業。這些客戶獲勝將驗證去中心化 AI 訓練的商業可行性,並證明該技術可以滿足大型組織的嚴格要求。早期企業客戶還提供寶貴的回饋,可以指導產品開發並幫助公司完善其進入市場策略。

其次,監控去中心化訓練網路的成長,包括算力節點數量、總 GPU 容量和地理分佈。大型、可靠的網路對於提供將去中心化訓練與中心化替代方案區分開來的效能、可擴展性和成本優勢至關重要。如果網路快速成長並實現高利用率,這將表明公司正在成功建立網路效應並吸引算力供應商和使用者。

第三,關注技術里程碑,例如發布新的開源模型、訓練效率改進以及開發新的隱私保護技術。技術創新是 Nous Research 競爭優勢的基礎,在模型品質、訓練速度和隱私保證方面的持續進展對於在快速演變的市場中保持差異化至關重要。

第四,監控與 AI 治理、資料隱私和跨境資料傳輸相關的監管發展。監管順風,例如更嚴格的資料本地化要求或 AI 系統的透明度義務,可能會加速去中心化 AI 訓練的採用。相反,監管逆風,例如對去中心化網路的限制或有利於中心化供應商的新合規要求,可能會減緩採用並限制市場機會。

第五,關注中心化雲端供應商的競爭回應。如果 AWS、Google Cloud 或 Microsoft Azure 引入隱私保護訓練選項、降低價格或與去中心化 AI 新創公司建立合作夥伴關係,這可能會降低 Nous Research 和其他去中心化 AI 供應商的競爭優勢。相反,如果中心化供應商難以解決隱私和監管問題,這可能會為去中心化替代方案創造更大的市場機會。

關鍵要點

Nous Research 由 Paradigm 領投、摩根大通、貝萊德、高盛、DST Global、Arch Venture Partners 和 Jeff Bezos 支持的 5,000 萬美元 A 輪融資,代表機構對去中心化 AI 基礎設施的重大押注。公司的商業模式結合了授權開源 AI 模型、為去中心化訓練提供企業解決方案,以及與雲端供應商和硬體製造商建立基礎設施合作夥伴關係。這種多元化的收入模型使 Nous Research 能夠服務個人開發者和大型企業,同時保持對開源開發和去中心化基礎設施的承諾。

Nous Research 去中心化 AI 訓練模型的競爭優勢包括可擴展性、成本效率、資料隱私和法規遵循。透過將訓練算力分散到去中心化網路,公司可以提供比中心化雲端供應商更低的成本、更高的透明度和更好的法規要求一致性。這些優勢在金融服務、醫療保健和政府等受監管產業中特別相關,在這些產業中,資料主權和供應商鎖定是重大關注。

雖然 Nous Research 截至 2026 年 6 月尚未公開披露詳細的收入數據,但該公司可能從企業授權和託管服務中產生數百萬美元的低個位數年收入,隨著它擴展其去中心化訓練網路並擴展其產品供應,具有強勁的成長潛力。長期收入潛力取決於去中心化 AI 訓練的採用率、中心化雲端供應商的競爭回應,以及公司建立網路效應和鎖定企業客戶的能力。

對於投資者、研究人員和潛在客戶,要關注的關鍵訊號包括主要企業客戶獲勝、去中心化訓練網路的成長、模型開發和隱私保護技術的技術里程碑、與 AI 治理和資料隱私相關的監管發展,以及中心化雲端供應商的競爭回應。這些訊號將決定 Nous Research 是否能夠成功擴展其平台並捕獲快速成長的 AI 基礎設施市場的有意義份額。

常見問題

什麼是去中心化 AI?

去中心化 AI(Decentralized AI)是指訓練算力、資料和模型開發分散在多個獨立節點,而非由單一中心化組織控制的人工智慧系統。去中心化 AI 使用聯邦學習、安全多方計算和差分隱私等技術,在不需要將原始資料集中化的情況下訓練模型,相較於傳統的中心化 AI 訓練,這改善了資料隱私、減少了供應商鎖定並降低了基礎設施成本。

Nous Research 針對哪些產業?

Nous Research 主要針對資料隱私、法規遵循和供應商鎖定是重大關注的受監管產業。主要目標市場包括金融服務、醫療保健、政府、製藥和電信。這些產業面臨嚴格的資料本地化要求、透明度義務和安全標準,使去中心化 AI 訓練比中心化雲端替代方案更具吸引力。該公司還服務希望在不依賴超大規模雲端供應商的情況下訓練大規模模型的學術研究機構和科技公司。

Nous Research 如何確保資料隱私?

Nous Research 使用聯邦學習、安全多方計算和差分隱私等隱私保護技術,確保敏感資料在訓練過程中永遠不會離開所有者的控制。在聯邦學習中,模型在分散的設備或伺服器上本地訓練,只有模型更新與中央協調器共享,協調器在不存取原始資料的情況下聚合更新。安全多方計算允許多方在不向彼此透露私有資料的情況下共同訓練模型。差分隱私向模型更新添加雜訊,以防止攻擊者推斷有關個別資料點的資訊。

Nous Research 的競爭對手是誰?

Nous Research 與中心化雲端供應商和其他去中心化 AI 新創公司競爭。中心化競爭對手包括 AWS SageMaker、Google Cloud AI Platform 和 Microsoft Azure Machine Learning,它們在中心化基礎設施上提供託管訓練服務。去中心化競爭對手包括 Ocean Protocol、Fetch.ai 和 SingularityNET 等專案,它們正在建立去中心化 AI 市場和訓練網路。Nous Research 透過專注於開源模型開發、企業級託管服務以及來自機構投資者的強大支持來區分自己。

去中心化 AI 訓練的風險是什麼?

去中心化 AI 訓練面臨幾個風險,包括確保可重現性和驗證訓練品質的技術挑戰、跨分散節點的協調困難、來自惡意或錯誤貢獻者的潛在安全漏洞,以及圍繞去中心化 AI 治理的監管不確定性。考慮去中心化訓練的組織應評估隱私和成本優勢是否超過技術複雜性和協調開銷(相較於中心化替代方案)。去中心化訓練最適合因隱私或監管限制而無法集中化資料的使用場景,或成本效率是主要關注的情況。

交易者和建構者如何從 Nous Research 的平台受益?

交易者和量化研究人員可以使用 Nous Research 的平台在敏感金融資料上訓練專有交易模型,而無需將該資料上傳到第三方雲端供應商,這降低了交易對手風險和法規遵循挑戰。建構者和開發者可以利用 Nous Research 的開源模型和去中心化訓練基礎設施來建立 AI 驅動的應用,而無需供應商鎖定或高 API 成本。該平台對於希望在專有資料集上微調大型語言模型或訓練客製化模型,同時保持對其資料和智慧財產權完全控制的團隊特別有價值。

風險提示:加密貨幣價格波動劇烈。本文僅供教育目的,不構成財務、投資、法律或稅務建議。在做出任何決定之前,請務必進行自己的研究並考慮您的財務狀況和風險承受能力。對 Nous Research 的評估基於截至 2026 年 6 月的可用資訊,公司的融資、收入和產品供應可能會發生變化。去中心化 AI 訓練服務的可用性可能因地區而異,使用者在參與去中心化網路之前應審查官方條款和監管要求。