OpenLedger العمق تقرير بحثي: باستخدام OP Stack + EigenDA كأساس، بناء اقتصاد وكيل مدفوع بالبيانات وقابل للتجميع بالنماذج
أ. المقدمة | الانتقال في طبقة النموذج لـ Crypto AI
البيانات والنماذج وقدرات الحساب هي العناصر الثلاثة الأساسية للبنية التحتية للذكاء الاصطناعي، ولا يمكن الاستغناء عن أي منها. شهدت مجال Crypto AI مسار تطوري مشابه للصناعة التقليدية للذكاء الاصطناعي. في بداية عام 2024، تركزت أنظار السوق على مشاريع GPU اللامركزية، مع التأكيد على منافسة القدرات الحسابية. مع دخول عام 2025، بدأ التركيز في الصناعة يتجه تدريجياً نحو نموذج وطبقة البيانات، مما يدل على أن Crypto AI ينتقل من المنافسة على الموارد الأساسية إلى بناء طبقة وسطى أكثر استدامة وقيمة تطبيقية.
نموذج عام (LLM) مقابل نموذج متخصص (SLM)
تعتمد نماذج اللغة الكبيرة التقليدية (LLM) على مجموعات بيانات كبيرة وهياكل معقدة، مع حجم معلمات ضخم وتكاليف تدريب عالية. بينما تعتمد نماذج اللغة المتخصصة (SLM) على نماذج مفتوحة المصدر، وتجمع بين كمية صغيرة من البيانات المتخصصة عالية الجودة وتقنيات مثل LoRA، لبناء نماذج خبراء في مجالات محددة بسرعة، مما يقلل بشكل كبير من تكاليف التدريب والعقبات التقنية.
تتعاون SLM مع LLM من خلال هيكل الوكيل، نظام توجيه المكونات الإضافية، القابلية للتوصيل الساخن لوحدات LoRA، وRAG، مما يحافظ على قدرة LLM على التغطية الواسعة، ويعزز الأداء المهني من خلال وحدات الضبط الدقيق، لتشكيل نظام ذكي مرن ومركب.
قيمة وحدود Crypto AI في طبقة النموذج
من الصعب أن تعزز مشاريع Crypto AI قدرات LLM الأساسية بشكل مباشر، حيث إنها مقيدة بشكل رئيسي بعقبات تقنية وقيود النظام البيئي المفتوح. ولكن على أساس النماذج المفتوحة، يمكن لمشاريع Crypto AI أن تحقق قيمة إضافية من خلال تحسين SLM، مع دمج قابلية التحقق من Web3 وآليات التحفيز. وتتمثل قيمتها الأساسية في اتجاهين: طبقة التحقق الموثوق وآليات التحفيز.
تحليل ملاءمة نوع نموذج الذكاء الاصطناعي والتصنيف مع البلوك تشين
تركز مشاريع نموذج Crypto AI أساسًا على ضبط SLM الصغير، وبنية RAG، وإدخال بيانات السلسلة والتحقق منها، بالإضافة إلى نشر وتحفيز النماذج المحلية. بالاستفادة من خصائص blockchain، يمكن لـ Crypto تقديم قيمة فريدة لهذه السيناريوهات ذات الموارد المتوسطة إلى المنخفضة، مما يخلق قيمة تمايز لـ "طبقة واجهة" الذكاء الاصطناعي.
سلسلة blockchain AI القائمة على البيانات والنماذج، يمكن أن تسجل بوضوح وسجل غير قابل للتغيير لمصادر مساهمة البيانات والنماذج، مما يعزز المصداقية وقابلية التتبع. من خلال آلية العقود الذكية، يتم تنشيط توزيع المكافآت تلقائيًا عند استدعاء البيانات أو النموذج، مما يحول سلوك AI إلى قيمة رمزية قابلة للقياس والتداول. يمكن لمستخدمي المجتمع أيضًا المشاركة في الحوكمة من خلال التصويت بالرموز، مما يحسن هيكل الحوكمة اللامركزية.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-62B3FAe810F4772AABA3D91C74C1AA6)
٢. نظرة عامة على المشروع | رؤية OpenLedger للذكاء الاصطناعي على السلسلة
OpenLedger هو مشروع ذكاء اصطناعي قائم على blockchain يركز على بيانات وآليات تحفيز النماذج. يقدم مفهوم "Payable AI" بهدف بناء بيئة تشغيل AI عادلة وشفافة وقابلة للتجميع، وتحفيز جميع المشاركين على التعاون وكسب العوائد على السلسلة.
تقدم OpenLedger حلقة مغلقة كاملة من "توفير البيانات" إلى "نشر النماذج" وصولاً إلى "استدعاء توزيع الأرباح"، تشمل الوحدات الأساسية Model Factory و OpenLoRA و PoA و Datanets ومنصة اقتراح النماذج. من خلال هذه الوحدات، أنشأت OpenLedger بنية تحتية للاقتصاد الذكي مدفوعة بالبيانات وقابلة لتجميع النماذج.
في تقنية blockchain، تعتمد OpenLedger على OP Stack + EigenDA كأساس، مما يوفر بيئة تشغيل عالية الأداء ومنخفضة التكلفة وقابلة للتحقق لنماذج الذكاء الاصطناعي. تعتمد على تقنية Optimism، تدعم معدل نقل عالي وتكاليف منخفضة؛ يتم التسوية على شبكة Ethereum الرئيسية؛ متوافقة مع EVM؛ يوفر EigenDA دعم توفر البيانات.
بالمقارنة مع NEAR الذي يركز أكثر على الطبقة السفلية، تركز OpenLedger بشكل أكبر على بناء سلسلة مخصصة للذكاء الاصطناعي تتجه نحو البيانات ونماذج التحفيز، ملتزمة بتحقيق تتبع وتكامل وقيمة مستدامة في تطوير النماذج واستدعائها على السلسلة.
: تقرير عميق عن OpenLedger: بناء اقتصاد وكيل مدفوع بالبيانات وقابل للتجميع على قاعدة OP Stack + EigenDA)
ثلاثة، المكونات الأساسية وarchitecture التقنية لـ OpenLedger
3.1 مصنع النماذج، بدون حاجة إلى كود نموذج المصنع
ModelFactory هو منصة تعديل LLM تحت نظام OpenLedger البيئي، توفر واجهة تشغيل رسومية بحتة. تشمل العمليات الأساسية التحكم في وصول البيانات، اختيار النموذج وتكوينه، التعديل الخفيف، تقييم النموذج ونشره، واجهة التحقق التفاعلية وتوليد RAG للتتبع.
يدعم ModelFactory نماذج اللغة الكبيرة مفتوحة المصدر الرائجة، مثل سلسلة LLaMA، Mistral، Qwen، ChatGLM، Deepseek، Gemma وغيرها. على الرغم من عدم تضمين أحدث نماذج MoE أو النماذج متعددة الوسائط، إلا أنه تم إجراء تكوين "الأولوية للعملي" بناءً على القيود الواقعية لنشرها على السلسلة.
يعتبر Model Factory كأداة سلسلة بدون كود، حيث تحتوي جميع النماذج على آلية إثبات المساهمة المدمجة، مما يضمن حقوق المشاركين، ويتميز بعتبة منخفضة، وقابلية التحويل، وإمكانية التكوين.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-F23F47F09226573B1FCACEBDCFB8c1f3)
3.2 OpenLoRA،资产化 على السلسلة لنموذج Fine-tuning
OpenLoRA هو إطار استدلال خفيف الوزن تم بناؤه بواسطة OpenLedger، يهدف إلى معالجة المشكلات المتعلقة بتكلفة عالية، انخفاض إعادة الاستخدام، وهدر الموارد في نشر نماذج الذكاء الاصطناعي. تشمل مكوناته الأساسية وحدة تخزين LoRA Adapter، استضافة النموذج وطبقة الدمج الديناميكية، محرك الاستدلال، وحدة توجيه الطلبات والإخراج المتدفق.
تعمل OpenLoRA من خلال مجموعة من التحسينات الأساسية على تعزيز كفاءة نشر النماذج المتعددة والاستدلال. تشمل عناصرها الأساسية تحميل محولات LoRA الديناميكية، والتوازي التنسوري، والاهتمام المتقطع، ودمج النماذج المتعددة، والاهتمام الفلاش، ونوى CUDA المسبقة التجميع، وتقنيات الكم.
OpenLoRA ليس مجرد إطار استدلال فعال، بل يدمج بعمق بين استدلال النموذج وآلية التحفيز Web3، والهدف هو تحويل نموذج LoRA إلى أصل Web3 يمكن استدعاؤه، وتركيبه، ومشاركته في الأرباح. إنه يدعم النموذج كأصل، ودمج ديناميكي متعدد لـ LoRA + تخصيص الأرباح، ويدعم أيضًا الاستدلال المشترك متعدد المستأجرين للنماذج ذات الذيل الطويل.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ moments-909dc3f796ad6aa44a1c97a51ade4193)
3.3 Datanets (شبكات البيانات)، من سيادة البيانات إلى الذكاء البياني
Datanets هي بنية تحتية لـ OpenLedger "البيانات كأصول"، تُستخدم لجمع وإدارة مجموعات البيانات في مجالات معينة. كل Datanet يشبه مستودع بيانات منظم، يضمن آلية الانتماء على السلسلة تتبع البيانات وموثوقيتها.
بالمقارنة مع المشاريع التي تركز على سيادة البيانات، يقوم OpenLedger من خلال ثلاثة وحدات هي Datanets وModel Factory وOpenLoRA، ببناء حلقة مغلقة كاملة "من البيانات إلى الذكاء"، مع التركيز على كيفية تدريب البيانات واستدعائها والحصول على المكافآت.
3.4 إثبات النسبة (Proof of Attribution): إعادة تشكيل طبقة الحوافز لتوزيع المنافع
PoA هو الآلية الأساسية التي تستخدمها OpenLedger لتحقيق ملكية البيانات وتوزيع الحوافز. تشمل عمليتها تقديم البيانات، وتقييم التأثير، والتحقق من التدريب، وتوزيع الحوافز، وإدارة الجودة. PoA ليست أداة لتوزيع الحوافز فحسب، بل هي أيضًا إطار يركز على الشفافية، وتتبع المصدر، والملكية متعددة المراحل.
RAG Attribution هو آلية تخصيص وتحفيز البيانات التي أنشأتها OpenLedger في سياق RAG، لضمان إمكانية تتبع والتحقق من محتوى مخرجات النموذج، وتحفيز المساهمين، وفي النهاية تحقيق موثوقية التوليد وشفافية البيانات.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-F49CFA5EA73FC0018250D04193B34B60)
أربعة، تقدم مشروع OpenLedger والتعاون البيئي
لقد تم إطلاق OpenLedger على شبكة الاختبار، حيث تعتبر طبقة البيانات الذكية هي المرحلة الأولى، وتهدف إلى بناء مستودع بيانات الإنترنت المدفوع من قبل المجتمع. توفر شبكة الاختبار ثلاثة أنواع من آليات المكافآت: مكافآت تشغيل العقد، مكافآت مساهمة البيانات، ومكافآت المشاركة في المهام.
أبرزت شبكة الاختبار Epoch 2 آلية شبكة بيانات Datanets، التي تشمل مهام التحقق من البيانات والتصنيف وغيرها. تخطط خارطة الطريق الطويلة الأجل لـ OpenLedger للانتقال من جمع البيانات وبناء النماذج إلى نظام Agent البيئي، لتحقيق حلقة اقتصادية كاملة للذكاء الاصطناعي اللامركزي بشكل تدريجي.
تغطي الشركاء البيئيين لـ OpenLedger قوة الحوسبة والبنية التحتية وسلسلة الأدوات وتطبيقات الذكاء الاصطناعي. على مدار العام الماضي، استضافت OpenLedger قمة DeAI Summit بشكل متواصل، مما عزز من وعي العلامة التجارية وسمعتها المهنية في مجتمع المطورين وبيئة ريادة الأعمال في Web3 AI.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-9FBD934D293142E4FDD386eeE4AFD41A)
خمسة، التمويل وخلفية الفريق
أكملت OpenLedger جولة التمويل الأولي بقيمة 11.2 مليون دولار في يوليو 2024، حيث شملت الجهات المستثمرة مؤسسات معروفة مثل Polychain Capital و Borderless Capital وعدد من المستثمرين الملائكيين. سيتم استخدام الأموال لدعم بناء شبكة AI Chain، وآلية تحفيز النماذج، والطبقة الأساسية للبيانات، بالإضافة إلى الإيكولوجيا التطبيقية لـ Agent.
تأسست OpenLedger بواسطة رام كومار، وهو رائد أعمال ذو خبرة واسعة في مجالات الذكاء الاصطناعي/تعلم الآلة وتقنية blockchain، حيث جلب للمشروع مزيجًا عضويًا من الرؤية السوقية والخبرة التقنية والقيادة الاستراتيجية.
السادسة، تصميم نموذج الاقتصاد الرمزي والحكم
OPEN هو رمز الوظائف الأساسية لنظام OpenLedger البيئي، يمكّن من إدارة الشبكة، تشغيل المعاملات، توزيع الحوافز وتشغيل وكيل الذكاء الاصطناعي. تشمل وظائفه الإدارة واتخاذ القرارات، وقود المعاملات ودفع الرسوم، والحوافز ومكافآت الانتماء، وإمكانية الربط عبر السلاسل وآلية رهن وكيل الذكاء الاصطناعي.
OpenLedger قدمت آلية حوكمة قائمة على قيمة المساهمة، حيث يرتبط وزن التصويت بالقيمة المخلوقة فعليًا، وليس فقط بوزن رأس المال. يساعد هذا التصميم في تحقيق الاستدامة طويلة الأجل للحوكمة، ومنع تصرفات المضاربة من السيطرة على اتخاذ القرار.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-FB455C53FFCE25E4AAAFD015DE8A70E1B)
سبعة، البيانات، النماذج والهيكل التحفيزي للسوق ومقارنة المنتجات المنافسة
OpenLedger تحتل موقعًا في الطبقة الوسطى من "تجسيد أصول نموذج السلسلة والدعوة للتحفيز" في النظام البيئي الحالي للذكاء الاصطناعي في العملات الرقمية، وهي بروتوكول جسر رئيسي يربط بين توفير قيمة النموذج واستخدامه في التطبيقات. مقارنةً بالمشاريع الأخرى:
طبقة تحفيز البروتوكول: OpenLedger مقابل Bittensor
ملكية النموذج وتحفيز الاستدعاء: OpenLedger مقابل Sentient
منصة استضافة النماذج والاستدلال الموثوق: OpenLedger vs. OpenGradient
نموذج الحشد وتقييم الحوافز: OpenLedger مقابل CrunchDAO
منصة نماذج خفيفة مدفوعة بالمجتمع: OpenLedger مقابل Assisterr
مصنع النماذج: OpenLedger vs. Pond
مسار الاستدلال الموثوق: OpenLedger مقابل Bagel
مسار التعاون في جانب البيانات: OpenLedger مقابل Sapien / FractionAI / Vana / Irys
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ لحظات-10c448380f8c71f34654554536e1b38a)
ثامناً، الاستنتاج | من البيانات إلى النموذج، طريق تحقيق العائد من سلسلة الذكاء الاصطناعي
تسعى OpenLedger إلى إنشاء بنية تحتية لـ "النموذج كأصل" في عالم Web3، من خلال بناء حلقة مغلقة كاملة، جلبت لأول مرة نماذج الذكاء الاصطناعي إلى نظام اقتصادي قابل للتتبع، وقابل للتسييل، وقابل للتعاون. يوفر نظامها التكنولوجي دعمًا شاملاً لجميع المشاركين، مما ينشط الموارد على طرفي "البيانات" و"النماذج" التي تم إغفالها لفترة طويلة في سلسلة قيمة الذكاء الاصطناعي.
OpenLedger يشبه إلى حد كبير HuggingFace + Stripe + Infura في
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 9
أعجبني
9
8
مشاركة
تعليق
0/400
MeaninglessApe
· 07-24 19:58
مرة أخرى يتداولون في الذكاء الاصطناعي
شاهد النسخة الأصليةرد0
GasFeeLover
· 07-24 05:24
جي بي تي جاء مرة أخرى للاحتيال على الشهرة
شاهد النسخة الأصليةرد0
StakeHouseDirector
· 07-24 05:21
لا تُبالغ في الحقيقة حول الأدوية الابتكارية
شاهد النسخة الأصليةرد0
DaoResearcher
· 07-24 05:21
احترافي المهندسين يقترحون الاطلاع على اقتراح حوكمة نموذج zkml الخاص بـ vitalik
OpenLedger تبني نظام بيئي جديد لسلسلة الذكاء الاصطناعي لتحقيق أصول النموذج وتحفيز قيمة البيانات
OpenLedger العمق تقرير بحثي: باستخدام OP Stack + EigenDA كأساس، بناء اقتصاد وكيل مدفوع بالبيانات وقابل للتجميع بالنماذج
أ. المقدمة | الانتقال في طبقة النموذج لـ Crypto AI
البيانات والنماذج وقدرات الحساب هي العناصر الثلاثة الأساسية للبنية التحتية للذكاء الاصطناعي، ولا يمكن الاستغناء عن أي منها. شهدت مجال Crypto AI مسار تطوري مشابه للصناعة التقليدية للذكاء الاصطناعي. في بداية عام 2024، تركزت أنظار السوق على مشاريع GPU اللامركزية، مع التأكيد على منافسة القدرات الحسابية. مع دخول عام 2025، بدأ التركيز في الصناعة يتجه تدريجياً نحو نموذج وطبقة البيانات، مما يدل على أن Crypto AI ينتقل من المنافسة على الموارد الأساسية إلى بناء طبقة وسطى أكثر استدامة وقيمة تطبيقية.
نموذج عام (LLM) مقابل نموذج متخصص (SLM)
تعتمد نماذج اللغة الكبيرة التقليدية (LLM) على مجموعات بيانات كبيرة وهياكل معقدة، مع حجم معلمات ضخم وتكاليف تدريب عالية. بينما تعتمد نماذج اللغة المتخصصة (SLM) على نماذج مفتوحة المصدر، وتجمع بين كمية صغيرة من البيانات المتخصصة عالية الجودة وتقنيات مثل LoRA، لبناء نماذج خبراء في مجالات محددة بسرعة، مما يقلل بشكل كبير من تكاليف التدريب والعقبات التقنية.
تتعاون SLM مع LLM من خلال هيكل الوكيل، نظام توجيه المكونات الإضافية، القابلية للتوصيل الساخن لوحدات LoRA، وRAG، مما يحافظ على قدرة LLM على التغطية الواسعة، ويعزز الأداء المهني من خلال وحدات الضبط الدقيق، لتشكيل نظام ذكي مرن ومركب.
قيمة وحدود Crypto AI في طبقة النموذج
من الصعب أن تعزز مشاريع Crypto AI قدرات LLM الأساسية بشكل مباشر، حيث إنها مقيدة بشكل رئيسي بعقبات تقنية وقيود النظام البيئي المفتوح. ولكن على أساس النماذج المفتوحة، يمكن لمشاريع Crypto AI أن تحقق قيمة إضافية من خلال تحسين SLM، مع دمج قابلية التحقق من Web3 وآليات التحفيز. وتتمثل قيمتها الأساسية في اتجاهين: طبقة التحقق الموثوق وآليات التحفيز.
تحليل ملاءمة نوع نموذج الذكاء الاصطناعي والتصنيف مع البلوك تشين
تركز مشاريع نموذج Crypto AI أساسًا على ضبط SLM الصغير، وبنية RAG، وإدخال بيانات السلسلة والتحقق منها، بالإضافة إلى نشر وتحفيز النماذج المحلية. بالاستفادة من خصائص blockchain، يمكن لـ Crypto تقديم قيمة فريدة لهذه السيناريوهات ذات الموارد المتوسطة إلى المنخفضة، مما يخلق قيمة تمايز لـ "طبقة واجهة" الذكاء الاصطناعي.
سلسلة blockchain AI القائمة على البيانات والنماذج، يمكن أن تسجل بوضوح وسجل غير قابل للتغيير لمصادر مساهمة البيانات والنماذج، مما يعزز المصداقية وقابلية التتبع. من خلال آلية العقود الذكية، يتم تنشيط توزيع المكافآت تلقائيًا عند استدعاء البيانات أو النموذج، مما يحول سلوك AI إلى قيمة رمزية قابلة للقياس والتداول. يمكن لمستخدمي المجتمع أيضًا المشاركة في الحوكمة من خلال التصويت بالرموز، مما يحسن هيكل الحوكمة اللامركزية.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-62B3FAe810F4772AABA3D91C74C1AA6)
٢. نظرة عامة على المشروع | رؤية OpenLedger للذكاء الاصطناعي على السلسلة
OpenLedger هو مشروع ذكاء اصطناعي قائم على blockchain يركز على بيانات وآليات تحفيز النماذج. يقدم مفهوم "Payable AI" بهدف بناء بيئة تشغيل AI عادلة وشفافة وقابلة للتجميع، وتحفيز جميع المشاركين على التعاون وكسب العوائد على السلسلة.
تقدم OpenLedger حلقة مغلقة كاملة من "توفير البيانات" إلى "نشر النماذج" وصولاً إلى "استدعاء توزيع الأرباح"، تشمل الوحدات الأساسية Model Factory و OpenLoRA و PoA و Datanets ومنصة اقتراح النماذج. من خلال هذه الوحدات، أنشأت OpenLedger بنية تحتية للاقتصاد الذكي مدفوعة بالبيانات وقابلة لتجميع النماذج.
في تقنية blockchain، تعتمد OpenLedger على OP Stack + EigenDA كأساس، مما يوفر بيئة تشغيل عالية الأداء ومنخفضة التكلفة وقابلة للتحقق لنماذج الذكاء الاصطناعي. تعتمد على تقنية Optimism، تدعم معدل نقل عالي وتكاليف منخفضة؛ يتم التسوية على شبكة Ethereum الرئيسية؛ متوافقة مع EVM؛ يوفر EigenDA دعم توفر البيانات.
بالمقارنة مع NEAR الذي يركز أكثر على الطبقة السفلية، تركز OpenLedger بشكل أكبر على بناء سلسلة مخصصة للذكاء الاصطناعي تتجه نحو البيانات ونماذج التحفيز، ملتزمة بتحقيق تتبع وتكامل وقيمة مستدامة في تطوير النماذج واستدعائها على السلسلة.
: تقرير عميق عن OpenLedger: بناء اقتصاد وكيل مدفوع بالبيانات وقابل للتجميع على قاعدة OP Stack + EigenDA)
ثلاثة، المكونات الأساسية وarchitecture التقنية لـ OpenLedger
3.1 مصنع النماذج، بدون حاجة إلى كود نموذج المصنع
ModelFactory هو منصة تعديل LLM تحت نظام OpenLedger البيئي، توفر واجهة تشغيل رسومية بحتة. تشمل العمليات الأساسية التحكم في وصول البيانات، اختيار النموذج وتكوينه، التعديل الخفيف، تقييم النموذج ونشره، واجهة التحقق التفاعلية وتوليد RAG للتتبع.
يدعم ModelFactory نماذج اللغة الكبيرة مفتوحة المصدر الرائجة، مثل سلسلة LLaMA، Mistral، Qwen، ChatGLM، Deepseek، Gemma وغيرها. على الرغم من عدم تضمين أحدث نماذج MoE أو النماذج متعددة الوسائط، إلا أنه تم إجراء تكوين "الأولوية للعملي" بناءً على القيود الواقعية لنشرها على السلسلة.
يعتبر Model Factory كأداة سلسلة بدون كود، حيث تحتوي جميع النماذج على آلية إثبات المساهمة المدمجة، مما يضمن حقوق المشاركين، ويتميز بعتبة منخفضة، وقابلية التحويل، وإمكانية التكوين.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-F23F47F09226573B1FCACEBDCFB8c1f3)
3.2 OpenLoRA،资产化 على السلسلة لنموذج Fine-tuning
OpenLoRA هو إطار استدلال خفيف الوزن تم بناؤه بواسطة OpenLedger، يهدف إلى معالجة المشكلات المتعلقة بتكلفة عالية، انخفاض إعادة الاستخدام، وهدر الموارد في نشر نماذج الذكاء الاصطناعي. تشمل مكوناته الأساسية وحدة تخزين LoRA Adapter، استضافة النموذج وطبقة الدمج الديناميكية، محرك الاستدلال، وحدة توجيه الطلبات والإخراج المتدفق.
تعمل OpenLoRA من خلال مجموعة من التحسينات الأساسية على تعزيز كفاءة نشر النماذج المتعددة والاستدلال. تشمل عناصرها الأساسية تحميل محولات LoRA الديناميكية، والتوازي التنسوري، والاهتمام المتقطع، ودمج النماذج المتعددة، والاهتمام الفلاش، ونوى CUDA المسبقة التجميع، وتقنيات الكم.
OpenLoRA ليس مجرد إطار استدلال فعال، بل يدمج بعمق بين استدلال النموذج وآلية التحفيز Web3، والهدف هو تحويل نموذج LoRA إلى أصل Web3 يمكن استدعاؤه، وتركيبه، ومشاركته في الأرباح. إنه يدعم النموذج كأصل، ودمج ديناميكي متعدد لـ LoRA + تخصيص الأرباح، ويدعم أيضًا الاستدلال المشترك متعدد المستأجرين للنماذج ذات الذيل الطويل.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ moments-909dc3f796ad6aa44a1c97a51ade4193)
3.3 Datanets (شبكات البيانات)، من سيادة البيانات إلى الذكاء البياني
Datanets هي بنية تحتية لـ OpenLedger "البيانات كأصول"، تُستخدم لجمع وإدارة مجموعات البيانات في مجالات معينة. كل Datanet يشبه مستودع بيانات منظم، يضمن آلية الانتماء على السلسلة تتبع البيانات وموثوقيتها.
بالمقارنة مع المشاريع التي تركز على سيادة البيانات، يقوم OpenLedger من خلال ثلاثة وحدات هي Datanets وModel Factory وOpenLoRA، ببناء حلقة مغلقة كاملة "من البيانات إلى الذكاء"، مع التركيز على كيفية تدريب البيانات واستدعائها والحصول على المكافآت.
3.4 إثبات النسبة (Proof of Attribution): إعادة تشكيل طبقة الحوافز لتوزيع المنافع
PoA هو الآلية الأساسية التي تستخدمها OpenLedger لتحقيق ملكية البيانات وتوزيع الحوافز. تشمل عمليتها تقديم البيانات، وتقييم التأثير، والتحقق من التدريب، وتوزيع الحوافز، وإدارة الجودة. PoA ليست أداة لتوزيع الحوافز فحسب، بل هي أيضًا إطار يركز على الشفافية، وتتبع المصدر، والملكية متعددة المراحل.
RAG Attribution هو آلية تخصيص وتحفيز البيانات التي أنشأتها OpenLedger في سياق RAG، لضمان إمكانية تتبع والتحقق من محتوى مخرجات النموذج، وتحفيز المساهمين، وفي النهاية تحقيق موثوقية التوليد وشفافية البيانات.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-F49CFA5EA73FC0018250D04193B34B60)
أربعة، تقدم مشروع OpenLedger والتعاون البيئي
لقد تم إطلاق OpenLedger على شبكة الاختبار، حيث تعتبر طبقة البيانات الذكية هي المرحلة الأولى، وتهدف إلى بناء مستودع بيانات الإنترنت المدفوع من قبل المجتمع. توفر شبكة الاختبار ثلاثة أنواع من آليات المكافآت: مكافآت تشغيل العقد، مكافآت مساهمة البيانات، ومكافآت المشاركة في المهام.
أبرزت شبكة الاختبار Epoch 2 آلية شبكة بيانات Datanets، التي تشمل مهام التحقق من البيانات والتصنيف وغيرها. تخطط خارطة الطريق الطويلة الأجل لـ OpenLedger للانتقال من جمع البيانات وبناء النماذج إلى نظام Agent البيئي، لتحقيق حلقة اقتصادية كاملة للذكاء الاصطناعي اللامركزي بشكل تدريجي.
تغطي الشركاء البيئيين لـ OpenLedger قوة الحوسبة والبنية التحتية وسلسلة الأدوات وتطبيقات الذكاء الاصطناعي. على مدار العام الماضي، استضافت OpenLedger قمة DeAI Summit بشكل متواصل، مما عزز من وعي العلامة التجارية وسمعتها المهنية في مجتمع المطورين وبيئة ريادة الأعمال في Web3 AI.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-9FBD934D293142E4FDD386eeE4AFD41A)
خمسة، التمويل وخلفية الفريق
أكملت OpenLedger جولة التمويل الأولي بقيمة 11.2 مليون دولار في يوليو 2024، حيث شملت الجهات المستثمرة مؤسسات معروفة مثل Polychain Capital و Borderless Capital وعدد من المستثمرين الملائكيين. سيتم استخدام الأموال لدعم بناء شبكة AI Chain، وآلية تحفيز النماذج، والطبقة الأساسية للبيانات، بالإضافة إلى الإيكولوجيا التطبيقية لـ Agent.
تأسست OpenLedger بواسطة رام كومار، وهو رائد أعمال ذو خبرة واسعة في مجالات الذكاء الاصطناعي/تعلم الآلة وتقنية blockchain، حيث جلب للمشروع مزيجًا عضويًا من الرؤية السوقية والخبرة التقنية والقيادة الاستراتيجية.
السادسة، تصميم نموذج الاقتصاد الرمزي والحكم
OPEN هو رمز الوظائف الأساسية لنظام OpenLedger البيئي، يمكّن من إدارة الشبكة، تشغيل المعاملات، توزيع الحوافز وتشغيل وكيل الذكاء الاصطناعي. تشمل وظائفه الإدارة واتخاذ القرارات، وقود المعاملات ودفع الرسوم، والحوافز ومكافآت الانتماء، وإمكانية الربط عبر السلاسل وآلية رهن وكيل الذكاء الاصطناعي.
OpenLedger قدمت آلية حوكمة قائمة على قيمة المساهمة، حيث يرتبط وزن التصويت بالقيمة المخلوقة فعليًا، وليس فقط بوزن رأس المال. يساعد هذا التصميم في تحقيق الاستدامة طويلة الأجل للحوكمة، ومنع تصرفات المضاربة من السيطرة على اتخاذ القرار.
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ Moments-FB455C53FFCE25E4AAAFD015DE8A70E1B)
سبعة، البيانات، النماذج والهيكل التحفيزي للسوق ومقارنة المنتجات المنافسة
OpenLedger تحتل موقعًا في الطبقة الوسطى من "تجسيد أصول نموذج السلسلة والدعوة للتحفيز" في النظام البيئي الحالي للذكاء الاصطناعي في العملات الرقمية، وهي بروتوكول جسر رئيسي يربط بين توفير قيمة النموذج واستخدامه في التطبيقات. مقارنةً بالمشاريع الأخرى:
! [تقرير بحثي متعمق ل OpenLedger: بناء اقتصاد وكيل قائم على البيانات وقابل للتركيب على أساس OP Stack+EigenDA](https://img-cdn.gateio.im/social/ لحظات-10c448380f8c71f34654554536e1b38a)
ثامناً، الاستنتاج | من البيانات إلى النموذج، طريق تحقيق العائد من سلسلة الذكاء الاصطناعي
تسعى OpenLedger إلى إنشاء بنية تحتية لـ "النموذج كأصل" في عالم Web3، من خلال بناء حلقة مغلقة كاملة، جلبت لأول مرة نماذج الذكاء الاصطناعي إلى نظام اقتصادي قابل للتتبع، وقابل للتسييل، وقابل للتعاون. يوفر نظامها التكنولوجي دعمًا شاملاً لجميع المشاركين، مما ينشط الموارد على طرفي "البيانات" و"النماذج" التي تم إغفالها لفترة طويلة في سلسلة قيمة الذكاء الاصطناعي.
OpenLedger يشبه إلى حد كبير HuggingFace + Stripe + Infura في