前沿的 AI 訓練已悄然成為地球上最集中化的產業之一。少數幾家雲端供應商掌控決定哪些模型得以建立、誰付多少錢，以及這個領域發展速度的 GPU 集群。
Gensyn 以無許可的協議形式介入此場景，將遊戲電腦、專業工作站、行動裝置與小型資料中心的閒置運算能力彙集成一個全球性機器學習網路。它的目標不是成為更便宜的租用 GPU。這搏注更大：打造一個可驗證的基底，讓數千台不受信任的機器能誠實地訓練和服務 AI 模型，並以能捕捉它們所產生價值的代幣支付報酬。
於 LBank 查詢 AIGENSYN 價格
AIGENSYN()價格
Gensyn 於 2026 年 4 月在其與以太坊兼容的主網上線，推出了 Delphi，一個由 AI 結算的預測市場，隨後不久發行了 AIGENSYN 代幣。這一舉措將多年的研究轉化為一個實時運作的系統，擁有實際的費用、實際的燃燒，與實際的鏈上身份。本文將介紹 Gensyn 的功能、創建者、架構運作方式、代幣實際捕捉的價值，以及下一個主要解鎖窗口前的風險所在。
Gensyn AI 的創始人及他們從 Entrepreneur First 起步的歷程
Gensyn 起始於 2020 年兩人在倫敦 Entrepreneur First 加速器相遇。
現任 CEO Ben Fielding 擁有北安普敦大學電腦科學博士學位。他的博士研究聚焦於進化與群體智能方法訓練神經網絡，這正是 Gensyn 如何在多台機器上協調眾多小型模型的智識起點。
Harry Grieve 現任首席技術官，來自蘇格蘭的 Kames Capital Management，曾從事金融數據、市場趨勢及風險研究。兩人在該計畫的八週衝刺期間承諾加入公司，下注機器學習將成為這十年內的主要計算工作負載，且沒有人應該被允許控制其供應鏈。
Jeff Amico 後來以首席營運官身份加入，負責日常營運。團隊完全公開身份，接受訪談，發表論文，並在 gensyn-ai GitHub 組織下發佈開源代碼。對於這類規模的 AI 加密項目，這種透明度並不保證成功，但它消除了困擾該行業許多部分的最基本匿名團隊風險。
Gensyn 可驗證訓練架構的運作方式
去中心化運算中的困難問題不是找到 GPU。困難在於信任它們的輸出。節點可能聲稱它執行了訓練步驟，返回隨機權重，然後將獎勵私吞。中央化雲端解決這個問題是透過擁有硬體。Gensyn 則使用密碼學與可重現性來解決。
該協議堆疊了三個層次：
- AXL 是點對點網路層，用於在參與機器之間傳輸模型權重、梯度和數據，而不需透過中央伺服器。
- CHAIN 是鏈上身分、聲譽與協調系統，建置於自訂的以太坊 rollup 上，以確保每一項貢獻都被記錄、可追溯且可支付。
- REE，即可重現執行環境，是驗證層，使用位元決定性的機器學習運算子，以保證相同輸入在任何誠實硬體上都會產生完全相同的輸出。
與 REE 一起的是 Verde，一個爭議解決庫，能夠在兩個節點返回不同結果時，找出計算圖中第一個不一致的操作。仲裁者不需重新執行整個訓練任務，只需重新計算單一步驟。這使得驗證成本低廉，也正是整個經濟模型得以實現的原因。
三種通訊演算法保持群體運作效率：NoLoCo 處理基於 gossip 的權重共享，CheckFree 在節點中途退出訓練時提供容錯，SkipPipe 優化非均衡硬體上的梯度流動。它們讓異構且高延遲的機器更像一個協調的集群。
資金歷史與支持 Gensyn 加密貨幣的投資者
Gensyn 已在多輪融資中籌集超過 7800 萬美元，其中最重要的是 2023 年 6 月由 a16z crypto 領投的 4300 萬美元 A 輪融資。CoinFund、Canonical Crypto、Protocol Labs 和 Eden Block 也參與了該輪融資。隨後由 a16z crypto 再次領投的後續風險投資輪增加了約 1670 萬美元，估值達到 10 億美元完全攤薄，Galaxy Digital 和 Maven 11 則補充了投資者名單。
公開銷售於 2025 年 12 月 15 日在 Sonar 平台上舉行，採用英式拍賣結構。三億個代幣，占總供應量的 3%，以約 0.0473 美元的平均價格成交。這使得廣泛的散戶投資者在一個罕見於此行業的低於最終發行價範圍的價格水平，獲得了有意義的早期參與機會。
AIGENSYN 代幣銷售、分配及銷毀機制
AIGENSYN 代幣的總供應量固定為 100 億。沒有通脹計劃。分配明細是最值得了解的部分，因為它告訴你未來供應的來源。
代幣的用途有三個方向。計算提供者和驗證者質押 AIGENSYN 以參與訓練任務並支持其工作的正確性。用戶支付 AIGENSYN 以訪問計算、查詢和基於該網絡構建的應用。持有者獲得關於財政部署和協議參數的治理權。
通縮機制於2026年5月1日啟動，當時GensynAI基金會啟用了程式化買入燒毀機制。該協議將0.5%的所有手續費收入用於於公開市場購買AIGENSYN，並永久銷毀所購買代幣的70％，剩餘的29％則流向社群國庫。Delphi專屬經濟模型更為激進：平台協議收入的70％用於銷毀，29％進入國庫，1.5％支付給市場創建者。此設計將代幣稀缺性直接與實際產品使用綁定，而非承諾的回購。
從RL Swarm到CodeZero：Gensyn測試網歷程
公開測試網於2025年3月啟動，採用RL Swarm作為第0階段。RL Swarm是一個點對點的強化學習框架，參與者運行節點並在網際網路上協同訓練模型，每次貢獻都會附加一個鏈上身份，因此聲譽會累積。任何人都可以克隆開源代碼庫，指向實時的Swarm，並開始貢獻。
進展大致如下：
- 2025年3月啟動測試網，RL Swarm在Reasoning Gym（一個數學和邏輯環境）上運行。
- 2025年11月用CodeZero取代Reasoning Gym，這是一個合作式編程環境，模型分為Solver、Proposer和Evaluator角色，共同完成真實的編碼任務。
- 2025年12月在測試網上開放Delphi，在公開銷售之前吸引了強烈的自然參與度。
這個測試網不僅僅是技術展示。Delphi 測試網上的一個體育市場吸引了超過 87,000 名交易者，並記錄了 488 萬美元的交易量，而一個奧斯卡市場吸引了超過 45,000 名交易者。這些數據為團隊提供了真實的資訊，以判斷 AI 結算層是否能夠應對現實世界的不確定性，這也是傳統預言機系統所難以解決的部分。
Delphi 主網與 Gensyn Compute 的首個實際應用
Delphi 於2026年4月22日在 Gensyn 主網上線，成為該網絡首個承載真實經濟價值的應用。Delphi 是一個無需許可的預測市場平台，任何人都可以針對任何主題創建市場，從價格目標到體育賽事結果或政治事件。其關鍵特色在於結算方式：由 AI 模型，而非人工預言機委員會，決定市場哪一方勝出。
每個市場內的定價由對稱的對數市場評分規則處理，這是與主要資訊市場相同的自動化市場做市商數學，價格根據資金流動實時調整。費用模型是將其與AIGENSYN經濟學綁定的關鍵。在協議收入的每一美元中，70% 用於購買並銷毀 AIGENSYN，29% 進入社區金庫，1.5% 獎勵市場創建者。Delphi 實際上是一個巨大的需求引擎，將投機量轉化為代幣銷毀。
Gensyn 在去中心化 AI 計算競爭者中的定位
去中心化 AI 計算領域競爭激烈，但其中的專案解決的問題各不相同。Gensyn 的定位比大多數專案更狹窄且技術要求更高。
- Bittensor (TAO) 作為次網路市場運行，驗證者以代幣獎勵表現最佳的模型。其重點在於推理與智慧聚合，而非訓練驗證。
- Render Network (RNDR) 從 3D 渲染發展為生成式 AI 運算，利用消費者與專業 GPU，無需機器學習專用的驗證證明。
- Akash 通過反向競標定價提供去中心化雲端，但不實施可驗證執行。
- io.net 與 Aethir 專注於整合 GPU 租賃市場，以供應商信譽為依據，而非密碼學保證。
Gensyn 的競爭護城河是 REE 加上 Verde 的組合。如果嚴肅的企業或研究工作負載需要可驗證的訓練，目前在該領域沒有其他主要項目推出同等設計。反面來說，這個利基市場也是最難擴展的，因為真正前沿模型的訓練是一小部分非常大的任務，而且要證明去中心化驗證能夠匹配集中式叢集速度仍在進行中。
AIGENSYN 代幣價格走勢及市場上懸而未決的鎖倉風險
AIGENSYN 代幣於 2026 年 4 月 29 日以約 0.031 美元啟動，數小時內飆升至 0.10 美元以上，隨後從高點回落約 45%。到 5 月 1 日，隨著啟動階段持有者退出，價格下滑至約 0.0357 美元，24 小時交易量超過 2700 萬美元，佔市值的 58％ 以上。撰寫本段時間，交易已穩定在約 0.044 至 0.058 美元區間，市值約為 5700 萬至 7300 萬美元，具體取決於供應快照，全稀釋估值（FDV）則介於 4.8 億至 5.5 億美元之間。
結構性壓力來自解鎖時間表。流通供應量僅占總量的13%。投資者和團隊合計54.6%的配額將在接下來的幾個季度內釋出，每一個鎖倉期滿或線性解鎖都會轉化為潛在的賣壓。看漲的論點在於Delphi的交易量以及更廣泛的運算需求是否會燒毀足夠的AIGENSYN以吸收該供應，避免成為結構性拖累。看跌的論點則是，在前18個月內，手續費收入相較於已歸屬供應仍然偏小，屆時價格發現將會基於解鎖曲線進行。
接下來應關注的Gensyn Network動態
下一階段較少關注敘事，而更多著眼於吞吐量。追蹤該專案的人最應關注三個指標：每週 Delphi 交易量及由此產生的銷毀率，通過 RL Swarm 和 CodeZero 進行的真實模型訓練任務的數量和規模，以及首次投資者解鎖事件的結構。這三者將共同告訴市場 Gensyn 是否能夠比供應擴張更快地將機構信譽轉換為網絡使用量。
更深層的押注，即支持技術複雜性的理由，是可驗證的去中心化訓練將成為一個真正的類別，而非僅僅是研究上的趣味。如果前沿 AI 的開發在未來三年內部分脫離集中式高性能計算服務提供商，Gensyn 是少數定位於該轉變所需的驗證層級的專案之一。觀察協議收益、觀察 Swarm 的增長、觀察解鎖進展。其他一切都是噪音。
