TechFlow Logo
Войти/ Регистрация
Газ ETH
Gwei
Страх
gas
AI Layer 1: Аналитический отчет — поиск перспективной среды для будущих ончейн-приложений DeAI

AI Layer 1: Аналитический отчет — поиск перспективной среды для будущих ончейн-приложений DeAI

2025.06.09
Поделиться
Провести систематический обзор последних достижений в сфере DeAI, проанализировать текущее состояние развития проектов и рассмотреть будущие тенденции.

Автор: @anci_hu49074 (Biteye), @Jesse_meta (Biteye), @lviswang (Biteye), @0xjacobzhao (Biteye), @bz1022911 (PANews)

Обзор

Контекст

В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, постоянно стимулируют стремительное развитие больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности во всех отраслях, значительно расширяя границы человеческих представлений и даже проявляя потенциал замены человеческого труда в отдельных сценариях. Однако ядро этих технологий прочно удерживается в руках нескольких централизованных технологических гигантов. Опираясь на внушительный капитал и контроль над дорогостоящими вычислительными ресурсами, эти компании создают непреодолимые барьеры, лишающие подавляющее большинство разработчиков и инновационных команд возможности конкурировать с ними.

Источник: отчет трендового анализа BONDAI

Кроме того, на раннем этапе быстрого развития ИИ общественное мнение часто фокусировалось на прорывах и удобствах, предлагаемых технологиями, оставляя относительно мало внимания таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность. В долгосрочной перспективе эти проблемы окажут глубокое влияние на здоровое развитие отрасли ИИ и уровень её общественного принятия. Если их не решить должным образом, споры о том, станет ли ИИ «благом» или «злом», будут лишь обостряться, а централизованные гиганты, движимые инстинктом к прибыли, часто лишены достаточных стимулов для proactive решения этих вызовов.

Технология блокчейн благодаря своей децентрализованности, прозрачности и устойчивости к цензуре открывает новые возможности для устойчивого развития отрасли ИИ. В настоящее время на таких основных блокчейнах, как Solana и Base, уже появилось множество приложений «Web3 ИИ». Однако при более глубоком анализе можно выявить ряд проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, а чрезмерный акцент на мемкоинах мешает формированию по-настоящему открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ в Web2, цепные приложения ИИ всё ещё ограничены в возможностях моделей, использовании данных и сценариях применения, требуя повышения глубины и широты инноваций.

Для реализации истинной децентрализованной ИИ-видения, позволяющего блокчейну безопасно, эффективно и демократично обеспечивать масштабируемые ИИ-приложения и конкурировать по производительности с централизованными решениями, нам необходимо спроектировать блокчейн Layer 1, специально созданный для ИИ. Это создаст надёжную основу для открытых инноваций, демократического управления и защиты данных в сфере ИИ, способствуя процветанию децентрализованной ИИ-экосистемы.

Ключевые характеристики AI Layer 1

Как блокчейн, специально созданный для ИИ-приложений, AI Layer 1 строится на архитектуре и параметрах производительности, тесно связанных с потребностями ИИ-задач, стремясь эффективно поддерживать устойчивое развитие и процветание цепной ИИ-экосистемы. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:

  1. Эффективный механизм стимулирования и децентрализованный консенсус: Ядром AI Layer 1 является создание открытой сети совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, сосредоточенных в основном на ведении реестра, узлы AI Layer 1 должны выполнять более сложные задачи: предоставлять вычислительные ресурсы, завершать обучение и инференс ИИ-моделей, а также вносить вклад в хранение, данные и пропускную способность. Это ломает монополию централизованных гигантов в ИИ-инфраструктуре. Требования к базовому консенсусу и механизмам стимулирования возрастают: AI Layer 1 должен точно оценивать, вознаграждать и верифицировать фактический вклад узлов в задачи инференса и обучения ИИ, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также существенно снизить общие затраты на вычисления.

  2. Исключительная высокая производительность и поддержка гетерогенных задач: Задачи ИИ, особенно обучение и инференс LLM, предъявляют чрезвычайно высокие требования к вычислительной мощности и параллельной обработке. Более того, экосистема цепного ИИ зачастую требует поддержки разнообразных гетерогенных типов задач, включая различные архитектуры моделей, обработку данных, инференс, хранение и другие сценарии. AI Layer 1 должен глубоко оптимизировать базовую архитектуру под потребности высокой пропускной способности, низкой задержки и эластичного параллелизма, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, обеспечивая эффективную работу любых ИИ-задач и плавное расширение от «однотипных задач» до «сложной многогранной экосистемы».

  3. Верифицируемость и гарантия достоверного вывода: AI Layer 1 должен не только предотвращать вредоносное поведение моделей и изменение данных, но и на базовом уровне обеспечивать верифицируемость и согласованность (alignment) результатов вывода ИИ. Путем интеграции передовых технологий, таких как доверенная среда выполнения (TEE), доказательства с нулевым разглашением (ZKP) и безопасные многосторонние вычисления (MPC), платформа позволяет независимо проверять каждый этап инференса, обучения и обработки модели, обеспечивая справедливость и прозрачность ИИ-системы. Такая верифицируемость также помогает пользователям четко понимать логику и обоснование выводов ИИ, реализуя принцип «получение желаемого результата», повышая доверие и удовлетворенность пользователей.

  4. Защита конфиденциальности данных: Приложения ИИ часто работают с чувствительными пользовательскими данными, где защита конфиденциальности критически важна в финансах, медицине и социальных сетях. AI Layer 1 должен, гарантируя верифицируемость, применять технологии обработки данных на основе шифрования, протоколы приватных вычислений и управление правами доступа, обеспечивая безопасность данных на всех этапах (инференс, обучение, хранение), эффективно предотвращая утечки и неправомерное использование, устраняя тревоги пользователей по поводу безопасности данных.

  5. Мощная емкость экосистемы и поддержка разработки: Будучи AI-native инфраструктурой Layer 1, платформа должна обладать не только технологическим превосходством, но и предоставлять разработчикам, операторам узлов и поставщикам ИИ-услуг совершенные инструменты разработки, SDK, поддержку эксплуатации и стимулирующие механизмы. Постоянная оптимизация юзабилити платформы и опыта разработчиков способствует внедрению разнообразных AI-нативных приложений, обеспечивая непрерывное процветание децентрализованной ИИ-экосистемы.

Опираясь на вышеизложенный контекст и ожидания, данная статья подробно расскажет о шести представительных проектах AI Layer 1: Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематизирует последние достижения сектора, проанализирует текущее состояние проектов и обсудит будущие тенденции.

Sentient: Создание преданных моделей децентрализованного ИИ с открытым исходным кодом

Описание проекта

Sentient — это открытая протокольная платформа, создающая блокчейн AI Layer 1 (на начальном этапе как Layer 2 с последующим переходом на Layer 1). Объединяя ИИ-пайплайн и технологию блокчейна, она строит децентрализованную экономику искусственного интеллекта. Её основная цель — решение вопросов принадлежности модели, отслеживания вызовов и распределения стоимости на централизованном рынке LLM через рамки OML (Open, Monetizable, Loyal / Открытая, Монетизируемая, Преданная), реализуя цепную структуру владения моделями, прозрачность вызовов и распределение доходов. Vision проекта — позволить каждому создавать, сотрудничать, владеть и монетизировать ИИ-продукты, продвигая справедливую и открытую экосистему сети ИИ-агентов.

Команда Foundation Sentient объединяет ведущих мировых академических экспертов, криптопредпринимателей и инженеров, стремясь создать платформу AGI, управляемую сообществом, с открытым исходным кодом и верифицируемую. Ключевые члены включают профессора Принстонского университета Прамода Вишваната (Pramod Viswanath) и профессора Индийского научно-исследовательского института Химаншу Тьяги (Himanshu Tyagi), отвечающих за безопасность и конфиденциальность ИИ соответственно. Стратегия блокчейна и развитие экосистемы курируются сооснователем Polygon Сэндипом Найлволом (Sandeep Nailwal). Бэкграунд команды охватывает такие компании, как Meta, Coinbase, Polygon, а также ведущие университеты вроде Принстона и IITs, охватывая области AI/ML, NLP, computer vision.

Как вторичный проект Сэндипа Найлвола, основателя Polygon, Sentient с момента создания обладал мощным бэкграундом, ресурсами, связями и рыночным признанием, предоставив проекту сильное обоснование. В середине 2024 года Sentient завершила раунд Seed на $85 млн под руководством Founders Fund, Pantera Capital и Framework Ventures, с участием Delphi, Hashkey, Spartan и других известных фондов.

Архитектура и слой приложений

Инфраструктурный слой

Ключевая архитектура

Основная архитектура Sentient состоит из двух частей: ИИ-пайплайн (AI Pipeline) и блокчейн-система.

ИИ-пайплайн служит основой для разработки и тренировки артефактов «преданного ИИ» и включает два ключевых процесса:

  • Планирование данных (Data Curation): управляемый сообществом процесс отбора данных для выравнивания модели.

  • Обучение лояльности (Loyalty Training): процесс тренировки, обеспечивающий согласованность модели с намерениями сообщества.

Блокчейн-система обеспечивает протокол прозрачности и децентрализованного контроля, гарантируя право собственности, отслеживание использования, распределение дохода и справедливое управление ИИ-артефактами. Архитектура разделена на четыре уровня:

  • Уровень хранения: хранение весов моделей и информации о регистрации отпечатков;

  • Уровень распределения: контракты авторизации контролируют точки входа для вызова моделей;

  • Уровень доступа: проверка полномочий пользователя через доказательства прав;

  • Уровень стимулирования: контракт маршрутизации доходов распределяет платежи за каждый вызов между тренерами, деплоерами и верификаторами.

Диаграмма рабочего процесса системы Sentient

Модельный фреймворк OML

Фреймворк OML (Open/Открытый, Monetizable/Монетизируемый, Loyal/Преданный) — это ключевая концепция, предложенная Sentient, направленная на обеспечение четкой защиты прав собственности и экономических стимулов для моделей с открытым исходным кодом. Благодаря интеграции цепных технологий и AI-native криптографии обладает следующими особенностями:

  • Открытость: модель должна иметь открытый исходный код, прозрачный код и структура данных, что облегчает воспроизведение, аудит и улучшение силами сообщества.

  • Монетизация: каждый вызов модели инициирует поток доходов, цепной контракт распределяет доход между тренерами, деплоерами и верификаторами.

  • Преданность: модель принадлежит сообществу контрибьюторов, направление обновления и управление определяются DAO, использование и модификация контролируются криптографическими механизмами.

AI-нативная криптография (AI-native Cryptography)

AI-нативная криптография использует непрерывность, низкоразмерную структуру многообразия и дифференцируемость ИИ-моделей для создания легких механизмов безопасности «верифицируемых, но неизвлекаемых». Ключевые технологии:

  • Внедрение отпечатка: вставка скрытого набора пар query-response в виде ключ-значение в процессе тренировки формирует уникальный отпечаток модели;

  • Протокол верификации права собственности: третья сторона (Prover) проверяет сохранение отпечатка путем запросов;

  • Механизм лицензированного вызова: перед вызовом требуется получение «удостоверения полномочий» от владельца модели, после чего система декодирует входные данные и возвращает точный ответ.

Этот метод обеспечивает «авторизованный вызов на основе поведения + проверку принадлежности» без затрат на повторное шифрование.

Фреймворк подтверждения прав на модель и безопасного выполнения

Sentient в настоящее время использует гибридную систему Melange: подтверждение прав через отпечаток, выполнение в TEE и распределение доходов через цепные контракты. Метод отпечатка является основным направлением реализации OML 1.0, подчеркивая концепцию «оптимистичной безопасности (Optimistic Security)», то есть по умолчанию предполагается соблюдение правил, а нарушения поддаются обнаружению и наказанию.

Механизм отпечатка является ключевой реализацией OML. Он встраивает специфические пары «вопрос-ответ», генерируя уникальный отпечаток в процессе тренировки. Владелец может подтвердить принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Это защищает права разработчиков и предоставляет прослеживаемые цепные записи для действий по использованию модели.

Кроме того, Sentient представил фреймворк Enclave TEE, использующий доверенную среду выполнения (например, AWS Nitro Enclaves) для обеспечения реакции модели только на авторизованные запросы. Несмотря на зависимость от оборудования, его преимущества в скорости и производительности делают его центральной технологией для текущего развертывания моделей.

В будущем Sentient планирует внедрить ZK и FHE для усиления конфиденциальности и верифицируемости, предлагая более зрелые решения для децентрализованного развертывания ИИ-моделей.

Оценка и сравнение пяти методов верификации, предложенных OML

Слой приложений

В настоящее время продукты Sentient включают децентрализованную чат-платформу Sentient Chat, серию открытых моделей Dobby и фреймворк AI Agent.

Серия моделей Dobby

SentientAGI выпустила несколько моделей серии «Dobby», в основном на базе Llama, сфокусированных на ценностях свободы, децентрализации и поддержки криптовалюты. Версия leashed более строгая и рациональная, подходит для стабильного вывода; unhinged склоняется к свободе и дерзости, имеет богатый стиль диалога. Dobby интегрирована в проекты Firework AI и Olas, доступна в Sentient Chat. Dobby 70B — самая децентрализованная модель на сегодняшний день,拥有的 600+ тыс. владельцев (持有点指纹 NFT).

Sentient также планирует выпустить Open Deep Search — поисковую агентовскую систему, претендующую на превосходство над ChatGPT и Perplexity Pro. Она сочетает функции поиска Sentient с рассуждающим агентом, используя открытые LLM (Llama 3.1, DeepSeek) для повышения качества поиска. Показывает сильные результаты в benchmark Frames, демонстрируя большой потенциал.

Sentient Chat: Децентрализованный чат и интеграция цепных ИИ-агентов

Sentient Chat — децентрализованная платформа, объединяющая открытые LLM (серия Dobby) с продвинутыми фреймворками рассуждающих агентов. Поддерживает мультиагентную интеграцию и выполнение сложных задач. Встроенные агенты выполняют поиск, расчеты, исполнение кода, обеспечивая высокоэффективный интерактивный опыт. Также поддерживает прямую интеграцию цепных агентов, включающую астрологического агента Astro247, криптоаналитика QuillCheck, кошелек Pond Base Wallet Summary и духовного лидера ChiefRaiin. Пользователи могут взаимодействовать с выбранными агентами. Sentient Chat будет использоваться как платформа дистрибуции и координации агентов. Запросы пользователя маршрутизируются к любой интегрированной модели или агенту для получения оптимального ответа.

Фреймворки AI Agent

Sentient предлагает два основных фреймворка AI Agent:

  • Sentient Agent Framework: легкий открытый фреймворк, ориентированный на автоматизацию веб-задач (поиск, воспроизведение видео) через инструкции на естественном языке. Поддерживает создание агентов с циклом восприятия, планирования, выполнения и обратной связи, подходящих для легкой разработки внецепных веб-задач.

  • Sentient Social Agent: ИИ-система, разработанная для социальных платформ (Twitter, Discord, Telegram), поддерживающая автоматизированное взаимодействие и генерацию контента. Через мультиагентное сотрудничество понимает социальную среду и обеспечивает более умный социальный опыт, интегрируется с Sentient Agent Framework для расширения сценариев применения.

Экосистема и способы участия

Program Builders Sentient в настоящее время выделяет грантовый пул на сумму 1 млн долларов США для поощрения разработчиков использовать SDK, создавать ИИ-агентов, подключенных через Sentient Agent API и работающих в экосистеме Sentient Chat. Официально заявленные партнеры охватывают множество направлений крипто-ИИ, включая нижеперечисленные команды:

Диаграмма экосистемы Sentient

Кроме того, Sentient Chat в настоящее время находится на стадии тестирования, доступ осуществляется только по приглашениям (waitlist), обычные пользователи могут подать заявку. Согласно официальной информации, уже зарегистрировано более 50 000 пользователей и выполнено 1 000 000 запросов. В листе ожидания Sentient Chat числится 2 000 000 человек.

Вызовы и перспективы

Sentient берет начало с модели, стремясь решить основные проблемы современных LLM, такие как несогласованность (misalignment) и недоверие, посредством фреймворка OML и блокчейна обеспечивая четкую структуру прав собственности, отслеживание использования и поведенческие ограничения, что значительно продвигает развитие децентрализованных моделей с открытым исходным кодом.

Благодаря ресурсной поддержке сооснователя Polygon Сэндипа Найлвола и одобрению ведущих VC и отраслевых партнеров, Sentient занимает лидирующие позиции в интеграции ресурсов и привлечении внимания рынка. Однако на фоне постепенного снятия «розовых очков» рынком с проектов с высокой оценкой, сможет ли Sentient предоставить по-настоящему значимый продукт децентрализованного ИИ, станет важнейшим испытанием на путь становления стандартом владения децентрализованным ИИ. Эти усилия касаются не только собственного успеха Sentient, но и оказывают глубокое влияние на восстановление доверия в отрасли и развитие децентрализации.

Sahara AI: Создание мира децентрализованного ИИ, доступного для каждого

Описание проекта

Sahara AI — децентрализованная инфраструктура, рожденная для новой парадигмы AI × Web3, посвященная построению открытой, справедливой и совместной экономики искусственного интеллекта. Проект реализует ончейн-управление и торговлю датасетами, моделями и интеллектуальными агентами через технологию децентрализованного реестра, обеспечивая суверенитет и отслеживаемость данных и моделей. Sahara AI внедряет прозрачные и справедливые механизмы стимулирования, позволяя всем контрибьюторам (провайдерам данных, аннотаторам, разработчикам моделей) получать неизменяемые финансовые回报 в процессе сотрудничества. Платформа также через нелицензируемую систему «авторских прав» защищает право собственности и принадлежность контрибьюторов к активам ИИ, поощряя открытое сотрудничество и инновации.

Sahara AI предоставляет комплексные решения полного цикла от сбора и аннотирования данных до тренировки моделей, создания ИИ-агентов и торговли активами ИИ, охватывая весь жизненный цикл ИИ, становясь всесторонней экосистемной платформой для удовлетворения потребностей разработки ИИ. Качество продуктов и технические возможности уже получили высокую оценку ведущих мировых компаний и институтов, включая Microsoft, Amazon, MIT, Motheson Group и Snap, демонстрируя сильное отраслевое влияние и широкую применимость.

Sahara — это не просто научный проект, а deep-tech платформа с ориентацией на внедрение, продвигаемая совместно практикующими техно-предпринимателями и инвесторами. Ее базовая архитектура может стать ключевой точкой опоры для внедрения приложений AI × Web3. Sahara AI получила совокупные инвестиции на сумму 43 млн долларов США от топ-фондов, включая Pantera Capital, Binance Labs и Sequoia China. Основана профессором с пожизненной ставкой USC и лауреатом премии Samsung 2023 года Шоаном Рэном (Sean Ren) и бывшим инвестиционным директором Binance Labs Тайлером Чжоу (Tyler Zhou). Команда происходит из Стэнфорда, UC Berkeley, Microsoft, Google, Binance, объединяя глубокий академический и промышленный опыт.

Архитектура

Архитектура Sahara AI

Базовый уровень

Базовый уровень Sahara AI делится на: 1. Нацепленный уровень для регистрации и монетизации ИИ-активов, 2. Цепнородный уровень для запуска агентов и ИИ-услуг. Состоит из взаимодействия цепных и внечепленных систем, отвечая за регистрацию, подтверждение прав, исполнение и распределение доходов активов ИИ, поддерживая достоверное сотрудничество на протяжении всего жизненного цикла ИИ.

Блокчейн Sahara и тестовая сеть SIWA (On-chain инфраструктура)

Тестовая сеть SIWA — первая публичная версия блокчейна Sahara. Протокол блокчейна Sahara (SBP) является ядром блокчейна Sahara, представляя собой набор смарт-контрактов, специально созданных для ИИ, реализующих ончейн-право собственности, историю происхождения и распределение доходов ИИ-активов. Ключевые модули включают систему регистрации активов, протокол прав собственности, отслеживание вкладов, управление разрешениями, распределение доходов и доказательства исполнения, формируя «ончейн-операционную систему» для ИИ.

Протокол исполнения ИИ (Off-chain инфраструктура)

Для поддержки достоверности работы и вызова моделей Sahara одновременно构建了 off-chain инфраструктуры протокола исполнения ИИ, комбинируясь с TEE, поддерживая создание, развертывание, запуск и совместную разработку агентов. Каждый запуск задачи автоматически генерирует проверяемую запись, загружаемую в цепь, обеспечивая сквозную отслеживаемость и верифицируемость. Цепная система отвечает за регистрацию, авторизацию и запись прав собственности, тогда как off-chain протокол исполнения ИИ поддерживает реальное время работы агентов и взаимодействия с услугами.

Так как Sahara поддерживает межцепное взаимодействие, приложения, построенные на базе инфраструктуры Sahara AI, могут быть развернуты на любой цепной сети или даже вне цепной среды.

Слой приложений

Платформа обслуживания данных Sahara AI (DSP)

Платформа обслуживания данных (DSP) — базовый модуль уровня приложений Sahara. Любой пользователь может принимать дата-задачи через Sahara ID, участвовать в аннотировании, очистке и модерации данных, получая награды в виде ончейн-баллов (Sahara Points) в качестве доказательства вклада. Этот механизм не только гарантирует происхождение и права на данные, но и формирует замкнутый цикл «вклад – вознаграждение – оптимизация модели». В настоящее время проходит четвертый сезон активностей, который является основным способом участия обычных пользователей.

На этой основе, чтобы поощрить пользователей предоставлять качественные данные и услуги, реализован двойной механизм стимулирования. Помимо вознаграждений от Sahara, участники могут получить дополнительные回报 от партнеров экосистемы, достигая эффекта одного вклада – множественного дохода. Например, дата-контрибьюторы продолжают получать доход всякий раз, когда их данные используются повторно моделью или для генерации новых приложений, реально участвуя в ИИ-стоимостной цепи. Этот механизм не только продлевает жизнь цифровым активам, но и придает мощную энергию совместному строительству. Например, MyShell на BNB Chain использует DSP для краудсорсинга кастомных датасетов, улучшая производительность модели, в то время как пользователи получают токены MyShell, образуя цикл win-win.

ИИ-предприятия могут на базе DSP проводить краудсорсинг кастомных датасетов, публикуя специфические задачи и быстро получая ответы от аннотаторов по всему миру. ИИ-предприятия больше не зависят исключительно от традиционных централизованных дата-провайдеров, позволяя крупномасштабно получать высококачественные размеченные данные.

Sahara AI Developer Platform

Sahara AI Developer Platform — это всеобъемлющая платформа построения и эксплуатации ИИ для разработчиков и предприятий, обеспечивающая полную поддержку от получения данных, тренировки модели до развертывания, исполнения и монетизации активов. Пользователи могут напрямую вызывать высококачественные ресурсы данных из Sahara DSP для тренировки и тонкой настройки моделей; обработанные модели могут комбинироваться, регистрироваться и выставляться на рынок ИИ в рамках платформы, реализуя подтверждение прав собственности и гибкую авторизацию через блокчейн Sahara. Studio также интегрирует децентрализованные вычислительные мощности, поддерживая тренировку моделей и развертывание агентов, гарантируя безопасность и верифицируемость вычислений. Разработчики могут хранить ключевые данные и модели под криптографической опекой и контролем разрешений, предотвращая несанкционированный доступ. Используя Sahara AI Developer Platform, разработчики могут строить, развертывать и монетизировать ИИ-приложения с низким порогом входа без необходимости самостоятельно строить инфраструктуру, полностью интегрируясь в цепную экономику ИИ через протокольные механизмы.

AI Markerplace

Sahara AI Markerplace — это децентрализованный рынок активов для моделей, датасетов и ИИ-агентов. Он не только поддерживает регистрацию, торговлю и авторизацию активов, но и构建了一套透明且可追踪的收益分配机制。开发者可以将自己构建的模型或收集的数据集注册为链上资产,设置灵活的使用授权与分润比例,系统将根据调用频次自动执行收益结算。数据贡献者也能因其数据被重复调用而持续获得分润,实现“持续变现”。这一市场与 Sahara 区块链协议深度整合,所有资产交易、调用、分润记录都将链上可验证,确保资产归属明确、收益可追踪。借助该市场,AI 开发者不再依赖传统 API 平台或中心化模型托管服务,而是拥有自主、可编程的商业化路径。

Этот маркетплейс глубоко интегрирован с протоколом блокчейна Sahara, все записи транзакций, вызовов и распределения доходов подтверждаются ончейн, обеспечивая четкое право собственности и отслеживаемость доходов. Благодаря этому рынку ИИ-разработчики больше не зависят от традиционных платформ API или централизованных сервисов хостинга моделей, получая автономный, программируемый путь к монетизации.

Уровень экосистемы

Уровень экосистемы Sahara AI связывает провайдеров данных, ИИ-разработчиков, потребителей, корпоративных пользователей и межцепных партнеров. Независимо от желания внести вклад данными, разработать приложения, использовать продукты или продвигать цифровизацию внутри предприятия, все могут найти применение и бизнес-модели для дохода. Аннотаторы, команды разработки моделей и провайдеры вычислительных мощностей могут зарегистрировать свои ресурсы как ончейн-активы,authorize и distribute royalties через протокол Sahara AI, позволяя каждому использованному ресурсу автоматически получать回报. Разработчики могут через всеобъемлющую платформу соединить данные, тренировать модели, развернуть агентов и монетизировать результаты напрямую на AI Markerplace.

Обычным пользователям не нужны технические знания для участия в дата-задачах, использования ИИ-приложений, коллекционирования или инвестиций в ончейн-активы, становясь частью ИИ-экономики. Для корпораций Sahara предоставляет поддержку полного цикла от краудсорсинга данных, разработки моделей до частного развертывания и монетизации доходов. Кроме того, Sahara поддерживает межцепное развертывание, любая экосистема публичной цепи может использовать протоколы и инструменты Sahara AI для построения ИИ-приложений, подключения к децентрализованным ИИ-активам, реализуя совместимость и масштабирование с многоцепным миром. Это делает Sahara AI не просто одиночной платформой, а базовым стандартом协作的链上 AI 生态.

Прогресс экосистемы

С момента запуска проекта Sahara AI не просто предоставляет набор инструментов ИИ или платформу вычислений, но также реконструирует порядок производства и распределения ИИ в цепи, строя децентрализованную сеть коллаборации, где каждый может участвовать, подтверждать права, вносить вклад и делиться ресурсами. Именно поэтому Sahara выбрал блокчейн в качестве базовой архитектуры,构建可验证、可追踪、可分配的经济体系 for AI.

Вокруг этой ключевой цели экосистема Sahara достигла значительного прогресса. Даже находясь на стадии приватного теста, платформа已累计生成超 320 万个链上账户,日活跃账户稳定在 140 万以上,显示出用户参与度与网络活力。其中,超过 20 万名用户通过 Sahara 数据服务平台参与了数据标注、训练与验证任务,并获得链上激励奖励。同时,仍有数百万用户在等待加入白名单,印证了市场对去中心化 AI 平台的强烈需求与共识。

Диаграмма экосистемы Sahara AI

Способы участия

SIWA будет запущена в четыре этапа. Сейчас первый этап закладывает фундамент для ончейн-права собственности на данные, контрибьюторы могут регистрировать и токенизировать свои датасеты. Этап открыт для всех без waitlist. Необходимо убедиться, что загруженные данные полезны для ИИ; плагиат или неприемлемый контент могут привести к штрафам.

Тестовая сеть SIWA

Второй этап реализует ончейн-монетизацию датасетов и моделей. Третий этап откроет тестовую сеть и опубликует протокол с открытым исходным кодом. Четвертый этап推出 AI 数据流注册、溯源追踪与贡献证明机制。除了SIWA测试网,现阶段普通用户可以参与Sahara Legends,通过游戏化任务了解Sahara AI的功能。完成任务后收获守护者碎片,最后可以合成一个NFT来记录对网络的贡献。或者在数据服务平台标注数据,贡献有价值数据,以及担任审核员。Sahara 后续计划和生态伙伴合作发布任务,让参与者除了获得Sahara的积分外还可获得生态伙伴的激励。第一次双奖励任务和Myshell一起举办,用户完成任务可获得Sahara的积分和Myshell的代币奖励。根据路线图,Sahara 预计于2025年Q3 推出主网,届时可能也会迎来TGE。

Помимо тестовой сети SIWA, сейчас обычные пользователи могут участвовать в Sahara Legends, изучая функционал Sahara AI через геймплейные задачи. Выполняя задания, они собирают осколки стражей, которые в итоге можно скрафтить в NFT, фиксирующий вклад в сеть.

Или участвовать в аннотировании данных на платформе DSP, вносить ценные данные и работать модератором. В будущем Sahara планирует сотрудничать с партнерами экосистемы для публикации задач, позволяя участникам получать не только баллы Sahara, но и вознаграждения от партнеров экосистемы. Первое событие с двойными наградами прошло совместно с Myshell, где пользователи за выполнение заданий получили баллы Sahara и токены Myshell.

Согласно дорожной карте, Sahara планирует запустить mainnet в Q3 2025 года, что также может сопровождаться TGE.

Вызовы и перспективы

Sahara AI освобождает ИИ от ограничений только разработчиков или крупных ИИ-компаний, делая его более открытым, инклюзивным и демократичным. Для обычных пользователей участие и получение дохода возможно без знаний программирования; Sahara AI создает мир децентрализованного ИИ, доступного каждому. Для технических разработчиков Sahara AI соединяет пути разработки Web2 и Web3, предлагая децентрализованные, но гибкие и мощные инструменты разработки и качественные датасеты. Для провайдеров ИИ-инфраструктуры Sahara AI предоставляет новые пути децентрализованной монетизации моделей, данных, вычислений и услуг. Sahara AI не ограничивается публичными цепями, но активно развивает core applications, продвигая развитие системы авторских прав ИИ через блокчейн. На данном этапе Sahara AI уже достигла первоначального успеха, заключив партнерства с рядом топ-ИИ институтов. Будущий успех будет зависеть от производительности после запуска mainnet, развития продуктовой экосистемы и уровня внедрения, а также того, сможет ли экономическая модель после TGE продолжать стимулировать пользователей вносить вклад в датасеты.

Ritual: Инновационный дизайн для преодоления ключевых проблем ИИ, таких как гетерогенные задачи

Описание проекта

Ritual стремится решить проблемы централизации, закрытости и недоверия в современной ИИ-индустрии, предоставляя прозрачный механизм верификации, справедливое распределение вычислительных ресурсов и гибкую адаптацию моделей; позволяя любым протоколам, приложениям или смарт-контрактам интегрировать верифицируемые ИИ-модели всего несколькими строками кода; и через открытую архитектуру и модульный дизайн продвигая широкое применение ИИ в цепи, строя открытую, безопасную и устойчивую ИИ-экосистему.

Ritual завершила раунд A на $25 млн в ноябре 2023 года под руководством Archetype, с участием Accomplice и многих других институциональных инвесторов и известных бизнес-ангелов, продемонстрировав рыночное признание и сильную социальную компетентность команды. Сооснователи Нирадж Пант (Niraj Pant) и Акилеш Потти (Akilesh Potti) ранее были партнерами Polychain Capital, курировали инвестиции в Offchain Labs, EigenLayer и других отраслевых гигантов, проявив глубокое понимание рынка. Команда обладает богатым опытом в криптографии, распределенных системах и ИИ, консультативный совет включает создателей проектов NEAR и EigenLayer, подчеркивая сильный бэкграунд и потенциал.

Архитектура

От Infernet к Ritual Chain

Ritual Chain — это второй поколение продукта, плавно перешедшее от сети узлов Infernet, представляющее всеобъемлющее обновление Ritual в децентрализованной вычислительной сети ИИ.

Infernet — первый продукт Ritual, официально запущенный в 2023 году. Это децентрализованная оркульская сеть для гетерогенных вычислительных задач, призванная преодолеть ограничения центральных API, позволяя разработчикам более свободно и стабильно вызывать прозрачные и открытые децентрализованные ИИ-услуги.

Infernet采用了灵活简单的轻量化框架,由于其易用性和高效性,在推出后迅速吸引了 8,000 多个独立节点加入。这些节点具备多样化的硬件能力,包括 GPU 和 FPGA,能够为 AI 推理和零知识证明生成等复杂任务提供强大的计算能力。然而,为了保持系统的简洁性,Infernet 放弃了一些关键功能,例如通过共识协调节点或集成稳健的任务路由机制。这些限制使 Infernet 难以满足更广泛的 Web2 和 Web3 开发者的需求,从而促使 Ritual 推出了更加全面和强大的 Ritual Chain。

Диаграмма рабочего процесса Ritual Chain

Ritual Chain — блокчейн нового поколения Layer 1, специально созданный для ИИ-приложений, призванный устранить ограничения Infernet и предложить разработчикам более надежную и эффективную среду. Благодаря технологии Resonance, Ritual Chain предоставляет Infernet простой и надежный механизм ценообразования и маршрутизации задач, значительно оптимизируя эффективность распределения ресурсов. Кроме того, Ritual Chain основана на фреймворке EVM++, который представляет обратно совместимое расширение Ethereum Virtual Machine с расширенными функциями, включая прекомпилы, нативное планирование (scheduling), встроенную Account Abstraction (AA) и ряд передовых улучшений Ethereum (EIP). Эти особенности вместе создают мощный, гибкий и эффективный инструмент разработки, открывая новые возможности.

Прекомпилы Sidecars

По сравнению с традиционными прекомпильными модулями, дизайн Ritual Chain повышает масштабируемость и гибкость системы, позволяя разработчикам создавать кастомные функциональные модули контейнеризованным способом без изменения базового протокола. Такая архитектура не только значительно снижает затраты на разработку, но и обеспечивает более мощные вычислительные возможности для децентрализованных приложений.

Конкретно Ritual Chain через модульную архитектуру разделяет сложные вычисления от клиента исполнения, реализует их в виде независимых Sidecars. Эти прекомпилы эффективно обрабатывают сложные вычислительные задачи, включая ИИ-инференс, генерацию доказательств с нулевым разглашением и операции TEE.

Нативное планирование (Native Scheduling)

Нативное планирование решает потребность в таймеровом триггере и условном исполнении. Традиционные блокчейны обычно полагаются на централизованные сторонние сервисы (например, keeper) для запуска задач, но этот模式存在中心化风险和高额成本。Ritual Chain 通过内置调度器彻底摆脱了对中心化服务的依赖,开发者可以直接在链上设置智能合约的入口点和回调频率(callback frequency)。区块生产者会维护挂起调用的映射表,在生成新区块时优先处理这些任务。结合 Resonance 的资源动态分配机制,Ritual Chain 能够高效且可靠地处理计算密集型任务,为去中心化 AI 应用提供了稳定的保障。

Технологические инновации

Ключевые технологические инновации Ritual обеспечивают ее лидерство в производительности, верификации и масштабируемости, предоставляя мощную поддержку для цепных ИИ-приложений.

1. Resonance: оптимизация распределения ресурсов

Resonance — это двусторонний рыночный механизм для оптимизации распределения ресурсов блокчейна, решающий сложность гетерогенных транзакций. По мере того как блокчейн-транзакции эволюционируют от простых переводов до смарт-контрактов, ИИ-инференса и других форм, существующие механизмы комиссий (например, EIP-1559) не могут эффективно соответствовать потребностям пользователей и ресурсам узлов. Resonance внедряет две ключевые роли — Broker и Auctioneer для достижения оптимального соответствия между пользовательскими транзакциями и возможностями узлов:

  • Broker анализирует готовность пользователя платить комиссию и функцию затрат ресурсов узла для достижения оптимального сопоставления, повышая эффективность использования вычислительных ресурсов.

  • Auctioneer организует распределение комиссий через двусторонний аукционный механизм, обеспечивая справедливость и прозрачность. Узлы выбирают типы транзакций в зависимости от аппаратных возможностей, а пользователи отправляют запросы в соответствии с приоритетами (например, скорость или стоимость).

Этот механизм значительно提高了网络资源利用效率和用户体验,同时通过去中心化的拍卖流程进一步增强了系统的透明性和开放性。

В рамках механизма Resonance: Auctioneer распределяет подходящие задачи узлам на основе анализа Broker

2. Symphony: повышение эффективности верификации

Symphony фокусируется на повышении эффективности верификации, решая проблему неэффективности традиционного блокчейнного режима «повторного исполнения» при обработке и верификации сложных вычислительных задач. Symphony основана на модели EOVMT (Execute Once, Verify Many Times / Выполнить один раз, верифицировать многократно), отделяя процессы вычислений и верификации, что значительно снижает потери производительности из-за повторяющихся вычислений.

  • Вычислительная задача выполняется назначенным узлом один раз, результат транслируется через сеть, а узлы-верификаторы используют сжатые доказательства (succinct proofs) для подтверждения правильности результата, не требуя повторного вычисления.

  • Symphony поддерживает распределенную верификацию, разбивая сложные задачи на подзадачи, которые обрабатываются параллельно разными верификаторами, что дополнительно повышает эффективность верификации, обеспечивая защиту конфиденциальности и безопасность.

Symphony высоко совместима с системами доказательств, такими как TEE и ZKP, обеспечивая гибкую поддержку для быстрой подтверждения транзакций и конфиденциальных вычислительных задач. Эта архитектура не только значительно снижает накладные расходы на повторяющиеся вычисления, но и гарантирует децентрализацию и безопасность процесса верификации.

Symphony разделяет сложные задачи на несколько подзадач, которые обрабатываются параллельно различными верификаторами

3. vTune: отслеживаемая верификация моделей

vTune — инструмент, предоставляемый Ritual для верификации моделей и отслеживания происхождения, практически не влияющий на производительность моделей, обладающий хорошей устойчивостью к помехам, особенно подходящий для защиты интеллектуальной собственности открытых моделей и продвижения справедливой дистрибуции. vTune комбинирует технологии водяных знаков (watermarking) и доказательств с нулевым разглашением, встраивая скрытые метки для отслеживания происхождения модели и обеспечения целостности вычислений:

  • Технология водяных знаков: встраивание меток через пространство весов, данные или пространство функций. Даже при публичном доступе к модели принадлежность может быть верифицирована. Особенно функция пространства функций позволяет верифицировать принадлежность через выходные данные модели без доступа к весам, обеспечивая более сильную защиту конфиденциальности и устойчивость.

  • Доказательства с нулевым разглашением: внедрение скрытых данных в процессе тонкой настройки модели для верификации отсутствия изменений, одновременно защищая права создателя модели.

Этот инструмент не только предоставляет достоверную верификацию происхождения на децентрализованном рынке ИИ-моделей, но и существенно повышает безопасность модели и прозрачность экосистемы.

Развитие экосистемы

Ritual в настоящее время находится на стадии приватной тестовой сети, возможности участия для обычных пользователей ограничены; разработчики могут подать заявку и присоединиться к официальным программам поощрения Altar и Realm, участвуя в строительстве ИИ-экосистемы Ritual, получая полный стек технической и финансовой поддержки от официального.

Среди официально объявленных родных приложений программы Altar:

  • Relic: автоматизированный маркет-мейкер (AMM) на базе машинного обучения, динамически регулирующий параметры пулов ликвидности через инфраструктуру Ritual для оптимизации комиссий и базовых пулов;

  • Anima: инструмент автоматизации торговых операций на цепи на базе LLM, обеспечивающий гладкий и естественный опыт взаимодействия с Web3;

  • Tithe: кредитный протокол на базе ИИ, динамически оптимизирующий кредитные пулы и кредитные рейтинги, поддерживающий более широкий спектр типов активов.

Кроме того, Ritual углубленно сотрудничает с несколькими зрелыми проектами, продвигая развитие децентрализованной ИИ-экосистемы. Например, сотрудничество с Arweave обеспечивает децентрализованное постоянное хранение моделей, данных и ZKP; интеграция с StarkWare и Arbitrum приносит нативные возможности ончейн ИИ в эти экосистемы; кроме того, механизм рестейкинга от EigenLayer добавляет Active Verification Services (AVS) в рынок доказательств Ritual, дополнительно усиливая децентрализацию и безопасность сети.

Вызовы и перспективы

Дизайн Ritual начинается с ключевых этапов распределения, стимулирования и верификации, решая центральные проблемы децентрализованного ИИ, одновременно реализуя верифицируемость моделей через инструменты вроде vTune, преодолевая противоречие между открытием исходного кода моделей и стимулированием, предоставляя техническую поддержку для строительства рынка децентрализованных моделей.

На данный момент Ritual находится на ранней стадии, в основном фокусируясь на этапе инференса моделей, продуктовый массив расширяется от инфраструктуры до рынков моделей, L2-as-a-Service (L2aaS) и фреймворков агентов. Поскольку блокчейн все еще находится на стадии приватного теста, передовые технические схемы, предложенные Ritual, все еще ждут массового публичного внедрения и требуют постоянного внимания. Мы ожидаем, что с постоянным совершенствованием технологий и постепенным обогащением экосистемы Ritual станет важной частью инфраструктуры децентрализованного ИИ.

Gensyn: Решение ключевых проблем децентрализованного обучения моделей

Описание проекта

В эпоху ускоренной эволюции ИИ и растущего дефицита вычислительных ресурсов Gensyn пытается переосмыслить базовую парадигму всего процесса тренировки ИИ-моделей.

В традиционном процессе тренировки ИИ-моделей вычислительные мощности почти полностью монополизированы несколькими облачными гигантами, высокие затраты на тренировку и низкая прозрачность тормозят инновации средних команд и независимых исследователей. Vision Gensyn именно в том, чтобы разрушить эту структуру «централизованной монополии». Она主张将训练任务“下沉”至全球范围内无数个具备基本计算能力的设备上——无论是 MacBook、游戏级 GPU,还是边缘设备、闲置服务器,都可接入网络、参与任务执行、获取报酬.

Gensyn была основана в 2020 году, специализируется на строительстве децентрализованной ИИ-вычислительной инфраструктуры. Еще в 2022 году команда впервые предложила намерение переосмыслить тренировку ИИ-моделей на технологическом и институциональном уровнях: отказ от закрытых облачных платформ или гигантских серверных кластеров в пользу погружения обучающих задач в гетерогенные вычислительные узлы по всему миру, создавая беспрепятственную сеть интеллектуальных вычислений.

В 2023 году Gensyn расширила свое видение: строительство глобально связанной, открытой автономной сети ИИ без барьеров входа — любое устройство с базовой вычислительной мощностью может стать частью этой сети. Ее базовый протокол основан на блокчейнной архитектуре, обладая композируемостью механизмов стимулирования и верификации.

С момента основания Gensyn собрала 50,6 млн долларов поддержки, инвесторы включают a16z, CoinFund, Canonical, Protocol Labs, Distributed Global и другие 17 институциональных фондов. Среди них раунд A в июне 2023 года под руководством a16z получил широкое внимание, отметив начало интереса мейнстримных Web3-VC к сфере децентрализованного ИИ.

Бэкграунд ключевого состава команды также впечатляет: сооснователь Ben Fielding изучал теоретическую информатику в Оксфорде, имея глубокую исследовательскую базу; другой сооснователь Harry Grieve долгое время занимался системным дизайном децентрализованных протоколов и экономическим моделированием, обеспечивая прочную поддержку для архитектуры и механизмов стимулирования Gensyn.

Архитектура

Текущее развитие систем децентрализованного ИИ сталкивается с тремя ключевыми технологическими瓶颈ами: выполнение (Execution), верификация (Verification) и коммуникация (Communication). Эти瓶颈不仅限制了大模型训练能力的释放,也制约了全球算力资源的公平整合与高效利用。Gensyn 团队在系统性研究基础上,提出了三项具有代表性的创新机制——RL Swarm、Verde 以及 SkipPipe,针对上述问题分别构建了解决路径,推动了去中心化 AI 基础设施从概念走向落地。

1. Вызов выполнения: Как заставить фрагментированные устройства синхронно эффективно тренировать большие модели?

В настоящее время повышение производительности больших языковых моделей в основном зависит от стратегии «увеличения масштаба»: больше параметров, шире датасеты, дольше периоды тренировки. Но это значительно увеличивает затраты на вычисления — тренировка сверхбольших моделей часто требует разбиения на тысячи GPU-узлов, которые должны осуществлять высокочастотную передачу данных и синхронизацию градиентов. В децентрализованных сценариях узлы распределены географически, оборудование гетерогенно, состояние нестабильно, традиционные централизованные стратегии расписания неэффективны.

Для преодоления этого вызова Gensyn предлагает RL Swarm — систему пост-тренировки с обучением с подкреплением точка-к-точке. Её ключевая идея превращает процесс тренировки в распределенную кооперативную игру. Механизм разделен на три этапа: «Разделение – Критика – Решение». Сначала узлы независимо проводят логические рассуждения и публично делятся результатами; затем узлы оценивают ответы товарищей, предлагая обратную связь с точки зрения логики и стратегической рациональности; наконец, узлы корректируют собственные выводы на основе мнения группы, генерируя более устойчивые ответы. Этот механизм эффективно объединяет индивидуальные вычисления и групповую координацию, особенно подходящий для задач математического и логического вывода, требующих высокой точности и верифицируемости. Эксперименты показали, что RL Swarm не только улучшает эффективность, но и значительно снижает порог входа, обладая отличной масштабируемостью и отказоустойчивостью.

Трехступенчатая система тренировки с применением обучением с подкреплением RL Swarm «Разделение – Критика – Решение»

2. Вызов верификации: как проверить правильность результатов вычислений непроверяемых поставщиков?

В децентрализованной сети тренировки «любой может предоставить вычисления» — это преимущество и риск. Вопрос в том: как проверить действительность этих вычислений без доверия?

Традиционные методы, такие как повторное вычисление или whitelist-аудиты, имеют очевидные ограничения — первый крайне дорог и не масштабируется; второй исключает «лонгтейловые» узлы, ухудшая открытость сети. Для этого Gensyn разработала Verde — легкий арбитражный протокол, специально созданный для сценариев верификации тренировки нейронных сетей.

Ключевая идея Verde — «минимальное доверенное решение»: когда верификатор сомневается в результате тренировки поставщика, арбитражный контракт лишь перегенерирует первые спорные операции в вычислительном графе, не требуя полной пересборки всей тренировки. Это значительно снижает нагрузку на верификацию, одновременно обеспечивая правильность результата при условии честности хотя бы одной стороны. Для решения проблемы недетерминированности операций с плавающей запятой между разным оборудованием, Verde также разработала библиотеку Reproducible Operators (воспроизводимые операторы), принудительно устанавливающую единый порядок выполнения для распространенных математических операций, таких как матричное умножение, достигая битовой консистентности вывода между устройствами. Эта технология значительно повышает безопасность и инженерную осуществимость распределенной тренировки, являясь важным прорывом в современных доверительных системах верификации.

Рабочий процесс Verde

Весь механизм построен на записи тренером ключевых промежуточных состояний (чекпоинтов), несколько верификаторов случайным образом назначаются для воспроизведения этих шагов тренировки, чтобы определить консистентность вывода. Когда результаты верификации конфликтуют с результатами тренера, система не перегенерирует всю модель, а через механизм сетевого арбитража точно определяет первую операцию分歧 в вычислительном графе, перегенерируя только эту операцию для сопоставления, достигая арбитража споров с минимальными затратами. Таким образом, Verde, не требуя доверия к тренировочным узлам, гарантирует целостность процесса тренировки,兼顾 эффективность и масштабируемость, являясь верификационной рамкой, созданной специально для сред распределенного ИИ.

3. Вызов коммуникации: как снизить сетевые узкие места из-за частой синхронизации между узлами?

В традиционной распределенной тренировке модель либо копируется целиком, либо разделяется по слоям (pipeline parallelism), оба требуют высокочастотной синхронизации между узлами. Особенно в pipeline parallelism, один микро-батч должен строго последовательно проходить через каждый слой модели, приводя к тому, что любая задержка одного узла блокирует весь процесс тренировки.

Для решения этой проблемы Gensyn предлагает SkipPipe — высокоотказоустойчивую систему тренировки пайплайнов с поддержкой прыжкового выполнения и динамического расписания путей. SkipPipe внедряет механизм «skip ratio», позволяя определенным микро-батчам пропускать определенные слои модели при высокой нагрузке на узлах, одновременно используя алгоритм расписания динамически выбирая оптимальный вычислительный путь. Эксперименты показывают, что в сетях с широким географическим распределением, большими различиями в оборудовании и ограниченной пропускной способностью, время тренировки через SkipPipe может сократиться на 55%, сохраняя лишь 7% потерь даже при 50% вероятности отказа узлов, демонстрируя исключительную устойчивость и адаптивность.

Способы участия

Публичная тестовая сеть Gensyn была запущена 31 марта 2025 года, в настоящее время находится на начальной стадии своей дорожной карты (Phase 0), фокусируясь на развертывании и верификации RL Swarm. RL Swarm — первое приложение Gensyn, спроектированное вокруг совместной тренировки моделей обучения с подкреплением. Каждый участвующий узел привязывает свое поведение к ончейн-идентичности, процесс вклада полно记录下来, предоставляя базу для последующего распределения вознаграждений и моделей可信计算.

Рейтинг узлов Gensyn

Порог оборудования на ранних стадиях тестирования довольно дружелюбен: пользователи Mac могут использовать чипы серии M, пользователи Windows рекомендуют оснастить高性能 GPU (RTX 3090/4090) и память от 16 ГБ для развертывания локального Swarm-узла.

После запуска системы пользователь входит через веб-почту (рекомендуется Gmail) для завершения процесса верификации, может выбрать привязку токена доступа HuggingFace для активации более полных моделей.

Вызовы и перспективы

В настоящее время наибольшая неопределенность проекта Gensyn заключается в том, что его тестовая сеть еще не включает обещанный полный стек технологий. Ключевые модули, такие как Verde и SkipPipe, все еще находятся в ожидании интеграции, что заставляет внешнюю сторону наблюдать за способностью реализации архитектуры. Официальное объяснение: тестовая сеть будет двигаться поэтапно, каждый этап разблокирует новые протокольные возможности, приоритет отдается верификации стабильности и масштабируемости инфраструктуры. Первый этап стартует с RL Swarm, в будущем будет постепенно расширяться на сценарии pre-training и inference, в конечном итоге перейдя к развертыванию mainnet с поддержкой реальных экономических транзакций.

Несмотря на относительно консервативный темп запуска тестовой сети, стоит отметить, что всего через месяц Gensyn выпустила новую Swarm-задачу для тренировки моделей большего размера и сложных математических задач. Это一定程度上回应了外界对其开发节奏的质疑,也展现出团队在局部模块推进上的执行效率。

Однако появляются и новые вопросы: новая версия предъявляет крайне высокие требования к оборудованию, рекомендуемая конфигурация включает флагманские GPU типа A100, H100 (80 ГБ VRAM), что практически недостижимо для малых и средних узлов, образуя натяжение с изначальным замыслом Gensyn об «открытом доступе и децентрализованной тренировке». Если тенденция к централизации вычислений не будет должным образом направлена, это повлияет на справедливость сети и устойчивость децентрализованного управления.

В дальнейшем, если Verde и SkipPipe успешно интегрируются, это поможет повысить целостность протокола и эффективность координации. Но сможет ли Gensyn найти истинный баланс между производительностью и децентрализацией, еще предстоит долго и широко проверить на практике тестовой сети. В настоящий момент она уже показала потенциал, обнажила вызовы, и именно таковым является наиболее реальное состояние раннего инфраструктурного проекта.

Bittensor: Инновации и развитие децентрализованной ИИ-сети

Описание проекта

Bittensor — пионерский проект, сочетающий блокчейн и ИИ, основанный Джейкобом Стиивсом и Алой Шаабана в 2019 году, стремящийся построить «рыночную экономику машинного интеллекта». Оба сооснователя имеют глубокий бэкграунд в ИИ и распределенных системах. Автор белого документа Юма Рао (Yuma Rao) считается ключевым техническим консультантом команды, привнося профессиональный взгляд в криптографию и алгоритмы консенсуса.

Проект стремится через протокол блокчейна интегрировать глобальные вычислительные ресурсы, строя самосовершенствующуюся экосистему распределенной нейросети. Эта видения превращает цифровые активы, такие как вычисления, данные, хранение и модели, в потоки интеллектуальной ценности, формируя новый экономический формат, обеспечивая справедливое распределение выгод от развития ИИ. В отличие от централизованных платформ вроде OpenAI, Bittensor устанавливает три ключевых столпа ценностей:

  • Разрушение изоляции данных: стимулирование обмена знаниями и взноса моделей через систему стимулов токена TAO

  • Оценка качества, управляемая рынком: внедрение механизмов теории игр для отбора качественных ИИ-моделей, обеспечивая выживание лучших

  • Амплификатор сетевого эффекта: рост участников экспоненциально коррелирует с ценностью сети, формируя позитивный цикл

Что касается инвестиционной расстановки, Polychain Capital инкубировала Bittensor с 2019 года, в настоящее время владеет TAO на сумму около $200 млн; Dao5 держит TAO примерно на $50 млн, являясь ранним поддержателем экосистемы Bittensor. В 2024 году Pantera Capital и Collab Currency увеличили ставки через стратегические инвестиции. В августе того же года фонд Grayscale включил TAO в свой децентрализованный ИИ-фонд, отмечая высокую оценку институциональными инвесторами ценности проекта и долгосрочный оптимизм.

Архитектура и механизм работы

Архитектура сети

Bittensor построила精密ную сетевую архитектуру из четырех взаимодействующих уровней:

  • Уровень блокчейна: собран на базе фреймворка Substrate, выступает фундаментом доверия сети, отвечает за фиксацию изменений состояния и выпуск токенов. Система генерирует новый блок каждые 12 секунд и выпускает токены TAO согласно правилам, обеспечивая консенсус сети и распределение вознаграждений.

  • Уровень нейронов (Neuron): вычислительные узлы сети, на которых запущены различные ИИ-модели для предоставления интеллектуальных услуг. Каждый узел через тщательно спроектированную конфигурацию явно заявляет тип предоставляемой услуги и спецификации интерфейса, реализуя модульность функций и plug-and-play.

  • Уровень синапсов (Synapse): коммуникационный мост сети, динамически оптимизирует веса соединений между узлами, формируя структуру, похожую на нейросеть, обеспечивая эффективную передачу информации. Синапсы также встроили экономическую модель: взаимодействия между нейронами и вызовы услуг оплачиваются токенами TAO, образуя замкнутый цикл потока стоимости.

  • Уровень метаграфа (Metagraph): глобальная карта знаний системы, непрерывно мониторингует и оценивает ценность вкладов различных узлов, предоставляя интеллектуальное руководство всей сети. Метаграф через точные расчеты определяет веса синапсов, влияя на распределение ресурсов, механизмы вознаграждений и влияние узлов в сети.

Блок-схема сети Bittensor

Механизм консенсуса Yuma

Сеть использует уникальный алгоритм консенсуса Yuma, завершающий раунд распределения вознаграждений каждые 72 минуты. Процесс проверки сочетает субъективную оценку и объективные измерения:

  • Человеческая оценка: верификаторы субъективно оценивают качество вывода майнеров

  • Матрица Фишера: объективно количественно измеряет вклад узлов в общую сеть

Такой смешанный механизм «субъективный + объективный» эффективно балансирует экспертное суждение и алгоритмическую справедливость.

Архитектура сабнетов (Subnet) и обновление dTAO

Каждый сабнет фокусируется на конкретной области услуг ИИ, таких как генерация текста, распознавание изображений и т.д., работает независимо, но остается подключенным к основной блокчейнной subtensor, формируя высоко гибкую модульную архитектуру расширения. В феврале 2025 года Bittensor завершила знаменательное обновление dTAO (Dynamic TAO), которое превратило каждый сабнет в независимую экономическую единицу, интеллектуально регулируя распределение ресурсов через сигналы рыночного спроса. Ключевой инновацией стала механика токенов сабнета (Alpha-токенов):

  • Принцип работы: участники стейкают TAO для получения Alpha-токенов, выпущенных каждым сабнетом, эти токены отражают рыночное признание и поддержку конкретных услуг сабнета

  • Логика распределения ресурсов: рыночная цена Alpha-токенов служит ключевым показателем интенсивности спроса на сабнет. В исходном состоянии цены Alpha-токенов всех сабнетов идентичны, в каждом пуле ликвидности содержится только 1 TAO и 1 Alpha-токен. По мере роста активности торгов и инъекций ликвидности цена Alpha-токена динамически адаптируется, распределение TOA интеллектуально рассчитывается пропорционально цене токена сабнета, субнеты с высоким уровнем популярности получают больше ресурсов, реализуя настоящую оптимизацию资源配置, управляемую спросом

Распределение эмиссии токенов сабнетов Bittensor

Обновление dTAO существенно повысило жизненность экосистемы и эффективность использования ресурсов, общая капитализация рынка токенов сабнетов достигла $500 млн, демонстрируя мощную динамику роста.

Стоимость токенов альфа сабнетов Bittensor

Прогресс экосистемы и примеры применения

История запуска основной сети

Сеть Bittensor прошла три ключевых этапа развития:

  • Январь 2021: официальный запуск mainnet, заложив фундаментальную архитектуру

  • Октябрь 2023: обновление «Revolution» внедрило архитектуру сабнетов, реализовав модульность функций

  • Февраль 2025: завершено обновление dTAO, установив механизм распределения ресурсов, управляемый рынком

Экосистема сабнетов выросла взрывными темпами: по состоянию на апрель 2025 года функционирует 95 профессиональных сабнетов, ожидается превышение 200 к концу года.

Количество сабнетов Bittensor

Типы экосистемных проектов разнообразны, охватывая ИИ-агентов (например, Tatsu), предиктивные рынки (Bettensor), протоколы DeFi (TaoFi) и другие передовые области, формируя инновационную экосистему глубокой интеграции ИИ и финансов.

Типовые проекты экосистемы сабнетов

TAOCAT: нативный ИИ-агент в экосистеме Bittensor, непосредственно построенный на сабнете, предоставляющий пользователям инструменты принятия решений на основе данных. Использует большую языковую модель Subnet 19, данные реального времени Subnet 42 и Arena агентов Subnet 59, обеспечивая рыночную аналитику и поддержку принятия решений. Получил инвестиции от DWF Labs, включен в ее 20-миллионный ИИ-агент-фонд, торгуется на Binance Alpha.

OpenKaito: сабнет,推出的 Kaito 团队在 Bittensor 上推出的子网,旨在构建去中心化的加密行业搜索引擎。目前已索引5亿网页资源,展示了去中心化AI处理海量数据的强大能力。与传统搜索引擎相比,其核心优势在于减少商业利益干扰,提供更透明、中立的数据处理服务,为Web3时代信息获取提供新范式。

Tensorplex Dojo: Subnet 52, разработанный Tensorplex Labs, фокусируется на краудсорсинге высококачественных человеко-генерируемых датасетов через децентрализованную платформу, поощряя пользователей зарабатывать токены TAO за аннотирование данных. В марте 2025 года YZi Labs (ранее Binance Labs) анонсировала инвестиции в Tensorplex Labs, поддерживая развитие Dojo и Backprop Finance.

CreatorBid: работает на Subnet 6, творческая платформа, сочетающая ИИ и блокчейн, интегрированная с Olas и другими GPU-сетями (например, io.net), поддерживающая креаторов контента и разработчиков ИИ-моделей.

Технологические и отраслевые партнерства

Bittensor добился прорывных успехов в межотраслевых партнерствах:

  • Установил глубокий канал интеграции моделей с Hugging Face, обеспечив бесшовный ончейн развертывание 50 популярных ИИ-моделей

  • В 2024 году совместно с производителем高性能 ИИ-чипов Cerebras выпустил модель BTLM-3B, совокупное число загрузок превысило 160 000

  • В марте 2025 года заключил стратегическое партнерство с гигантом DeFi Aave для совместного исследования сценариев применения rsTAO в качестве качественного кредитного залога

Способы участия

Bittensor разработал разнообразные пути участия в экосистеме, формируя полноценную систему создания и распределения ценности:

  • Майнинг: развертывание узлов майнеров для производства высококачественных цифровых товаров (например, услуг ИИ-моделей), получение вознаграждений TAO в зависимости от качества вклада

  • Верификация: работа узлов верификаторов для оценки результатов работы майнеров, поддержание стандартов качества сети, получение соответствующих стимулов TAO

  • Стейкинг: удержание и стейкинг TAO для поддержки качественных узлов верификаторов, получение пассивного дохода в зависимости от показателей верификатора

  • Разработка: использование SDK и CLI инструментов Bittensor для создания инновационных приложений, утилит или новых сабнетов, активное участие в строительстве экосистемы

  • Использование услуг: использование предоставляемых сетью ИИ-услуг через дружественные клиентские интерфейсы, например, генерация текста или распознавание изображений

  • Торговля: участие на рынке токенизированных активов сабнетов, ловля потенциальных возможностей роста ценности

Распределение токенов альфа сабнетов среди участников

Вызовы и перспективы

Несмотря на демонстрацию исключительного потенциала, Bittensor как авангардный исследовательский проект все еще сталкивается с многомерными вызовами. В техническом плане безопасность распределенных ИИ-сетей (например, кража моделей и состязательные атаки) сложнее централизованных систем, требует постоянной оптимизации приватных вычислений и схем защиты; с точки зрения экономической модели существует давление инфляции на ранних этапах, высокая волатильность рынка токенов сабнетов, необходимо остерегаться возможных спекулятивных пузырей; в регуляторной среде, хотя SEC классифицировала TAO как утилитарный токен, различия в глобальных регуляторных рамках все еще могут ограничивать расширение экосистемы; одновременно, столкнувшись с жесткой конкуренцией со стороны ресурсоемких централизованных ИИ-платформ, децентрализованные решения должны доказать свою долгосрочную конкурентоспособность в аспектах пользовательского опыта и экономической эффективности.

По мере приближения цикла халвинга 2025 года, развитие Bittensor будет сосредоточено на четырех стратегических направлениях: дальнейшая специализация сабнетов, повышение качества и производительности услуг в вертикальных областях; ускорение глубокой интеграции с экосистемой DeFi, расширение границ приложений смарт-контрактов за счет внедренной EVM-совместимости; через механизм dTAO в течение следующих 100 дней плавно перевесить веса управления сети с TAO на Alpha-токены, продвигая процесс децентрализации управления; активно расширять интероперабельность с другими основными публичными цепями, расширяя границы экосистемы и сценарии применения. Эти скоординированные стратегические шаги共同推动 Bittensor 向「机器智能市场经济」的宏伟愿景稳步迈进。

0G: Модульная ИИ-экосистема на базе хранилища

Описание проекта

0G — это модульная публичная цепь Layer 1, специально разработанная для ИИ-приложений, стремящаяся предоставлять эффективную, надежную децентрализованную инфраструктуру для сценариев с высокой плотностью данных и требовательных к вычислениям. Благодаря модульной архитектуре 0G实现了共识、存储、计算和数据可用性等核心功能的独立优化,支持动态扩展,能够高效处理大规模 AI 推理和训练任务。

Основная команда создана Майклом Генрихом (CEO, ранее основал финансируемую свыше $100M Garten), Мингом У (CTO, исследователь Microsoft, сооснователь Conflux), Фаном Луном (сооснователь Conflux) и Томасом Яо (CBO, Web3 инвестор). В составе 8 докторов компьютерных наук, бэкграунд охватывает Microsoft, Apple, обладая глубоким опытом в блокчейне и ИИ.

По линии финансирования, 0G Labs завершила раунды Pre-seed на $35 млн и Seed на $40 млн, общей суммой $75 млн, инвесторы включают Hack VC, Delphi Ventures и Animoca Brands. Кроме того, 0G Foundation получила обязательство о покупке токенов на $250 млн, продажу публичных нод на $30.6 млн и экологический фонд на $88.88 млн.

Архитектура

0G Chain

Цель 0G Chain — создание самой быстрой модульной ИИ публичной цепи. Ее модульная архитектура поддерживает независимую оптимизацию ключевых компонентов, таких как консенсус, исполнение и хранение, интегрируя сеть доступности данных, распределенную сеть хранения и вычислительную сеть ИИ. Такой дизайн обеспечивает выдающуюся производительность и гибкость для систем при столкновении со сложными ИИ-сценариями. Вот три ключевые особенности 0G Chain:

  1. Модульная масштабируемость (Modular Scalability for AI)
    0G采用横向可扩展的架构,能够高效处理大规模的数据工作流。其模块化设计将数据可用性层(DA 层)与数据存储层分离,为 AI 任务(如大规模训练或推理)的数据访问和存储提供了更高的性能和效率。

  2. Консенсус 0G (0G Consensus)
    Механизм консенсуса 0G состоит из нескольких независимых сетей консенсуса, которые могут динамически масштабироваться по мере необходимости. По мере экспоненциального роста объемов данных пропускная способность системы также синхронно увеличивается, поддерживая масштабирование от 1 до сотен или тысяч сетей. Такая распределенная архитектура не только повышает производительность, но и гарантирует гибкость и надежность системы.

  3. Общий стейкинг (Shared Staking)
    Верификаторы должны стейкать средства на основном Ethereum, обеспечивая безопасность всех участвующих сетей консенсуса 0G. Если в любой сети 0G произойдет карательное событие, залог верификатора на основном Ethereum будет снижен. Этот механизм расширяет безопасность основного Ethereum на все сети консенсуса 0G, гарантируя безопасность и стабильность всей системы.

0G Chain обеспечивает EVM-совместимость, позволяя разработчикам Ethereum, L2 Rollup или другим цепям легко интегрировать услуги 0G (такие как доступность данных и хранение) без миграции. Также 0G исследует поддержку Solana VM, Near VM и совместимости с Bitcoin, чтобы ИИ-приложения могли расшириться на более широкую аудиторию.

Хранилище 0G (0G Storage)

0G Storage — высокооптимизированная распределенная система хранения, специально созданная для децентрализованных приложений и сценариев, требовательных к данным. Её ядро использует уникальную механизм консенсуса — Proof of Random Access (PoRA), которая стимулирует майнеров хранить и управлять данными, обеспечивая баланс безопасности, производительности и справедливости.

Её архитектура можно разделить на три уровня:

  • Уровень логов (Log Layer): обеспечивает постоянное хранение неструктурированных данных, подходит для архивации или ведения журналов данных.

  • Уровень KeyValue (Key-Value Layer): управляет изменяемыми структурированными данными, поддерживает контроль разрешений, подходит для динамичных сценариев применения.

  • Уровень транзакций (Transaction Layer): поддерживает одновременные записи множества пользователей, повышая эффективность сотрудничества и обработки данных.

Proof of Random Access (PoRA) — ключевой механизм 0G Storage, используемый для верификации корректности хранения майнером указанных блоков данных. Майнеры периодически проходят испытания, предоставляя эффективные криптографические хэши как доказательства, аналогично proof of work. Для обеспечения справедливой конкуренции 0G ограничивает диапазон данных каждой майнинг-операции 8 ТБ, предотвращая монополизацию ресурсов крупными операторами, позволяя малым майнерам участвовать в конкурентной среде.

Схема доказательства случайного доступа

Благодаря технике erasure coding, 0G Storage разделяет данные на несколько избыточных фрагментов и распределяет их по различным узлам хранения. Такой дизайн гарантирует, что даже при отключении или сбоях части узлов данные могут быть полностью восстановлены, не только значительно повышая доступность и безопасность данных, но и демонстрируя выдающуюся производительность при работе с большими объемами. Кроме того, управление хранением через детализированное секторное и блочное управление не только оптимизирует эффективность доступа к данным, но и усиливает конкурентоспособность майнеров в сети хранения.

Представленные данные организуются в последовательном порядке, называемом «поток данных» (data flow), который можно понять как список записей журнала или последовательность секций данных фиксированного размера. В 0G каждый блок данных можно быстро locate с помощью общего смещения (offset), обеспечивая эффективный поиск данных и запросы испытаний. По умолчанию 0G предоставляет универсальный поток данных, называемый главным потоком (main flow), для обработки большинства сценариев применения. Кроме того, система поддерживает специализированные потоки (specialized flows), которые специально принимают лог-записи определенных категорий и предоставляют отдельные непрерывные адресные пространства, оптимизированные под разные потребности приложений.

Благодаря такому дизайну 0G Storage может гибко адаптироваться к разнообразным сценариям использования, сохраняя высокую производительность и管理能力, предоставляя мощную поддержку хранения для приложений AI x Web3, нуждающихся в обработке больших потоков данных.

Доступность данных 0G (0G DA)

Доступность данных (Data Availability, DA) — один из ключевых компонентов 0G, стремящийся предоставить доступные, верифицируемые и извлекаемые данные. Эта функция является критически важной для децентрализованной инфраструктуры ИИ, например, для верификации результатов тренировок или инференса, удовлетворения потребностей пользователей и обеспечения надежности механизмов стимулирования системы. 0G DA через тщательно спроектированную архитектуру и механизмы верификации достиг выдающейся масштабируемости и безопасности.

Цель дизайна 0G DA — предоставить исключительную масштабируемую производительность при保证 безопасности. Ее рабочий процесс разделен на две части:

  • Канал хранения данных (Data Storage Lane): данные разбиваются на множество мелких фрагментов («блоков данных») через технику erasure coding и распределяются по узлам хранения в сети 0G Storage. Этот механизм эффективно поддерживает массовую передачу данных, одновременно гарантируя избыточность и восстанавливаемость данных.

  • Канал публикации данных (Data Publishing Lane): доступность данных верифицируется узлами DA через агрегированные подписи, результаты отправляются в сеть консенсуса. Благодаря такому дизайну публикация данных требует обработки лишь небольшого количества ключевых потоков данных, избегая bottleneck проблемы традиционных способов broadcast, значительно повышая эффективность.

Для обеспечения безопасности и эффективности данных 0G DA использует метод верификации на основе рандомизации, комбинируясь с механизмом агрегированных подписей, формируя полный процесс верификации:

  • Случайное формирование квorum: через Verifiable Random Function (VRF) консенсусная система случайно выбирает группу узлов DA из пула верификаторов для формирования квorum. Этот метод случайного выбора теоретически гарантирует, что распределение честности квorum совпадает с распределением всего пула верификаторов, поэтому клиенты доступности данных не могут сговориться с квorum.

  • Верификация агрегированными подписями: квorum выполняет выборочную верификацию хранимых блоков данных, генерирует агрегированные подписи, отправляя доказательства доступности в консенсусную сеть 0G. Такой способ агрегированных подписей значительно повышает эффективность верификации, ее производительность на несколько порядков выше традиционного Ethereum.

Процесс верификации 0G

Благодаря вышеуказанным механизмам 0G DA предлагает эффективное, масштабируемое и безопасное решение доступности данных, обеспечивая прочную фундаментальную поддержку для децентрализованных ИИ-приложений.

Вычислительные мощности 0G (0G Compute)

Сеть вычислений 0G — это децентрализованная фреймворковая система, стремящаяся предоставить сообществу мощные ИИ-вычислительные мощности. Через смарт-контракты поставщики вычислений могут регистрировать типы предоставляемых ИИ-услуг (например, инференс моделей) и устанавливать цены. После отправки пользователем запроса инференса ИИ провайдер принимает решение об ответе в зависимости от достаточности баланса пользователя, обеспечивая эффективное распределение вычислений.

Для дальнейшего оптимизации трансакционных издержек и эффективности сети провайдеры способны batch-обрабатывать несколько пользовательских запросов. Этот подход эффективно сокращает количество ончейн-сеттльments, снижая расход ресурсов от частых транзакций. Кроме того, сеть вычислений 0G применяет технологию ZK-Proofs, сжимая данные транзакций и снижая ончейн-издержки сеттльments через офчейн-вычисления и ончейн-верификацию. В комбинации с модулем хранения 0G, её масштабируемый механизм управления офчейн-данными способен значительно снизить ончейн-издержки отслеживания ключей данных запросов хранения, одновременно повысив эффективность хранения и извлечения.

В настоящее время децентрализованная ИИ-сеть 0G в основном предоставляет услуги ИИ-инференса и уже продемонстрировала преимущества в оптимизации эффективности и снижения издержек. В будущем 0G планирует дальше расширить свои возможности, достичь полной децентрализации от инференса до тренировки и других ИИ-задач, предоставляя пользователям более совершенные решения.

Развитие экосистемы

Тестовая сеть 0G в настоящее время прошла обновление с Newton v2 до Galileo v3. Согласно данным официального сайта, насчитывается более 8000 верификаторов. В сети хранения 1591 активных майнеров, обработано свыше 430 000 загруженных файлов, обеспечено в общей сложности 450.72 ГБ хранилища.

Влияние проекта 0G в сфере децентрализованного ИИ продолжает расширяться по мере увеличения и углубления партнерств. Согласно официальным данным,已完成450多次集成,涵盖AI算力、数据、模型、框架、infra、DePin等全面领域。

Диаграмма экосистемы 0G

Кроме того, 0G Foundation запустила экологический фонд на сумму 88.88 млн долларов США для поддержки разработки проектов, связанных с ИИ, уже появились следующие родные приложения:

  • zer0: ИИ-драйвенное решение ликвидности DeFi, предоставляющее услуги оптимизации ончейн ликвидности

  • H1uman: децентрализованная фабрика ИИ-агентов, создание масштабируемых рабочих процессов интеграции ИИ

  • Leea Labs: инфраструктура для мульти-ИИ агентов, поддержка безопасного развертывания мультиагентных систем

  • Newmoney.AI: умный кошелек-агент для Децентрализованных финансов, автоматизированное управление инвестициями и сделками

  • Unagi: ИИ-драйвенная ончейн развлекательная платформа, объединяющая опыт Web3 аниме и игр

  • Rivalz: верифицируемый ИИ-оракл, обеспечивающий достоверный доступ к ИИ-данным для смарт-контрактов

  • Avinasi Labs: ИИ-проект, специализирующийся на исследованиях долголетия

Способы участия

Обычные пользователи могут участвовать в экосистеме 0G следующими способами:

  • Взаимодействие с тестовой сетью 0G: 0G уже выпустила Testnet V3 (Galileo v3), пользователи могут посетить официальную страницу тестовой сети (0G Testnet Guide), получить тестовые токены и испытать взаимодействие с DApps на цепи 0G.

  • Участие в мероприятиях Kaito: 0G уже присоединилась к программе контентного творчества платформы Kaito. Пользователи могут участвовать во взаимодействии, создавая и делясь высококачественным контентом о 0G (например, технический анализ, прогресс экосистемы или кейсы ИИ-приложений), завоевывая награды,

Вызовы и перспективы

0G демонстрирует глубокую техническую экспертизу в сфере хранения, предоставляя полный модульный набор решений для децентрализованного хранения, с выдающейся масштабируемостью и экономичностью (стоимость хранения снижается до 10-11 долларов США за ТБ). Кроме того, 0G через уровень доступности данных (DA) решает проблему верифицируемости данных, закладывая прочный фундамент для будущих задач массового ИИ-инференса и тренировки. Этот дизайн обеспечивает сильнейшую поддержку децентрализованному ИИ на уровне хранения данных, создавая оптимизированный опыт хранения и извлечения для разработчиков.

На уровне производительности ожидается, что пропускная способность mainnet 0G достигнет диапазона 3000–10000 TPS, что представляет 10-кратный рост производительности, гарантируя возможность сети удовлетворять высокие интенсивные вычислительные потребности ИИ-инференса и высокочастотных транзакций. Однако в сфере рынков вычислений и моделей 0G еще предстоит долгий путь развития. В настоящее время бизнес 0G в области вычислений ограничен услугами ИИ-инференса, поддержка задач тренировки моделей требует большего количества кастомных дизайнов и технологических инноваций. Как ключевой компонент развития ИИ, модели и вычисления не только являются двигателем обновления продуктов и массового применения, но и неизбежным путем для достижения 0G своей цели стать крупнейшей ИИ экосистемой Layer 1.

Заключение

Текущая ситуация: Разнообразие подходов, столкновение с вызовами

Если вернуться к шести представленным выше проектам AI Layer 1, каждый выбрал свой уникальный угол切入, исследуя пути построения децентрализованной ИИ-инфраструктуры и экосистемы вокруг ключевых элементов, таких как ИИ-активы, вычисления, модели, хранение:

  • Sentient: фокусируется на разработке децентрализованных моделей, выпустила серию моделей Dobby, подчеркивая достоверность, alignment и лояльность моделей, разработка базовой цепи все еще продолжается, реализуя глубокую интеграцию моделей и цепи.

  • Sahara AI: в качестве ядраProtection прав собственности на ИИ-активы, на первом этапе концентрируется на подтверждении прав и обращении данных, стремясь предоставить достоверную базису для данных ИИ-экосистемы.

  • Ritual:围绕着去中心化算力在推理方面的高效落地方案,强化区块链本身的功能,提升系统的灵活性和可扩展性,助力AI原生应用发展。

  • Gensyn:致力于解决去中心化模型训练难题,通过技术创新降低大规模分布式训练的成本,为AI算力共享与民主化提供可行路径。

  • Bittensor:较为成熟的子网平台,通过代币激励和去中心化治理,率先构建起丰富的开发者和应用生态,是去中心化AI的早期典范。

  • 0G:以去中心化存储为切入点,聚焦AI生态中数据存储与管理难题,逐步拓展到更全面的AI基础设施和应用服务。

Сравнительная диаграмма и итоговое резюме проектов

В целом, эти проекты демонстрируют как различия в технологических путях, так и взаимодополняемость в экосистемных стратегиях, совместно продвигая диверсифицированное развитие децентрализованной ИИ-экосистемы на цепи. Тем не менее, невозможно отрицать, что весь сектор все еще находится на ранней стадии исследований. Несмотря на выдвижение многочисленных перспективных видений и планов, фактический прогресс разработки и体系建设 экосистемы все еще требует времени, многие ключевые инфраструктуры и инновационные приложения все еще ожидают внедрения.

Как привлечь и стимулировать больше базовых узлов, таких как вычисления и хранение, для присоединения к сети, является центральной проблемой, требующей немедленного преодоления. Подобно тому, как сеть Bitcoin прошла более десяти лет развития, прежде чем постепенно получила признание mainstream рынка, сети децентрализованного ИИ также необходимо непрерывно расширять规模 узлов, чтобы удовлетворить огромные потребности ИИ-задач в вычислениях. Только когда количество вычислений, хранения и других ресурсов в сети достигнет определенной степени богатства, можно будет эффективно снизить стоимость использования и продвинуть демократизацию вычислений, в конечном итоге реализовав grand vision децентрализованного ИИ.

Кроме того, инновации в прикладных ИИ-проектах на цепи все еще остаются недостаточными. Многие продукты в настоящее время仍以 Web2 模式为蓝本进行简单迁移,缺乏与区块链原生机制深度融合的创新设计,未能充分展现去中心化 AI 的独特优势。这些现实挑战提醒我们,行业的持续发展不仅需要技术层面的突破,更离不开用户体验的提升和整个生态系统的不断完善。

Непрерывное развитие: Появление качественных проектов AI Layer 1 и DeAI

Помимо подробно рассмотренных нами проектов, в условиях общих великих тенденций появляется немало новых AI Layer 1 и DeAI, заслуживающих внимания. (Из-за ограничений篇幅我们先进行精要介绍,可以关注我们持续跟踪更多 AI 赛道的投研内容)

Kite AI

Kite AI на базе своего ключевого механизма консенсуса «Proof of Attributed Intelligence» (PoAI) строит EVM-совместимую блокчейнную сеть Layer 1, стремясь создать справедливую ИИ-экосистему, гарантируя, что вклады провайдеров данных, разработчиков моделей и создателей ИИ-агентов в создании ценности ИИ будут прозрачно зафиксированы и получат справедливое вознаграждение, тем самым разбивая монополию ИИ-ресурсов со стороны нескольких технологических гигантов. В настоящее время фокус развития Kite AI сосредоточен на слое приложений конечных пользователей, обеспечивая разработку, подтверждение прав и монетизацию ИИ-активов через архитектуру сабнетов и рынков.

Story

AI Layer 1, построенный вокруг открытых интеллектуальных прав (IP), предоставляющий создателям и разработчикам полный инструментарий для help им registering, tracking, authorizing, managing and monetizing各种内容IP в цепи, будь то видео, аудио, текст или произведения ИИ. Story позволяет пользователям铸ать оригинальный контент в NFT, встроенный гибкий механизм лицензирования и распределения доходов, позволяющий пользователям заниматься вторичным творчеством и коммерческим сотрудничеством, одновременно гарантируя прозрачную и проверяемую собственность и распределение доходов.

Vana

Vana —新一代数据底层 AI Layer 1, специально построенный для «монетизации пользовательских данных и тренировки ИИ». Она выходит за рамки ограничений монополии данных крупными компаниями, позволяя людям реально владеть, управлять и делиться своими данными. Пользователи могут через «Data DAO» (децентрализованную автономию организаций, совместно управляемую пользователями, делящуюся и получающую прибыль от данных для тренировки ИИ), при сохранении права собственности на данные,汇集社交、健康、消费等数据用于AI训练,并参与分红。此外,Vana在设计上重视隐私与安全,采用隐私计算和加密验证技术保护用户的数据安全。

Nillion

Nillion — это «сеть слепого вычисления», специализирующаяся на конфиденциальности данных и безопасных вычислениях, предоставляющая разработчикам и предприятиям набор технологий усиления конфиденциальности (таких как MPC, homomorphic encryption, ZKP и др.), позволяющий хранить, делиться и выполнять сложные вычисления над данными без их расшифровки. Это позволяет сценариям, таким как ИИ, DeFi, медицина, персонализированные приложения, безопаснее обрабатывать высокоценную и чувствительную информацию, не опасаясь риска утечки данных. В настоящее время экосистема Nillion уже поддерживает множество инновационных приложений, включая приватные ИИ-вычисления, персонализированных агентов, частные базы знаний, привлекая таких партнеров, как Virtuals, NEAR, Aptos, Arbitrum.

Mira Network

Mira Network — это инновационная сеть, предназначенная для «децентрализованной верификации» выводов ИИ, стремящаяся предоставить доверенный уровень верификации для автономного ИИ. Ключевой инновацией Mira является интеграционная оценка, которая одновременно запускает несколько различных языковых моделей на заднем плане, разделяя результаты, сгенерированные ИИ, на конкретные утверждения, которые независимые верификаторы узлов проверяют отдельно. Вывод предоставляется пользователю только после того, как абсолютное большинство моделей достигнут consensus и признают контент «фактом». Благодаря этому механизму консенсуса нескольких моделей Mira значительно снижает rate галлюцинаций единственной модели с 25% до всего 3%, что эквивалентно снижению error rates более чем на 90%. Отказавшись от зависимости от централизованных институтов или единственной большой модели, Mira использует распределенные узлы и экономические стимулы, становясь верифицируемым слоем инфраструктуры для множества Web2 и Web3 ИИ-приложений,真正实现从 AI 副驾驶,向具备自主决策能力且可信任的 AI 系统跃迁。

Prime Intellect

Prime Intellect — это платформа, ориентированная на децентрализованную тренировку ИИ и инфраструктуру вычислений, стремящаяся интегрировать глобальные вычислительные ресурсы, продвигая совместную тренировку моделей с открытым исходным кодом. Ее ключевая архитектура включает рынок аренды вычислений точка-к-точке и открытый протокол тренировки, позволяя любому человеку вносить свободное оборудование в сеть для тренировки и инференса больших моделей, тем самым смягчая проблемы высокой концентрации, высокого порога входа и растраты ресурсов традиционного ИИ. Кроме того, Prime Intellect developed открытый распределенный фреймворк тренировки (например, OpenDiLoco), поддерживающий высокоэффективную транснациональную тренировку миллиардов параметров, и углубляется в инновации алгоритмов и специализированные ниши, такие как модель METAGENE-1 на основе метагенома и проект INTELLECT-MATH для математического вывода. В 2025 году Prime Intellect также запустила программу SYNTHETIC-1, используя краудсорсинг и обучение с подкреплением для создания крупнейшего в мире открытого датасета для вывода и верификации математического кода.

Перспективы будущего: Открытый и взаимовыгодный децентрализованный ИИ

Несмотря на множество вызовов, децентрализованный ИИ на цепи все еще обладает широкими перспективами развития и трансформирующим потенциалом. По мере постепенного созревания базовой技术和各项目持续兑现承诺,去中心化AI的独特优势有望日益凸显,AI Layer1们将有望实现以下愿景:

  • Демократизированный обмен вычислительными мощностями, данными и моделями, разрывая монополию технологических олигархов, позволяя индивидуумам, предприятиям и организациям по всему миру участвовать в ИИ-инновациях без барьеров.

  • Оборот и достоверное управление ИИ-активами, продвижение свободного обращения и торговли ключевыми активами, такими как данные и модели, на цепи, защита доходов владельцев, формирование здорового открытой экосистемы.

  • Более достоверные, отслеживаемые и согласованные (aligned) выводы ИИ, предоставляющие прочную поддержку для безопасного и контролируемого развития ИИ, эффективно снижая риски «злоупотребления ИИ».

  • Доступное внедрение в отраслевые применения, высвобождение огромной ценности ИИ в финансах, медицине, образовании, создании контента и других областях, позволяя ИИ действительно служить обществу через децентрализованный подход.

По мере непрерывного продвижения все большего количества проектов AI Layer 1, мы надеемся, что цель децентрализованного ИИ будет早日实现,也希望有更多开发者、创新者和参与者加入,共同构建一个更加开放、多元和可持续的 AI 生态。

Biteye

Biteye — ведущая азиатская платформа исследовательского анализа Web3, стремящаяся создать место聚集ания «самых умных денег», обслуживающее свыше 300 000 высококачественных пользователей. Мы с高密度内容、深度研究和AI驱动的智能分析,持续挖掘 Web3 世界中真正有价值的机会与信号。

X: @BiteyeCN ; TG:t.me/biteyecn

TechFlow Logo

Платформа для поиска перспективных активов Главное о Web3, AI, золоте, акциях США и мировой экономике

Предложить статьюemail
Предложить темуmsg

Предупреждение о рисках: материалы сайта не являются инвестиционной рекомендацией. TechFlow не даёт торговых сигналов, не побуждает к совершению сделок и не оказывает связанных с торговлей услуг. В соответствии с уведомлением Народного банка Китая и ещё девяти ведомств о дальнейшей профилактике и пресечении рисков спекулятивной торговли виртуальными валютами просим читателей осознавать связанные с ними риски.

© 2024 TechFlow. Все права защищены.

Контакты: [email protected]

ICP-лицензия: 琼ICP备2022009338号