應(yīng)用程序?qū)幼鳛橛脩艚缑婧椭饕换c，提供原生內(nèi)置的工具包和應(yīng)用程序以增強用戶體驗。

功能組件：

• Sahara ID — 確保用戶安全訪問 AI 資產(chǎn)和追蹤用戶貢獻；
• Sahara Vault — 保護 AI 資產(chǎn)的隱私和安全，免受未經(jīng)授權(quán)的訪問和潛在威脅；
• Sahara Agent — 具備角色對齊（配合用戶行為習(xí)慣的交互）、終身學(xué)習(xí)、多模態(tài)感知（可處理多類型的數(shù)據(jù)）和多工具執(zhí)行功能；

交互式組件：

• Sahara 工具包 — 支持技術(shù)和非技術(shù)用戶創(chuàng)建和部署 AI 資產(chǎn)；
• Sahara AI 市場 — 用于發(fā)布、貨幣化和交易 AI 資產(chǎn)，提供靈活的許可和多種變現(xiàn)選項。

交易層

Sahara AI 的交易層采用 Sahara 區(qū)塊鏈，這個 L1 配備了管理所有權(quán)、歸屬以及平臺上 AI 相關(guān)的交易協(xié)議，在維護 AI 資產(chǎn)的主權(quán)和來源方面起著關(guān)鍵作用。Sahara 區(qū)塊鏈集成了創(chuàng)新的 Sahara AI 原生的預(yù)編譯（SAP）和 Sahara 區(qū)塊鏈協(xié)議（SBP）來支持整個 AI 生命周期任務(wù)中的基本任務(wù)。

• SAP 是區(qū)塊鏈原生運行級別的內(nèi)置函數(shù)，分別側(cè)重于 AI 訓(xùn)練 / 推理過程。SAP 有助于調(diào)用、記錄和驗證鏈下 AI 訓(xùn)練 / 推理過程，確保 Sahara AI 平臺內(nèi)開發(fā)的 AI 模型的可信度和可靠性，并保證所有 AI 推理的透明性、可驗證性和可追溯性同時。同時，通過 SAP 可以實現(xiàn)更快的執(zhí)行速度、更低的計算開銷和 Gas 成本。
• SBP 則通過智能合約實施特定于 AI 的協(xié)議，確保 AI 資產(chǎn)和計算結(jié)果得到透明可靠的處理。包括包括 AI 資產(chǎn)注冊、許可（訪問控制）、所有權(quán)和歸因（貢獻跟蹤）等功能。

數(shù)據(jù)層

Sahara AI 的數(shù)據(jù)層旨在優(yōu)化整個 AI 生命周期的數(shù)據(jù)管理。它充當(dāng)一個重要的接口，將執(zhí)行層連接到不同的數(shù)據(jù)管理機制，并無縫集成鏈上和鏈下數(shù)據(jù)源。

• 數(shù)據(jù)組件：包括鏈上和鏈下數(shù)據(jù)，鏈上數(shù)據(jù)包括 AI 資產(chǎn)的元數(shù)據(jù)、歸屬、承諾和證明等，數(shù)據(jù)集、AI 模型和補充信息等存儲在鏈下。
• 數(shù)據(jù)管理：Sahara AI 的數(shù)據(jù)管理方案提供了一套安全措施，通過特有的加密方案確保數(shù)據(jù)在傳輸過程和靜態(tài)狀態(tài)下都受到保護。與 AI 許可 SBP 協(xié)作，實現(xiàn)嚴格的訪問控制和可驗證，同時提供私有域存儲，用戶的敏感數(shù)據(jù)可實現(xiàn)增強的安全功能。

執(zhí)行層

執(zhí)行層是 Sahara AI 平臺的鏈下 AI 基礎(chǔ)設(shè)施，與交易層和數(shù)據(jù)層無縫交互，以執(zhí)行和管理與 AI 計算和功能相關(guān)的協(xié)議。根據(jù)執(zhí)行任務(wù)，它從數(shù)據(jù)層安全地提取數(shù)據(jù)，并動態(tài)分配計算資源以實現(xiàn)最佳性能。通過一套專門設(shè)計的協(xié)議來協(xié)調(diào)復(fù)雜的 AI 操作，這些協(xié)議旨在促進各種抽象之間的高效交互，底層基礎(chǔ)設(shè)施旨在支持高性能 AI 計算。

• 基礎(chǔ)設(shè)施：Sahara AI 的執(zhí)行層基礎(chǔ)設(shè)施旨在支持高性能 AI 計算，具備快速高效、彈性和高可用性等特性。它通過高效協(xié)調(diào) AI 計算、自動擴展機制和容錯設(shè)計，確保系統(tǒng)在高流量和故障情況下仍然穩(wěn)定可靠。
• 抽象：核心抽象是構(gòu)成 Sahara AI 平臺上 AI 操作基礎(chǔ)的基本組件，包括數(shù)據(jù)集、模型和計算資源等資源的抽象；高級抽象建立在核心抽象基礎(chǔ)之上，即 Vaults 和代理背后的執(zhí)行接口，可現(xiàn)實更高級別的功能。
• 協(xié)議：抽象執(zhí)行協(xié)議用來執(zhí)行與 Vaults 的交互、代理的交互和協(xié)調(diào)以及計算的協(xié)作等；其中協(xié)作計算協(xié)議可以實現(xiàn)多個參與之間的聯(lián)合 AI 模型開發(fā)和部署，支持計算資源貢獻和模型聚合；執(zhí)行層還包括低計算成本的技術(shù)模塊（PEFT）、隱私保護計算模塊和計算防欺詐模塊等。

Sahara AI 正在構(gòu)建的 AI 區(qū)塊鏈平臺致力于實現(xiàn)全面的 AI 生態(tài)系統(tǒng)，然而這一宏大愿景在實現(xiàn)過程中必然會遇到眾多挑戰(zhàn)，需要強大的技術(shù)、資源支持和持續(xù)的優(yōu)化迭代。若能成功實現(xiàn)，將成為支撐 Web3-AI 領(lǐng)域的中流砥柱，并有望成為 Web2-AI 從業(yè)人員心中的理想花園。

團隊信息：

Sahara AI 團隊由一群卓越且富有創(chuàng)造力的成員組成，聯(lián)合創(chuàng)始人 Sean Ren 是南加州大學(xué)教授，曾獲得三星年度 AI 研究員、麻省理工學(xué)院 TR 35 歲以下創(chuàng)新者和福布斯 30 位 30 歲以下精英等榮譽。聯(lián)合創(chuàng)始人 Tyler Zhou 畢業(yè)于加州大學(xué)伯克利分校，對 Web3 有著深入的了解，領(lǐng)導(dǎo)著一支具有 AI 和 Web3 經(jīng)驗的全球人才團隊。

自 Sahara AI 創(chuàng)建以來，團隊便從包括微軟、亞馬遜、麻省理工學(xué)院、Snapchat、Character AI 在內(nèi)的頂尖企業(yè)中獲得了數(shù)百萬美元的收入。當(dāng)前，Sahara AI 正為 30 余家企業(yè)客戶提供服務(wù)，在全球擁有超過 20 萬名 AI 訓(xùn)練師，Sahara AI 的快速增長讓越來越多得參與者在共享經(jīng)濟模式中貢獻力量并享有收益。

融資信息：

截止今年八月，Sahara Labs 成功籌集了 4300 萬美元。最新一輪融資由 Pantera Capital、Binance Labs 和 Polychain Capital 共同領(lǐng)投。此外還獲得了來自 Motherson Group，Anthropic、Nous Research、Midjourney 等 AI 領(lǐng)域先驅(qū)者的支持。

Bittensor：子網(wǎng)競爭激勵下的新玩法

Bittensor 本身并不是一個 AI 商品，也不生產(chǎn)、提供任何 AI 產(chǎn)品或服務(wù)。Bittensor 是一個經(jīng)濟系統(tǒng)，為 AI 商品生產(chǎn)者提供了一個高度競爭的激勵結(jié)構(gòu)，從而生產(chǎn)者持續(xù)地優(yōu)化 AI 的質(zhì)量。作為 Web3-AI 的早期項目，自推出以來，Bittensor 受到了市場的廣泛關(guān)注。根據(jù) CoinMarketCap 數(shù)據(jù)，截至 10 月 17 日，其市值已超過 42.6 億美元，F(xiàn)DV（完全稀釋估值）超過 120 億美元。

Bittensor 構(gòu)建了一個由許多子網(wǎng)（Subnet）網(wǎng)絡(luò)連接而成的網(wǎng)絡(luò)構(gòu)架，AI 商品生產(chǎn)者可以創(chuàng)建具有自定義激勵和不同用例的子網(wǎng)。不同子網(wǎng)負責(zé)不同任務(wù)，比如機器翻譯、圖像識別與生成、語言大模型等。例如，Subnet 5 可以創(chuàng)建像 Midjourney 一樣的 AI 圖像。當(dāng)完成優(yōu)秀的任務(wù)時，將獲得 TAO （Bittensor 的代幣）獎勵。

激勵機制是 Bittensor 的基本組成部分。它們驅(qū)動子網(wǎng)礦工的行為，并控制子網(wǎng)驗證者之間的共識。每個子網(wǎng)都有自己的激勵機制，子網(wǎng)礦工（Miner）負責(zé)執(zhí)行任務(wù)，驗證者（validators）對子網(wǎng)礦工的結(jié)果進行評分。

如圖所示，子網(wǎng)礦工和子網(wǎng)驗證者之間的工作流程我們以一個例子來演示：

圖中三個子網(wǎng)礦工分別對應(yīng) UID37、42 和 27；四個子網(wǎng)驗證器分別對應(yīng) UID10、32、93 和 74。

1. 每個子網(wǎng)驗證器都維護一個權(quán)重向量。向量的每個元素表示分配給子網(wǎng)礦工的權(quán)重，這個權(quán)重是根據(jù)子網(wǎng)驗證器對礦工任務(wù)完成度的評價來確定的。每個子網(wǎng)驗證器通過該權(quán)重向量對所有子網(wǎng)礦工進行排序且獨立運行，將其礦工排名權(quán)重向量傳輸?shù)絽^(qū)塊鏈。通常，每個子網(wǎng)驗證器每 100–200 個區(qū)塊向區(qū)塊鏈傳輸更新的排名權(quán)重向量。
2. 區(qū)塊鏈（子張量）等待來自給定子網(wǎng)的所有子網(wǎng)驗證器的最新排名權(quán)重向量到達區(qū)塊鏈。然后，由這些排名權(quán)重向量形成的排名權(quán)重矩陣將作為鏈上 Yuma 共識模塊的輸入提供。
3. 鏈上的 Yuma 共識使用此權(quán)重矩陣以及與該子網(wǎng)上的 UID 相關(guān)的質(zhì)押量來計算獎勵。
4. Yuma 共識計算 TAO 的共識分配，并將新鑄造的獎勵 TAO 分配到與 UID 關(guān)聯(lián)的賬戶中。

子網(wǎng)驗證器可以隨時將其排名權(quán)重向量傳輸?shù)絽^(qū)塊鏈上。但是子網(wǎng)的 Yuma 共識周期在每 360 個區(qū)塊（即 4320 秒或 72 分鐘，以每區(qū)塊 12 秒計）開始時使用最新的權(quán)重矩陣。如果子網(wǎng)驗證器的排名權(quán)重向量在 360 區(qū)塊周期后到達，那么該權(quán)重向量將在下一個 Yuma 共識周期開始時使用。每個周期結(jié)束完成 TAO 獎勵的發(fā)放。

Yuma 共識是 Bittensor 實現(xiàn)節(jié)點公平分配的核心算法，是結(jié)合了 PoW 和 PoS 元素的混合共識機制。與拜占庭容錯共識機制類似，如果網(wǎng)絡(luò)中誠實的驗證者占多數(shù)，最終就能共識出正確的決策。

根網(wǎng)絡(luò)（Root Network）是一種特殊的子網(wǎng)，也就是 Subnet 0。默認情況下，所有子網(wǎng)中的子網(wǎng)驗證器中，質(zhì)押最多的 64 個子網(wǎng)驗證者是根網(wǎng)絡(luò)中的驗證者。根網(wǎng)絡(luò)驗證者會根據(jù)每個 Subnet 產(chǎn)出的質(zhì)量進行評價并排名，64 個驗證者的評價結(jié)果會被匯總，經(jīng)過 Yuma Consensus 算法得到最終的 emission 結(jié)果，并由最終結(jié)果給每個 Subnet 分配新增發(fā)的 TAO。

盡管 Bittensor 的子網(wǎng)競爭模式提升了 AI 產(chǎn)品的質(zhì)量，但也面臨一些挑戰(zhàn)。首先，子網(wǎng)所有者制定的激勵機制決定了礦工的收益，可能會直接影響礦工的工作積極性。另一個問題是，驗證者決定每個子網(wǎng)的代幣分配量，但缺乏明確的激勵措施來選擇有利于 Bittensor 長期生產(chǎn)力的子網(wǎng)。這種設(shè)計可能導(dǎo)致驗證者偏向于選擇與他們有關(guān)系的子網(wǎng)或那些提供額外利益的子網(wǎng)。為解決這一問題，Opentensor 基金會的貢獻者提出了 BIT001：動態(tài) TAO 解決方案，建議通過市場機制來確定所有 TAO 質(zhì)押者競爭的子網(wǎng)代幣分配量。

團隊信息：

聯(lián)合創(chuàng)始人 Ala Shaabana 是滑鐵盧大學(xué)的博士后，擁有計算機科學(xué)專業(yè)的學(xué)術(shù)背景。另一位聯(lián)合創(chuàng)始人 Jacob Robert Steeves 畢業(yè)于加拿大西蒙弗雷澤大學(xué)，擁有近 10 年的機器學(xué)習(xí)研究經(jīng)驗，并曾在谷歌擔(dān)任軟件工程師。

融資信息：

Bittensor 除了接受來自 OpenTensor Foundation 的資金支持，該基金會是支持 Bittensor 的非營利性組織。此外，其社區(qū)公告已宣布知名加密 VC Pantera 和 Collab Currency 已經(jīng)成為了 TAO 代幣的持有者，并且會對項目的生態(tài)發(fā)展提供更多支持。其他幾個主要投資者則是包括 Digital Currency Group、Polychain Capital、FirstMark Capital、GSR 等在內(nèi)的知名投資機構(gòu)和做市商。

Talus：基于 Move 的鏈上 AI 代理生態(tài)

Talus Network 是一個基于 MoveVM 構(gòu)建的 L1 區(qū)塊鏈，專為 AI 代理設(shè)計。這些 AI 代理能夠可以根據(jù)預(yù)定義的目標做出決策并采取行動，實現(xiàn)流暢的鏈間交互，同時具備可驗證性。用戶可以使用 Talus 提供的開發(fā)工具快速構(gòu)建 AI 代理，并將其集成到智能合約中。Talus 還為 AI 模型、數(shù)據(jù)以及算力等資源提供開放的 AI 市場，用戶可以以多種形式參與并將自己的貢獻和資產(chǎn)代幣化。

Talus 的一大特色是其并行執(zhí)行和安全執(zhí)行能力。隨著 Move 生態(tài)的資本入場和優(yōu)質(zhì)項目的拓展，Talus 基于 Move 的安全執(zhí)行與 AI 代理集成智能合約的雙重亮點，預(yù)計將在市場上引起廣泛關(guān)注。同時，Talus 支持的多鏈交互還可以提升 AI 代理的效率和促進其他鏈上的 AI 繁榮。

根據(jù)官方推特信息，Talus 最近推出了 Nexus — — 這是第一個完全鏈上自主 AI 代理的框架，這使得 Talus 在去中心化 AI 技術(shù)領(lǐng)域占據(jù)先發(fā)優(yōu)勢，為其在快速發(fā)展的區(qū)塊鏈 AI 市場中提供了重要競爭力。Nexus 賦能開發(fā)者在 Talus 網(wǎng)絡(luò)上創(chuàng)建 AI 驅(qū)動的數(shù)字助理，確保抗審查、透明性和可組合性。和集中化的 AI 解決方案不同，通過 Nexus，消費者可享受個性化智能服務(wù)，安全管理數(shù)字資產(chǎn)、自動化互動，并提升日常數(shù)字體驗。

作為第一個面向鏈上代理的開發(fā)者工具包，Nexus 為構(gòu)建下一代消費類加密 AI 應(yīng)用程序提供了基礎(chǔ)。Nexus 提供了一系列工具、資源和標準，幫助開發(fā)者創(chuàng)建能夠執(zhí)行用戶意圖并在 Talus 鏈上相互通信的代理。其中，Nexus Python SDK 彌合了 AI 和區(qū)塊鏈開發(fā)之間的差距，使 AI 開發(fā)人員無需學(xué)習(xí)智能合約編程即可輕松上手。Talus 提供用戶友好的開發(fā)工具和一系列基礎(chǔ)設(shè)施，有望成為開發(fā)者創(chuàng)新的理想平臺。

如圖 5 所示，Talus 的底層架構(gòu)基于模塊化的設(shè)計，具有鏈下資源和多鏈交互的靈活性。基于 Talus 的獨特設(shè)計，構(gòu)成繁榮的鏈上智能代理生態(tài)。

協(xié)議是 Talus 的核心，提供了共識、執(zhí)行和互操作性的基礎(chǔ)，在此基礎(chǔ)上，可以構(gòu)建鏈上智能代理，利用鏈下資源和跨鏈功能。

• Protochain Node：基于 Cosmos SDK 和 CometBFT 的 PoS 區(qū)塊鏈節(jié)點，Cosmos SDK 具有模塊化設(shè)計和高擴展特性，CometBFT 基于拜占庭容錯共識算法，具有高性能和低延遲的特征，提供強大的安全性和容錯能力，能夠在部分節(jié)點失效或惡意行為的情況下繼續(xù)正常運行。
• Sui Move 和 MoveVM：使用 Sui Move 作為智能合約語言，Move 語言的設(shè)計通過消除關(guān)鍵漏洞（如重入攻擊、缺少對象所有權(quán)的訪問控制檢查以及意外的算術(shù)溢出 / 下溢）本質(zhì)上增強了安全性。Move VM 的架構(gòu)支持高效的并行處理，使 Talus 能夠通過同時處理多個交易來擴展，而不會喪失安全性或完整性。

IBC（區(qū)塊鏈間通信協(xié)議, The Inter-Blockchain Communication protocol）：

• 互操作性：IBC 促進了不同區(qū)塊鏈之間的無縫互操作性，使智能代理能夠在多個鏈上交互并利用數(shù)據(jù)或資產(chǎn)。
• 跨鏈原子性：IBC 支持跨鏈原子交易，這種特性對于維護智能代理執(zhí)行操作的一致性和可靠性至關(guān)重要，特別是在金融應(yīng)用或復(fù)雜工作流程中。
• 通過分片實現(xiàn)可擴展性：通過使智能代理能夠在多個區(qū)塊鏈上操作，IBC 間接支持通過分片實現(xiàn)可擴展性。每個區(qū)塊鏈可以被視為處理一部分交易的分片，從而減少任何單一鏈上的負載。這使得智能代理能夠以更分布式和可擴展的方式管理和執(zhí)行任務(wù)。
• 可定制性和專業(yè)化：通過 IBC，不同的區(qū)塊鏈可以專注于特定的功能或優(yōu)化。例如，一個智能代理可能會使用一個可以快速交易的鏈進行支付處理，另一個專門用于安全數(shù)據(jù)存儲的鏈進行記錄保存。
• 安全性和隔離：IBC 維護了鏈之間的安全性和隔離性，這對于處理敏感操作或數(shù)據(jù)的智能代理比較有利。由于 IBC 確保了鏈間通信和交易的安全驗證，智能代理可以在不同鏈之間自信地操作，而不會在安全性上妥協(xié)。

Mirror Object（鏡像對象）：

為了在鏈上架構(gòu)中表示鏈下世界，鏡像對象主要用來進行 AI 資源的驗證和鏈接，如：資源唯一性表示和證明、鏈下資源的可交易性、所有權(quán)證明表示或所有權(quán)的可驗證性。

鏡像對象包括三種不同類型的鏡像對象：模型對象、數(shù)據(jù)對象和計算對象。

• 模型對象：模型所有者可以通過專門的模型注冊表將他們的 AI 模型引入生態(tài)系統(tǒng)，把鏈下模型轉(zhuǎn)化到鏈上。模型對象封裝了模型的本質(zhì)和能力，并在其上直接構(gòu)建了所有權(quán)、管理和貨幣化框架。模型對象是一種靈活的資產(chǎn)，可以通過額外的微調(diào)過程來增強其能力，或者在必要時通過廣泛的訓(xùn)練進行完全重塑以滿足特定需求。
• 數(shù)據(jù)對象：數(shù)據(jù)（或數(shù)據(jù)集）對象作為某人擁有的唯一數(shù)據(jù)集的數(shù)字形式存在。這個對象可以被創(chuàng)建、轉(zhuǎn)移、授權(quán)或轉(zhuǎn)換為開放數(shù)據(jù)源。
• 計算對象：買家向?qū)ο蟮乃姓咛岢鲇嬎闳蝿?wù)，所有者隨后提供計算結(jié)果及相應(yīng)的證明。買家持有密鑰，可以用來解密承諾并驗證結(jié)果。

AI 堆棧：

Talus 提供了一個 SDK 和集成組件，支持智能代理的開發(fā)和與鏈下資源的交互。該 AI 堆棧還包括與 Oracles 的集成，確保智能代理能夠利用鏈下數(shù)據(jù)進行決策和反應(yīng)。

鏈上智能代理：

• Talus 提供了一個智能代理經(jīng)濟體系，這些代理可以自主運行，進行決策，執(zhí)行交易，并與鏈上和鏈下資源交互。
• 智能代理具有自治性、社會能力、反應(yīng)性和主動性。自治性使其無需人為干預(yù)即可運行，社會能力使其能夠與其他代理和人類互動，反應(yīng)性使其能夠感知環(huán)境變化并及時響應(yīng)（Talus 通過監(jiān)聽器來支持代理響應(yīng)鏈上和鏈下事件），主動性則使其能夠基于目標、預(yù)測或預(yù)期的未來狀態(tài)采取行動。

除了 Talus 提供的一系列智能代理的開發(fā)架構(gòu)和基礎(chǔ)設(shè)施，在 Talus 上構(gòu)建的 AI 代理還支持多種類型的可驗證 AI 推理（opML、zkML 等），確保 AI 推理的透明度和可信度。Talus 專門為 AI 代理設(shè)計的一套設(shè)施可以實現(xiàn)鏈上和鏈下資源之間的多鏈交互和映射功能。

Talus 推出的鏈上 AI 代理生態(tài)對與 AI 和區(qū)塊鏈的融合技術(shù)發(fā)展具有重要意義，但實現(xiàn)起來仍具有一定的難度。Talus 的基礎(chǔ)設(shè)施使開發(fā) AI 代理具有靈活性和互操作性，但隨著越來越多的 AI 代理在 Talus 鏈上運行，這些代理之間的互操作性和效率是否可以滿足用戶需求，還有待考證。目前 Talus 還處于私人測試網(wǎng)階段，且在不斷的進行開發(fā)和更新。期待 Talus 未來可以推動鏈上 AI 代理生態(tài)的進一步發(fā)展。

團隊信息：

Mike Hanono 是 Talus Network 創(chuàng)始人兼首席執(zhí)行官。他擁有南加州大學(xué)的工業(yè)與系統(tǒng)工程學(xué)士學(xué)位和應(yīng)用數(shù)據(jù)科學(xué)的碩士學(xué)位，曾參與美國賓夕法尼亞大學(xué)的沃頓商學(xué)院項目，具有豐富的數(shù)據(jù)分析、軟件開發(fā)以及項目管理經(jīng)驗。

融資信息：

今年 2 月，Talus 完成了 300 萬美元的第一輪融資，由 Polychain Capital 領(lǐng)投，由 Dao5、Hash3、TRGC、 WAGMI Ventures、Inception Capital 等參投，天使投資人主要來自 Nvidia、IBM、Blue7、Symbolic Capital 以及 Render Network。

ORA：鏈上可驗證 AI 的基石

ORA 的產(chǎn)品 OAO（鏈上 AI 預(yù)言機）是世界上第一個采用 opML 的 AI 預(yù)言機，可以將鏈外的 AI 推理結(jié)果引入到鏈上。這意味著智能合約可以通過與 OAO 交互，從而在鏈上實現(xiàn) AI 功能。此外，ORA 的 AI 預(yù)言機可以與初始模型發(fā)行（IMO）無縫結(jié)合，提供全流程的鏈上 AI 服務(wù)。

ORA 在技術(shù)和市場上都擁有先發(fā)優(yōu)勢，作為以太坊上無需信任的 AI 預(yù)言機，將對其廣泛的用戶群體產(chǎn)生深遠影響，預(yù)計未來將看到更多創(chuàng)新的 AI 應(yīng)用場景涌現(xiàn)。開發(fā)者現(xiàn)在可以在智能合約中使用 ORA 提供的模型實現(xiàn)去中心化推理，并且可以在以太坊、Arbitrum、Optimism、Base、Polygon、Linea 以及 Manta 上構(gòu)建可驗證的 AI dApp。除了提供 AI 推理的驗證服務(wù)，ORA 還提供模型發(fā)行服務(wù)（IMO）來促進開源模型的貢獻。

ORA 的兩個主要產(chǎn)品是：初始模型發(fā)行（IMO）和鏈上 AI 預(yù)言機（OAO），二者完美契合，實現(xiàn)鏈上 AI 模型的獲取和 AI 推理的驗證。

• IMO 通過代幣化開源 AI 模型的所有權(quán)來激勵長期的開源貢獻，代幣持有者將獲得鏈上使用該模型產(chǎn)生的部分收入。ORA 還為 AI 開發(fā)者提供資金，激勵社區(qū)和開源貢獻者。
• OAO 帶來鏈上可驗證的 AI 推理。ORA 引入了 opML 用作 AI 預(yù)言機的驗證層。類似與 OP Rollup 的工作流程，驗證者或任何網(wǎng)絡(luò)參與者在挑戰(zhàn)期可以對結(jié)果進行檢查，如果挑戰(zhàn)成功則鏈上更新錯誤結(jié)果，挑戰(zhàn)期結(jié)束后結(jié)果最終確定并不可變。

要建立一個可驗證和去中心化的預(yù)言機網(wǎng)絡(luò)，確保區(qū)塊鏈上結(jié)果的計算有效性至關(guān)重要。這個過程涉及一個證明系統(tǒng)，確保計算是可靠和真實的。

為此，ORA 提供三種證明系統(tǒng)框架：

• AI Oracle 的 opML（目前 ORA 的 AI 預(yù)言機已經(jīng)支持 opML）
• keras2circom 的 zkML（成熟和高性能的 zkML 框架）
• 結(jié)合 zkML 的隱私性和 opML 的可擴展性的 zk opML，通過 opp/ai 實現(xiàn)未來的鏈上 AI 解決方案

opML：

opML（樂觀機器學(xué)習(xí)）由 ORA 發(fā)明和開發(fā)，將機器學(xué)習(xí)與區(qū)塊鏈技術(shù)相結(jié)合。通過利用類似的 Optimistic Rollups 原理，opML 以去中心化的方式確保了計算的有效性。該框架允許對 AI 計算進行鏈上驗證，提高了透明度并促進了對機器學(xué)習(xí)推理的信任。

為確保安全性和正確性，opML 采用以下欺詐防護機制：

1. 結(jié)果提交：服務(wù)提供者（提交者）在鏈下執(zhí)行機器學(xué)習(xí)計算，并將結(jié)果提交到區(qū)塊鏈上。
2. 驗證期：驗證者（或挑戰(zhàn)者）有預(yù)定義的期限（挑戰(zhàn)期）來驗證提交結(jié)果的正確性。
3. 爭議解決：如果驗證者發(fā)現(xiàn)結(jié)果不正確，他們將啟動一個互動式爭議游戲。該爭議游戲有效地確定了錯誤發(fā)生的確切計算步驟。
4. 鏈上驗證：只有被爭議的計算步驟在鏈上通過欺詐證明虛擬機（FPVM）進行驗證，從而最小化資源使用。
5. 最終確定：如果在挑戰(zhàn)期間沒有提出爭議，或者爭議得到解決后，結(jié)果將在區(qū)塊鏈上被最終確定。

ORA 推出的 opML 使計算在優(yōu)化的環(huán)境中鏈下執(zhí)行，爭議時僅在鏈上處理最小的數(shù)據(jù)。避免零知識機器學(xué)習(xí)（zkML）所需的昂貴證明生成，降低計算成本。這種方式能夠處理傳統(tǒng)鏈上方法難以實現(xiàn)的大規(guī)模計算。

keras2circom （zkML）：

zkML 是一種利用零知識證明在鏈上驗證機器學(xué)習(xí)推理結(jié)果的證明框架。由于其私密性，它可以在訓(xùn)練和推理過程中保護隱私數(shù)據(jù)和模型參數(shù)，從而解決隱私問題。由于 zkML 實際的計算是在鏈下完成的，而鏈上只需驗證結(jié)果的有效性，從而減少了鏈上的計算負載。

Keras2Circom 由 ORA 構(gòu)建，是第一個經(jīng)過實戰(zhàn)測試的高級 zkML 框架。根據(jù)以太坊基金會 ESP 資助提案 [FY23–1290] 對領(lǐng)先的 zkML 框架的基準測試，Keras2Circom 及其底層 circomlib-ml 被證明比其他框架更高性能。

opp/ai（opML zkML）：

ORA 還提出了 OPP/AI（Optimistic Privacy-Preserving AI on Blockchain），將用于隱私的零知識機器學(xué)習(xí)（zkML）與用于提高效率的樂觀機器學(xué)習(xí)（opML）集成在一起，創(chuàng)建了為鏈上 AI 量身定制的混合模型。通過對機器學(xué)習(xí)（ML）模型進行戰(zhàn)略性分區(qū)，opp/ai 平衡了計算效率和數(shù)據(jù)隱私，從而實現(xiàn)了安全高效的鏈上 AI 服務(wù)。

opp/ai 根據(jù)隱私要求將 ML 模型劃分為多個子模型：zkML 子模型用來處理敏感數(shù)據(jù)或?qū)Ｓ兴惴ǖ慕M件，使用零知識證明執(zhí)行，以確保數(shù)據(jù)和模型的機密性；opML 子模型用來處理效率優(yōu)先于隱私的組件。使用 opML 的樂觀方法執(zhí)行，以實現(xiàn)最大效率。

綜上所述，ORA 創(chuàng)新的提出了三種證明框架：opML、zkML 以及 opp/ai（opML 與 zkML 結(jié)合），多樣化的證明框架增強了數(shù)據(jù)隱私和計算效率，為區(qū)塊鏈應(yīng)用帶來了更高的靈活性和安全性。

ORA 作為首創(chuàng)的 AI 預(yù)言機，擁有巨大的潛力和廣闊的想象空間。ORA 已經(jīng)發(fā)表了大量研究和成果，展示了其技術(shù)優(yōu)勢。然而，AI 模型的推理過程具有一定的復(fù)雜性和驗證成本，鏈上 AI 的推理速度能否滿足用戶需求成為一個需要考證的問題。經(jīng)過時間的驗證和用戶體驗的不斷優(yōu)化，此類 AI 產(chǎn)品或許是提升鏈上 Dapp 效率的一大利器。

團隊信息：

聯(lián)合創(chuàng)始人 Kartin 畢業(yè)于亞利桑那大學(xué)的計算機科學(xué)專業(yè)，曾在 Tiktok 擔(dān)任技術(shù)領(lǐng)導(dǎo)，并在谷歌擔(dān)任過軟件工程師。

首席科學(xué)家 Cathie 擁有南加州大學(xué)的計算機科學(xué)碩士學(xué)位，博士畢業(yè)與香港大學(xué)心理學(xué)和神經(jīng)科學(xué)，曾是以太坊基金會的 zkML 研究員。

融資信息：

今年 6 月 26 日，ORA 宣布完成 2000 萬的融資，投資機構(gòu)包括：Polychain Capital、HF0、Hashkey Capital、SevenX Ventures 和 Geekcartel 等。

Grass : AI 模型的數(shù)據(jù)層

Grass 專注于將公共網(wǎng)絡(luò)數(shù)據(jù)轉(zhuǎn)化為 AI 數(shù)據(jù)集。Grass 的網(wǎng)絡(luò)使用用戶的多余帶寬從互聯(lián)網(wǎng)上抓取數(shù)據(jù)，而不會獲取用戶的個人隱私信息。 這種類型的網(wǎng)絡(luò)數(shù)據(jù)對于人工智能模型的開發(fā)和許多其他行業(yè)的運營是不可或缺的。用戶可以運行節(jié)點并賺取 Grass 積分，在 Grass 上運行節(jié)點就像注冊和安裝 Chrome 擴展程序一樣簡單。

Grass 鏈接 AI 需求方和數(shù)據(jù)提供方，創(chuàng)造了「共贏」的局面，其優(yōu)勢在于：簡單的安裝操作和未來的空投預(yù)期大大促進了用戶的參與度，這也為需求方提供更多的數(shù)據(jù)源。用戶作為數(shù)據(jù)提供方無需進行復(fù)雜的設(shè)置和行動，在用戶無感知的情況下進行數(shù)據(jù)抓取，清洗等操作。此外，對設(shè)備沒有特殊要求，降低了用戶的參與門檻，其邀請機制也有效推動了更多用戶快速加入。

由于 Grass 需要進行數(shù)據(jù)抓取操作，以達到每分鐘數(shù)千萬個 Web 請求。 這些都需要經(jīng)過驗證，這將需要比任何 L1 所能提供的更多的吞吐量，Grass 團隊于 3 月份宣布將要構(gòu)建 Rollup 的計劃，以此來支持用戶和構(gòu)建者驗證數(shù)據(jù)來源。該計劃通過 ZK 處理器對元數(shù)據(jù)進行批處理以進行驗證，每個數(shù)據(jù)集元數(shù)據(jù)的證明將存儲在 Solana 的結(jié)算層上并生成數(shù)據(jù)賬本。

如圖所示，客戶發(fā)出 Web 請求，這些請求會通過驗證器并最終路由到 Grass 節(jié)點，網(wǎng)站的服務(wù)器都會響應(yīng)網(wǎng)頁請求，允許其數(shù)據(jù)被抓取并返回。ZK 處理器的目的是幫助記錄在 Grass 網(wǎng)絡(luò)上抓取的數(shù)據(jù)集的來源。 這意味著每當(dāng)一個節(jié)點抓取網(wǎng)絡(luò)時，他們都可以在不透露任何關(guān)于自己的身份信息的情況下獲得他們的獎勵。計入數(shù)據(jù)賬本之后，通過圖嵌入模型（Edge Embedding）對收集到的數(shù)據(jù)進行清洗、結(jié)構(gòu)化，用于 AI 訓(xùn)練。

綜上所述，Grass 允許用戶貢獻多余的帶寬抓取網(wǎng)絡(luò)數(shù)據(jù)賺取被動收入，同時保護個人隱私。這種設(shè)計不僅為用戶帶來經(jīng)濟收益，還為 AI 公司提供了去中心化的方式獲取大量真實數(shù)據(jù)。

雖然 Grass 大大降低了用戶的參與門檻，有利于提升用戶的參與程度，但項目方需要考慮到：真實用戶的參與和「羊毛黨」的涌入可能會帶來大量的垃圾信息，這將增加數(shù)據(jù)處理的負擔(dān)。因此，項目方需要設(shè)定合理的激勵機制，對數(shù)據(jù)進行定價，以獲取真正有價值的數(shù)據(jù)。這對于項目方和用戶來說都是重要的影響因素。如果用戶對空投分配感到疑惑或不公，可能會對項目方產(chǎn)生不信任，從而影響項目的共識和發(fā)展。

團隊信息：

創(chuàng)始人 Andrej 博士畢業(yè)于加拿大約克大學(xué)計算和應(yīng)用數(shù)學(xué)專業(yè)。首席技術(shù)官 Chris Nguyen 擁有多年的數(shù)據(jù)處理經(jīng)驗，其創(chuàng)立的數(shù)據(jù)公司獲得了多項榮譽，包括 IBM 云嵌入卓越獎、企業(yè)技術(shù) 30 強和福布斯云 100 新星等。

融資信息：

Grass 是 Wynd Network 團隊推出的第一個產(chǎn)品，該團隊于 2023 年 12 月完成了由 Polychain Capital 和 Tribe Capital 領(lǐng)投的 350 萬美元種子輪融資， Bitscale、Big Brain、Advisors Anonymous、Typhon V、Mozaik 等參投。此前由 No Limit Holdings 領(lǐng)投 Pre-see 輪融資，融資總額達到 450 萬美元。

今年 9 月 Grass 完成 A 輪融資，由 Hack VC 領(lǐng)投，由 Polychain, Delphi Digital、Brevan Howard Digital、Lattice fund 等參投，融資金額未披露。

IO.NET：去中心化的算力資源平臺

IO.NET 通過在 Solana 上構(gòu)建一個去中心化的 GPU 網(wǎng)絡(luò)，聚合全球閑置的網(wǎng)絡(luò)計算資源。這使 AI 工程師能夠以更低成本、更易獲取和更靈活的方式獲得所需的 GPU 計算資源。ML 團隊可以在分布式 GPU 網(wǎng)絡(luò)上構(gòu)建模型訓(xùn)練和推理服務(wù)工作流。

IO.NET 不僅為具有閑置算力的用戶提供收入，也大大降低了小型團隊或個人的算力負擔(dān)。借助 Solana 的高吞吐量和高效的執(zhí)行效率，對于 GPU 的網(wǎng)絡(luò)調(diào)度有著先天的優(yōu)勢。

IO.NET 一經(jīng)推出受到了大量的關(guān)注和頂級機構(gòu)的青睞。根據(jù) CoinMarketCap 顯示，截止 10 月 17 日，其代幣的市值已超過 2.2 億美元，F(xiàn)DV 已經(jīng)超過 14.7 億美元。

IO.NET 的核心技術(shù)之一是 IO-SDK，基于 Ray 的專用分支（fork）。（Ray 是 OpenAI 使用的開源框架，可以將機器學(xué)習(xí)等 AI 和 Python 應(yīng)用程序擴展到集群處理大量計算）。利用 Ray 的原生并行性，IO-SDK 可以并行化 Python 函數(shù)，還支持與 PyTorch 和 TensorFlow 等主流 ML 框架的集成。其內(nèi)存存儲可以使任務(wù)之間快速數(shù)據(jù)共享，消除序列化延遲。

產(chǎn)品組件：

1. IO Cloud：設(shè)計用于按需部署和管理去中心化的 GPU 集群，與 IO-SDK 無縫集成，提供擴展 AI 和 Python 應(yīng)用程序的綜合解決方案。提供計算能力，同時簡化 GPU/CPU 資源的部署和管理。通過防火墻、訪問控制和模塊化設(shè)計來降低潛在風(fēng)險，隔離不同的功能來增加安全性。
2. IO Worker：用戶可以通過這個 Web 應(yīng)用程序界面，管理其 GPU 節(jié)點操作。包括計算活動監(jiān)控、溫度和功耗跟蹤、安裝幫助、安全措施和收入情況等功能。
3. IO Explorer：主要為用戶提供全面的統(tǒng)計數(shù)據(jù)和 GPU 云各個方面的可視化，讓用戶可以實時查看網(wǎng)絡(luò)活動、關(guān)鍵統(tǒng)計數(shù)據(jù)、數(shù)據(jù)點和獎勵交易。
4. IO ID：用戶可以查看個人賬戶情況，包括錢包地址活動，錢包余額以及 Claim 收益等。
5. IO Coin：支持用戶查看 IO.NET 的代幣情況。
6. BC8.AI：這是由 IO.NET 支持的 AI 圖片生成網(wǎng)站，用戶可以實現(xiàn)文本到圖片的 AI 生成過程。

IO.NET 使用來自加密貨幣礦工，像 Filecoin 和 Render 這樣的項目以及其他閑置的算力，聚合了超過一百萬個 GPU 資源，允許人工智能工程師或團隊根據(jù)自己的需求定制并購買 GPU 計算服務(wù)。通過利用全球閑置的計算資源，使提供算力的用戶可以代幣化自己的收益。IO.NET 不僅優(yōu)化了資源利用率，還降低了高昂的計算成本，推動了更廣泛的 AI 和計算應(yīng)用。

IO.NET 作為去中心化算力平臺，應(yīng)注重用戶體驗、算力的資源豐富程度和資源的調(diào)度監(jiān)控，這些是在去中心化算力賽道拼勝負的重要籌碼。然而，之前有關(guān)于資源調(diào)度問題的爭議，有人質(zhì)疑資源調(diào)度和用戶訂單不匹配。盡管我們無法確定這件事的真實性，但是這也提醒了相關(guān)項目應(yīng)該關(guān)注這些方面的優(yōu)化和用戶體驗的提升，失去了用戶的支持，在精美的產(chǎn)品也只是花瓶。

團隊信息：

創(chuàng)始人 Ahmad Shadid 之前是 WhalesTrader 的量化系統(tǒng)工程師；曾經(jīng)是以太坊基金會的貢獻者和指導(dǎo)者（mentor）。首席技術(shù)官 Gaurav Sharma 之前在亞馬遜擔(dān)任高級開發(fā)工程師，擔(dān)任過易貝的架構(gòu)師，曾在幣安的工程部門就職。

融資信息：

2023 年 5 月 1 日，官方宣布完成 1000 萬美元種子輪融資；

2024 年 3 月 5 日，宣布完成 3000 萬美元 A 輪融資，Hack VC 領(lǐng)投，Multicoin Capital、6th Man Ventures、M13、Delphi Digital、Solana Labs、Aptos Labs、Foresight Ventures、Longhash、SevenX、ArkStream、Animoca Brands、Continue Capital、MH Ventures、Sandbox Games 等參與。

MyShell：連接消費者與創(chuàng)作者的 AI 代理平臺

MyShell 是一個去中心化的 AI 消費者層，連接消費者、創(chuàng)作者和開源研究人員。用戶可以使用平臺提供的 AI 代理，也可以在 MyShell 的開發(fā)平臺構(gòu)建自己的 AI 代理或應(yīng)用程序。MyShell 提供了一個開放的市場供用戶自由的交易 AI 代理，在 MyShell 的 AIpp 商店里可以看到多種類型的 AI 代理，包括虛擬伴侶、交易助手、以及 AIGC 類型的代理。

MyShell 作為低門檻的 ChatGPT 等各類型的 AI 聊天機器人的平替選擇，提供了一個廣泛的 AI 功能平臺，降低了用戶使用 AI 模型和代理的門檻，使用戶能夠獲得全面的 AI 體驗。舉個例子，用戶可能想使用 Claude 進行文獻整理和寫作優(yōu)化，同時使用 Midjourney 生成優(yōu)質(zhì)圖片。通常，這需要用戶在不同平臺上注冊多個賬號，并為一些服務(wù)支付費用。而 MyShell 提供了一站式服務(wù)，每天提供免費的 AI 額度，用戶無需反復(fù)注冊和支付費用。

此外，部分 AI 產(chǎn)品對一些地區(qū)有限制，而在 MyShell 平臺上，用戶通常可以流暢地使用各種 AI 服務(wù)，從而顯著提升用戶體驗。MyShell 的這些優(yōu)勢使其成為用戶體驗的理想選擇，為用戶提供了便捷、高效和無縫的 AI 服務(wù)體驗。

MyShell 生態(tài)系統(tǒng)建立在三個核心組件之上：

自主開發(fā)的 AI 模型：MyShell 研發(fā)了多個開源的 AI 模型，包括 AIGC 和大型語言模型，用戶可以直接使用；也可以在官方的 Github 上找到更多的開源模型。

開放的 AI 開發(fā)平臺：用戶可以輕松構(gòu)建 AI 應(yīng)用程序。MyShell 平臺允許創(chuàng)作者利用不同的模型并集成外部 API，借助原生開發(fā)工作流程和模塊化工具包，創(chuàng)作者可以快速將他們的想法轉(zhuǎn)化為功能性 AI 應(yīng)用程序，從而加速創(chuàng)新。

公平的激勵生態(tài)：MyShell 的激勵方式促進用戶建立滿足個人偏好的內(nèi)容。創(chuàng)作者在使用自建的應(yīng)用程序時可獲得原生平臺獎勵，也可以從消費者那里獲得資金。

在 MyShell 的創(chuàng)作工坊（Workshop）可以看到支持用戶以三種模式進行 AI 機器人的構(gòu)建，對于專業(yè)開發(fā)人員和普通用戶來說都可以匹配合適的模式，使用經(jīng)典模式設(shè)置模型參數(shù)和指令，可以集成到社交媒體軟件上；開發(fā)模式則需要用戶上傳自己的模型文件；使用 ShellAgent 模式可以以無代碼的形式構(gòu)建 AI 機器人。

MyShell 結(jié)合了去中心化的理念和 AI 技術(shù)，致力于為消費者、創(chuàng)作者和研究人員提供一個開放、靈活和激勵公平的生態(tài)系統(tǒng)。通過自主開發(fā)的 AI 模型、開放的開發(fā)平臺和多種激勵方式，為用戶提供了豐富的工具和資源來實現(xiàn)他們的創(chuàng)意和需求。

MyShell 集成了多種優(yōu)質(zhì)模型，并且團隊也在持續(xù)開發(fā)眾多 AI 模型，以提升用戶體驗。然而，MyShell 在使用過程中仍面臨一些挑戰(zhàn)。例如，有用戶反饋一些模型對中文的支持有待改進。不過，通過查看 MyShell 的代碼倉庫，可以看到團隊在持續(xù)進行更新和優(yōu)化，積極傾聽社區(qū)的反饋意見。相信在不斷的改進下，未來的用戶體驗會更好。

團隊信息：

聯(lián)合創(chuàng)始人 Zengyi Qin 專注于語音算法研究，擁有麻省理工學(xué)院博士學(xué)位。在清華大學(xué)攻讀學(xué)士學(xué)位期間，已發(fā)表多篇頂級會議論文。他還擁有機器人技術(shù)、計算機視覺和強化學(xué)習(xí)方面的專業(yè)經(jīng)驗。另一位聯(lián)合創(chuàng)始人 Ethan Sun 畢業(yè)于牛津大學(xué)計算機科學(xué)專業(yè), 擁有多年 AR AI 領(lǐng)域的工作經(jīng)驗。

融資信息：

2023 年 10 月種子輪融資 560 萬美元。由 INCE Capital 領(lǐng)投，Hashkey Capital、Folius Ventures、SevenX Ventures、OP Crypto 等參投。

2024 年 3 月在其最新的 Pre-A 輪融資中獲得了 1100 萬美元的融資。本次融資由 Dragonfly 領(lǐng)投，Delphi Digital、Bankless Ventures、Maven11 Capital、Nascent、Nomad、Foresight Ventures、Animoca Ventures、OKX Ventures 和 GSR 等投資機構(gòu)參投。另外，本輪融資還獲得了 Balaji Srinivasan、Illia Polosukhin、Casey K. Caruso、Santiago Santos 等天使投資人的支持。

今年 8 月，Binance Labs 宣布通過其第六季孵化計劃投資 MyShell，具體金額未披露。

四、亟待解決的挑戰(zhàn)與思考

雖然該賽道仍處于萌芽階段，但從業(yè)人員應(yīng)該思考一些影響項目成功的重要因素。以下是需要考慮的方面:

AI 資源的供需平衡：對于 Web3-AI 生態(tài)項目，如何實現(xiàn) AI 資源供需的平衡，吸引更多有真實需求和愿意做貢獻的人，極其重要。如對于有模型、數(shù)據(jù)、算力需求的用戶，可能已經(jīng)習(xí)慣了在 Web2 平臺上獲取 AI 資源。同時，如何吸引 AI 資源提供方來進入 Web3-AI 生態(tài)內(nèi)作出貢獻，以及吸引更多的需求方來獲取資源，實現(xiàn) AI 資源的合理匹配，這些也是行業(yè)面臨的挑戰(zhàn)之一。

數(shù)據(jù)挑戰(zhàn)：數(shù)據(jù)質(zhì)量直接影響模型訓(xùn)練效果。在數(shù)據(jù)收集和數(shù)據(jù)預(yù)處理的過程中確保數(shù)據(jù)質(zhì)量，篩選羊毛用戶刷量帶來的大量垃圾數(shù)據(jù)，將會是數(shù)據(jù)類項目面臨的重要挑戰(zhàn)。項目方可以通過科學(xué)的數(shù)據(jù)質(zhì)量控制方法，并更加透明地展示數(shù)據(jù)處理的效果，從而提升數(shù)據(jù)的可信度，這也將對數(shù)據(jù)需求方產(chǎn)生更大的吸引力。

安全問題：在 Web3 行業(yè)中，通過區(qū)塊鏈和隱私技術(shù)實現(xiàn) AI 資產(chǎn)的鏈上鏈下交互，以防止惡意行為者影響 AI 資產(chǎn)質(zhì)量，保障數(shù)據(jù)、模型等 AI 資源的安全，是必要的考量。一些項目方已經(jīng)提出了解決方案，但該領(lǐng)域仍處于建設(shè)階段。隨著技術(shù)的不斷完善，預(yù)計將實現(xiàn)更高且經(jīng)過驗證的安全標準。

用戶體驗：

• Web2 用戶通常習(xí)慣于傳統(tǒng)的操作體驗，而 Web3 項目通常伴隨著復(fù)雜的智能合約、去中心化錢包等技術(shù)，這對普通用戶來說可能存在較高的門檻。行業(yè)應(yīng)考慮如何進一步優(yōu)化用戶體驗和教育設(shè)施，吸引更多的 Web2 用戶進入 Web3-AI 生態(tài)。
• 對于 Web3 用戶，建立有效的激勵機制和持續(xù)運轉(zhuǎn)的經(jīng)濟體系是推動用戶長期留存和生態(tài)健康發(fā)展的關(guān)鍵。同時，我們應(yīng)思考如何最大化利用 AI 技術(shù)來提高 Web3 領(lǐng)域的效率，并創(chuàng)新更多與 AI 結(jié)合的應(yīng)用場景和玩法。這些都是影響生態(tài)健康發(fā)展的關(guān)鍵要素。

隨著互聯(lián)網(wǎng) 的發(fā)展趨勢不斷演進，我們已經(jīng)見證了無數(shù)創(chuàng)新和變革的發(fā)生。目前已經(jīng)有眾多領(lǐng)域的場景與 AI 結(jié)合，展望未來，AI 的時代或許將會遍地開花，徹底改變我們的生活方式。Web3 和 AI 的融合意味著數(shù)據(jù)的所有權(quán)和控制權(quán)將回歸用戶，使 AI 具有更高的透明度和信任度。這一融合趨勢有望構(gòu)建更加公平和開放的市場環(huán)境，并推動各行各業(yè)的效率提升和創(chuàng)新發(fā)展。我們期待行業(yè)建設(shè)者共同努力，創(chuàng)造更優(yōu)秀的 AI 解決方案。

AD：

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。