Together AI 与 Pearl Labs 合作，通过区块链降低 AI 推理成本
realtime news May 15, 2026 17:18
Together AI 与 Pearl Research Labs 合作，利用有用工作量证明（Proof of Useful Work）削减 AI 推理成本，为 GPU 工作负载生成加密奖励。
Together AI 与 Pearl Research Labs 联手应对人工智能领域最紧迫的挑战之一：高昂的推理成本。通过此次合作，双方为 Gemma-4-31B-it-pearl 模型推出了一个折扣推理端点，利用 Pearl 的 区块链协议将 AI 计算转化为 加密货币排放。Together AI 声称，这种设置将推理成本降低了 25% 以上，为部署大规模 AI 模型的企业带来了显著的潜在节省。
Pearl 方法的核心是有用工作量证明（Proof of Useful Work，PoUW），这是一种区块链共识机制，旨在用具有实际价值的计算取代传统耗能的工作量证明（Proof of Work，PoW）任务。在这种情况下，支持 AI 模型训练和推理的 GPU 周期同时为区块链提供安全保障并挖掘 Pearl 的原生加密货币 ¶PRL。这种双重效用不仅抵消了运营成本，还使 AI 工作负载具有经济生产力。
针对 Gemma-4-31B-it-pearl 的折扣端点是一种经过指令调优的大型语言模型，也是 Together AI 的 Pearl 集成产品系列中的首个产品。据 Pearl Research Labs 联合创始人兼首席执行官 Omri Weinstein 称，这一产品是 PoUW 应用的一个里程碑，展示了 AI 工作负载如何产生实实在在的经济效益。Weinstein 表示：“Pearl 改变了 AI 的单位经济学，通过让每一个 GPU 周期以零额外成本生成一种原生工作量证明数字资产 ¶PRL。”
有用工作量证明正逐渐成为传统区块链共识机制的更高效、更环保的替代方案。与依赖解决任意加密难题的 PoW 不同，PoUW 将计算资源引向有价值的任务，例如模型训练、科学模拟或数据分析。这些计算通过加密证明进行验证，确保它们既满足区块链的安全标准，也符合外部效用基准。最近在零知识证明和可验证计算方面的进展进一步推动了 PoUW 在主流应用中的采用，尤其是在去中心化 AI 基础设施项目中。
这一合作不仅是技术创新，更是一个在竞争激烈的 AI 领域中以降低成本为关键目标的战略举措。通过将区块链奖励集成到定价模型中，Together AI 正押注于加密激励的长期可行性以推动采用。这一时间点也与更广泛的趋势相吻合：去中心化计算网络正迅速采用 PoUW，使 AI 工作负载更透明、高效且具经济可行性。这项合作可能成为检验此类模型是否能在商业 AI 部署中有效扩展的试验案例。
对于有兴趣试验该技术的开发者和企业，Gemma-4-31B-it-pearl 端点现已通过 Together AI 平台上线。同时，Pearl Research Labs 正在继续努力，通过与其他 AI 提供商合作并推动 PoUW 框架的标准化，扩大 ¶PRL 的实用性和采用范围。
随着 AI 和区块链行业的融合，这类项目突显了分布式账本技术不只是一个数据库——它可以从根本上重塑计算的经济学。这一模型是否能被广泛采用，将取决于其是否能够为企业在 AI 部署的高风险领域提供持续的成本节省和无缝集成。
Image source: Shutterstock.jpg)