FX168财经网_全球视野外汇黄金加密货币NFT资讯网

VanEck研报：2030年加密货币人工智能收入前景

用程序，这些应用程序可以支持人工智能、机器学习、视觉效果和渲染工作负载。这项服务将控制权交到我们的客户手中，同时将配置时间从几天缩短到几分钟，这对于那些寻求短期 HPC 项目的人来说尤其具有吸引力。小屋8已实现2023 年第三季度 HPC 业务收入为 450 万美元，占该公司同期收入的 25% 以上。对 HPC 服务和新产品的需求不断增长，应有助于该业务线的未来增长，随着比特币减半即将到来，HPC 收入可能很快就会超过挖矿收入，具体取决于市场状况。尽管他们的业务听起来很有前途，但转向人工智能的比特币矿工可能会因缺乏数据中心建设技能或无法扩大电力供应而陷入困境。由于雇用新的以数据中心为中心的销售人员的成本，这些矿工还可能会发现与运营管理费用相关的挑战。此外，当前的采矿作业没有足够的网络延迟或带宽，因为它们对廉价能源的优化导致它们位于偏远地区，通常缺乏高速光纤连接。为人工智能实施去中心化云我们还看到了以计算为中心的加密项目的长尾，这些项目将占据人工智能服务器资源市场的一小部分但很大一部分。这些实体将协调超大规模之外的计算集群，以提供适合新贵人工智能构建者需求的价值主张。去中心化计算的好处包括可定制性、开放访问和更好的合同条款。这些基于区块链的计算公司使小型人工智能参与者能够避免 H100 和 A100 等高端 GPU 的巨额费用和普遍不可用的情况。加密人工智能企业将通过创建围绕加密代币激励构建的物理基础设施网络来满足需求，同时提供专有IP来创建软件基础设施以优化人工智能应用程序的计算使用。区块链计算项目将使用市场方法和加密奖励来从独立数据中心、具有过剩计算能力的实体和前 PoW 矿工那里发现更便宜的计算。为人工智能模型提供去中心化计算的一些项目包括Akash、渲染和io.net。 Akash每日收入 Akash每日收入。资料来源：Cloudmos 截至 2024 年 1 月 30 日。过去的表现并不能保证将来的结果。 Akash 是一个基于 Cosmos 的项目，可以认为是一个通用的去中心化“超级云””，提供 CPU、GPU、内存和存储。实际上，它是一个连接云服务用户和云服务提供商的双向市场。Akash 的软件旨在协调计算供应与需求，同时创建促进 AI 模型训练、微调和运行的工具。Akash 还确保市场买家和卖家诚实履行其义务。Akash 通过其 $AKT 代币进行协调，该代币可用于以折扣价支付云服务费用。$AKT 还作为 GPU 计算提供商和其他网络参与者的激励机制。在供应方面，Akash 在添加计算供应商方面取得了长足进步，因为 Akash 市场上有 65 家不同的供应商。尽管在 Akash 的 AI 超级云于 2023 年 8 月 31 日首次亮相之前，计算需求一直低迷，最近迁移到 Solana 的 Render 最初专注于将艺术家与分散的团体联系起来，这些团体将提供 GPU 能力来渲染图像和视频。然而，Render 已开始将其去中心化 GPU 集群的重点放在满足机器学习工作负载上，以支持深度学习模型。通过网络改进提案RNP-004，Render 现在拥有一个 API 可以连接外部网络（例如 io.net），该网络将利用 Render 的 GPU 网络进行机器学习。渲染社区随后提出的提案获得通过，允许通过Beam和FEDML访问其 GPU来完成机器学习任务。因此，Render 已成为 GPU 工作负载的去中心化促进者，通过向提供商支付 RNDR 美元以及向运行网络后端基础设施的实体提供 RNDR 激励来协调。 Io.net GPU 价格比较。来源：io.net截至 2024 年 1 月 4 日。 Solana 上另一个有趣的项目是 io.net，它被认为是 DePIN 或去中心化物理基础设施网络。io.net 的目的也是提供 GPU，但其重点仅在于应用 GPU 来驱动 AI 模型。除了简单地协调计算之外，Io.net 还在其核心堆栈中添加了更多服务。其系统声称可以处理人工智能的所有组件，包括创建、使用和微调，以正确促进整个网络中的人工智能工作负载并对其进行故障排除。该项目还利用了其他去中心化 GPU 网络，例如 Render 和 Filecoin 及其自己的 GPU。尽管 io.net 目前缺乏代币，但计划于 2024 年第一季度推出。克服去中心化计算的瓶颈然而，由于典型的633TB+提出的网络需求，利用这种分布式计算仍然是一个挑战训练深度学习模型所需的数据。由于计算机能力的延迟和差异，位于全球各地的计算机系统也给并行模型训练带来了新的障碍。Together 是一家积极进军开源基础模型市场的公司，该公司正在构建一个去中心化云来托管开源人工智能模型。Together 将使研究人员、开发人员和公司能够通过结合数据、模型和计算的直观平台来利用和改进人工智能，扩大人工智能的可访问性并为下一代科技公司提供支持。Together 与领先的学术研究机构合作，构建了 Together 研究计算机，使实验室能够集中计算进行人工智能研究。该公司还与斯坦福基础模型研究中心 (CRFM) 合作创建了语言模型的整体评估 (HELM)。HELM 是一个“活基准”，旨在通过提供评估此类基础模型的标准化框架来提高人工智能的透明度。自 Together 成立以来，创始人 Vipul Ved Prakash 率先启动了多个项目，包括 1) GPT-JT，一个开放式 LLM，具有通过 <1Gbps 链路进行训练的 6B 参数模型，2) OpenChatKit，一个强大的开源基础，可创建专用和通用聊天机器人，以及 3) RedPajama，一个创建领先的开源模型的项目，其目标是成为研究和商业应用的基础。Together 平台是一个基础模型，由商品硬件上的开放模型、去中心化云和综合开发者云组成，汇集了不同的计算源，包括消费者矿工、加密矿场、T2-T4 云提供商和学术计算。 HELM (RAFT) 分数 GPT-JT 性能。来源：截至 2024 年 1 月 4 日的解码器。我们相信像Together这样的去中心化和民主化的云计算解决方案可以显着削减构建新模型的成本，从而有可能颠覆亚马逊网络服务、谷歌云和Azure等老牌巨头并与之竞争。就上下文而言，将 AWS 容量块和 AWS p5.48xlarge 实例与配置有相同数量的 H100 SXM5 GPU 的 Together GPU 集群进行比较，Together 的定价大约比 AWS 低 4 倍。随着开放式法学硕士变得越来越准确并得到更广泛的采用，Together 可能成为开源模型的行业标准，就像红帽之于 Linux 一样。该领域的竞争对手包括模型提供商 Stability A 和 HuggingFace，以及人工智能云提供商 Gensyn 和 Coreweave。通过加密货币激励增强人工智能模型区块链和加密货币激励措施证明，网络效应和与网络效应大小相关的奖励迫使人们从事有用的工作。在比特币挖矿的背景下，该任务是通过使用昂贵的电力、技术人力和 ASIC 机器来保护比特币网络。这种经济资源的协调提供了一种女巫攻击防御机制，防止对比特币的经济攻击。作为交换，协调这些资源的矿工将获得 BTC 美元。然而，人工智能有用工作的绿色空间要大得多，一些项目已经在推动人工智能和机器学习模型的改进。这些项目中最原始的是Numerai。目前，Numerai 可以被视为一项去中心化数据科学锦标赛，旨在确定最佳机器学习模型，通过建立股票投资组合来优化财务回报。在每个时代，匿名 Numerai 参与者都被授予访问隐藏原始数据的权限，并被要求利用这些数据来构建表现最佳的股票投资组合。为了参与，用户不仅被要求提交预测，还被迫在其模型的预测背后投入 NMR 代币，以证明这些模型的价值。其他用户也可以在他们认为性能最佳的模型上投入代币。然后，每个质押、提交的模型的输出都会被输入到机器学习算法中，以创建一个元模型，为 Numerai One 对冲基金的投资决策提供信息。提交具有最佳信息系数或有效性的“推论”的用户将获得 NMR 代币奖励。与此同时，那些质押最差模型的人的代币将被削减（没收并重新用于奖励获胜者）。 Bittensor 上的子网和用例。来源： https: //taostats.io/api/截至 2024 年 1 月 2 日。 Bittensor是一个大规模扩展 Numerai 核心概念的类似项目。Bittensor 可以被认为是“机器智能的比特币”，因为它是一个为 AI/ML 模型提供经济激励的网络。这是由构建人工智能模型的“矿工”和评估这些模型输出质量的“验证者”实体来完成的。Bittensor 的架构是一个基础网络和许多较小的子网（子网）的架构。每个子网络都专注于机器智能的不同领域。验证者会向这些子网上的矿工提出各种问题或请求，以评估其人工智能模型的质量。表现最好的模型将获得最高的 TAO 代币奖励，而验证者则因对矿工的准确评估而获得补偿。在更高的层面上，验证者和矿工都必须质押代币才能参与每个子网，每个子网占总质押的比例决定了它从所有 Bittensor 总通胀中获得多少 TAO 代币。因此，每个矿工不仅有动力优化其模型以赢得最多的奖励，而且有动力将其模型集中在最佳的人工智能领域子网上。此外，由于矿工和验证者必须维持资金才能参与，因此每个人都必须超过资本成本障碍，否则就会退出系统。截至 2024 年 1 月，共有 32 个不同的子网，每个子网专用于机器学习或人工智能的特定领域。例如，Subnet 1是类似于ChatGPT的提示LLM的文本。在这个子网上，矿工运行各种经过调整的 LLM 版本，以最好地响应评估响应质量的验证者的提示。在名为“Taoshi”的子网 8 上，矿工提交对比特币和各种金融资产价格的短期预测。Bittensor 还拥有专用于人类语言翻译、存储、音频、网络抓取、机器翻译和图像生成的子网。子网创建是无需许可的，任何拥有 200 TAO 的人都可以创建子网。子网运营商负责为每个子网的活动创建评估和奖励机制。例如，Opentensor，Bittensor 背后的基础，Cerebras评估矿工在该子网上的 LLM 输出。虽然这些子网最初都是由通货膨胀奖励全额补贴的，但每个子网最终都必须在经济上维持自身。因此，子网运营商和验证者必须协调创建工具，以允许外部用户付费访问每个子网的服务。随着通货膨胀的 TAO 奖励减少，每个子网将越来越依赖外部收入来维持自身。在这种竞争环境中，存在着创造最佳模型的直接经济压力以及其他人创造有利可图的现实世界的激励措施这些模型的应用程序。Bittensor 正在利用斗志旺盛的小型企业来识别人工智能模型并从中获利，从而释放人工智能的潜力。正如著名的 Bittensor 传播者 MogMachine 所说，这种动态可以被视为“人工智能的达尔文竞争”。另一个有趣的项目是利用加密技术来激励人工智能代理的创建，这些人工智能代理被编程为代表人类或其他计算机程序自主完成任务。这些实体本质上是旨在解决特定问题的自适应计算机程序。代理是一个包罗万象的术语，涵盖聊天机器人、自动交易策略、游戏角色，甚至虚拟宇宙助手。该领域的一个著名项目是Altered State Machine，这是一个使用 NFT 创建拥有、供电和训练的人工智能代理的平台。在 Altered State Machine 中，用户创建他们的“代理”，然后使用分散的 GPU 集群“训练”它们。这些代理针对特定用例进行了优化。另一个项目，Fetch.ai，是一个用于创建根据每个用户的需求定制的代理的平台。Fetch.ai 也是一家 SaaS 业务，允许注册和租赁或出售代理。自 2023 年 1 月 1 日起 AI 代币的回报来源：Artemis XYZ 截至 2024 年 1 月 10 日。过去的表现并不能保证将来的结果。通过零知识 (zk) 证明进行验证 2023 年是新 AI 模型的标志性一年，OpenAI 推出了 ChatGPT、Meta 推出的 LLAMA-2 以及 Google 推出的 BERT。由于深度学习的前景，截至 2023 年 6 月，美国有超过18,563 家人工智能相关初创企业。这些初创企业和其他企业已经生产了数千个新的基础模型和微调模型。然而，在人工智能相关公司投资的每 4 美元风险投资中就有 1 美元投资的领域中，许多新实体的激增应该引起严重关注。谁实际创建并拥有每个模型？输出实际上是由指定模型产生的吗？该模式真的像宣传的那样有效吗？每个模型的数据源是什么以及谁拥有该数据？训练、微调和/或推理是否侵犯了任何版权或数据权？这些模型的投资者和用户都应该 100% 确定他们可以解决这些问题。目前，针对 LLM 输出的不同组件存在许多基准测试，例如用于代码生成的HumanEval、用于 LLM 辅助任务的Chatbot Arena以及用于 LLM 推理能力的ARC Benchmark 。然而，尽管尝试了模型透明度，例如 Hugging Face 的Open LLM Leaderboard，没有具体证据证明模型的有效性、最终来源或其训练/推理数据的来源。不仅可以对基准进行游戏，而且还不能确定特定模型是否实际运行（而不是使用连接到另一个模型的 API），也不能保证排行榜本身是诚实的。这就是公共区块链、人工智能和称为零知识（zk）证明的前沿数学领域的统一。zk 证明是密码学的一种应用，它允许某人以所需水平的数学确定性证明他们对数据所做的陈述是正确的，而无需向任何人透露底层数据。语句可以包括简单的声明（例如排名），但可以扩展到复杂的数学计算。例如，某人不仅可以证明他或她知道某个样本的相对财富而不向另一方透露该财富，而且他或她还可以证明该群体的平均值和标准差的正确计算。本质上，您可以证明您了解数据和/或您使用该数据做出了真实的断言，而无需透露该数据的细节或您如何进行计算。在 AI 之外，zk 证明已经被应用于扩展以太坊，允许交易在第 2 层区块链上进行链下交易。最近，zk 证明已应用于深度学习模型，以证明：使用特定数据来生成模型或提供推理输出（此外，未使用哪些数据/源）使用特定模型来生成推论推理输出未被篡改 zk 证明可以发布到公共、永久的区块链上，并通过智能合约进行验证。结果是区块链可以公开且无可辩驳地证明人工智能模型的重要属性。将 ZK 应用于 AI 的两个前沿项目被称为“零知识机器学习”（ZKML），即EZKL和Modulus。EZKL 使用Halo2证明系统生成 zk-snarks，这是一种零知识证明，然后可以在以太坊的 EVM 上公开验证。EZKL 首席执行官Jason Morton表示，虽然 EZKL 目前可以证明的模型大小相对较小，约为 100M 参数，而 ChatGPT 4 的参数为 175B相信他们正在考虑的是“工程问题”而不是“技术限制”问题。EZKL 相信他们可以通过拆分并行执行的证明来克服证明问题，从而减少内存限制和计算时间。事实上，杰森·莫顿相信有一天，“验证模型将像签署区块链交易一样简单。” ZKML证明应用于人工智能可以解决人工智能实现的重要痛点，包括版权问题和人工智能安全。正如《纽约时报》最近针对 Open AI 和微软的诉讼所表明的那样，版权法将适用于数据所有权，人工智能项目将被迫提供其数据来源的证明。ZKML 技术可用于快速解决法庭上有关模型和数据所有权的争议。事实上，ZKML 的最佳应用之一是允许Ocean Protocol和SingularityNet等数据/模型市场证明其列表的真实性和有效性。人工智能模型最终将扩展到准确性和安全性至关重要的领域。据估计，到 2027 年，人工智能边缘设备将达到5.8B 个，其中可能包括重型机械、机器人、自动无人机和车辆。由于机器智能应用于可能伤害和杀人的事物，因此使用来自可靠来源的高质量数据来证明该设备上运行了信誉良好的模型非常重要。尽管从这些边缘设备构建连续的实时证明并将其发布到区块链可能在经济和技术上具有挑战性，但在激活时验证模型或定期发布到区块链可能更可行。然而，来自0xPARC的 Zupass基金会已经建立了源自“携带数据证明”的原始证明，可以廉价地建立边缘设备上发生的事实证明。目前，这与活动出席有关，但可以预见，这种情况很快就会迁移到身份甚至医疗保健等其他领域。机器人外科医生的人工智能模型有多好？机器人辅助手术。资料来源：截至 2024 年 1 月 30 日的《麻省理工学院技术评论》。从可能因设备故障而承担责任的企业的角度来看，拥有可验证的证据来证明他们的模型不是代价高昂的事故的根源似乎是理想的选择。同样，从保险的角度来看，验证和证明基于实际数据训练的可靠模型的使用可能在经济上变得必要。同样，在人工智能深度伪造的世界中，利用经过区块链验证和证明的相机、手机和计算机来执行各种操作可能会成为常态。当然，这些设备的真实性和准确性的证明应该发布到公共开源分类账上，以防止篡改和欺诈。尽管这些证明有着巨大的前景，但它们目前受到天然气费用和计算开销的限制。按照当前的 ETH 价格，在链上提交证明需要花费大约 300-500k 的 Gas（按照当前的 ETH 价格约为 35-58 美元）。从计算的角度来看，Eigenlayer 的 Sreeram Kennan 估计，“在 AWS 上运行需要花费 50 美元的证明计算，使用当前的 ZK 证明技术将花费约 1,000,000 倍的成本。” 结果是，zk 证明的发展速度比几年前任何人的预期都要快得多，但在打开实际用例之前还有很长的路要走。假设有人对 ZKML 的应用感到好奇。在这种情况下，他们可以参加由经过验证的链上智能合约模型评判的去中心化歌唱比赛，并将其结果永久上传到区块链。通过基于区块链的身份建立人性广泛、先进的机器智能的一个可能后果是，自主代理将成为最多产的互联网用户。人工智能代理的释放很有可能会导致整个网络受到有目的的机器人生成的垃圾邮件甚至无害的基于任务的代理堵塞网络的干扰（“摆脱垃圾电子邮件”）。索拉纳当机器人争夺大约价值 10 万美元的套利机会时，每秒有 100 GB 的数据流量。想象一下，当人工智能代理可以勒索数百万个企业网站并勒索数十亿美元时，将会出现怎样的网络流量洪流。这表明未来的互联网会对非人类流量施加限制。限制此类攻击的最佳方法之一是对过度使用廉价资源征收经济税。但我们如何确定垃圾邮件收费的最佳框架，以及如何确定人性化？幸运的是，区块链已经采用了内置防御来防止人工智能机器人式的女巫攻击。计量非人类用户与非人类用户收费的结合将是一种理想的实现方式，同时稍微繁重的计算（如Hashcash）会抑制机器人。在人性证明方面，区块链长期以来一直在努力克服匿名性，以解锁诸如抵押不足的贷款和其他基于声誉的活动等活动。获得动力来证明身份的一种方法是使用JSON Web 令牌 (JWT)。JWT 是“0Auth”凭证，类似于“cookie”，是在您登录 Google 等网站时生成的。它们允许您在登录 Google 后访问互联网上的各个网站时展示您的 Google 身份。zkLogin由 L1 区块链Sui创建，允许用户将其钱包私钥和操作链接到生成 JWT 的 Google 或 Facebook 帐户。零点对点进一步扩展了这个概念，使用 JWT 来无需许可地允许用户在 Base 区块链上用法定货币交换加密货币。这是通过支付应用程序 Venmo 确认点对点现金转账来完成的，当通过电子邮件 JWT 确认时，解锁智能合约托管的 USDC 代币。这两个项目的结果是它们与链下身份建立了牢固的联系。例如，zkLogin 将钱包地址连接到 Google 身份，而 zkP2P 仅适用于 Venmo 的 KYC 用户。尽管两者都缺乏足够可靠的可靠保证来实现链上身份，但它们创建了其他人可以使用的重要构建块。虽然许多项目都试图确认区块链用户的人类身份，但最大胆的是OpenAI 首席执行官Sam Altman创立的WorldCoin。尽管备受争议，因为用户必须扫描虹膜使用反乌托邦的“Orb”机器，世界币正在走向一个不可篡改的身份系统，该系统不能轻易伪造或被机器智能所淹没。这是因为 WorldCoin 根据每个人独特的眼睛“指纹”创建了一个加密标识符，可以对其进行采样以确保唯一性和真实性。经过验证后，用户会收到 Optimism 区块链上名为 World ID 的数字护照，允许该用户在区块链上证明自己的人性。最重要的是，一个人的独特签名永远不会被泄露，也无法被追踪，因为它是加密的。World ID 只是断言区块链地址属于人类。Checkmate 等项目已经将 World ID 与社交媒体资料链接起来，以确保用户的独特性和真实性。在人工智能主导的未来互联网中，在每一次在线互动中明确证明人性可能会变得司空见惯。当人工智能克服了验证码的局限性时，区块链应用程序可以廉价、快速、具体地证明身份。通过区块链技术为人工智能做出贡献毫无疑问，我们正处于人工智能革命的早期阶段。然而，如果机器智能的增长轨迹符合最大胆的根据预测，人工智能必须面临挑战，才能脱颖而出，同时抑制其潜在危害。我们相信，加密货币是正确“训练”结果丰富但潜在阴险的人工智能植物的理想网格。区块链的人工智能解决方案集可以通过为机器智能创造者提供响应更快、更灵活且可能更便宜的去中心化计算来提高机器智能创造者的产出。它还激励能够创建更好模型的构建者，同时为其他人提供经济动力，让他们利用这些人工智能模型构建有用的业务。同样重要的是，模型所有者可以证明其模型的有效性，同时证明未使用受保护的数据源。对于人工智能用户来说，加密应用程序可以确认他们运行的模型是否符合安全标准，并且可能很有用。资料来源：VanEck Research，项目网站，截至 2024 年 1 月 15 日。提供第三方网站的链接是为了方便起见，包含此类链接并不意味着我们对链接网站中包含的或可从链接网站访问的任何内容或信息进行任何认可、批准、调查、验证或监控。点击非 VanEck 网页的链接，即表示您承认您进入的第三方网站受其条款和条件的约束。VanEck 对第三方网站的内容、访问合法性或适用性不承担任何责任。披露：VanEck 通过我们与早期风险投资经理 Cadenza 的战略合作伙伴关系在 Together 中占有一席之地，Cadenza 非常友善地为“克服去中心化计算的瓶颈” 部分做出了贡献。特别感谢：贾森·莫顿，ZKML 首席执行官 Ala Shabana，Bittensor 联合创始人 Arrash Yasavolian，Bittensor 的 Taoshi 子网创始人 Greg Osuri，Akash 首席执行官兼创始人 zkP2P首席执行官梁泽强 Sui 区块链团队的主要成员 – Sam Blackshear、Nihar Shah、Sina Nader、Alonso Gortari 来源：金色财经

金色财经2024-02-20

AI大浪将至：3EX AI交易助您乘风破浪

字资产交易体验。凭借其先进的AI算法和机器学习模型，致力于帮助投资者更好地应对市场波动，捕捉投资机会，取得成功。强大的AI分析能力：3EX配备了先进的AI算法和机器学习模型，可以快速而准确地分析市场趋势。这包括处理大量市场数据，包括历史价格、市场情绪指标以及全球宏观经济事件的影响。这使投资者能够更好地理解市场状态并捕捉潜在的投资机会。实时监测和自动化分析：3EX AI交易机器人具有实时监测市场情况的能力，能够追踪资产价格波动并识别潜在的市场趋势变化。这种自动化监测和分析过程使投资者能够快速做出反应，减少了人为错误的风险，提高了决策的准确性。自动化风险管理：3EX平台可以实施自动化的风险管理策略，如止损和止盈订单。当市场出现不利波动时，AI交易会自动触发这些订单，以减小损失。这种自动化风险管理措施不仅减轻了投资者的压力，还确保了风险在可控范围内。全面灵活支持：3EX AI交易机器人为投资策略制定和交易过程提供全面的支持。投资者可以结合AI交易的分析和建议，制定更有效的投资策略，适应不同市场环境的变化。这种灵活性是投资成功的关键之一。全过程智能服务：3EX提供了一站式的智能交易体验，用户可以与AI对话，轻松定制交易策略、调整参数设置、模拟历史盈亏，并实现自动执行交易指令。此外，用户可以选择跟随优质策略，即使是交易新手也能享受到专业交易者的投资体验。 AI大浪将至，3EX AI交易平台凭借其卓越的功能和优势，必将成为投资者的得力助手和智能武器，助您在数字资产交易中乘风破浪、取得成功！ 3EX相关链接： Twitter(EN): https://twitter.com/3exglobal Twitter(CN): https://twitter.com/3EX_ZH Facebook: https://www.facebook.com/profile.php?id=100092234370403 Instagram: https://www.instagram.com/3EX.Exchange/ Medium: https://medium.com/@3ex Reddit：https://www.reddit.com/user/3EXGLOBAL Youtube：https://youtube.com/@3EXGLOBAL?feature=shared 来源：金色财经

金色财经2024-02-20

2024 年去中心化云计算的崛起

用提供突破性的解决方案，包括人工智能、机器学习和去中心化应用程序（DApps）托管。去中心化的主要驱动因素 1. 区块链赋能：区块链技术的成熟起到了催化剂的作用，使去中心化云平台能够重新定义计算领域。 2. 安全性增强：去中心化云系统中嵌入的增强型安全协议可减少漏洞，提高信任度和可靠性。 3. 自主智能合约：智能合约是去中心化云计算不可或缺的组成部分，可实现流程自动化，确保生态系统内无缝、无信任的互动。去中心化云计算应用 1. 人工智能和机器学习：去中心化云平台有望彻底改变人工智能和机器学习应用，为复杂计算提供可扩展的安全基础设施。 2. 去中心化应用托管：在去中心化云生态系统上托管 DApp 可提高复原力、抗审查能力和以用户为中心的体验。 3. 基于区块链的 Web3 基础设施：去中心化云平台上 Web3 基础设施的出现促进了以用户为中心、区块链集成应用的新时代。去中心化云计算的优势 1. 增强安全性和隐私性：强大的加密措施和去中心化数据存储增强了安全性和隐私性，降低了与中心化相关的风险。 2. 弹性和冗余：分散式云平台利用分布式架构，确保在面对故障或攻击时具有更强的恢复能力和冗余性。 3. 社区治理：社区驱动的治理模式赋予用户权力，允许集体决策，并在去中心化云生态系统中培养主人翁意识。挑战和考虑因素 1. 可扩展性问题：可扩展性仍然是一个令人担忧的问题，去中心化云平台必须应对这一挑战，以适应不断增长的用户群和不断增加的计算需求。 2. 与传统系统集成：与现有遗留系统的无缝集成是一个考虑因素，需要仔细规划，以促进向分散式云计算的平稳过渡。 3. 监管环境：不断变化的监管环境要求采取细致入微的方法，分散式云计算平台既要满足合规要求，又要保持其分散式的核心原则。总结 2024 年，去中心化平台的崛起将见证云计算领域突破性的模式转变。在区块链技术进步的推动下，这些平台提供了更高的安全性、通过智能合约实现的自主性，以及人工智能、机器学习和 DApp 托管方面的变革性应用。虽然挑战依然存在，但去中心化云生态系统的发展轨迹预示着未来的计算能力将是分布式的、弹性的和社区驱动的。关于 ChainStar ChainStar 是一家数字金融服务提供商，为金融科技、区块链、娱乐等领域量身定制信息技术解决方案。 ChainStar 作为区块链技术领域的先行者，不仅能以专业的技术提供满足特定行业场景的全面解决方案，还可以提供高端研发、定制开发和运营服务。 ChainStar 的业务能力包括创建顶级的 DEX 和 CEX 平台、创新性的 DApps、智能合约生态系统以及满足企业独特需求的定制化解决方案。我们致力于用丰富的经验和最前沿的技术为用户精心打造每一个项目。访问 https://chainstar.cloud 了解更多关于 ChainStar 的信息。如需演示或商务合作，请发送电子邮件至 business@chainstar.cloud 关注 ChainStar 官方社交媒体： Twitter | Instagram | Facebook | YouTube 来源：金色财经

金色财经2024-02-20

中科信息上涨5.33%，报32.6元/股

公司在自动推理和定理机器证明、人工智能机器学习、图像处理与智能分析领域处于国际先进水平，已承担过多项国家“863”、“973”重点项目，取得各种科技成果1000多项，获得包括国家自然科学二等奖,国家发明二等奖,国家科技进步二、三等奖等200余项奖励。截至9月30日，中科信息股东户数6.41万，人均流通股4427股。 2023年1月-9月，中科信息实现营业收入1.96亿元，同比增长9.35%；归属净利润2218.18万元，同比增长5.46%。

金融界2024-02-20

去年同期融资1900万美元如今发布内部测试网：Monad能否改变L1赛道？

Hon带领的团队，是一群在高性能计算、机器学习、分布式系统等领域有着深厚背景的专家，他们在Jump Trading积累的丰富经验。在Keone和James的领导下，Monad Labs挑战了现有的Layer1加Layer2的扩容策略。他们认为，虽然这种策略在短期内能够解决扩容问题，但长远来看，它破坏了区块链本质上的可组合性。 Monad的目标是创建一个高性能的底层网络，通过并行处理技术显著提升执行效率，既保持了链上的可组合性，又能支持更复杂的应用和更广泛的采用。他们的愿景是实现一种性能远超以太坊的区块链基础设施，开辟去中心化应用的新天地。 2023年末，Helius的首席执行官Mert Mumtaz与顶级风险投资公司Paradigm的首席技术官Georgios Konstantopoulos等行业重量级人物，纷纷对Monad及其并行EVM概念给予了极高的评价和期待。 TPS高达1万，Monad致力于成为完全去中心化且具备可扩展性的L1平台 Monad不同于传统区块链项目，它是一个采用权益证明（PoS）机制、与以太坊虚拟机（EVM）兼容的第一层（L1）区块链平台。其核心目标是通过技术创新，显著提高以太坊生态系统内的执行效率。Monad通过深度定制的虚拟机设计和改良的拜占庭容错（BFT）共识机制，实现了每秒可处理高达10,000笔智能合约交易的惊人吞吐量。在技术层面，Monad通过一系列革命性的设计和优化，从根本上提升了区块链的性能。使用C++和Rust编写的客户端强调了性能的重要性，Monad面对了包括低效存储访问、单线程执行限制、有限的执行预算等一系列以太坊当前面临的挑战，并通过引入并行交易执行、延迟执行和MonadDb这一专为区块链状态存储优化的数据库，成功地解决了这些问题。 Monad之所以选择作为一个独立的L1区块链而非采用Rollup方案，主要基于去中心化、性能和专注这三个关键因素。与依赖少数操作者的Rollup相比，Monad致力于创建一个完全去中心化、具有超高性能且极具可扩展性的平台。这种决策不仅反映了Monad对于去中心化的承诺，也展现了其团队在推动区块链技术发展、提升计算效率和用户体验方面的专注和贡献。 Monad的技术创新和战略选择共同书写了区块链技术新篇章的开始。随着该项目吸引越来越多的关注和参与，Monad正准备在推进区块链技术的同时，开拓加密世界的新未来。作为最懂Meme社区玩法的L1项目，甚至有骗子打着Monad的名义骗取钱财 Monad通过其独特的社区互动和营销策略（如Meme大赛），展示了如何利用社交媒体和meme文化来增强品牌形象和社区凝聚力。这种策略的成功让人联想到了Solana的社区建设之路，后者同样通过meme营销策略吸引了大量忠实用户。这样的比较让人好奇，Monad是否能够借鉴Solana的经验，在Layer1扩容领域创造自己的传奇故事。尽管Monad在社区建设和营销方面取得了不小的成就，其技术前景和生态潜力才是业界真正关注的焦点。目前，Monad尚未详细公布代币信息和主网测试的具体情况，这让投资者和社区成员对其未来充满了期待与不确定。Keone曾透露，有接近60家项目计划在Monad平台上进行构建，这表明其技术基础和生态潜力得到了市场的认可。随着Monad品牌的影响力日益扩大，社交媒体上出现的钓鱼仿号也为社区成员带来了安全风险。Monad官方对此已多次发出警告，提醒社区成员保持警惕，避免因泄露个人信息而受骗。来源：金色财经

金色财经2024-02-20

晚间必读5篇 | 如何看待稳定币前景？

报告研究了开发去中心化计算协议、零知识机器学习 (zkML) 基础设施和AI智能体的项目。点击阅读 2.AI概念代币领涨还有哪些AI加密项目值得关注 AI的潜力巨大且多样，可应用于我们生活的各个方面。很明显，一年多来人们对AI的兴趣一直在稳步增长。另一方面，比特币目前缺乏广泛的普及。然而，AI和加密货币的结合有潜力创造一个价值数万亿美元的市场。点击阅读 3.从RGB到RGB++：CKB如何赋能比特币生态资产协议 RGB 协议是比较有潜力的BTC拓展协议，本质是一种链下计算系统，它采用了和闪电网络类似的思想：用户亲自验证并授权和自身相关的资产变动事宜（Verify by yourself），把交易发起者认可的结果/承诺提交到比特币链上。点击阅读 4.NFT 拆分协议 ERC-404 昙花一现? 年前 ERC404 引起了诸多关注，一度导致以太坊 gas 飙升，目前 $PANDORA 回调到了 1 万多。刚好在初期热度回落时我们来理性聊一聊。点击阅读 5.Y Combinator合伙人：如何看待稳定币前景？初创企业孵化器 Y Combinator 发布了最新的“初创企业需求”，列出了 20 个“希望看到更多人致力于实现”的想法。不出所料，该名单以人工智能为特色，但也有一个与加密货币相关的主题——稳定币金融。稳定币是与法定货币（通常是美元）价格挂钩的代币。稳定币发行人通常会从支持代币的储备中获得收益——这种做法可以带来高额利润。点击阅读来源：金色财经

金色财经2024-02-19

AI概念代币领涨还有哪些AI加密项目值得关注

一种开源协议，为去中心化、基于区块链的机器学习网络提供支持。模型进行协作并根据其价值赚取BAI代币。该网络使用权益证明区块链，其中BAI驱动整个系统。代币经济学：BAI代币供应量 2100 万枚，从 2027 年开始将经历 64 次减半事件。在第一次减半之前，代币供应量每年将增加约 260 万枚代币。 wBAI是用于 DEX 交易的包装代币版本 wBAI价格：7.6 美元市值：2300 万美元 EnqAI，代币ENQAI EnqAI 是一个领先的人工智能平台，在生成图像、音频和大语言模型方面提供无限的可能性。它由去中心化的 GPU 网络提供支持，确保公正、无隐秘意图和未经审查的功能。它作为创新者开辟了新天地。 EnqAI 代币将在更广泛的 EnqAI 生态系统中发挥各种作用：为 LLM 节点提供激励；为推理客户提供折扣；参与治理；通过质押增强网络安全；鼓励推理节点的正常运行时间 ENQAI价格：0.042 美元市值： 4100 万美元 Devolved AI，代币AGC Devolved AI 寻求通过去中心化和透明度重新定义 AI 发展格局。该生态系统由其专有的 L1 技术提供支持，为开发人员提供构建 dApp 的机会。他们的目标是消除AI的中心化并确保其惠及大众。通过价值证明 (PoV) 协议，他们激励并认可成员的贡献，培育一个充满活力的生态系统，让每个声音都很重要，每个努力都受到重视。 AGC代币不仅仅是一种数字资产；它是通向 Devolved AI 庞大生态系统的门户。 AGC价格：0.45 美元市值：2000 万美元 SleeplessAI，代币AI SleeplessAI专注于 AI 和 Web3。这就足够了。主要思想是该代币在币安上交易并具有AI代码。众所周知，加密货币喜欢联想、有趣或简单的东西；记住$DOGE / $PEPE。因此，就AI而言，这只是市场会欣赏它的一个想法，此外，在币安上进行交易还会带来巨大的好处。不要在链上购买；那里没有流动性。不要期望立即上涨；市场仍然需要感受这个想法。对于所有项目，寻找更好的切入点并考虑 DCA。然而，如果你对某个项目的潜力有坚定的信心，并准备长期持有它，那么以任何价格首次进入可能是一个不错的决定。山寨季可能会出乎意料地开始，并且至少拥有一个起始位置可能是有利的。现在，我想介绍一下还没有代币的项目 Grass，代币GRASS Grass平台利用用户未使用的互联网资源，将你的在线形象转变为有价值的商品。换句话说：你只需上网即可产生被动收入。 GRASS代币尚未推出，但似乎已得到确认。用户现在可以开始耕种积分，稍后将转换为代币。怎么开始：在http://tinyurl.com/getgrasspoints注册；下载适用于你的浏览器的“Grass Extension”；照常浏览互联网；推荐朋友以获得额外奖励；你可以连接更多设备来赚取额外积分。 KIP协议，代币KIP KIP 协议是一个开源 Web3 框架，旨在简化AI应用程序去中心化知识资产的开发、控制和货币化，以启动 KnowledgeFi。该协议让AI创新者展示他们在数据生成、模型训练、应用程序开发等方面的技能，并提供清晰的记账和收入共享。每个元素都封装在 ERC-3525 半同质代币 (SFT) 中，允许在用户参与时在组件之间实时无缝、经济高效地转移经济价值。 KIP代币既充当协议中的记账单位又充当主要交易货币。最大供应量：100亿枚KIP，3% 将分配用于公开销售。 Swan Chain Swan是一个基于 OP 堆栈构建的 EVM 2 层 AI 计算链。其主要重点是协助AI项目将存储、计算和支付功能无缝集成到一个统一的套件中。它目击了 300 万美元，Binance是主要投资者之一。目前，Swan公共测试网正在进行中，截止日期为 3 月 22 日。保持参与总是最好的。在这篇文章中，我讨论了我长期相信的项目。考虑到AI发展的各个方面，该领域有望成为最大的市场之一，并有可能带来显着的增长（以积极的方式）。爆发效应可能仅在10-20-30年以上才会发生。来源：金色财经

金色财经2024-02-19

Ai赛道大火,代币盘点,还有哪些机会？Starknet上线,长期来看对比Arb具备哪些优势？

景。 ?. $FET: 基于人工智能和机器学习的区块链平台。 ?. $NFP: 一个 ?? 驱动的 ??? 平台，专为新一代 ???? 创作者而设计，它是一个集 ?? 创作、社交和商业化于一体的平台。 ?. $WLD: ????????? 是由 ?????? 创始人 ??? ?????? 创立的??????项目。是建设一个全球最大的，公平的数字身份和货币体系。 ?. $ALT: ??? ???????? 是首个致力于数据注释和 ?? 模型训练的 ???? 数据基础设施。 ?. $AI: ????????? ?? 是一款基于 ?? 的虚拟伴侣游戏，利用 ???? 和 ??? 来创建丰富的基于故事的游戏玩法以及与角色有机发展的互动。晴天这里说一个币种：$Rare，现价0.1290，近期ai币大火，且看看rare炒作逻辑，技术角度，rare目前0.1290，有机会可以去0.2左右，这里到0.2都是真空。目前eth的nft交易量已经超过sol，nft市场正在复苏。打开dune，blur的dau和交易量在上升，和他一起上升的仅有superrare，look和x2y2都不行，blur的市值10个亿，rare的市值1个亿都不到，和looks还有x2y2一个水平。 rare从本来的无用变成有用，rareprotocol的质押功能出现，你可以毒株你喜欢的艺术品，从上面分取收益。而且rare并不是同质化的nft拍卖平台，是艺术品平台，上面卖的东西很赛博朋克，期待乘着AI的风，成为王炸！我是晴天，一个老韭菜，祝你暴富，点个关注吧，瑞思拜！来源：金色财经

金色财经2024-02-19

Octavia：基于 AI 构建链上意图设施,引领智能化加密时代

于质押、高级功能解锁、投票参与治理以及机器学习模型的训练，从而使用户能够赚取额外的 $VIA 代币，该资产 Octavia 生态系统的运营中发挥着至关重要的作用。质押通过质押 $VIA 资产，用户将能够获得生态系统奖励。该机制旨在激励用户积极参与 Octavia 生态系统。质押的代币将被锁定，减少流通供应并确保健康的生态系统，而产生的奖励可以成为代币持有者的被动收入来源。高级功能 $VIA 持有者将有机会访问先进的工作流程、私人模式、自动交易等。通过质押足够的 $VIA 代币，该实用程序鼓励用户持有和使用 $VIA 代币，从而促进市场上 $VIA 的需求增加和流通量减少。治理作为一个去中心化平台，Octavia 允许 $VIA 代币持有者参与决策过程。他们可以对新功能、协议调整或生态系统的任何变化提出、讨论和投票。这意味着 Octavia 平台的方向和发展掌握在社区手中，这符合去中心化和开放发展的精神。 “Train-To-Earn” Train-To-Earn 是一个全新的概念，用户可以通过提供有关 Octavia 产出的反馈来获得生态系统奖励，从而直接为 Octaiva 的发展做出贡献。该机制经过专门设计，不仅增强了 Octavia 的功能，而且还创建了一个积极的反馈循环，用户因对平台的贡献而获得奖励。目前，Octavia 已经与 Openfabric AI、Masterblox、DexCheck、Chappyz、DeFiMint、NeoCoder、Arcanum Ventures、HyperGPT、Solidus Ai Tech 等建立了合作伙伴关系，并获得了 Genesis Capital、Brotherhood Ventures、Castrum Capital、Poolz Ventures、MoonBoots DAO、Xtream Capital、 Normie Capital、DCI Capital 、Automatic Venture Group、Founderheads、Simurg、Mapleblock Capital 、PMZ Capital、 Coinvestor Ventures、DuckDAO、BlockVerse Capital 等的投资支持。目前，随着 Octavia 应用程序的启动，$VIA 代币也正在被推向市场。在 2024 年 2 月 12 日至 2 月 19 日期间，$VIA 代币已经陆续在 DAO Maker、ChainGPT、Decubate、Poolz 几个 LaunchPad 平台进行了 Launch，并实现了早期的启动。而在北京时间 2 月 20 日 21:00（LaunchPad 结束），$VIA 将上线 Gate 平台，并在后续上线 MXC 。引领智能化加密时代 OpenAI 推出的 ChatGPT 正在让高质量的 AIGC 服务向 B 端用户开放，这也让越来越多的互联网用户能够通过 AI 技术来享受便利，该工具在学术、办公等诸多领域备受欢迎。而在 ChatGPT 被推出后 OpenAI 的估值水涨船高并且不断获得融资，目前估值超 500 亿美元，科技领域对于 AI 叙事方向始终有着较高的想象空间。在加密行业，如何提升投资的收益率是绝大多数加密投资者们始终所追求的， Octavia 正在通过这套智能化体系满足用户们的需求，理论上所有加密交易者都是其潜在用户群体。另一方面，Octavia 相对于 ChatGPT 有着更稳定的底层系统，并且能够带来优于 ChatGPT 的使用体验以及功能抓手，并通过开放的 API 横向拓展至全行业，通过这种间接的方式正在让 Octavia 捕获用户具备“可复制性”的能力，这也有望让其生态规模实现指数型增长。Octavia 有望背靠更加广泛的用户规模与市场，这对于 Octavia 想象空间与估值都是可期的。或许在不久，通过智能化投资分析工具做投资决策，将成为加密投资者必备的手段，而 Octavia 正在加速智能化加密时代大门的开启。来源：金色财经

金色财经2024-02-19

Galaxy万字长文：加密货币和AI交叉领域和项目盘点

报告研究了开发去中心化计算协议、零知识机器学习 (zkML) 基础设施和AI智能体的项目。加密货币为AI提供了无需许可、无需信任且可组合的结算层。这解锁了用例，例如通过去中心化计算系统使硬件更容易访问，构建可以执行需要价值交换的复杂任务的AI智能体，以及开发身份和溯源（provenance）解决方案来对抗女巫攻击和深度伪造。AI为加密货币带来了许多我们在 Web 2 中看到的相同好处。这包括由于大语言模型（即经过专门训练的ChatGPT 和 Copilot 版本）而为用户和开发人员增强的用户体验 (UX) 以及潜在的潜力显著提高智能合约功能和自动化。区块链是AI所需的透明的数据丰富环境。但区块链的计算能力也有限，这是直接集成AI模型的主要障碍。加密货币和Ai交叉领域正在进行的实验和最终采用背后的驱动力与推动加密货币最有前途的用例的驱动力相同——访问无需许可和无需信任的协调层，从而更好地促进价值转移。鉴于巨大的潜力，该领域的参与者需要了解这两种技术交叉的基本方式。要点：在不久的将来（6个月到1年），加密货币和AI的集成将由AI应用程序主导，这些应用程序可以提高开发人员的效率、智能合约的可审计性和安全性以及用户的可访问性。这些集成并非特定于加密货币，而是增强了链上开发人员和用户体验。正如高性能 GPU 严重短缺一样，去中心化计算产品正在实施AI定制的GPU产品，为采用提供了推动力。用户体验和监管仍然是吸引去中心化计算客户的障碍。然而， OpenAI 的最新发展以及美国正在进行的监管审查凸显了无需许可、抗审查、去中心化的AI网络的价值主张。链上AI集成，特别是能够使用人工智能模型的智能合约，需要改进 zkML 技术和其他验证链下计算的计算方法。缺乏全面的工具和开发人员人才以及高昂的成本是采用的障碍。 AI智能体非常适合加密货币，用户（或智能体本身）可以创建钱包以与其他服务、智能体或人员进行交易。目前使用传统的金融方法无法实现这一点。为了更广泛的采用，需要与非加密产品进行额外的集成。术语 AI是利用计算和机器来模仿人类推理和解决问题的能力。神经网络是人工智能模型的一种训练方法。他们通过离散的算法层运行输入，对其进行改进，直到产生所需的输出。神经网络由具有权重的方程组成，可以修改权重来改变输出。它们可能需要大量的数据和计算来进行训练，以便其输出准确。这是开发 AI 模型最常见的方式之一（ChatGPT 使用依赖于Transformer 神经网络过程）。训练是开发神经网络和其他人工智能模型的过程。它需要大量数据来训练模型以正确解释输入并产生准确的输出。在训练过程中，模型方程的权重不断修改，直到产生令人满意的输出。培训费用可能非常昂贵。例如，ChatGPT使用数万个自己的 GPU 来处理数据。资源较少的团队通常依赖专门的计算提供商，例如 Amazon Web Services、Azure 和 Google Cloud 提供商。推理是实际使用 AI 模型来获取输出或结果（例如，使用 ChatGPT 为有关加密货币和 AI 交叉点的论文创建大纲）。在整个培训过程和最终产品中都会使用推理。由于计算成本的原因，即使在训练完成后，它们的运行成本也可能很高，但其计算强度低于训练。零知识证明 (ZKP)允许在不泄露基础信息的情况下验证声明。这在加密货币中很有用，主要有两个原因：1) 隐私和 2) 扩展。为了保护隐私，这使用户能够在不泄露敏感信息（例如钱包中有多少 ETH）的情况下进行交易。对于扩展而言，它使链下计算能够比重新执行计算更快地在链上得到证明。这使得区块链和应用程序能够廉价地在链下运行计算，然后在链上验证它们。 AI/加密货币生态图 AI和加密货币交叉的项目仍在构建支持大规模链上人工智能交互所需的底层基础设施。去中心化计算市场正在兴起，以提供训练和推理人工智能模型所需的大量物理硬件，主要以GPU的形式。这些双向市场将那些租赁和寻求租赁计算的人连接起来，促进价值的转移和计算的验证。在去中心化计算中，正在出现几个提供附加功能的子类别。除了双边市场之外，本报告还将审查专门提供可验证训练和微调输出的机器学习训练提供商，以及致力于连接计算和模型生成以实现AI的项目，也经常被称为智能激励网络。 zkML是希望以经济有效且及时的方式在链上提供可验证模型输出的项目的一个新兴重点领域。这些项目主要使应用程序能够处理链下繁重的计算请求，然后在链上发布可验证的输出，证明链下工作负载是完整且准确的。 zkML 在当前实例中既昂贵又耗时，但越来越多地被用作解决方案。这在 zkML 提供商和想要利用 AI 模型的 DeFi/游戏应用程序之间的集成数量不断增加中显而易见。充足的计算供应以及验证链上计算的能力为链上AI智能体打开了大门。智能体是经过训练的模型，能够代表用户执行请求。智能体提供了显著增强链上体验的机会，使用户只需与聊天机器人对话即可执行复杂的交易。然而，就目前而言，智能体项目仍然专注于开发基础设施和工具，以实现轻松快速的部署。去中心化计算概述 AI需要大量计算来训练模型和运行推理。在过去的十年中，随着模型变得越来越复杂，计算需求呈指数级增长。例如，OpenAI发现，从 2012 年到 2018 年，其模型的计算需求从每两年翻一番变为每三个半月翻一番。这导致对 GPU 的需求激增，一些加密货币矿工甚至重新利用其 GPU来提供云计算服务。随着访问计算的竞争加剧和成本上升，一些项目正在利用加密技术来提供去中心化计算解决方案。他们以具有竞争力的价格提供按需计算，以便团队能够以经济实惠的方式训练和运行模型。在某些情况下，权衡的是性能和安全性。最先进的 GPU（例如Nvidia生产的 GPU）的需求量很大。2023年 9 月，Tether收购了德国比特币矿商 Northern Data 的股份，据报道，该公司斥资 4.2 亿美元购买了 10,000 个 H100 GPU（用于 AI 训练的最先进 GPU 之一）。获得一流硬件的等待时间可能至少为六个月，在许多情况下甚至更长。更糟糕的是，公司经常被要求签署长期合同，以获取他们甚至可能不会使用的计算量。这可能会导致存在可用计算但市场上不可用的情况。去中心化计算系统有助于解决这些市场效率低下的问题，创建一个二级市场，计算所有者可以在接到通知后立即转租其过剩容量，从而释放新的供应。除了有竞争力的定价和可访问性之外，去中心化计算的关键价值主张是抗审查性。尖端AI开发日益由拥有无与伦比的计算和数据访问能力的大型科技公司主导。AI指数报告2023年年度报告中强调的第一个关键主题是，工业界在AI模型的开发方面日益超越学术界，将控制权集中在少数技术领导者手中。这引发了人们的担忧，即他们是否有能力在制定支撑AI模型的规范和价值观方面产生巨大影响力，特别是在这些科技公司推动监管以限制其无法控制的人工智能开发之后。去中心化计算垂直领域近年来出现了几种去中心化计算模型，每种模型都有自己的重点和权衡。广义计算 Akash、io.net、iExec、Cudos 等项目都是去中心化计算应用程序，除了数据和通用计算解决方案之外，它们还提供或即将提供用于 AI 训练和推理的专用计算的访问权限。 Akash是目前唯一完全开源的“超级云”平台。它是使用 Cosmos SDK 的权益证明网络。 AKT 是 Akash 的原生代币，作为一种支付形式，用于保护网络安全并激励参与。 Akash 于 2020 年推出了第一个主网，专注于提供无需许可的云计算市场，最初以存储和 CPU 租赁服务为特色。 2023 年 6 月，Akash推出了一个专注于 GPU 的新测试网，并于 9 月推出了GPU 主网，使用户能够租赁 GPU 进行人工智能训练和推理。 Akash 生态系统中有两个主要参与者——租户和供应商。租户是想要购买 Akash网络计算资源的用户。供应商是计算资源供应商。为了匹配租户和供应商，Akash 依靠逆向拍卖流程。租户提交他们的计算要求，在其中他们可以指定某些条件，例如服务器的位置或进行计算的硬件类型，以及他们愿意支付的金额。然后，供应商提交他们的要价，最低出价者将获得任务。 Akash 验证者维护网络的完整性。验证者集目前限制为 100 个，并计划随着时间的推移逐步增加。任何人都可以通过质押比当前质押 AKT 数量最少的验证者更多的 AKT 来成为验证者。 AKT 持有者还可以将其 AKT 委托给验证者。网络的交易费用和区块奖励以 AKT 形式分配。此外，对于每笔租赁，Akash 网络都会按照社区确定的费率赚取“收取费用”，并将其分配给 AKT 持有者。二级市场去中心化计算市场旨在填补现有计算市场的低效率。供应限制导致公司囤积超出其可能需要的计算资源，并且由于与云提供商的合同结构将客户锁定在长期合同中，即使可能不需要持续访问，供应也进一步受到限制。去中心化计算平台释放了新的供应，使世界上任何拥有计算需求的人都可以成为供应商。 AI 训练对 GPU 的需求激增是否会转化为 Akash 上的长期网络使用还有待观察。例如，Akash 长期以来一直为 CPU 提供市场，以70-80% 的折扣提供与中心化替代品类似的服务。然而，较低的价格并没有带来显著的采用。网络上的活跃租约已经趋于平缓，到 2023 年第二季度，平均只有 33% 的计算、16% 的内存和 13% 的存储。虽然这些都是链上采用的令人印象深刻的指标（作为参考，领先的存储提供商 Filecoin 已经2023 年第三季度存储利用率为 12.6%），这表明这些产品的供应继续超过需求。 Akash 推出 GPU 网络已经过去半年多了，现在准确评估长期采用率还为时过早。迄今为止，GPU 的平均利用率为 44%，高于 CPU、内存和存储，这是需求的一个迹象。这主要是由对最高质量 GPU（如 A100）的需求推动的，超过90%已出租。 Akash 的每日支出也有所增加，相对于 GPU 出现之前几乎翻了一番。这部分归因于其他服务使用量的增加，尤其是 CPU，但主要是新 GPU 使用量的结果。定价与Lambda Cloud 和 Vast.ai 等中心化竞争对手相当（或者在某些情况下甚至更贵）。对最高端 GPU（例如 H100 和 A100）的巨大需求意味着该设备的大多数所有者对在面临竞争性定价的市场上市兴趣不大。虽然最初的兴趣很有希望，但采用仍然存在障碍（下面进一步讨论）。去中心化计算网络需要采取更多措施来产生需求和供应，团队正在尝试如何最好地吸引新用户。例如，2024 年初，Akash 通过了第 240 号提案，增加 GPU 供应商的 AKT 排放量并激励更多供应，特别针对高端 GPU。团队还致力于推出概念验证模型，向潜在用户展示其网络的实时功能。 Akash 正在训练他们自己的基础模型，并且已经推出了聊天机器人和图像生成产品，可以使用 Akash GPU 创建输出。同样，io.net开发了stable diffusion模型，并正在推出新的网络功能，更好地模仿传统 GPU 数据中心的性能和规模。去中心化机器学习训练除了能够满足AI需求的通用计算平台外，一组专注于机器学习模型训练的专业AI GPU供应商也正在兴起。例如，Gensyn正在“协调电力和硬件来构建集体智慧”，其观点是，“如果有人想要训练某些东西，并且有人愿意训练它，那么就应该允许这种训练发生。” 该协议有四个主要参与者：提交者（submitters）、求解者（solvers）、验证者（verifiers）和吹哨者（whistleblowers）。提交者向网络提交带有培训请求的任务。这些任务包括训练目标、要训练的模型和训练数据。作为提交过程的一部分，提交者需要为求解者所需的估计计算量预先支付费用。提交后，任务将分配给对模型进行实际训练的求解者。然后，求解者将已完成的任务提交给验证者，验证者负责检查训练以确保正确完成。吹哨者有责任确保验证者诚实行事。为了激励吹哨者参与网络，Gensyn 计划定期提供故意错误的证据，奖励吹哨者抓住他们。除了为人工智能相关工作负载提供计算之外，Gensyn 的关键价值主张是其验证系统，该系统仍在开发中。为了确保 GPU 供应商的外部计算正确执行（即确保用户的模型按照他们希望的方式进行训练），验证是必要的。 Gensyn 采用独特的方法解决了这个问题，利用了称为“概率学习证明、基于图形的精确协议和 Truebit 式激励游戏”的新颖验证方法。这是一种乐观求解模式，允许验证者确认求解者已正确运行模型，而无需自己完全重新运行模型，完全重新运行模型是一个成本高昂且低效的过程。除了其创新的验证方法之外，Gensyn 还声称相对于中心化替代方案和加密货币竞争对手而言具有成本效益，提供的 ML 训练价格比 AWS 便宜高达 80%，同时在测试方面胜过 Truebit 等类似项目。这些初步结果是否可以在去中心化网络中大规模复制还有待观察。 Gensyn 希望利用小型数据中心、零售用户以及未来手机等小型移动设备等提供商的多余计算能力。然而，正如 Gensyn 团队自己所承认的那样，依赖异构计算提供商带来了一些新的挑战。对于 Google Cloud Providers 和 Coreweave 等中心化供应商来说，计算成本昂贵，而计算之间的通信（带宽和延迟）却很便宜。这些系统旨在尽快实现硬件之间的通信。 Gensyn 颠覆了这一框架，通过让世界上任何人都可以提供 GPU 来降低计算成本，但同时也增加了通信成本，因为网络现在必须在相距较远的异构硬件上协调计算作业。 Gensyn 尚未推出，但它是构建去中心化机器学习训练协议时可能实现的概念证明。去中心化通用智能去中心化计算平台也为AI创建方法的设计提供了可能性。 Bittensor是一种基于 Substrate 构建的去中心化计算协议，试图回答“我们如何将AI转变为协作方法？”的问题。 Bittensor 旨在实现AI生成的去中心化和商品化。该协议于 2021 年推出，希望利用协作机器学习模型的力量来不断迭代并产生更好的AI。 Bittensor 从比特币中汲取灵感，其原生货币 TAO 的供应量为 2100 万，减半周期为四年（第一次减半将于 2025 年）。 Bittensor 不是使用工作量证明来生成正确的随机数并获得区块奖励，而是依赖于“智能证明”（Proof of Intelligence），要求矿工运行模型来响应推理请求而生成输出。激励智能 Bittensor 最初依赖专家混合 (MoE) 模型来生成输出。当提交推理请求时，MoE 模型不会依赖一个广义模型，而是将推理请求转发给给定输入类型的最准确的模型。想象一下建造一栋房子，你聘请了各种专家来负责施工过程的不同方面（例如：建筑师、工程师、油漆工、建筑工人等......）。 MoE 将其应用于机器学习模型，尝试根据输入利用不同模型的输出。正如 Bittensor 创始人 Ala Shaabana所解释的那样，这就像“与一屋子聪明人交谈并获得最佳答案，而不是与一个人交谈”。由于在确保正确路由、消息同步到正确模型以及激励方面存在挑战，这种方法已被搁置，直到项目得到进一步开发。 Bittensor 网络中有两个主要参与者：验证者和矿工。验证者的任务是向矿工发送推理请求，审查他们的输出，并根据他们的响应质量对它们进行排名。为了确保他们的排名可靠，验证者会根据他们的排名与其他验证者排名的一致程度给予“vtrust”分数。验证者的 vtrust 分数越高，他们获得的 TAO 币就越多。这是为了激励验证者随着时间的推移就模型排名达成共识，因为就排名达成一致的验证者越多，他们的个人 vtrust 分数就越高。矿工，也称为服务者，是运行实际机器学习模型的网络参与者。矿工们相互竞争，为验证者提供针对给定查询的最准确的输出，输出越准确，赚取的 TAO 就越多。矿工可以随心所欲地生成这些输出。例如，在未来的情况下，Bittensor 矿工完全有可能之前在 Gensyn 上训练过模型，并用它们来赚取 TAO 。如今，大多数交互直接发生在验证者和矿工之间。验证者向矿工提交输入并请求输出（即训练模型）。一旦验证者查询网络上的矿工并收到他们的响应，他们就会对矿工进行排名并将其排名提交到网络。验证者（依赖 PoS）和矿工（依赖模型证明，PoW 的一种形式）之间的这种互动被称为 Yuma 共识。它旨在激励矿工产生最佳输出来赚取 TAO ，并激励验证者对矿工输出进行准确排名，以获得更高的 vtrust 分数并增加他们的 TAO 奖励，从而形成网络的共识机制。子网和应用程序 Bittensor 上的交互主要包括验证者向矿工提交请求并评估其输出。然而，随着贡献矿工的质量提高和网络整体智能的增长，Bittensor 将在其现有堆栈之上创建一个应用程序层，以便开发人员可以构建查询 Bittensor 网络的应用程序。 2023 年 10 月，Bittensor 通过 Revolution 升级引入了子网，朝着实现这一目标迈出了重要一步。子网是 Bittensor 上激励特定行为的单独网络。 Revolution 向任何有兴趣创建子网的人开放网络。自发布以来的几个月内，已经启动了超过32 个子网，包括用于文本提示、数据抓取、图像生成和存储的子网。随着子网的成熟并成为产品就绪，子网创建者还将创建应用程序集成，使团队能够构建查询特定子网的应用程序。一些应用程序（聊天机器人、图像生成器、推特回复机器人、预测市场）目前已经存在，但除了 Bittensor 基金会的资助之外，没有正式的激励措施让验证者接受和转发这些查询。为了提供更清晰的说明，下面是一个示例，说明应用程序集成到网络中后 Bittensor 可能如何工作。子网根据根网络（root network）评估的性能赚取 TAO 。根网络位于所有子网之上，本质上充当一种特殊的子网，并由 64 个最大的子网验证者按权益进行管理。根网络验证者根据子网的性能对子网进行排名，并定期将排放的TAO 代币分配给子网。通过这种方式，各个子网充当根网络的矿工。 Bittensor展望 Bittensor仍在经历成长的烦恼，因为它扩展了协议的功能以激励跨多个子网的智能生成。矿工们不断设计新的方法来攻击网络以获得更多 TAO 奖励，例如通过稍微修改其模型运行的高评价推理的输出，然后提交多个变体。影响整个网络的治理提案只能由完全由 Opentensor 基金会利益相关者组成的Triumvirate提交和实施（需要注意的是，提案需要在实施之前得到由 Bittensor 验证者组成的 Bittensor 参议院的批准）。该项目的代币经济正在进行修改，以提高对 TAO 跨子网使用的激励。该项目还因其独特的方法而迅速获得名声，最受欢迎的人工智能网站之一HuggingFace的首席执行官表示 Bittensor 应该将其资源添加到该网站。在核心开发人员最近发表的一篇名为“Bittensor Paradigm”的文章中，该团队阐述了 Bittensor 的愿景，即最终发展为“对所测量的内容不可知”。理论上，这可以使 Bittensor 开发子网来激励所有由 TAO 支持的任何类型的行为。仍然存在相当大的实际限制——最值得注意的是，证明这些网络能够扩展以处理如此多样化的流程，并且潜在的激励措施推动的进步超过了中心化产品。为AI模型构建去中心化计算堆栈上述部分提供了正在开发的各种类型的去中心化AI计算协议的粗略概述。在其开发和采用的早期，它们提供了生态系统的基础，最终可以促进“AI构建块”的创建，例如 DeFi 的“货币乐高”概念。无需许可的区块链的可组合性为每个协议构建在另一个协议之上提供了可能性，以提供更全面的去中心化人工智能生态系统。例如，这是 Akash、Gensyn 和 Bittensor 可能全部交互以响应推理请求的一种方式。需要明确的是，这只是未来可能发生的事情的一个例子，而不是当前生态系统、现有合作伙伴关系或可能结果的代表。互操作性的限制以及下面描述的其他考虑因素极大地限制了当今的集成可能性。除此之外，流动性破碎化和使用多种代币的需要可能会损害用户体验，Akash 和 Bittensor 的创始人都指出了这一点。其他去中心化产品除了计算之外，还推出了其他几种去中心化基础设施服务，以支持加密货币新兴的AI生态系统。列出所有这些超出了本报告的范围，但一些有趣且说明性的示例包括： Ocean：一个去中心化的数据市场。用户可以创建代表其数据的数据 NFT，并可以使用数据代币进行购买。用户既可以将其数据货币化，又可以对其拥有更大的主权，同时为AI团队提供开发和训练模型所需的数据的访问权限。 Grass：一个去中心化的带宽市场。用户可以将多余的带宽出售给AI公司，后者利用这些带宽从互联网上抓取数据。Grass建立在Wynd 网络之上，这不仅使个人能够将其带宽货币化，而且还为带宽购买者提供了更多样化的观点来了解个人用户在网上看到的内容（因为个人的互联网访问通常是根据其 IP 地址专门定制的））。 HiveMapper：构建一个去中心化的地图产品，其中包含从日常汽车驾驶员收集的信息。 HiveMapper 依靠 AI 来解释从用户仪表板摄像头收集的图像，并奖励用户通过强化人类学习反馈 (RHLF) 帮助微调 AI 模型的代币。总的来说，这些都指向探索支持AI模型的去中心化市场模型或开发它们所需的周边基础设施的几乎无限的机会。目前，这些项目大多处于概念验证阶段，需要更多的研究和开发来证明它们能够以提供全面人工智能服务所需的规模运行。展望去中心化计算产品仍处于开发的早期阶段。他们刚刚开始推出最先进的计算能力，能够在生产中训练最强大的AI模型。为了获得有意义的市场份额，他们需要展示与中心化替代方案相比的实际优势。更广泛采用的潜在触发因素包括： GPU 供应/需求。 GPU 的稀缺加上快速增长的计算需求正在导致 GPU 军备竞赛。由于 GPU 的限制，OpenAI 已经一度限制对其平台的访问。 Akash 和 Gensyn 等平台可以为需要高性能计算的团队提供具有成本竞争力的替代方案。对于去中心化计算提供商来说，未来 6-12 个月是一个特别独特的机会来吸引新用户，由于缺乏更广泛的市场准入，这些新用户被迫考虑去中心化产品。再加上 Meta 的 LLaMA 2 等性能日益提高的开源模型，用户在部署有效的微调模型时不再面临同样的障碍，使计算资源成为主要瓶颈。然而，平台本身的存在并不能确保足够的计算供应和消费者的相应需求。采购高端 GPU 仍然很困难，而且成本并不总是需求方的主要动机。这些平台将面临挑战，以展示使用去中心化计算选项的实际好处（无论是由于成本、审查阻力、正常运行时间和弹性还是可访问性）来积累粘性用户。他们必须快速行动。 GPU 基础设施投资和建设正在以惊人的速度进行。监管。监管仍然是去中心化计算运动的阻力。短期内，缺乏明确的监管意味着提供商和用户都面临使用这些服务的潜在风险。如果供应商提供计算或买方在不知情的情况下从受制裁实体购买计算怎么办？用户可能会犹豫是否使用缺乏中心化实体控制和监督的去中心化平台。协议试图通过将控制纳入其平台或添加过滤器以仅访问已知的计算提供商（即提供了解你的客户KYC信息）来减轻这些担忧，但需要更强大的方法在确保合规性的同时保护隐私。短期内，我们可能会看到 KYC 和合规平台的出现，这些平台限制对其协议的访问，以解决这些问题。此外，围绕美国可能的新监管框架的讨论（最好的例子是《关于安全、可靠和值得信赖的人工智能开发和使用的行政命令》的发布）凸显了进一步限制 GPU 获取的监管行动的潜力。审查。监管是双向的，去中心化的计算产品可以从限制AI访问的行动中受益。除了行政命令之外，OpenAI 创始人 Sam Altman 还在国会作证，说明监管机构需要为人工智能开发颁发许可证。关于人工智能监管的讨论才刚刚开始，但任何此类限制访问或审查AI功能的尝试都可能加速不存在此类障碍的去中心化平台的采用。2023年11月OpenAI 领导层变动（或缺乏）进一步表明，将最强大的现有AI模型的决策权授予少数人是有风险的。此外，所有AI模型都必然反映了创建它们的人的偏见，无论是有意还是无意。消除这些偏差的一种方法是使模型尽可能开放地进行微调和训练，确保任何地方的任何人都可以访问各种类型和偏差的模型。数据隐私。当与为用户提供数据自主权的外部数据和隐私解决方案集成时，去中心化计算可能会比中心化替代方案更具吸引力。当三星意识到工程师正在使用 ChatGPT 帮助芯片设计并将敏感信息泄露给 ChatGPT 时，三星成为了这一事件的受害者。 Phala Network 和 iExec 声称为用户提供 SGX 安全飞地来保护用户数据，并且正在进行的全同态加密研究可以进一步解锁确保隐私的去中心化计算。随着AI进一步融入我们的生活，用户将更加重视能够在具有隐私保护的应用程序上运行模型。用户还需要支持数据可组合性的服务，以便他们可以将数据从一种模型无缝移植到另一种模型。用户体验（UX）。用户体验仍然是更广泛采用所有类型的加密应用程序和基础设施的重大障碍。这对于去中心化计算产品来说并没有什么不同，并且在某些情况下，由于开发人员需要了解加密货币和人工智能，这会加剧这种情况。需要从基础知识进行改进，例如登入抽象与区块链的交互，以提供与当前市场领导者相同的高质量输出。鉴于许多提供更便宜产品的可操作的去中心化计算协议很难获得常规使用，这一点显而易见。智能合约和zkML 智能合约是任何区块链生态系统的核心构建块。在给定一组特定条件的情况下，它们会自动执行并减少或消除对受信任第三方的需求，从而能够创建复杂的去中心化应用程序，例如 DeFi 中的应用程序。然而，由于智能合约目前大部分存在，其功能仍然受到限制，因为它们根据必须更新的预设参数执行。例如，部署的借贷协议智能合约包含根据特定贷款与价值比率何时清算头寸的规范。虽然在静态环境中有用，但在风险不断变化的动态情况下，这些智能合约必须不断更新以适应风险承受能力的变化，这给不通过中心化流程管理的合约带来了挑战。例如，依赖去中心化治理流程的 DAO 可能无法快速反应以应对系统性风险。集成AI（即机器学习模型）的智能合约是增强功能、安全性和效率同时改善整体用户体验的一种可能方法。然而，这些集成也带来了额外的风险，因为不可能确保支撑这些智能合约的模型不会被攻击或解释长尾情况（鉴于数据输入的稀缺，长尾情况很难训练模型）。零知识机器学习（zkML）机器学习需要大量的计算来运行复杂的模型，这使得AI模型由于成本高昂而无法直接在智能合约中运行。例如，为用户提供收益优化模型的 DeFi 协议将很难在链上运行该模型，而无需支付过高的Gas费。一种解决方案是增加底层区块链的计算能力。然而，这也增加了对链验证者集的要求，可能会破坏去中心化特性。相反，一些项目正在探索使用 zkML 以无需信任的方式验证输出，而不需要密集的链上计算。说明 zkML 有用性的一个常见示例是，用户需要其他人通过模型运行数据并验证其交易对手实际上运行了正确的模型。也许开发人员正在使用去中心化计算提供商来训练他们的模型，并担心该提供商试图通过使用输出差异几乎无法察觉的更便宜的模型来削减成本。 zkML 使计算提供商能够通过其模型运行数据，然后生成可以在链上验证的证明，以证明给定输入的模型输出是正确的。在这种情况下，模型提供者将具有额外的优势，即能够提供他们的模型，而不必透露产生输出的基础权重。也可以做相反的事情。如果用户想要使用他们的数据运行模型，但由于隐私问题（比如在医疗检查或专有商业信息的情况下），不希望提供模型的项目访问他们的数据，那么用户可以在他们的数据上运行模型而不共享数据，然后通过证明验证他们运行了正确的模型。这些可能性通过解决令人望而却步的计算限制，极大地扩展了人工智能和智能合约功能集成的设计空间。基础设施和工具鉴于 zkML 领域的早期状态，开发主要集中在构建团队所需的基础设施和工具，以将其模型和输出转换为可以在链上验证的证明。这些产品尽可能地抽象了开发的零知识方面。 EZKL和Giza是通过提供机器学习模型执行的可验证证明来构建此工具的两个项目。两者都帮助团队构建机器学习模型，以确保这些模型可以在链上以可信方式验证结果的方式执行。这两个项目都使用开放神经网络交换 (ONNX) 将用 TensorFlow 和 Pytorch 等通用语言编写的机器学习模型转换为标准格式。然后，他们输出这些模型的版本，这些模型在执行时也会生成 zk 证明。 EZKL 是开源的，生产 zk-SNARKS，而 Giza 是闭源的，生产 zk-STARKS。这两个项目目前仅兼容 EVM。过去几个月，EZKL 在增强 zkML 解决方案方面取得了重大进展，主要集中在降低成本、提高安全性和加快证明生成速度。例如，2023 年 11 月，EZKL 集成了一个新的开源 GPU 库，可将聚合证明时间缩短 35%；1 月，EZKL发布了Lilith，这是一种软件解决方案，用于在使用 EZKL 证明时集成高性能计算集群和编排并发作业系统。 Giza 的独特之处在于，除了提供用于创建可验证的机器学习模型的工具之外，他们还计划实现相当于Hugging Face的 web3 ，为 zkML 协作和模型共享开辟用户市场，并最终集成去中心化计算产品。一月份，EZKL 发布了一项基准评估，比较了 EZKL、Giza 和 RiscZero（如下所述）的性能。 EZKL 展示了更快的证明时间和内存使用。 Modulus Labs还在开发一种专为 AI 模型定制的新的 zk-proof 技术。 Modulus 发表了一篇名为《智能的成本》（The Cost of Intelligence ）的论文（暗示在链上运行 AI 模型的成本极高），该论文对当时现有的 zk-proof 系统进行了基准测试，以确定改进 AI 模型 zk-proofs 的能力和瓶颈。该论文于 2023 年 1 月发布，表明现有产品过于昂贵且效率低下，无法大规模实现AI应用。在最初研究的基础上，Modulus 在 11 月推出了Remainder，这是一种专门的零知识证明器，专门用于降低 AI 模型的成本和证明时间，目标是使项目在经济上可行，将模型大规模集成到智能合约中。他们的工作是闭源的，因此无法与上述解决方案进行基准测试，但最近在 Vitalik关于加密和人工智能的博客文章中引用了他们的工作。工具和基础设施开发对于 zkML 空间的未来增长至关重要，因为它可以显著减少需要部署运行可验证的链下计算所需的 zk 电路的团队的摩擦。创建安全接口，使从事机器学习工作的非加密原生构建者能够将他们的模型带到链上，这将使应用程序能够通过真正新颖的用例进行更大的实验。工具还解决了更广泛采用 zkML 的一个主要障碍，即缺乏知识渊博且对零知识、机器学习和密码学交叉领域工作感兴趣的开发人员。协处理器（Coprocessors）正在开发的其他解决方案（称为“协处理器”）包括RiscZero 、Axiom和Ritual。协处理器这个术语主要是语义上的——这些网络履行许多不同的角色，包括在链上验证链下计算。与 EZKL、Giza 和 Modulus 一样，他们的目标是完全抽象零知识证明生成过程，创建本质上能够执行链下程序并生成链上验证证明的零知识虚拟机。 RiscZero 和 Axiom 可以为简单的 AI 模型提供服务，因为它们是更通用的协处理器，而 Ritual 是专门为与 AI 模型一起使用而构建的。 Infernet是 Ritual 的第一个实例，包含一个Infernet SDK，允许开发人员向网络提交推理请求并接收输出和证明（可选）作为回报。 Infernet 节点接收这些请求并在返回输出之前处理链下计算。例如，DAO 可以创建一个流程，确保所有新的治理提案在提交之前满足某些先决条件。每次提交新提案时，治理合约都会通过 Infernet 触发推理请求，调用 DAO 特定治理训练的 AI 模型。该模型审查提案以确保提交所有必要的标准，并返回输出和证据，批准或拒绝提案的提交。在接下来的一年里，Ritual 团队计划推出更多功能，形成称为 Ritual 超级链的基础设施层。前面讨论的许多项目都可以作为服务提供商插入 Ritual。 Ritual 团队已经与 EZKL 集成以生成证明，并且可能很快会添加其他领先提供商的功能。Ritual 上的 Infernet 节点还可以使用 Akash 或 io.net GPU 以及在 Bittensor 子网上训练的查询模型。他们的最终目标是成为开放AI基础设施的首选提供商，能够为任何网络、任何工作负载的机器学习和其他AI相关任务提供服务。应用 zkML有助于调和区块链和人工智能之间的矛盾，前者本质上是资源受限的，而后者需要大量的计算和数据。正如 Giza 的一位创始人所说，“用例非常丰富……这有点像以太坊早期问智能合约的用例是什么……我们所做的只是扩展智能合约的用例。 ”然而，如上所述，当今的开发主要发生在工具和基础设施级别。应用仍处于探索阶段，团队面临的挑战是证明使用 zkML 实现模型所产生的价值超过了其复杂性和成本。目前的一些应用包括：去中心化金融。 zkML通过增强智能合约能力，升级了DeFi的设计空间。 DeFi 协议为机器学习模型提供大量可验证且不可篡改的数据，可用于生成收益获取或交易策略、风险分析、用户体验等。例如，Giza与Yearn Finance合作，为 Yearn 的新 v3 金库构建概念验证自动风险评估引擎。 Modulus Labs与Lyra Finance合作将机器学习纳入其 AMM，与 Ion Protocol合作实施分析验证者风险的模型，并帮助Upshot验证其人工智能支持的 NFT 价格信息。 NOYA（利用 EZKL）和Mozaic等协议提供了对专有链下模型的访问，这些模型使用户能够访问自动化流动性挖矿，同时使他们能够验证链上的数据输入和证明。 Spectral Finance正在构建链上信用评分引擎，以预测Compound或Aave借款人拖欠贷款的可能性。由于 zkML，这些所谓的“De-Ai-Fi”产品在未来几年可能会变得更加流行。游戏。长期以来，游戏一直被认为可以通过公链进行颠覆和增强。 zkML 使人工智能的链上游戏成为可能。 Modulus Labs已经实现了简单链上游戏的概念验证。 Leela vs the World是一款博弈论国际象棋游戏，用户在其中对抗 AI 国际象棋模型，zkML 验证 Leela 所做的每一步都是基于游戏运行的模型。同样，团队也使用 EZKL 框架来构建简单的歌唱比赛和链上井字游戏。 Cartridge正在使用Giza使团队能够部署完全链上游戏，最近重点引入了一款简单的人工智能驾驶游戏，用户可以竞争为试图避开障碍物的汽车创建更好的模型。虽然简单，但这些概念验证指向未来的实现，能够实现更复杂的链上验证，例如能够与游戏内经济体进行交互的复杂 NPC 演员，如《 AI Arena》中所见，这是一款超级大乱斗游戏，玩家可以在其中训练自己的战士，然后部署为AI模型进行战斗。身份、溯源和隐私。加密货币已经被用作验证真实性和打击越来越多的人工智能生成/操纵内容和深度伪造的手段。 zkML 可以推进这些努力。 WorldCoin 是一种身份证明解决方案，要求用户扫描虹膜以生成唯一的 ID。未来，生物识别 ID 可以使用加密存储在个人设备上进行自我托管，并使用验证本地运行的生物识别所需的模型。然后，用户可以提供生物识别证据，而无需透露自己的身份，从而在确保隐私的同时抵御女巫攻击。这也可以应用于需要隐私的其他推论，例如使用模型分析医疗数据/图像来检测疾病、验证人格并在约会应用程序中开发匹配算法，或者需要验证财务信息的保险和贷款机构。展望 zkML 仍处于实验阶段，大多数项目都专注于构建基础设施原语和概念证明。如今的挑战包括计算成本、内存限制、模型复杂性、有限的工具和基础设施以及开发人员人才。简而言之，在 zkML 能够以消费产品所需的规模实施之前，还有相当多的工作要做。然而，随着该领域的成熟以及这些限制的解决，zkML将成为AI和加密集成的关键组成部分。从本质上讲，zkML 承诺能够将任何规模的链下计算引入链上，同时保持与链上运行相同或接近相同的安全保证。然而，在这一愿景实现之前，该技术的早期用户将继续必须在 zkML 的隐私和安全性与替代方案的效率之间进行权衡。 AI智能体 AI和加密货币最令人兴奋的集成之一是正在进行的AI智能体实验。智能体是能够使用AI模型接收、解释和执行任务的自主机器人。这可以是任何事情，从拥有一个随时可用的根据你的偏好进行微调的个人助理，到雇用一个根据你的风险偏好来管理和调整你的投资组合的金融机器人。由于加密货币提供了无需许可和无需信任的支付基础设施，智能体和加密货币可以很好地结合在一起。经过培训后，智能体将获得一个钱包，以便他们可以自行使用智能合约进行交易。例如，今天的简单智能体可以在互联网上抓取信息，然后根据模型在预测市场上进行交易。智能体提供商 Morpheus是 2024 年在以太坊和 Arbitrum 上上市的最新开源智能体项目之一。其白皮书于 2023 年 9 月匿名发布，为社区的形成和构建提供了基础（包括Erik Vorhees等著名人物）。该白皮书包括一个可下载的智能体协议，它是一个开源的LLM，可以在本地运行，由用户的钱包管理，并与智能合约交互。它使用智能合约排名来帮助智能体根据处理的交易数量等标准确定哪些智能合约可以安全地进行交互。白皮书还提供了构建 Morpheus 网络的框架，例如使智能体协议运行所需的激励结构和基础设施。这包括激励贡献者构建用于与智能体交互的前端、供开发人员构建可插入智能体以便他们可以相互交互的应用程序的 API，以及使用户能够访问运行智能体所需的计算和存储的云解决方案在边缘设备上。该项目的初始资金已于 2 月初启动，完整协议预计将于 2024 年第二季度启动。去中心化自治基础设施网络 (DAIN)是一种新的智能体基础设施协议，在 Solana 上构建智能体到智能体经济。 DAIN 的目标是让来自不同企业的智能体可以通过通用 API 无缝地相互交互，从而大大开放 AI 智能体的设计空间，重点是实现能够与 web2 和 web3 产品交互的智能体。一月份，DAIN 宣布与 Asset Shield 首次合作，使用户能够将“智能体签名者”添加到其多重签名中，这些签名者能够根据用户设置的规则解释交易并批准/拒绝。 Fetch.AI是最早部署的 AI 智能体协议之一，并开发了一个生态系统，用于使用 FET 代币和Fetch.AI钱包在链上构建、部署和使用智能体。该协议提供了一套用于使用智能体的全面工具和应用程序，包括用于与智能体交互和订购代理的钱包内功能。 Autonolas的创始人包括 Fetch 团队的前成员，它是一个用于创建和使用去中心化AI智能体的开放市场。 Autonolas 还为开发人员提供了一套工具来构建链下托管的AI智能体，并可以插入多个区块链，包括 Polygon、Ethereum、Gnosis Chain 和 Solana。他们目前拥有一些活跃的智能体概念验证产品，包括用于预测市场和 DAO 治理。 SingularityNet正在为AI智能体构建一个去中心化的市场，人们可以在其中部署专注的AI智能体，这些智能体可以被其他人或智能体雇用来执行复杂的任务。其他公司，如AlteredStateMachine，正在构建 AI 智能体与 NFT 的集成。用户铸造具有随机属性的 NFT，这些属性赋予他们在不同任务上的优势和劣势。然后可以对这些智能体进行训练，以增强某些属性，以用于游戏、DeFi 或作为虚拟助手并与其他用户进行交易。总的来说，这些项目设想了一个未来的智能体生态系统，这些智能体能够协同工作，不仅可以执行任务，还可以帮助构建通用AI。真正复杂的智能体将有能力自主完成任何用户任务。例如，完全自主的智能体将能够弄清楚如何雇用另一个智能体来集成 API，然后执行，而不必确保智能体在使用之前已经与外部 API（例如旅行预订网站）集成并执行任务。从用户的角度来看，不需要检查智能体是否可以完成任务，因为智能体可以自己确定。比特币和AI智能体 2023 年 7 月，闪电网络实验室推出了在闪电网络上使用智能体的概念验证实施方案，称为 LangChain 比特币套件。该产品特别有趣，因为它旨在解决 Web 2 世界中日益严重的问题——Web应用程序的门禁且昂贵的API 密钥。 LangChain 通过为开发人员提供一套工具来解决这个问题，使智能体能够购买、出售和持有比特币，以及查询 API 密钥和发送小额支付。在传统的支付领域，小额支付由于费用而成本高昂，而在闪电网络上，智能体可以每天以最低的费用发送无限的小额支付。当与 LangChain 的 L402 支付计量 API 框架结合使用时，这允许公司可以根据使用量的增加和减少调整其 API 的访问费用，而不是设定单一的成本过高的标准。在未来，链上活动主要由智能体与智能体交互所主导，这样的事情将是必要的，以确保智能体能够以成本不过高的方式相互交互。这是一个早期的例子，说明如何在无需许可且经济高效的支付赛道上使用智能体，为新市场和经济互动开辟了可能性。展望智能体领域仍处于新生阶段。项目刚刚开始推出功能性智能体，可以使用其基础设施处理简单的任务——这通常只有经验丰富的开发人员和用户才能访问。然而，随着时间的推移，AI智能体对加密货币的最大影响之一是所有垂直领域的用户体验改进。交易将开始从基于点击转向基于文本，用户能够通过大语言模性与链上智能体进行交互。Dawn Wallet等团队已经推出了聊天机器人钱包，供用户在链上进行交互。此外，目前尚不清楚智能体如何在 Web 2 中运作，因为金融领域依赖于受监管的银行机构，这些机构不能 24/7 运营，也无法进行无缝跨境交易。正如Lyn Alden所强调的那样，由于缺乏退款和处理微交易的能力，与信用卡相比，加密赛道尤其有吸引力。然而，如果智能体成为一种更常见的交易方式，现有的支付提供商和应用程序很可能会迅速采取行动，实施在现有金融领域运营所需的基础设施，从而削弱使用加密货币的一些好处。目前，智能体可能仅限于确定性的加密货币交易，其中给定输入保证给定输出。这两种模型都规定了这些智能体弄清楚如何执行复杂任务的能力，而工具则扩大了它们可以完成的范围，都需要进一步开发。为了让加密智能体在新颖的链上加密用例之外变得有用，需要更广泛的集成和接受加密作为一种支付形式以及监管的明确性。然而，随着这些组件的发展，智能体准备成为上述去中心化计算和 zkML 解决方案的最大消费者之一，以自主的非确定性方式接收和解决任何任务。结论 AI 为加密货币引入了我们在 web2 中看到的相同创新，增强了从基础设施开发到用户体验和可访问性的各个方面。然而，项目仍处于发展早期，近期加密货币和AI集成将主要由链下集成主导。像Copilot这样的产品将使开发人员效率“提高10 倍”，Layer1和DeFi应用程序已经与微软等大公司合作推出人工智能辅助开发平台。Cub3.ai和Test Machine等公司正在开发用于智能合约审计和实时威胁监控的AI集成，以增强链上安全性。 LLM 聊天机器人正在使用链上数据、协议文档和应用程序进行培训，为用户提供增强的可访问性和用户体验。对于真正利用加密货币底层技术的更高级集成来说，挑战仍然是证明在链上实施AI解决方案在技术上是可行的，而且在经济上也是可行的。去中心化计算、zkML 和 AI 智能体的发展指向有前景的垂直领域，这些领域为加密货币和AI深度互联的未来奠定了基础。来源：金色财经

金色财经2024-02-19

24小时热点