作者：Fairy，bitget交易平臺
編輯：TB，bitget交易平臺
在區(qū)塊鏈和人工智能技術(shù)不斷發(fā)展的今天，如何將這兩者有效結(jié)合，已成為許多創(chuàng)新項目的目標之一。Ambient 正是在這一背景下應運而生，致力于將去中心化的區(qū)塊鏈架構(gòu)與超大規(guī)模AI推理相結(jié)合，探索一種新的智能經(jīng)濟模式。
作為 Solana 的完整分叉，Ambient 保留了 Solana 的高速和高效，并通過引入Logits 證明（PoL）機制，創(chuàng)造了一個全新的區(qū)塊鏈生態(tài)系統(tǒng)。
Ambient是什么？
Ambient 是一條 Layer-1 區(qū)塊鏈，它將 Solana SVM 兼容性與新穎的工作量證明機制融合在一起，提供超大規(guī)模的驗證推理。Ambient項目的核心理念是將AI推理和區(qū)塊鏈深度融合，創(chuàng)造一個去中心化的AI經(jīng)濟體。
與傳統(tǒng)的權(quán)益證明（PoS）系統(tǒng)不同，Ambient 采用類似于比特幣的激勵機制，并為每個參與網(wǎng)絡(luò)推理、微調(diào)或訓練的節(jié)點提供可預測的利潤。這種方式避免了對企業(yè)級GPU的依賴，通過基于交易和通脹的補償方式，確保了礦工的可持續(xù)盈利。無論是礦工還是用戶，都可以獲得與其貢獻相匹配的獎勵，而平臺的價值則隨著網(wǎng)絡(luò)的增長而不斷提升。
Ambient的特點：
- 高效的推理與安全性：提供完全驗證的推理，開銷低于1%，同時確保在龐大智能模型（600B 參數(shù)）及其微調(diào)版本上的高安全性。
- 卓越的訓練性能：訓練性能比現(xiàn)有方法提高10倍，提升了AI模型的訓練效率。
- 礦工利用率高：通過在單一模型上進行優(yōu)化，提升了礦工的利用率，增強了推理和驗證過程的效率。
- 非阻塞工作量證明共識：采用非阻塞的工作量證明機制，確保網(wǎng)絡(luò)核心活動（推理、微調(diào)、訓練）中的經(jīng)濟競爭，同時保持高TPS，避免了傳統(tǒng)區(qū)塊鏈的性能瓶頸。
Ambient團隊背景及發(fā)展現(xiàn)狀
除了創(chuàng)始人背景外，Ambient 暫未披露其他成員的信息。Ambient 的首席執(zhí)行官兼創(chuàng)始人 Travis Good 擁有多樣的學術(shù)背景，他的學術(shù)歷程涵蓋了政府學、經(jīng)濟學、計算機科學和機器學習四個領(lǐng)域。Travis 領(lǐng)導風格注重執(zhí)行力和務實精神，他在推動技術(shù)創(chuàng)新時，始終堅持實際操作并關(guān)注可執(zhí)行的解決方案。此外，Travis 在推特上非常活躍，經(jīng)常分享自己對技術(shù)、創(chuàng)新以及行業(yè)趨勢的獨特見解。
4月1日，Ambient 完成 720 萬美元種子輪融資，a16z CSX、Delphi Digital 以及Amber Group領(lǐng)投。Big Brain Holdings、Superscrypt、Proof Group、Rubik Ventures、Aethir Foundation、Edessa Capital 等參投。Ambient 計劃在第二季度/第三季度推出測試網(wǎng)。
Logits 證明共識機制
“Logits 證明”算法利用了一個關(guān)鍵事實：logits （可以理解為邏輯單元）既是獨特的指紋，又能通過模型生成過程中產(chǎn)生的哈希值有效地捕捉模型在特定時刻的“思維”狀態(tài)（即模型‘流式’輸出時）。在這一機制下，logits 證明的哈希值是每個輸出 token 之前每組 logits 哈希值的哈希列表。簡而言之，對于每個 token n，直到最終 token t，logits 證明的哈希值就是：
Hash(Hash(n) … Hash(t))
而logits 進度標記證明的哈希值則是生成 x 個 token 后的 logits 哈希，其中 x 位于 n 和 t 之間（包括 n 和 t），即：
Hash(n) … Hash(x) … Hash(t)
基于這一原理，可以構(gòu)建一個驗證機制：首先，礦工生成文本；接著，驗證者在文本中隨機選擇一個詞，并請求礦工提供該點的“思維狀態(tài)”（即對應的 logits 進度標記證明哈希）。然后，驗證者在相同的模型和上下文中對該詞執(zhí)行一次推理，生成自己的“思維狀態(tài)”。如果兩者的“思維狀態(tài)”（通過哈希值表示）一致，驗證則成功。
這種工作量證明機制與比特幣的設(shè)計原則相一致：挖礦（在此例中，通過 4000 個 token 的推理反復執(zhí)行模型）代價高昂，但驗證過程卻非常廉價（只需 1 個 token 的推理）。這一機制不僅提高了效率，還確保了驗證的安全性和可靠性。
(本文只介紹早期項目，不作為投資建議。)
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。
