介紹

區(qū)塊鏈的出現(xiàn)可以說(shuō)是計(jì)算機(jī)科學(xué)歷史上最重要的進(jìn)步之一。同時(shí)人工智能的發(fā)展將會(huì)，而且已經(jīng)在我們的世界產(chǎn)生深遠(yuǎn)影響。如果說(shuō)區(qū)塊鏈技術(shù)提供了一種新的交易結(jié)算、數(shù)據(jù)存儲(chǔ)和系統(tǒng)設(shè)計(jì)范例，人工智能則是計(jì)算、分析和內(nèi)容生產(chǎn)的革命。這兩個(gè)行業(yè)的創(chuàng)新正在解鎖新的用例，這些用例可能會(huì)在未來(lái)幾年加速兩者的應(yīng)用落地。本報(bào)告探討了加密貨幣和人工智能的集成，重點(diǎn)關(guān)注試圖彌合兩者之間差別、利用兩者力量的新用例。具體而言，本報(bào)告研究了去中心化計(jì)算協(xié)議、零知識(shí)機(jī)器學(xué)習(xí)（zkML）基礎(chǔ)設(shè)施和人工智能代理的項(xiàng)目。

加密貨幣為人工智能提供了一個(gè)無(wú)需許可、無(wú)需信任、可組合的結(jié)算層。這解鎖了更多用例，例如通過(guò)去中心化計(jì)算系統(tǒng)使硬件更容易獲得，構(gòu)建可以執(zhí)行需要價(jià)值交換的復(fù)雜任務(wù)的人工智能代理，以及開(kāi)發(fā)身份和來(lái)源解決方案來(lái)對(duì)抗女巫攻擊和深偽技術(shù)（Deepfake）。人工智能為加密貨幣帶來(lái)了許多好處，正如已經(jīng)在 Web 2 中看到的那樣。這包括通過(guò)大型語(yǔ)言模型（例如 ChatGPT 和 Copilot 的專門訓(xùn)練版本）增強(qiáng)了用戶和開(kāi)發(fā)者的用戶體驗(yàn)（UX），以及顯著提高智能合約功能和自動(dòng)化的潛力。區(qū)塊鏈?zhǔn)侨斯ぶ悄芩枰耐该?、?shù)據(jù)豐富的環(huán)境。但區(qū)塊鏈的計(jì)算能力也受到了限制，這是直接集成人工智能模型的主要障礙。

加密貨幣和人工智能的交叉點(diǎn)正在進(jìn)行的實(shí)驗(yàn)和最終采用背后的驅(qū)動(dòng)力，正是推動(dòng)加密貨幣許多最有前景的用例的驅(qū)動(dòng)力——一個(gè)無(wú)需許可、無(wú)需信任的協(xié)調(diào)層，更好地促進(jìn)價(jià)值轉(zhuǎn)移。鑒于其巨大潛力，該領(lǐng)域的參與者需要理解這兩種技術(shù)相交的基本方式。

核心觀點(diǎn)：

在不久的將來(lái)（6 個(gè)月到 1 年），加密貨幣和人工智能的集成將由人工智能應(yīng)用程序主導(dǎo)，這些應(yīng)用程序可以提高開(kāi)發(fā)者的效率、智能合約的可審查性和安全性以及用戶的可使用性。這些集成并非特定于加密貨幣，而是增強(qiáng)了鏈上開(kāi)發(fā)者和用戶的體驗(yàn)。

正如高性能 GPU 嚴(yán)重短缺一樣，去中心化計(jì)算產(chǎn)品正在發(fā)展人工智能定制的 GPU 產(chǎn)品，這為其采用提供了有力支持。

用戶體驗(yàn)和監(jiān)管仍然是去中心化計(jì)算客戶的障礙。然而，最近 OpenAI 的發(fā)展以及美國(guó)正在進(jìn)行的監(jiān)管審查突顯了無(wú)需許可、抗審查、去中心化人工智能網(wǎng)絡(luò)的價(jià)值主張。

鏈上人工智能整合，特別是能夠使用人工智能模型的智能合約，需要改進(jìn) zkML 技術(shù)和其他驗(yàn)證鏈下計(jì)算的計(jì)算方法。缺乏全面的工具和開(kāi)發(fā)人才以及高昂的成本是采用的障礙。

人工智能代理非常適合加密貨幣，用戶（或代理本身）可以創(chuàng)建錢包以與其他服務(wù)、代理或個(gè)人進(jìn)行交易。這在傳統(tǒng)金融渠道下目前不可能實(shí)現(xiàn)。為了更廣泛的采用，需要與非加密產(chǎn)品進(jìn)行額外的集成。

術(shù)語(yǔ)解釋：

人工智能（Artificial Intelligence）是利用計(jì)算和機(jī)器模仿人類的推理和問(wèn)題解決能力。

神經(jīng)網(wǎng)絡(luò)（Neural Networks）是一種用于 AI 模型的訓(xùn)練方法。它們通過(guò)一系列算法層處理輸入數(shù)據(jù)，不斷優(yōu)化直到產(chǎn)生所需的輸出。神經(jīng)網(wǎng)絡(luò)由具有可修改權(quán)重的方程組成，可以修改權(quán)重以改變輸出。它們可能需要大量的數(shù)據(jù)和計(jì)算來(lái)進(jìn)行訓(xùn)練，以確保其輸出準(zhǔn)確。這是開(kāi)發(fā) AI 模型最常見(jiàn)的方式之一（例如，ChatGPT 使用基于 Transformer 的神經(jīng)網(wǎng)絡(luò)過(guò)程）。

訓(xùn)練（Training）是神經(jīng)網(wǎng)絡(luò)和其他 AI 模型開(kāi)發(fā)的過(guò)程。它需要大量的數(shù)據(jù)來(lái)訓(xùn)練模型，以正確地解釋輸入并產(chǎn)生準(zhǔn)確的輸出。在訓(xùn)練過(guò)程中，模型方程的權(quán)重將不斷修改，直到產(chǎn)生令人滿意的輸出為止。訓(xùn)練成本可能非常昂貴。例如，ChatGPT 使用數(shù)以萬(wàn)計(jì)的 GPU 來(lái)處理其數(shù)據(jù)。資源較少的團(tuán)隊(duì)通常依賴于像亞馬遜網(wǎng)絡(luò)服務(wù)（Amazon Web Services）、Azure 和谷歌云服務(wù)（Google Cloud Providers）等專用計(jì)算提供商。

推理（Inference）是實(shí)際使用 AI 模型獲取輸出或結(jié)果的過(guò)程（例如，使用 ChatGPT 撰寫本報(bào)告大綱）。推理在訓(xùn)練過(guò)程中和最終產(chǎn)品中都會(huì)用到。由于計(jì)算成本的原因，即使在訓(xùn)練完成后，它們的運(yùn)行成本也可能很高，但計(jì)算密集度低于訓(xùn)練。

零知識(shí)證明（Zero Knowledge Proofs，ZKP）允許在不透露基礎(chǔ)信息的情況下驗(yàn)證聲明。這在加密貨幣中有兩個(gè)主要用途： 1 隱私和 2 擴(kuò)展性。對(duì)于隱私，這使用戶能夠進(jìn)行交易而不泄露像錢包中有多少 ETH 這樣的敏感信息。對(duì)于擴(kuò)展性，它使得可以更快地在鏈上證明鏈下計(jì)算，而無(wú)需重新執(zhí)行計(jì)算。這使得區(qū)塊鏈和應(yīng)用程序可以在鏈下運(yùn)行計(jì)算，然后在鏈上進(jìn)行驗(yàn)證。

人工智能+加密貨幣全景圖

在人工智能和加密貨幣交匯的項(xiàng)目仍在開(kāi)發(fā)所需的基礎(chǔ)設(shè)施，以支持大規(guī)模的鏈上人工智能交互。

去中心化計(jì)算市場(chǎng)正在興起，以提供大量的物理硬件，主要是 GPU，用于訓(xùn)練和推理人工智能模型。這些雙邊市場(chǎng)連接了出租和尋求租用計(jì)算資源的人，促進(jìn)了價(jià)值的轉(zhuǎn)移和計(jì)算的驗(yàn)證。在去中心化計(jì)算中，正在出現(xiàn)幾個(gè)子類別，提供了額外的功能。除了雙邊市場(chǎng)之外，本報(bào)告還將研究專門為可驗(yàn)證訓(xùn)練和微調(diào)輸出的機(jī)器學(xué)習(xí)訓(xùn)練提供方，以及致力于連接計(jì)算和模型生成以實(shí)現(xiàn)人工通用智能的項(xiàng)目，也經(jīng)常被稱為智能激勵(lì)網(wǎng)絡(luò)。

zkML 是希望以經(jīng)濟(jì)有效且及時(shí)的方式在鏈上提供可驗(yàn)證模型輸出的一個(gè)重點(diǎn)領(lǐng)域。這些項(xiàng)目主要使應(yīng)用程序能夠處理鏈下繁重的計(jì)算請(qǐng)求，然后在鏈上發(fā)布可驗(yàn)證的輸出，證明鏈下工作是完整且準(zhǔn)確的。zkML 在當(dāng)前實(shí)例中既昂貴又耗時(shí)，但越來(lái)越多地被用作解決方案。這在 zkML 提供方和想要利用 AI 模型的 DeFi/游戲之間的集成數(shù)量不斷增加中顯而易見(jiàn)。

充足的計(jì)算資源供應(yīng)以及能夠在鏈上驗(yàn)證計(jì)算的能力為鏈上人工智能代理打開(kāi)了大門。代理是經(jīng)過(guò)訓(xùn)練的模型，能夠代表用戶執(zhí)行請(qǐng)求。代理提供了極大的機(jī)會(huì)來(lái)顯著增強(qiáng)鏈上體驗(yàn)，使用戶能夠通過(guò)與聊天機(jī)器人交談來(lái)執(zhí)行復(fù)雜的交易。然而，就目前而言，代理項(xiàng)目仍集中于開(kāi)發(fā)基礎(chǔ)設(shè)施和工具，以便輕松快速地部署。

去中心化計(jì)算

概述

人工智能需要大量的計(jì)算資源，無(wú)論是用于訓(xùn)練模型還是進(jìn)行推理。在過(guò)去的十年里，隨著模型變得越來(lái)越復(fù)雜，計(jì)算需求呈指數(shù)級(jí)增長(zhǎng)。例如，OpenAI 發(fā)現(xiàn)，在 2012 年至 2018 年間，其模型的計(jì)算需求從每?jī)赡攴对鲩L(zhǎng)到每三個(gè)半月翻倍增長(zhǎng)。這導(dǎo)致了對(duì) GPU 的需求激增，一些加密貨幣礦工甚至利用他們的 GPU 提供云計(jì)算服務(wù)。隨著獲取計(jì)算資源的競(jìng)爭(zhēng)加劇和成本上漲，一些項(xiàng)目正在利用加密貨幣提供去中心化計(jì)算解決方案。它們以有競(jìng)爭(zhēng)力的價(jià)格提供按需計(jì)算，以便團(tuán)隊(duì)可以負(fù)擔(dān)得起訓(xùn)練和運(yùn)行模型。在某些情況下，這種權(quán)衡可能是性能和安全性。

像 Nvidia 生產(chǎn)的最先進(jìn)的 GPU 等高端硬件需求很高。在 9 月份，Tether 收購(gòu)了德國(guó)比特幣礦工 Northern Data 的股份，據(jù)報(bào)道支付了 4.2 億美元，以收購(gòu) 1 萬(wàn)個(gè) H 100 GPU（用于 AI 訓(xùn)練的最先進(jìn)的 GPU 之一）。獲得最佳硬件的等待時(shí)間至少為六個(gè)月，在許多情況下更長(zhǎng)。更糟糕的是，公司通常需要簽訂長(zhǎng)期合同，購(gòu)買他們甚至可能不會(huì)使用的計(jì)算資源。這可能導(dǎo)致存在計(jì)算資源，但市場(chǎng)上卻不可用的情況。去中心化計(jì)算系統(tǒng)有助于解決這些市場(chǎng)效率低下的問(wèn)題，創(chuàng)建了一個(gè)二級(jí)市場(chǎng)，使計(jì)算資源的所有者能夠隨時(shí)以競(jìng)爭(zhēng)價(jià)格出租他們的多余資源，釋放新的供應(yīng)。

除了競(jìng)爭(zhēng)性定價(jià)和易獲取性外，去中心化計(jì)算的關(guān)鍵價(jià)值是抗審查性。前沿的人工智能發(fā)展越來(lái)越被擁有無(wú)與倫比算力和數(shù)據(jù)獲取權(quán)限的大型科技公司所主導(dǎo)。2023 年 AI 指數(shù)報(bào)告年度報(bào)告中首次突出的關(guān)鍵主題之一是，行業(yè)正在超越學(xué)術(shù)界，在 AI 模型的開(kāi)發(fā)方面，將控制權(quán)集中在少數(shù)科技領(lǐng)導(dǎo)者手中。這引發(fā)了對(duì)他們能否在制定支撐 AI 模型的規(guī)范和價(jià)值觀方面產(chǎn)生過(guò)大影響的擔(dān)憂，尤其是在這些科技公司推動(dòng)監(jiān)管措施以限制他們無(wú)法控制的 AI 開(kāi)發(fā)之后。

去中心化計(jì)算垂直領(lǐng)域

近年來(lái)出現(xiàn)了幾種去中心化計(jì)算模型，每種模型都有自己的重點(diǎn)和取舍。

通用計(jì)算

類似 Akash、io.net、iExec、Cudos 等項(xiàng)目是去中心化計(jì)算應(yīng)用，除了數(shù)據(jù)和通用計(jì)算解決方案外，還提供或?qū)⒑芸焯峁ｉT用于 AI 訓(xùn)練和推理的特定計(jì)算資源。

Akash 目前是唯一完全開(kāi)源的「超級(jí)云」平臺(tái)。它是一個(gè)使用 Cosmos SDK 的 PoS 網(wǎng)絡(luò)。Akash 的原生代幣 AKT 用于保護(hù)網(wǎng)絡(luò)、作為支付形式，并激勵(lì)參與。Akash 于 2020 年推出了首個(gè)主網(wǎng)，重點(diǎn)是提供一個(gè)無(wú)需許可的云計(jì)算市場(chǎng)，最初提供存儲(chǔ)和 CPU 租賃服務(wù)。在 2023 年 6 月，Akash 推出了一個(gè)新的測(cè)試網(wǎng)，專注于 GPU， 9 月推出了 GPU 主網(wǎng)，使用戶能夠租用 GPU 進(jìn)行 AI 訓(xùn)練和推理。

Akash 生態(tài)系統(tǒng)中有兩個(gè)主要角色 - 租戶和提供者。租戶是 Akash 網(wǎng)絡(luò)的用戶，他們想購(gòu)買計(jì)算資源。提供者是計(jì)算資源提供方。為了匹配租戶和提供者，Akash 依賴于一個(gè)逆向拍賣過(guò)程。租戶提交他們的計(jì)算需求，在其中可以指定某些條件，比如服務(wù)器的位置或進(jìn)行計(jì)算的硬件類型，以及他們?cè)敢庵Ц兜慕痤~。然后，提供者提交他們的要價(jià)，最低出價(jià)者獲得任務(wù)。

Akash 驗(yàn)證者維護(hù)網(wǎng)絡(luò)的完整性。驗(yàn)證者集目前限制為 100 個(gè)，計(jì)劃隨著時(shí)間逐步增加。任何人都可以通過(guò)質(zhì)押比當(dāng)前質(zhì)押金額最少的驗(yàn)證者更多的 AKT 來(lái)成為驗(yàn)證者。AKT 持有者也可以將他們的 AKT 委托給驗(yàn)證者。網(wǎng)絡(luò)的交易費(fèi)用和區(qū)塊獎(jiǎng)勵(lì)以 AKT 形式分配。此外，對(duì)于每筆租賃，Akash 網(wǎng)絡(luò)都會(huì)以由社區(qū)確定的比率收取「手續(xù)費(fèi)」，并分配給 AKT 持有者。

二級(jí)市場(chǎng)

去中心化計(jì)算市場(chǎng)旨在填補(bǔ)現(xiàn)有計(jì)算市場(chǎng)的低效。供應(yīng)限制導(dǎo)致公司儲(chǔ)備了超出他們可能需要的計(jì)算資源，而且由于與云服務(wù)提供商的合同形式，供應(yīng)進(jìn)一步受到限制。即使可能不需要持續(xù)使用，這些客戶也被鎖定在長(zhǎng)期合同中。去中心化計(jì)算平臺(tái)釋放了新的供應(yīng)，使全球任何需要的計(jì)算資源的人都可以成為提供方。

目前尚不清楚，對(duì)用于 AI 訓(xùn)練的 GPU 的需求激增是否會(huì)轉(zhuǎn)化為 Akash 網(wǎng)絡(luò)的長(zhǎng)期使用量。長(zhǎng)期以來(lái)，Akash 一直為 CPU 提供了一個(gè)市場(chǎng)，例如，以 70-80% 的折扣提供類似于中心化替代方案的服務(wù)。然而，更低的價(jià)格并沒(méi)有導(dǎo)致顯著的采用。網(wǎng)絡(luò)上的租賃活動(dòng)已經(jīng)趨于平緩， 2023 年第二季度的平均計(jì)算資源利用率僅為 33% ，內(nèi)存利用率為 16% ，存儲(chǔ)利用率為 13% 。盡管這些對(duì)于鏈上采用來(lái)說(shuō)是令人印象深刻的指標(biāo)（作為參考，領(lǐng)先的存儲(chǔ)提供商 Filecoin 在 2023 年第三季度的存儲(chǔ)利用率為 12.6% ），但這表明供應(yīng)繼續(xù)超過(guò)對(duì)這些產(chǎn)品的需求。

距離 Akash 推出 GPU 網(wǎng)絡(luò)僅推出半年多的時(shí)間，現(xiàn)在準(zhǔn)確衡量其長(zhǎng)期采用率還為時(shí)過(guò)早。作為需求的標(biāo)志，迄今為止 GPU 的平均利用率為 44% ，高于 CPU、內(nèi)存和存儲(chǔ)。這主要是由對(duì)最高質(zhì)量 GPU（如 A 100 s）的需求推動(dòng)的，超過(guò) 90% 的高質(zhì)量 GPU 已出租。

Akash 的每日支出也有所增加，相對(duì)于 GPU 出現(xiàn)之前幾乎翻了一番。這部分歸因于其他服務(wù)使用量的增加，尤其是 CPU，但主要還是新 GPU 導(dǎo)致的。

定價(jià)與 Lambda Cloud 和 Vast.ai 等中心化競(jìng)爭(zhēng)對(duì)手相當(dāng)（或者在某些情況下甚至更貴）。對(duì)最高端 GPU（例如 H 100 和 A 100）的巨大需求意味著該設(shè)備的大多數(shù)所有者對(duì)在面臨競(jìng)爭(zhēng)性定價(jià)的市場(chǎng)上市興趣不大。

盡管初期令人欣喜，但采用仍然存在障礙（下文將進(jìn)一步討論）。去中心化計(jì)算網(wǎng)絡(luò)需要采取更多措施來(lái)創(chuàng)造需求和供應(yīng)，團(tuán)隊(duì)正在嘗試如何更好地吸引新用戶。例如，在 2024 年初，Akash 通過(guò)了提案 240 ，以增加 GPU 提供方的 AKT 釋放，并激勵(lì)更多的供應(yīng)，具體針對(duì)高端 GPU。團(tuán)隊(duì)還致力于推出概念驗(yàn)證模型，向潛在用戶展示其網(wǎng)絡(luò)的實(shí)時(shí)能力。Akash 正在訓(xùn)練他們自己的基礎(chǔ)模型，并已經(jīng)推出了使用 Akash GPU 生成輸出的聊天機(jī)器人和圖像生成產(chǎn)品。類似地，io.net 已經(jīng)開(kāi)發(fā)了穩(wěn)定的擴(kuò)散模型，并正在推出新的網(wǎng)絡(luò)功能，以更好地模擬傳統(tǒng) GPU 數(shù)據(jù)中心的性能和規(guī)模。

去中心化機(jī)器學(xué)習(xí)訓(xùn)練

除了可以滿足人工智能需求的通用計(jì)算平臺(tái)外，還出現(xiàn)了一系列專注于機(jī)器學(xué)習(xí)模型訓(xùn)練的專用 AI GPU 提供方。例如，Gensyn 正在「協(xié)調(diào)電力和硬件來(lái)構(gòu)建集體智慧」，認(rèn)為「如果有人想訓(xùn)練某些東西，而有人愿意訓(xùn)練它，那么應(yīng)該允許進(jìn)行訓(xùn)練。」

該協(xié)議有四個(gè)主要角色：提交者、求解者、驗(yàn)證者和舉報(bào)者。提交者向網(wǎng)絡(luò)提交帶有訓(xùn)練請(qǐng)求的任務(wù)。這些任務(wù)包括訓(xùn)練目標(biāo)、要訓(xùn)練的模型和訓(xùn)練數(shù)據(jù)。作為提交過(guò)程的一部分，提交者預(yù)先支付一筆費(fèi)用，以支付求解者估計(jì)的計(jì)算成本。

一旦提交，任務(wù)將分配給求解者，他們將進(jìn)行模型的實(shí)際訓(xùn)練。然后，求解者將完成的任務(wù)提交給驗(yàn)證者，驗(yàn)證者負(fù)責(zé)檢查訓(xùn)練是否正確完成。舉報(bào)者負(fù)責(zé)確保驗(yàn)證者誠(chéng)實(shí)行事。為了激勵(lì)舉報(bào)者參與網(wǎng)絡(luò)，Gensyn 計(jì)劃定期提供有意錯(cuò)誤的證明，以獎(jiǎng)勵(lì)舉報(bào)者抓住它們。

除了為人工智能相關(guān)工作提供計(jì)算之外，Gensyn 的關(guān)鍵價(jià)值是其驗(yàn)證系統(tǒng)，該系統(tǒng)仍在開(kāi)發(fā)中。驗(yàn)證是必要的，以確保 GPU 提供方進(jìn)行的外部計(jì)算是正確的（即確保用戶的模型被訓(xùn)練成他們想要的方式）。Gensyn 采用一種獨(dú)特的方法解決了這個(gè)問(wèn)題，利用稱為「概率學(xué)習(xí)證明、基于圖的定位協(xié)議和 Truebit 風(fēng)格的激勵(lì)游戲」的新型驗(yàn)證方法。這是一種樂(lè)觀求解模式，使驗(yàn)證者能夠確認(rèn)求解者已正確運(yùn)行模型，而無(wú)需完全重新運(yùn)行它們，這是一種昂貴且低效的過(guò)程。

除了其創(chuàng)新的驗(yàn)證方法外，Gensyn 還聲稱相對(duì)于中心化替代方案和加密競(jìng)爭(zhēng)對(duì)手來(lái)說(shuō)具有成本效益 - 提供的 ML 訓(xùn)練比 AWS 便宜高達(dá) 80% ，同時(shí)在測(cè)試中勝過(guò)類似項(xiàng)目 Truebit。

這些初步結(jié)果能否在去中心化網(wǎng)絡(luò)中規(guī)?；瘡?fù)制，還有待觀察。Gensyn 希望利用來(lái)自提供方（如小型數(shù)據(jù)中心、普通用戶，甚至將來(lái)的小型移動(dòng)設(shè)備，如手機(jī)）的多余計(jì)算資源。然而，正如 Gensyn 團(tuán)隊(duì)自己承認(rèn)的，依賴異構(gòu)計(jì)算提供方會(huì)引入幾個(gè)新挑戰(zhàn)。

對(duì)于像谷歌云和 Coreweave 這樣的中心化提供方來(lái)說(shuō)，計(jì)算是昂貴的，而計(jì)算之間的通信（帶寬和延遲）是便宜的。這些系統(tǒng)旨在盡快實(shí)現(xiàn)硬件之間的通信。Gensyn 顛覆了這種框架，通過(guò)使世界上任何人都能夠提供 GPU 來(lái)降低計(jì)算成本，但由于網(wǎng)絡(luò)現(xiàn)在必須在去中心化的、位于遙遠(yuǎn)地方的異構(gòu)硬件之間協(xié)調(diào)計(jì)算作業(yè)，從而增加了通信成本。Gensyn 尚未推出，但它證明了在構(gòu)建去中心化機(jī)器學(xué)習(xí)訓(xùn)練協(xié)議時(shí)可能發(fā)生的事情。

去中心化通用人工智能

去中心化計(jì)算平臺(tái)還為人工智能創(chuàng)建方法的設(shè)計(jì)可能性打開(kāi)了大門。Bittensor 是一個(gè)建立在 Substrate 上的去中心化計(jì)算協(xié)議，試圖回答「我們?nèi)绾螌⑷斯ぶ悄苻D(zhuǎn)變?yōu)閰f(xié)作方式」的問(wèn)題。Bittensor 旨在將人工智能生成去中心化和商品化。該協(xié)議于 2021 年推出，旨在利用協(xié)作式機(jī)器學(xué)習(xí)模型的力量，不斷迭代和產(chǎn)生更好的人工智能。

Bittensor 從比特幣中汲取靈感，其原生貨幣 TAO 的供應(yīng)量為二千一百萬(wàn)，有一個(gè)四年的減半周期（首次減半將在 2025 年）。與使用工作量證明來(lái)生成正確的隨機(jī)數(shù)并獲得區(qū)塊獎(jiǎng)勵(lì)不同，Bittensor 依賴于「智能證明（Proof of Intelligence）」，要求礦工運(yùn)行能夠?qū)ν评碚?qǐng)求產(chǎn)生輸出的模型。

智能激勵(lì)網(wǎng)絡(luò)

Bittensor 最初依賴混合專家（MoE）模型來(lái)生成輸出。當(dāng)推理請(qǐng)求被提交時(shí)，MoE 模型不是依賴于一個(gè)通用模型，而是將推理請(qǐng)求傳遞給針對(duì)特定輸入類型最準(zhǔn)確的模型。可以將其類比為建造房屋時(shí)，雇用各種專家來(lái)處理建造過(guò)程的不同方面（例如：建筑師、工程師、畫(huà)家、建筑工人等...）。MoE 將其應(yīng)用于機(jī)器學(xué)習(xí)模型，嘗試根據(jù)輸入利用不同模型的輸出。正如 Bittensor 創(chuàng)始人 Ala Shaabana 所解釋的那樣，這就像「與一群聰明人，而不是與一個(gè)人交談，以得到最好的答案」。由于確保正確路由、將消息同步到正確模型以及激勵(lì)的挑戰(zhàn)，這種方法已經(jīng)被擱置，直到項(xiàng)目更為發(fā)展成熟。

Bittensor 網(wǎng)絡(luò)中有兩個(gè)主要角色：驗(yàn)證者和礦工。驗(yàn)證者負(fù)責(zé)向礦工發(fā)送推理請(qǐng)求，審查他們的輸出，并根據(jù)其響應(yīng)的質(zhì)量對(duì)其進(jìn)行排名。為了確保其排名可靠，驗(yàn)證者根據(jù)其排名與其他驗(yàn)證者排名的一致程度被賦予「vtrust」分?jǐn)?shù)。驗(yàn)證者的 vtrust 分?jǐn)?shù)越高，他們就能夠獲得更多的 TAO。這旨在鼓勵(lì)驗(yàn)證者隨著時(shí)間的推移就模型排名達(dá)成共識(shí)，因?yàn)檫_(dá)成對(duì)模型排名的共識(shí)的驗(yàn)證者越多，他們個(gè)人的 vtrust 分?jǐn)?shù)就越高。

礦工，也稱為服務(wù)器，是運(yùn)行實(shí)際機(jī)器學(xué)習(xí)模型的網(wǎng)絡(luò)參與者。礦工之間競(jìng)爭(zhēng)，為給定查詢提供最準(zhǔn)確的輸出，輸出越準(zhǔn)確，他們獲得的 TAO 發(fā)行就越多。礦工可以以任何他們想要的方式生成這些輸出。例如，在未來(lái)的場(chǎng)景中，一個(gè) Bittensor 礦工完全可能事先在 Gensyn 上對(duì)模型進(jìn)行訓(xùn)練，然后將其用于賺取 TAO。

如今大多數(shù)交互直接發(fā)生在驗(yàn)證者和礦工之間。驗(yàn)證者向礦工提交輸入并請(qǐng)求輸出（即對(duì)模型進(jìn)行訓(xùn)練）。一旦驗(yàn)證者向網(wǎng)絡(luò)中的礦工查詢并收到他們的響應(yīng)，然后他們對(duì)驗(yàn)證者進(jìn)行排名并將其排名提交給網(wǎng)絡(luò)。

驗(yàn)證者（依賴 PoS）和礦工（依賴 Proof of Model，一種 PoW 形式）之間的這種交互被稱為 Yuma 共識(shí)。它旨在鼓勵(lì)礦工產(chǎn)生最佳輸出以賺取 TAO，以及鼓勵(lì)驗(yàn)證者準(zhǔn)確對(duì)礦工輸出進(jìn)行排名，以賺取更高的 vtrust 分?jǐn)?shù)并增加他們的 TAO 獎(jiǎng)勵(lì)，形成網(wǎng)絡(luò)的共識(shí)機(jī)制。

子網(wǎng)及應(yīng)用

上文提到，Bittensor 上的交互主要包括驗(yàn)證者向礦工提交請(qǐng)求并評(píng)估其輸出。然而，隨著貢獻(xiàn)礦工的質(zhì)量提高和網(wǎng)絡(luò)整體人工智能的增長(zhǎng)，Bittensor 將在其現(xiàn)有堆棧之上創(chuàng)建一個(gè)應(yīng)用程序?qū)?，使開(kāi)發(fā)者能夠構(gòu)建查詢 Bittensor 網(wǎng)絡(luò)的應(yīng)用程序。

在 2023 年 10 月，通過(guò)其 Revolution 升級(jí)，Bittensor 完成了朝著實(shí)現(xiàn)這一目標(biāo)邁出的重要一步，引入了子網(wǎng)。子網(wǎng)是 Bittensor 上的個(gè)獨(dú)立網(wǎng)絡(luò)，激勵(lì)特定行為。Revolution 將網(wǎng)絡(luò)開(kāi)放給任何有興趣創(chuàng)建子網(wǎng)的人。自發(fā)布以來(lái)的幾個(gè)月里，已經(jīng)推出了超過(guò) 32 個(gè)子網(wǎng)，包括用于文本提示、數(shù)據(jù)抓取、圖像生成和存儲(chǔ)等領(lǐng)域的子網(wǎng)。隨著子網(wǎng)的成熟和產(chǎn)品準(zhǔn)備就緒，子網(wǎng)創(chuàng)建者還將創(chuàng)建應(yīng)用程序集成，使團(tuán)隊(duì)能夠構(gòu)建查詢特定子網(wǎng)的應(yīng)用程序。一些應(yīng)用程序（聊天機(jī)器人、圖像生成器、推特回復(fù)機(jī)器人、預(yù)測(cè)市場(chǎng)）今天已經(jīng)存在，但除了 Bittensor 基金會(huì)的撥款之外，驗(yàn)證者沒(méi)有正式激勵(lì)來(lái)接受和轉(zhuǎn)發(fā)這些查詢。

為了提供更清晰的說(shuō)明，下圖是 Bittensor 集成應(yīng)用程序后可能運(yùn)行的示例。

子網(wǎng)根據(jù)根網(wǎng)絡(luò)評(píng)估的表現(xiàn)來(lái)獲得 TAO。根網(wǎng)絡(luò)位于所有子網(wǎng)的頂部，實(shí)質(zhì)上充當(dāng)一種特殊類型的子網(wǎng)，并由 64 個(gè)最大的子網(wǎng)驗(yàn)證者按份額管理。根網(wǎng)絡(luò)驗(yàn)證者根據(jù)子網(wǎng)的表現(xiàn)對(duì)其進(jìn)行排名，并定期向子網(wǎng)分配 TAO。這樣，各個(gè)子網(wǎng)就充當(dāng)了根網(wǎng)絡(luò)的礦工。

Bittensor 前景

Bittensor 在擴(kuò)展協(xié)議功能以激勵(lì)跨多個(gè)子網(wǎng)的智能生成時(shí)，仍在經(jīng)歷成長(zhǎng)的痛苦。礦工們繼續(xù)想出新的方法來(lái)攻擊網(wǎng)絡(luò)，以賺取更多的 TAO，例如通過(guò)略微修改其模型運(yùn)行的高評(píng)級(jí)推理的輸出，然后提交多個(gè)變體。影響整個(gè)網(wǎng)絡(luò)的治理提案只能由 Triumvirate 提交和實(shí)施，Triumvirate 完全由 Opentensor 基金會(huì)的利益相關(guān)者組成（值得注意的是，提案在實(shí)施之前需要 Bittensor 驗(yàn)證者審批）。項(xiàng)目的代幣經(jīng)濟(jì)學(xué)正在進(jìn)行改進(jìn)，以改善 TAO 在子網(wǎng)中的使用激勵(lì)。該項(xiàng)目還因其獨(dú)特的方法而迅速出圈，最受歡迎的人工智能網(wǎng)站 HuggingFace 的 CEO 表示 Bittensor 應(yīng)該將其資源添加到該網(wǎng)站中。

在一篇最近由核心開(kāi)發(fā)者發(fā)布的名為「Bittensor Paradigm」的文章中，團(tuán)隊(duì)闡明了他們對(duì) Bittensor 最終演變?yōu)椤覆皇軠y(cè)量對(duì)象限制（agnostic to what is being measured）」的愿景。理論上，這可以使 Bittensor 開(kāi)發(fā)激勵(lì)任何類型行為的子網(wǎng)，所有這些都由 TAO 提供支持。然而，仍然存在相當(dāng)大的實(shí)際約束 - 最主要的是要證明這些網(wǎng)絡(luò)能夠擴(kuò)展到處理如此多樣的過(guò)程，并且底層的激勵(lì)機(jī)制推動(dòng)的進(jìn)展超過(guò)了中心化的提供。

構(gòu)建用于 AI 模型的去中心化計(jì)算堆棧

上述部分闡述了正在開(kāi)發(fā)的各種類型的去中心化人工智能計(jì)算協(xié)議的框架。雖然它們?cè)诎l(fā)展和采用方面還處于早期階段，它們?yōu)樯鷳B(tài)系統(tǒng)提供了基礎(chǔ)，該生態(tài)系統(tǒng)最終可能促進(jìn)創(chuàng)建「AI 構(gòu)建塊」，就像「DeFi 樂(lè)高」概念一樣。無(wú)需許可的區(qū)塊鏈的可組合性開(kāi)啟了每個(gè)協(xié)議在其他協(xié)議之上構(gòu)建的可能性，從而提供了更全面的去中心化人工智能生態(tài)系統(tǒng)。

例如，以下是 Akash、Gensyn 和 Bittensor 可能如何相互交互以響應(yīng)推理請(qǐng)求的一種方式。

需要明確的是，這僅僅是未來(lái)可能發(fā)生事情的一個(gè)示例，而不是對(duì)當(dāng)前生態(tài)系統(tǒng)、現(xiàn)有合作伙伴或可能結(jié)果。今天，互操作性的限制以及下文描述的其他考慮因素大大限制了集成可能性。除此之外，流動(dòng)性的碎片化和使用多個(gè)代幣的需求可能對(duì)用戶體驗(yàn)產(chǎn)生不利影響，這一點(diǎn)已經(jīng)被 Akash 和 Bittensor 的創(chuàng)始人指出。

其他去中心化產(chǎn)品

除了計(jì)算之外，還有幾種其他去中心化基礎(chǔ)設(shè)施服務(wù)，以支持加密貨幣新興的人工智能生態(tài)系統(tǒng)。列舉它們所有的內(nèi)容超出了本報(bào)告的范圍，但其中一些有趣而具有代表性的例子包括：

Ocean：去中心化的數(shù)據(jù)市場(chǎng)。用戶可以創(chuàng)建代表其數(shù)據(jù)的數(shù)據(jù) NFT，并使用數(shù)據(jù)代幣購(gòu)買。用戶既可以將其數(shù)據(jù)貨幣化，又可以擁有更大的主權(quán)，同時(shí)為從事人工智能開(kāi)發(fā)和訓(xùn)練模型的團(tuán)隊(duì)提供所需的數(shù)據(jù)獲取途徑。

Grass：去中心化的帶寬市場(chǎng)。用戶可以將他們多余的帶寬出售給使用它從互聯(lián)網(wǎng)上抓取數(shù)據(jù)的人工智能公司。該市場(chǎng)建立在 Wynd 網(wǎng)絡(luò)上，這不僅使個(gè)人可以將其帶寬貨幣化，而且還為帶寬的購(gòu)買者提供了更多樣化的視角，了解個(gè)人用戶在線上看到的內(nèi)容（因?yàn)閭€(gè)人使用互聯(lián)網(wǎng)訪通常是針對(duì)其特定的 IP 地址）。

HiveMapper：構(gòu)建一個(gè)去中心化的地圖產(chǎn)品，其中包含從汽車駕駛員收集的信息。HiveMapper 依賴人工智能來(lái)解釋用戶汽車儀表板攝像頭收集的圖像，并通過(guò)強(qiáng)化人類學(xué)習(xí)反饋（RHLF）獎(jiǎng)勵(lì)用戶幫助完善人工智能模型。

總的來(lái)說(shuō)，這些都指向了探索支持人工智能模型的去中心化市場(chǎng)模型，或者支持開(kāi)發(fā)這些模型所需的周邊基礎(chǔ)設(shè)施的近乎無(wú)盡的機(jī)會(huì)。目前，這些項(xiàng)目大多處于概念驗(yàn)證階段，需要進(jìn)行更多的研究和開(kāi)發(fā)，以證明它們能夠以所需的規(guī)模提供全面的人工智能服務(wù)。

展望

去中心化計(jì)算產(chǎn)品仍處于開(kāi)發(fā)的早期階段。他們剛剛開(kāi)始使用最先進(jìn)的計(jì)算能力，訓(xùn)練生產(chǎn)環(huán)境中最強(qiáng)大的人工智能模型。為了獲得有意義的市場(chǎng)份額，他們需要展示與中心化替代品相比的實(shí)際優(yōu)勢(shì)。更廣泛采用的潛在誘因包括：

GPU 供需情況。GPU 供應(yīng)短缺，加上快速增長(zhǎng)的計(jì)算需求，導(dǎo)致了一場(chǎng) GPU 競(jìng)賽。由于 GPU 有限，OpenAI 已經(jīng)限制了對(duì)其平臺(tái)的使用。像 Akash 和 Gensyn 這樣的平臺(tái)可以為需要高性能計(jì)算的團(tuán)隊(duì)提供成本競(jìng)爭(zhēng)力的替代方案。未來(lái) 6-12 個(gè)月是去中心化計(jì)算提供方吸引新用戶的特殊機(jī)會(huì)，因?yàn)檫@些用戶被迫考慮去中心化方案。加上越來(lái)越高效的開(kāi)源模型（如 Meta 的 LLaMA 2），用戶在部署有效的微調(diào)模型時(shí)不再面臨同樣的障礙，這讓計(jì)算資源成為主要瓶頸。然而，平臺(tái)本身的存在并不能確保計(jì)算資源的充足供應(yīng)和消費(fèi)者的對(duì)應(yīng)需求。獲得高端 GPU 仍然困難，而成本并不總是需求方的主要?jiǎng)訖C(jī)。這些平臺(tái)將面臨挑戰(zhàn)，要證明使用去中心化計(jì)算的實(shí)際好處 - 無(wú)論是因?yàn)槌杀?、抗審查性、持續(xù)時(shí)間和彈性還是可使用性 - 以積累粘性用戶。那么這些協(xié)議不得不行動(dòng)迅速。GPU 基礎(chǔ)設(shè)施的投資和建設(shè)速度非常驚人。

監(jiān)管。監(jiān)管繼續(xù)是去中心化計(jì)算運(yùn)動(dòng)的一大障礙。在短期內(nèi)，缺乏明確的監(jiān)管意味著提供方和用戶使用這些服務(wù)面臨潛在的風(fēng)險(xiǎn)。如果提供方無(wú)意中提供計(jì)算或買家從受制裁的實(shí)體購(gòu)買計(jì)算，會(huì)怎么樣？用戶可能不愿使用缺乏中心化實(shí)體控制和監(jiān)督的去中心化平臺(tái)。協(xié)議已經(jīng)試圖通過(guò)將控制納入其平臺(tái)或僅提供已知計(jì)算提供方的篩選器（即提供 KYC 信息）來(lái)緩解這些擔(dān)憂，但需要更加強(qiáng)大的方法來(lái)保護(hù)隱私同時(shí)確保合規(guī)，以促進(jìn)采用。短期內(nèi)，我們可能會(huì)看到出現(xiàn) KYC 和符合監(jiān)管的平臺(tái)，限制對(duì)其協(xié)議的使用以解決這些問(wèn)題。

審查。監(jiān)管是雙向的，去中心化計(jì)算提供方可能受益于限制對(duì)人工智能的使用所采取的行動(dòng)。除了行政命令外，OpenAI 創(chuàng)始人 Sam Altman 曾在國(guó)會(huì)作證，強(qiáng)調(diào)了頒發(fā)人工智能開(kāi)發(fā)許可證的監(jiān)管機(jī)構(gòu)的必要性。圍繞人工智能監(jiān)管的討論剛剛開(kāi)始，但任何試圖限制對(duì)人工智能的使用或?qū)彶槿斯ぶ悄艿膰L試可能會(huì)加速采用沒(méi)有這些障礙的去中心化平臺(tái)。去年 11 月 OpenAI 的領(lǐng)導(dǎo)層變動(dòng)進(jìn)一步證明了將決策權(quán)授予僅有少數(shù)人的最強(qiáng)大的現(xiàn)有人工智能模型存在的風(fēng)險(xiǎn)。此外，所有人工智能模型都必然反映了其創(chuàng)建者的偏見(jiàn)，無(wú)論是有意還是無(wú)意。消除這些偏見(jiàn)的一種方法是盡可能地使模型對(duì)微調(diào)和訓(xùn)練開(kāi)放，確保任何人都可以隨時(shí)隨地使用各種偏見(jiàn)的模型。

數(shù)據(jù)隱私。當(dāng)與為用戶提供數(shù)據(jù)自主權(quán)的外部數(shù)據(jù)和隱私解決方案集成時(shí)，去中心化計(jì)算可能會(huì)比替代方案更具吸引力。三星公司就曾遭受此類問(wèn)題，他們意識(shí)到工程師正在使用 ChatGPT 來(lái)幫助芯片設(shè)計(jì)，并泄露了敏感信息給 ChatGPT。Phala Network 和 iExec 聲稱為用戶提供了 SGX 安全隔離區(qū)，以保護(hù)用戶數(shù)據(jù)，并且正在進(jìn)行完全同態(tài)加密的研究，進(jìn)一步解鎖確保隱私的去中心化計(jì)算。隨著人工智能進(jìn)一步融入我們的生活，用戶將更加重視能夠在具有隱私保護(hù)功能的應(yīng)用程序上運(yùn)行模型。用戶還將需求能夠?qū)崿F(xiàn)數(shù)據(jù)的可組合性，以便能夠無(wú)縫地將其數(shù)據(jù)從一個(gè)模型轉(zhuǎn)移到另一個(gè)模型。

用戶體驗(yàn)（UX）。用戶體驗(yàn)仍然是所有類型的加密應(yīng)用和基礎(chǔ)設(shè)施更廣泛采用的重要障礙。去中心化計(jì)算方案也不例外，并且在某些情況下，由于開(kāi)發(fā)者需要理解加密和人工智能，這種情況更加嚴(yán)重。需要進(jìn)行改進(jìn)的方面包括從入門和與區(qū)塊鏈交互的抽象到提供與當(dāng)前市場(chǎng)領(lǐng)導(dǎo)者相同的高質(zhì)量輸出。這是顯而易見(jiàn)的，因?yàn)樵S多運(yùn)行中的去中心化計(jì)算協(xié)議提供更便宜的方案，但難以獲得常規(guī)使用。

智能合約與零知識(shí)機(jī)器學(xué)習(xí)（zkML）

智能合約是任何區(qū)塊鏈生態(tài)系統(tǒng)的核心之一。在特定條件下，它們會(huì)自動(dòng)執(zhí)行并減少或消除對(duì)可信第三方的需求，從而實(shí)現(xiàn)了像 DeFi 中所見(jiàn)的復(fù)雜去中心化應(yīng)用程序的創(chuàng)建。然而，就目前而言，智能合約在功能上仍然存在局限性，因?yàn)樗鼈兓陬A(yù)設(shè)參數(shù)執(zhí)行，這些參數(shù)必須進(jìn)行更新。

例如，一個(gè)借貸協(xié)議智能合約根據(jù)一定的貸款價(jià)值比例規(guī)范了何時(shí)清算頭寸。在一個(gè)風(fēng)險(xiǎn)不斷變化的動(dòng)態(tài)環(huán)境中，這些智能合約必須不斷更新以考慮風(fēng)險(xiǎn)容忍度的變化，這為通過(guò)去中心化流程進(jìn)行管理的合約帶來(lái)了挑戰(zhàn)。例如，依賴去中心化治理流程的 DAO 可能無(wú)法及時(shí)對(duì)系統(tǒng)性風(fēng)險(xiǎn)做出反應(yīng)。

集成人工智能（如機(jī)器學(xué)習(xí)模型）的智能合約是增強(qiáng)功能、安全性和效率的一種可能的方式，同時(shí)改善整體用戶體驗(yàn)。然而，這些集成也引入了額外的風(fēng)險(xiǎn)，因?yàn)闊o(wú)法確保支持這些智能合約的模型不會(huì)被攻擊或考慮到長(zhǎng)尾情況（眾所周知，由于缺乏數(shù)據(jù)輸入，很難對(duì)模型進(jìn)行訓(xùn)練）。

零知識(shí)機(jī)器學(xué)習(xí)（zkML）

機(jī)器學(xué)習(xí)需要大量計(jì)算資源來(lái)運(yùn)行復(fù)雜模型，這使得 AI 模型無(wú)法在智能合約內(nèi)部直接運(yùn)行，因?yàn)楦甙旱某杀尽＠?，一個(gè) DeFi 協(xié)議為用戶提供了收益優(yōu)化模型的功能，但如果試圖在鏈上運(yùn)行該模型，就必須支付高昂的 Gas 費(fèi)。一種解決方案是增加底層區(qū)塊鏈的計(jì)算能力。然而，這也會(huì)增加鏈的驗(yàn)證節(jié)點(diǎn)的負(fù)擔(dān)，可能會(huì)削弱其去中心化屬性。因此，一些項(xiàng)目正在探索使用 zkML 來(lái)以無(wú)需密集的鏈上計(jì)算就能以無(wú)許信任的方式驗(yàn)證輸出的方法。

說(shuō)明 zkML 有用性的一個(gè)常見(jiàn)示例是，當(dāng)用戶需要其他人通過(guò)模型運(yùn)行數(shù)據(jù)，并驗(yàn)證其交易對(duì)手是否實(shí)際運(yùn)行了正確的模型時(shí)。也許開(kāi)發(fā)者正在使用去中心化計(jì)算提供方來(lái)訓(xùn)練他們的模型，擔(dān)心提供方正在嘗試通過(guò)使用成本更低的模型來(lái)節(jié)省成本，但輸出幾乎無(wú)法察覺(jué)。zkML 使得計(jì)算提供方可以運(yùn)行數(shù)據(jù)通過(guò)他們的模型，然后生成一個(gè)證明，可以在鏈上驗(yàn)證模型對(duì)給定輸入的輸出是正確的。在這種情況下，模型提供者將有額外的優(yōu)勢(shì)，即能夠提供他們的模型，而無(wú)需透露產(chǎn)生輸出的底層權(quán)重。

相反的情況也可以發(fā)生。如果用戶想要運(yùn)行一個(gè)模型，使用他們的數(shù)據(jù)，但又不想讓提供模型的項(xiàng)目獲取他們的數(shù)據(jù)，因?yàn)榇嬖陔[私問(wèn)題（例如醫(yī)學(xué)檢查或?qū)Ｓ袠I(yè)務(wù)信息），那么用戶可以在他們的數(shù)據(jù)上運(yùn)行模型而不共享它，并驗(yàn)證他們是否運(yùn)行了正確的模型，同時(shí)提供證據(jù)。這些可能性大大擴(kuò)展了通過(guò)解決限制性計(jì)算限制來(lái)集成人工智能和智能合約功能的設(shè)計(jì)空間。

基礎(chǔ)設(shè)施與工具

鑒于 zkML 領(lǐng)域的早期狀態(tài)，開(kāi)發(fā)主要集中在構(gòu)建團(tuán)隊(duì)將其模型和輸出轉(zhuǎn)換為可在鏈上驗(yàn)證的證明所需的基礎(chǔ)設(shè)施和工具上。這些產(chǎn)品盡可能地抽象了開(kāi)發(fā)中的零知識(shí)方面。

EZKL 和 Giza 這兩個(gè)項(xiàng)目，通過(guò)提供機(jī)器學(xué)習(xí)模型執(zhí)行的可驗(yàn)證證明，來(lái)構(gòu)建這些工具。兩者都幫助團(tuán)隊(duì)構(gòu)建機(jī)器學(xué)習(xí)模型，以確保這些模型可以以一種無(wú)需信任地在鏈上驗(yàn)證結(jié)果的方式執(zhí)行。這兩個(gè)項(xiàng)目都使用開(kāi)放式神經(jīng)網(wǎng)絡(luò)交換（ONNX）將用通用語(yǔ)言如 TensorFlow 和 Pytorch 編寫的機(jī)器學(xué)習(xí)模型轉(zhuǎn)換為標(biāo)準(zhǔn)格式。然后，在執(zhí)行時(shí)它們輸出這些模型的版本，也產(chǎn)生 zk-proofs。EZKL 是開(kāi)源的，生成 zk-SNARKS，而 Giza 是閉源的，生成 zk-STARKS。這兩個(gè)項(xiàng)目目前僅與 EVM 兼容。

在過(guò)去幾個(gè)月中，EZKL 在增強(qiáng)其 zkML 解決方案方面取得了顯著進(jìn)展，主要集中在降低成本、提高安全性和加速證明生成方面。例如，在 2023 年 11 月，EZKL 集成了一個(gè)新的開(kāi)源 GPU 庫(kù)，將總體證明時(shí)間減少了 35% ，并且在 1 月份，EZKL 宣布了 Lilith，這是一個(gè)軟件解決方案，用于在使用 EZKL 證明系統(tǒng)時(shí)集成高性能計(jì)算集群并協(xié)調(diào)并發(fā)作業(yè)。Giza 獨(dú)特之處在于，除了提供創(chuàng)建可驗(yàn)證機(jī)器學(xué)習(xí)模型的工具之外，他們還計(jì)劃實(shí)現(xiàn) Hugging Face 的 web3 等效版本，為 zkML 協(xié)作和模型共享開(kāi)設(shè)一個(gè)用戶市場(chǎng)，并最終集成去中心化的計(jì)算產(chǎn)品。在 1 月份，EZKL 發(fā)布了一個(gè)基準(zhǔn)評(píng)估，比較了 EZKL、Giza 和 RiscZero（下文討論）的性能。EZKL 表現(xiàn)出更快的證明時(shí)間和內(nèi)存使用率。

Modulus Labs 也正在開(kāi)發(fā)一種專為人工智能模型量身定制的新的 zk-proof 技術(shù)。Modulus 發(fā)表了一篇名為《The Cost of Intelligence》（暗示了在鏈上運(yùn)行 AI 模型的成本極高）的論文，對(duì)當(dāng)時(shí)的現(xiàn)有 zk-proofs 系統(tǒng)進(jìn)行了基準(zhǔn)測(cè)試，以識(shí)別改進(jìn) AI 模型 zk-proofs 的能力和瓶頸。該論文發(fā)表于 2023 年 1 月，表明現(xiàn)有的解決方案成本和效率都太高，無(wú)法實(shí)現(xiàn)大規(guī)模的 AI 應(yīng)用?；谒麄兊某醪窖芯?，Modulus 在 11 月推出了 Remainder，這是一個(gè)專門為降低 AI 模型成本和證明時(shí)間而構(gòu)建的專業(yè)零知識(shí)證明器，旨在使項(xiàng)目能夠經(jīng)濟(jì)上可行地大規(guī)模集成模型到他們的智能合約中。他們的工作是閉源的，因此無(wú)法與上述解決方案進(jìn)行基準(zhǔn)測(cè)試，但最近在 Vitalik 的有關(guān)加密和人工智能的博客文章中提到了它們。

工具和基礎(chǔ)設(shè)施的開(kāi)發(fā)對(duì) zkML 領(lǐng)域的未來(lái)增長(zhǎng)至關(guān)重要，因?yàn)樗鼧O大地減少了團(tuán)隊(duì)部署 zk 電路以進(jìn)行可驗(yàn)證的鏈下計(jì)算所需的摩擦力。創(chuàng)建安全接口，使非加密原生開(kāi)發(fā)者在機(jī)器學(xué)習(xí)領(lǐng)域工作時(shí)能夠?qū)⑺麄兊哪Ｐ蛶У芥溕希瑢⑹咕哂姓嬲路f用例的應(yīng)用程序的實(shí)驗(yàn)增加。工具還解決了更廣泛的 zkML 采用的一個(gè)主要障礙，即缺乏在零知識(shí)、機(jī)器學(xué)習(xí)和密碼學(xué)交叉領(lǐng)域有知識(shí)和興趣的開(kāi)發(fā)者。

協(xié)處理器

正在開(kāi)發(fā)的其他解決方案，稱為「協(xié)處理器」，包括 RiscZero、Axiom 和 Ritual。術(shù)語(yǔ)「協(xié)處理器」在大多數(shù)情況下是語(yǔ)義上的 - 這些網(wǎng)絡(luò)承擔(dān)許多不同的角色，包括在鏈上驗(yàn)證鏈下計(jì)算。與 EZKL、Giza 和 Modulus 一樣，它們的目標(biāo)是完全抽象化零知識(shí)證明生成過(guò)程，從而創(chuàng)建基本上是能夠在鏈下執(zhí)行程序并為鏈上驗(yàn)證生成證明的零知識(shí)虛擬機(jī)。RiscZero 和 Axiom 可以處理簡(jiǎn)單的 AI 模型，因?yàn)樗鼈兪歉ㄓ玫膮f(xié)處理器，而 Ritual 則專為與 AI 模型配合使用而構(gòu)建。

Infernet 是 Ritual 的第一個(gè)實(shí)例，并包含一個(gè) Infernet SDK，允許開(kāi)發(fā)者向網(wǎng)絡(luò)提交推理請(qǐng)求，并在返回時(shí)收到輸出和證明（可選）。Infernet 節(jié)點(diǎn)接收這些請(qǐng)求，并在鏈下處理計(jì)算，然后返回輸出。例如，一個(gè) DAO 可以創(chuàng)建一個(gè)流程，以確保所有新的治理提案在提交之前滿足某些先決條件。每次提交新提案時(shí)，治理合約都會(huì)通過(guò) Infernet 觸發(fā)推理請(qǐng)求，調(diào)用一個(gè)特定于 DAO 的治理訓(xùn)練過(guò)的 AI 模型。該模型審查提案，以確保提交了所有必要的條件，并返回輸出和證明，要么批準(zhǔn)，要么否決提案的提交。

在未來(lái)一年內(nèi)，Ritual 團(tuán)隊(duì)計(jì)劃推出構(gòu)成基礎(chǔ)設(shè)施層的附加功能，稱為 Ritual Superchain。之前討論過(guò)的許多項(xiàng)目都可以作為服務(wù)提供方插入到 Ritual 中。目前，Ritual 團(tuán)隊(duì)已經(jīng)與 EZKL 整合進(jìn)行了證明生成，并可能很快會(huì)添加來(lái)自其他領(lǐng)先提供方的功能。Ritual 上的 Infernet 節(jié)點(diǎn)還可以使用 Akash 或 io.net GPU，并查詢?cè)?Bittensor 子網(wǎng)上訓(xùn)練的模型。他們的最終目標(biāo)是成為開(kāi)放 AI 基礎(chǔ)設(shè)施的首選提供方，能夠?yàn)槿魏尉W(wǎng)絡(luò)上的任何工作提供機(jī)器學(xué)習(xí)和其他與 AI 相關(guān)的任務(wù)服務(wù)。

應(yīng)用

zkML 有助于調(diào)和區(qū)塊鏈和人工智能之間的矛盾，前者天生資源受限，后者需要大量的計(jì)算和數(shù)據(jù)。正如 Giza 的一位創(chuàng)始人所說(shuō)：「用例是如此豐富... 這有點(diǎn)像在以太坊早期問(wèn)智能合約有哪些用例一樣... 我們正在擴(kuò)展智能合約的用例?！谷欢缟衔乃鶑?qiáng)調(diào)的，當(dāng)今的發(fā)展主要集中在工具和基礎(chǔ)設(shè)施層面。應(yīng)用程序仍處于探索階段，團(tuán)隊(duì)們面臨的挑戰(zhàn)是證明使用 zkML 實(shí)現(xiàn)模型帶來(lái)的價(jià)值超過(guò)了這樣做的復(fù)雜性和成本。

今天的一些應(yīng)用包括：

DeFi。zkML 通過(guò)增強(qiáng)智能合約的功能，拓展了 DeFi。DeFi 協(xié)議為機(jī)器學(xué)習(xí)模型提供了大量可驗(yàn)證和不變的數(shù)據(jù)，可用于生成產(chǎn)生收益或交易策略、風(fēng)險(xiǎn)分析、UX 等。例如，Giza 與 Yearn Finance 合作，為 Yearn 的新 v3 保險(xiǎn)庫(kù)構(gòu)建了一個(gè)概念驗(yàn)證的自動(dòng)風(fēng)險(xiǎn)評(píng)估引擎。Modulus Labs 與 Lyra Finance 合作，將機(jī)器學(xué)習(xí)納入其 AMMs，與 Ion Protocol 合作驗(yàn)證者風(fēng)險(xiǎn)模型，并幫助 Upshot 驗(yàn)證其基于 AI 的 NFT 價(jià)格數(shù)據(jù)源。像 NOYA（利用 EZKL）和 Mozaic 這樣的協(xié)議提供了對(duì)專有鏈下模型的使用，使用戶能夠使用自動(dòng) APY 機(jī)槍池，同時(shí)能夠在鏈上驗(yàn)證數(shù)據(jù)輸入和證明。Spectral Finance 正在構(gòu)建鏈上信用評(píng)分引擎，預(yù)測(cè) Compound 或 Aave 借款人違約的可能性。這些所謂的「De-Ai-Fi」產(chǎn)品有望在未來(lái)幾年中變得更加普遍，這要?dú)w功于 zkML。

游戲。人們一直認(rèn)為區(qū)塊鏈顛覆和增強(qiáng)游戲的時(shí)機(jī)已經(jīng)成熟。zkML 使得在鏈上使用人工智能進(jìn)行游戲成為可能。Modulus Labs 已經(jīng)為簡(jiǎn)單的鏈上游戲?qū)崿F(xiàn)了概念驗(yàn)證。Leela vs the World 是一個(gè)博弈論象棋游戲，用戶與 AI 象棋模型對(duì)決，zkML 驗(yàn)證 Leela 的每一步都是基于游戲所采用的模型在運(yùn)行。類似地，團(tuán)隊(duì)們使用 EZKL 框架構(gòu)建了簡(jiǎn)單的唱歌比賽和鏈上井字棋。Cartridge 正在利用 Giza 使團(tuán)隊(duì)能夠部署完全在鏈上的游戲，最近力推了一個(gè)簡(jiǎn)單的 AI 駕駛游戲，用戶競(jìng)爭(zhēng)創(chuàng)建更好的模型，使汽車避開(kāi)障礙物。雖然簡(jiǎn)單，但這些概念驗(yàn)證指向了未來(lái)的落地，即實(shí)現(xiàn)更復(fù)雜的鏈上驗(yàn)證，如與 AI Arena 中的高級(jí) NPC 角色交互的游戲經(jīng)濟(jì)相互作用，AI Arena 是一款類似于超級(jí)馬里奧的游戲，玩家訓(xùn)練自己的戰(zhàn)士，然后部署為 AI 模型進(jìn)行戰(zhàn)斗。

身份、溯源和隱私。加密已經(jīng)被用作驗(yàn)證真實(shí)性的手段，并對(duì)越來(lái)越多的 AI 生成/操縱的內(nèi)容和深偽進(jìn)行打擊。zkML 可以推進(jìn)這些努力。WorldCoin 是一個(gè)人格證明的解決方案，需要用戶掃描他們的虹膜生成唯一 ID。未來(lái)，生物識(shí)別 ID 可以通過(guò)使用加密存儲(chǔ)在個(gè)人設(shè)備上自我保管，所需的模型用于本地驗(yàn)證這些生物識(shí)別信息。用戶可以提供他們的生物識(shí)別信息的證明，而無(wú)需透露自己的身份，從而抵御女巫攻擊，同時(shí)確保隱私。這也可以應(yīng)用于其他需要隱私的推斷，例如使用模型分析醫(yī)學(xué)數(shù)據(jù)/圖像以檢測(cè)疾病、驗(yàn)證個(gè)體身份并在約會(huì)應(yīng)用程序中開(kāi)發(fā)匹配算法，或用于需要驗(yàn)證財(cái)務(wù)信息的保險(xiǎn)和貸款機(jī)構(gòu)。

展望

zkML 仍處于實(shí)驗(yàn)階段，大多數(shù)項(xiàng)目都專注于構(gòu)建基礎(chǔ)設(shè)施原型和概念驗(yàn)證。目前面臨的挑戰(zhàn)包括計(jì)算成本、內(nèi)存限制、模型復(fù)雜性、有限的工具和基礎(chǔ)設(shè)施，以及開(kāi)發(fā)人才。簡(jiǎn)而言之，在 zkML 可以實(shí)現(xiàn)消費(fèi)產(chǎn)品所需的規(guī)模之前，還有大量工作要做。

然而，隨著領(lǐng)域的成熟和這些限制的解決，zkML 將成為人工智能和加密集成的關(guān)鍵組成部分。在其核心，zkML 承諾能夠?qū)⑷魏我?guī)模的鏈下計(jì)算帶到鏈上，同時(shí)保持與在鏈上運(yùn)行計(jì)算相同或接近相同的安全保障。然而，在實(shí)現(xiàn)這一愿景之前，該技術(shù)的早期用戶將繼續(xù)不得不在 zkML 的隱私和安全性與替代方案的效率之間進(jìn)行權(quán)衡。

人工智能代理

人工智能和加密貨幣最令人興奮的集成之一是正在進(jìn)行的人工智能代理實(shí)驗(yàn)。代理是能夠接收、解釋和執(zhí)行任務(wù)的自治機(jī)器人，使用的是 AI 模型。代理可以是任何東西，從擁有一個(gè)始終可用、根據(jù)您的偏好進(jìn)行優(yōu)化的個(gè)人助手，到雇傭一個(gè)財(cái)務(wù)代理，根據(jù)用戶的風(fēng)險(xiǎn)偏好管理，并調(diào)整投資組合。

代理和加密很好地結(jié)合在一起，因?yàn)榧用芴峁┝藷o(wú)需許可和無(wú)需信任的支付基礎(chǔ)設(shè)施。一旦訓(xùn)練完成，代理可以擁有一個(gè)錢包，以便它們可以自行與智能合約進(jìn)行交易。例如，如今簡(jiǎn)單的代理可以在互聯(lián)網(wǎng)上搜索信息，然后根據(jù)一個(gè)模型在預(yù)測(cè)市場(chǎng)上進(jìn)行交易。

代理提供商

Morpheus 是 2024 年在以太坊和 Arbitrum 上推出的最新的開(kāi)源代理項(xiàng)目之一。其白皮書(shū)于 2023 年 9 月匿名發(fā)布，為一個(gè)社區(qū)形成和建立提供了基礎(chǔ)（包括像 Erik Vorhees 這樣的知名人物）。白皮書(shū)包括可下載的智能代理協(xié)議，這是一個(gè)開(kāi)源的 LLM，可以在本地運(yùn)行，由用戶的錢包管理，并與智能合約進(jìn)行交互。它使用智能合約排名來(lái)幫助代理確定基于諸如處理的交易數(shù)量等標(biāo)準(zhǔn)與哪些智能合約進(jìn)行交互是安全的。

白皮書(shū)還提供了構(gòu)建 Morpheus 網(wǎng)絡(luò)的框架，例如實(shí)施智能代理協(xié)議所需的激勵(lì)結(jié)構(gòu)和基礎(chǔ)設(shè)施。這包括激勵(lì)貢獻(xiàn)者為與代理交互的前端構(gòu)建界面，為開(kāi)發(fā)者構(gòu)建可以插入代理以便它們彼此交互的應(yīng)用程序的 API，以及為用戶提供云解決方案，以便他們可以使用在邊緣設(shè)備上運(yùn)行代理所需的計(jì)算和存儲(chǔ)。該項(xiàng)目的初始資金于 24 年 2 季度初啟動(dòng)，完整的協(xié)議預(yù)計(jì)將在那時(shí)推出。

去中心化自治基礎(chǔ)設(shè)施網(wǎng)絡(luò) (DAIN) 是一種新的代理基礎(chǔ)設(shè)施協(xié)議，在 Solana 上構(gòu)建代理到代理經(jīng)濟(jì)。DAIN 的目標(biāo)是讓來(lái)自不同企業(yè)的代理可以通過(guò)通用 API 無(wú)縫地相互交互，從而大大開(kāi)放 AI 代理的設(shè)計(jì)空間，重點(diǎn)是實(shí)現(xiàn)能夠與 web2 和 web3 產(chǎn)品交互的代理。一月份，DAIN 宣布與 Asset Shield 首次合作，使用戶能夠?qū)ⅰ复砗灻摺固砑拥狡涠嘀睾灻?，這些簽名者能夠根據(jù)用戶設(shè)置的規(guī)則解釋交易并批準(zhǔn)/拒絕。

Fetch.AI 是最早部署的人工智能代理協(xié)議之一，已經(jīng)開(kāi)發(fā)了一個(gè)生態(tài)系統(tǒng)，用于在鏈上使用其 FET 代幣和 Fetch.AI 錢包構(gòu)建、部署和使用代理。該協(xié)議提供了一套全面的工具和應(yīng)用程序，用于使用代理，包括與代理進(jìn)行交互和下達(dá)命令的錢包內(nèi)功能。

Autonolas 的創(chuàng)始人來(lái)自 Fetch 團(tuán)隊(duì)的前成員，他們是一個(gè)用于創(chuàng)建和使用去中心化的人工智能代理的開(kāi)放市場(chǎng)。Autonolas 還為開(kāi)發(fā)者提供一套工具，用于構(gòu)建鏈下托管的人工智能代理，并能夠連接到包括 Polygon、以太坊、Gnosis Chain 和 Solana 在內(nèi)的多條鏈。他們目前有一些活躍的代理概念驗(yàn)證產(chǎn)品，包括用于預(yù)測(cè)市場(chǎng)和 DAO 治理的產(chǎn)品。

SingularityNet 正在建立一個(gè)用于 AI 代理的去中心化市場(chǎng)，人們可以在那里部署專注于特定領(lǐng)域的 AI 代理，這些代理可以被其他人或代理雇傭來(lái)執(zhí)行復(fù)雜的任務(wù)。其他項(xiàng)目，如 AlteredStateMachine，正在構(gòu)建與 NFTs 的 AI 代理集成。用戶鑄造具有隨機(jī)屬性的 NFTs，這些屬性使它們對(duì)不同任務(wù)具有優(yōu)勢(shì)和劣勢(shì)。然后，這些代理可以被訓(xùn)練來(lái)增強(qiáng)某些屬性，用于游戲、DeFi 或作為虛擬助手，并與其他用戶進(jìn)行交易。

總的來(lái)說(shuō)，這些項(xiàng)目設(shè)想了一個(gè)代理的未來(lái)生態(tài)系統(tǒng)，這些代理能夠共同工作，不僅執(zhí)行任務(wù)，還能幫助構(gòu)建人工通用智能。真正復(fù)雜的代理將能夠自主地執(zhí)行任何用戶任務(wù)。例如，不需要確保代理已經(jīng)集成了外部 API（如旅行預(yù)訂網(wǎng)站）就可以使用它，完全自主的代理將有能力找出如何雇傭另一個(gè)代理來(lái)集成 API，然后執(zhí)行任務(wù)。從用戶的角度來(lái)看，沒(méi)有必要檢查代理是否能夠執(zhí)行任務(wù)，因?yàn)榇砜梢宰孕写_定。

比特幣和人工智能代理

2023 年 7 月，閃電實(shí)驗(yàn)室推出了在閃電網(wǎng)絡(luò)上使用代理的概念驗(yàn)證方案，稱為 LangChain 比特幣套件。這個(gè)產(chǎn)品尤其有趣，因?yàn)樗荚诮鉀Q Web 2 世界中一個(gè)日益嚴(yán)重的問(wèn)題——網(wǎng)絡(luò)應(yīng)用程序的門禁（限制獲?。┖桶嘿F的 API 服務(wù)。

LangChain 通過(guò)為開(kāi)發(fā)者提供一套工具，使代理能夠購(gòu)買、出售和持有比特幣，以及查詢 API 密鑰并發(fā)送微支付來(lái)解決這個(gè)問(wèn)題。在傳統(tǒng)的支付渠道上，由于費(fèi)用問(wèn)題，小額微支付基本上不可行，而在閃電網(wǎng)絡(luò)上，代理可以每天發(fā)送無(wú)限的微支付，并且只需支付極少的費(fèi)用。當(dāng)與 LangChain 的 L 402 支付計(jì)量 API 框架結(jié)合使用時(shí)，這可以使公司根據(jù)使用量的增加和減少來(lái)調(diào)整對(duì)其 API 的使用費(fèi)用，而不是設(shè)置一個(gè)單一的成本禁止標(biāo)準(zhǔn)。

在未來(lái)，鏈上活動(dòng)主要由代理與代理交互所主導(dǎo)，上文提到的事情將是必要的，以確保代理能夠以不成本過(guò)高的方式相互交互。這是一個(gè)早期的例子，說(shuō)明如何在無(wú)需許可且經(jīng)濟(jì)高效的支付軌道上使用代理，為新市場(chǎng)和經(jīng)濟(jì)互動(dòng)開(kāi)辟了可能性。

展望

代理領(lǐng)域仍處于初期階段。

項(xiàng)目剛剛開(kāi)始推出功能代理，可以使用其基礎(chǔ)設(shè)施處理簡(jiǎn)單的任務(wù)——這通常只有經(jīng)驗(yàn)豐富的開(kāi)發(fā)者和用戶才能使用。

然而，隨著時(shí)間的推移，人工智能代理將對(duì)加密領(lǐng)域產(chǎn)生的最大影響之一是改善所有垂直領(lǐng)域的用戶體驗(yàn)。交易將開(kāi)始從基于點(diǎn)擊轉(zhuǎn)向基于文本，用戶將能夠通過(guò)大語(yǔ)言模型（LLMs）與鏈上代理進(jìn)行交互。已經(jīng)有像 Dawn Wallet 這樣的團(tuán)隊(duì)推出了用于用戶在鏈上進(jìn)行交互的聊天機(jī)器人錢包。

此外，尚不清楚代理在 Web 2.0 中如何運(yùn)作，因?yàn)榻鹑谲壍酪蕾囉谑鼙O(jiān)管的銀行機(jī)構(gòu)，這些機(jī)構(gòu)不能 24/7 運(yùn)營(yíng)且無(wú)法進(jìn)行無(wú)縫跨境交易。正如 Lyn Alden 所強(qiáng)調(diào)的那樣，因?yàn)槿狈ν丝詈吞幚硇☆~交易的能力，與信用卡相比，加密渠道尤其吸引人。然而，如果代理變得更普遍，現(xiàn)有的支付提供商和應(yīng)用程序可能會(huì)迅速采取行動(dòng)，實(shí)現(xiàn)所需的基礎(chǔ)設(shè)施，使其能夠在現(xiàn)有的金融渠道上運(yùn)作，從而減輕使用加密的一些好處。

目前，代理可能僅限于確定性的加密貨幣交易，其中給定輸入保證給定輸出。如何利用這些代理的能力來(lái)執(zhí)行復(fù)雜任務(wù)的模型，以及擴(kuò)展其可以完成的任務(wù)范圍的工具，都需要進(jìn)一步的發(fā)展。要使加密代理在新穎的鏈上加密用例之外變得有用，需要更廣泛地整合和接受加密作為支付形式以及法規(guī)的明確。然而，隨著這些組件的發(fā)展，代理將成為上文討論的去中心化計(jì)算和 zkML 解決方案中最大的消費(fèi)者之一，以自主的非確定性方式接收和解決任何任務(wù)。

結(jié)論

人工智能向加密領(lǐng)域引入了與我們已經(jīng)在 Web2 中看到的相同的創(chuàng)新，增強(qiáng)了從基礎(chǔ)設(shè)施開(kāi)發(fā)到用戶體驗(yàn)和可使用性的各個(gè)方面。然而，項(xiàng)目仍處于早期階段，在短期內(nèi)，加密和人工智能的整合將主要由鏈下整合主導(dǎo)。

像 Copilot 這樣的產(chǎn)品將「使開(kāi)發(fā)效率提升 10 倍」，與微軟等主要公司合作，Layer 1 們和 DeFi 應(yīng)用程序已經(jīng)在推出 AI 輔助開(kāi)發(fā)平臺(tái)。像 Cub 3.ai 和 Test Machine 這樣的公司正在開(kāi)發(fā)用于智能合約審計(jì)和實(shí)時(shí)威脅監(jiān)控的人工智能，以增強(qiáng)鏈上安全性。而 LLM 聊天機(jī)器人正在使用鏈上數(shù)據(jù)、協(xié)議文件和應(yīng)用程序進(jìn)行訓(xùn)練，以提供用戶增強(qiáng)的可使用性和用戶體驗(yàn)。

對(duì)于更高級(jí)的整合，真正充分利用加密的基礎(chǔ)技術(shù)，挑戰(zhàn)在于證明在鏈上實(shí)現(xiàn)人工智能解決方案在技術(shù)上是可行的，且在規(guī)模上是經(jīng)濟(jì)可行的。去中心化計(jì)算、zkML 和人工智能代理的發(fā)展都指向了有前景的垂直領(lǐng)域，為一個(gè)將加密和人工智能深度交織在一起的未來(lái)奠定了基礎(chǔ)。