当前大模型的发展正面临两个根本性瓶颈：其一是商业结构不闭环，其二是训练范式的中心化。今天的AI系统，本质上仍是平台主导的集中式生产体系——数据由用户提供，价值却由平台攫取，导致数据生产者与收益获得者之间严重错位。同时，模型训练依赖封闭的数据集与离线流程，使智能演化路径被人为锁定，难以产生真正开放的增长。 一种可能的突破路径，是将大模型重构为类似 Bitcoin 的开放计算系统。其核心思想在于引入“类PoW（工作量证明）机制”，将数据与训练过程转化为可验证、可激励的计算贡献。在这种结构下，数据提供、模型优化等行为都可以被视为“挖矿”，参与者通过贡献高质量数据或计算能力获得收益，从而实现“用户即生产者、即消费者、亦即收益者”的价值闭环。 更深层的变革在于训练机制本身的重构。传统模型依赖静态数据与阶段性训练，而PoW化的大模型则演化为一个持续运行的动态系统：数据实时流入，模型持续更新，整体网络在竞争与协作中不断逼近更优状态。这一过程类似区块链中的交易与出块机制，使模型参数的演进具备时间性与不可逆性。 当“数据”本身被PoW化，AI系统将不再是简单的函数逼近器，而成为一个具备自组织能力的复杂演化系统。智能的增长不再完全可预测，而是通过非线性过程不断涌现出新的结构与能力。这标志着AI从“封闭的图灵机计算”迈向“开放的演化计算网络”。 从这一视角看，未来的人工智能不再只是一个被训练好的模型，而更像一个持续运行、不断生成新信息的计算生态系统——一个真正具有生命特征的智能网络。(Lux(λ) ｜光灵｜GEB)