Dữ liệu, mô hình và sức mạnh tính toán là ba yếu tố cốt lõi của hạ tầng AI, không thể thiếu một yếu tố nào. Lĩnh vực Crypto AI đã trải qua con đường phát triển tương tự như ngành AI truyền thống. Vào đầu năm 2024, thị trường tập trung vào các dự án GPU phi tập trung, nhấn mạnh vào sự cạnh tranh sức mạnh tính toán. Đến năm 2025, trọng tâm ngành sẽ dần chuyển sang mô hình và lớp dữ liệu, đánh dấu sự chuyển mình của Crypto AI từ cạnh tranh tài nguyên cơ bản sang xây dựng lớp giữa có tính bền vững và giá trị ứng dụng hơn.
Mô hình chung (LLM) vs Mô hình chuyên biệt (SLM)
Mô hình ngôn ngữ lớn truyền thống (LLM) phụ thuộc vào các tập dữ liệu quy mô lớn và kiến trúc phức tạp, quy mô tham số khổng lồ, chi phí đào tạo cao. Mô hình ngôn ngữ chuyên biệt (SLM) dựa trên mô hình mã nguồn mở, kết hợp một lượng nhỏ dữ liệu chuyên môn chất lượng cao và các công nghệ như LoRA, nhanh chóng xây dựng mô hình chuyên gia trong các lĩnh vực cụ thể, giảm đáng kể chi phí đào tạo và rào cản kỹ thuật.
SLM hợp tác với LLM thông qua kiến trúc Agent gọi, hệ thống định tuyến plugin, khả năng cắm nóng của mô-đun LoRA, RAG, v.v., vừa giữ lại khả năng phủ sóng rộng của LLM, vừa tăng cường hiệu suất chuyên môn thông qua mô-đun tinh chỉnh, tạo thành hệ thống thông minh kết hợp linh hoạt.
Giá trị và ranh giới của Crypto AI ở cấp độ mô hình
Các dự án Crypto AI khó có thể nâng cao trực tiếp khả năng cốt lõi của LLM, chủ yếu bị hạn chế bởi rào cản công nghệ và giới hạn của hệ sinh thái mã nguồn mở. Tuy nhiên, trên nền tảng mô hình mã nguồn mở, các dự án Crypto AI có thể thông qua việc tinh chỉnh SLM, kết hợp với tính khả thi và cơ chế khuyến khích của Web3 để thực hiện việc mở rộng giá trị. Giá trị cốt lõi của nó thể hiện ở hai hướng: tầng xác thực đáng tin cậy và cơ chế khuyến khích.
Phân loại loại mô hình AI và phân tích tính ứng dụng của blockchain
Các dự án Crypto AI loại mô hình chủ yếu tập trung vào tinh chỉnh SLM nhỏ, truy cập và xác minh dữ liệu trên chuỗi kiến trúc RAG, cũng như triển khai và khuyến khích mô hình Edge tại chỗ. Kết hợp với các đặc điểm của blockchain, Crypto có thể cung cấp giá trị độc đáo cho các kịch bản mô hình tài nguyên trung bình và thấp, tạo ra giá trị khác biệt cho "lớp giao diện" AI.
Chuỗi AI blockchain dựa trên dữ liệu và mô hình, có thể ghi lại nguồn gốc đóng góp của dữ liệu và mô hình một cách rõ ràng và không thể thay đổi trên chuỗi, nâng cao độ tin cậy và khả năng truy xuất. Thông qua cơ chế hợp đồng thông minh, khi dữ liệu hoặc mô hình được gọi, sẽ tự động kích hoạt phân phối phần thưởng, biến hành vi AI thành giá trị có thể định lượng và giao dịch dưới dạng token. Người dùng trong cộng đồng cũng có thể tham gia quản lý thông qua việc bỏ phiếu bằng token, hoàn thiện cấu trúc quản trị phi tập trung.
Hai, Tổng quan dự án | Tầm nhìn AI Chain của OpenLedger
OpenLedger là một dự án blockchain AI tập trung vào cơ chế khuyến khích dữ liệu và mô hình. Nó đề xuất khái niệm "Payable AI", nhằm xây dựng một môi trường vận hành AI công bằng, minh bạch và có thể kết hợp, khuyến khích các bên tham gia hợp tác và nhận được lợi nhuận trên chuỗi.
OpenLedger cung cấp chuỗi khép kín từ "cung cấp dữ liệu" đến "triển khai mô hình" và "gọi phân chia lợi nhuận", các mô-đun cốt lõi bao gồm Model Factory, OpenLoRA, PoA, Datanets và nền tảng đề xuất mô hình. Thông qua những mô-đun này, OpenLedger đã xây dựng cơ sở hạ tầng "kinh tế tác nhân thông minh" dựa trên dữ liệu và có thể kết hợp mô hình.
Trên công nghệ blockchain, OpenLedger sử dụng OP Stack + EigenDA làm nền tảng, cung cấp môi trường chạy có hiệu suất cao, chi phí thấp và có thể xác minh cho các mô hình AI. Nó dựa trên công nghệ Optimism, hỗ trợ thông lượng cao và phí thấp; thanh toán trên mạng chính Ethereum; tương thích EVM; EigenDA cung cấp hỗ trợ khả năng sẵn có của dữ liệu.
So với NEAR tập trung vào tầng dưới, OpenLedger chú trọng vào việc xây dựng chuỗi chuyên dụng cho AI nhằm khuyến khích dữ liệu và mô hình, cam kết thực hiện phát triển và gọi mô hình trên chuỗi với khả năng theo dõi, kết hợp và giá trị bền vững.
Ba, các thành phần cốt lõi và kiến trúc công nghệ của OpenLedger
Nhà máy mô hình 3.1, nhà máy mô hình không cần mã
ModelFactory là nền tảng tinh chỉnh LLM dưới hệ sinh thái OpenLedger, cung cấp giao diện hoạt động hoàn toàn đồ họa. Quy trình cốt lõi của nó bao gồm kiểm soát truy cập dữ liệu, chọn và cấu hình mô hình, tinh chỉnh nhẹ, đánh giá và triển khai mô hình, giao diện xác thực tương tác và truy xuất nguồn gốc RAG.
ModelFactory hỗ trợ các mô hình ngôn ngữ lớn mã nguồn mở phổ biến như LLaMA, Mistral, Qwen, ChatGLM, Deepseek, Gemma, v.v. Mặc dù không bao gồm các mô hình MoE hoặc đa phương thức mới nhất, nhưng đã đưa ra cấu hình "ưu tiên thực dụng" dựa trên các ràng buộc thực tế của việc triển khai trên chuỗi.
Model Factory là một chuỗi công cụ không mã, tất cả các mô hình đều được tích hợp cơ chế chứng minh đóng góp, đảm bảo quyền lợi của người tham gia, có ưu điểm là ngưỡng thấp, có thể biến đổi và có thể kết hợp.
3.2 OpenLoRA, tài sản hóa chuỗi của mô hình tinh chỉnh
OpenLoRA là khuôn khổ suy luận nhẹ được xây dựng bởi OpenLedger, nhằm giải quyết các vấn đề như chi phí cao, khả năng tái sử dụng thấp, và lãng phí tài nguyên trong triển khai mô hình AI. Các thành phần cốt lõi của nó bao gồm mô-đun lưu trữ LoRA Adapter, lớp lưu trữ mô hình và hợp nhất động, động cơ suy luận, và mô-đun định tuyến yêu cầu và đầu ra theo dòng.
OpenLoRA thông qua một loạt tối ưu hóa cơ bản, đã nâng cao đáng kể hiệu quả triển khai và suy luận của nhiều mô hình. Các yếu tố cốt lõi bao gồm tải động bộ điều hợp LoRA, song song tensor, Attention phân trang, hợp nhất nhiều mô hình, Attention Flash, các lõi CUDA đã biên dịch trước và công nghệ lượng tử hóa.
OpenLoRA không chỉ là một khung suy diễn hiệu quả, mà còn kết hợp sâu sắc suy diễn mô hình với cơ chế khuyến khích Web3, mục tiêu là biến mô hình LoRA thành tài sản Web3 có thể gọi, có thể kết hợp và có thể chia sẻ lợi nhuận. Nó hỗ trợ mô hình như tài sản, hợp nhất động nhiều LoRA + phân bổ lợi nhuận, hỗ trợ suy diễn chia sẻ đa người thuê cho các mô hình đuôi dài, và nhiều đặc điểm khác.
3.3 Datanets (Mạng dữ liệu), từ chủ quyền dữ liệu đến trí tuệ dữ liệu
Datanets là cơ sở hạ tầng "dữ liệu là tài sản" của OpenLedger, được sử dụng để thu thập và quản lý các tập dữ liệu trong các lĩnh vực cụ thể. Mỗi Datanet giống như một kho dữ liệu có cấu trúc, đảm bảo dữ liệu có thể truy nguồn và đáng tin cậy thông qua cơ chế quyền sở hữu trên chuỗi.
So với các dự án tập trung vào chủ quyền dữ liệu, OpenLedger xây dựng một vòng khép kín hoàn chỉnh "từ dữ liệu đến trí thông minh" thông qua ba mô-đun Datanets, Model Factory, OpenLoRA, tập trung vào cách dữ liệu được huấn luyện, gọi và nhận thưởng.
PoA là cơ chế cốt lõi để OpenLedger thực hiện quyền sở hữu dữ liệu và phân phối động lực. Quy trình của nó bao gồm việc nộp dữ liệu, đánh giá tác động, xác minh đào tạo, phân phối động lực và quản lý chất lượng. PoA không chỉ là công cụ phân phối động lực mà còn là khuôn khổ hướng tới tính minh bạch, theo dõi nguồn gốc và quyền sở hữu đa giai đoạn.
RAG Attribution là cơ chế phân bổ dữ liệu và khuyến khích được OpenLedger thiết lập trong bối cảnh RAG, đảm bảo rằng nội dung đầu ra của mô hình có thể truy xuất, có thể xác minh, người đóng góp có thể được khuyến khích, cuối cùng đạt được sự tin cậy trong việc tạo ra và tính minh bạch của dữ liệu.
Bốn, Tiến độ dự án OpenLedger và hợp tác sinh thái
OpenLedger đã ra mắt mạng thử nghiệm, lớp dữ liệu thông minh là giai đoạn đầu tiên, nhằm xây dựng kho dữ liệu internet do cộng đồng điều hành. Mạng thử nghiệm cung cấp ba loại cơ chế lợi nhuận: phần thưởng vận hành nút, phần thưởng đóng góp dữ liệu và phần thưởng tham gia nhiệm vụ.
Epoch 2 mạng thử nghiệm đã tập trung giới thiệu cơ chế mạng dữ liệu Datanets, bao gồm các nhiệm vụ xác thực dữ liệu, phân loại, v.v. Lộ trình dài hạn của OpenLedger từ thu thập dữ liệu, xây dựng mô hình tiến tới hệ sinh thái Agent, từng bước hiện thực hóa vòng khép kín kinh tế AI phi tập trung hoàn chỉnh.
Các đối tác sinh thái của OpenLedger bao gồm sức mạnh tính toán, cơ sở hạ tầng, chuỗi công cụ và ứng dụng AI. Trong năm qua, OpenLedger đã liên tục tổ chức hội nghị DeAI Summit, củng cố nhận thức thương hiệu và uy tín chuyên môn của mình trong cộng đồng nhà phát triển và hệ sinh thái khởi nghiệp Web3 AI.
Năm, Tài trợ và nền tảng đội ngũ
OpenLedger đã hoàn thành vòng gọi vốn hạt giống 11,2 triệu USD vào tháng 7 năm 2024, với các nhà đầu tư bao gồm các tổ chức nổi tiếng như Polychain Capital, Borderless Capital và nhiều nhà đầu tư thiên thần khác. Vốn sẽ được sử dụng để thúc đẩy xây dựng mạng lưới AI Chain, cơ chế khuyến khích mô hình, nền tảng dữ liệu và hệ sinh thái ứng dụng Agent.
OpenLedger được thành lập bởi Ram Kumar, ông là một doanh nhân giàu kinh nghiệm trong lĩnh vực AI/ML và công nghệ blockchain, mang đến sự kết hợp hữu cơ của cái nhìn thị trường, chuyên môn kỹ thuật và khả năng lãnh đạo chiến lược cho dự án.
Sáu, Thiết kế mô hình kinh tế token và quản trị
OPEN là token chức năng cốt lõi của hệ sinh thái OpenLedger, cung cấp quyền lực cho quản trị mạng, vận hành giao dịch, phân phối phần thưởng và hoạt động của AI Agent. Chức năng của nó bao gồm quản trị và quyết định, nhiên liệu giao dịch và thanh toán phí, phần thưởng khuyến khích và sở hữu, khả năng cầu nối đa chuỗi và cơ chế staking AI Agent.
OpenLedger đã giới thiệu cơ chế quản trị dựa trên giá trị đóng góp, trọng số bỏ phiếu liên quan đến giá trị thực tế được tạo ra, chứ không chỉ dựa vào trọng số vốn. Thiết kế này giúp đạt được tính bền vững lâu dài trong quản trị, ngăn chặn hành vi đầu cơ chi phối quyết định.
Bảy, Dữ liệu, Mô hình và Cấu trúc Thị trường Khuyến khích cũng như So sánh Sản phẩm Cạnh tranh
OpenLedger đang chiếm vị trí lớp trung gian của "tài sản hóa và kích thích gọi mô hình trên chuỗi" trong hệ sinh thái Crypto AI hiện tại, là giao thức cầu nối quan trọng giữa việc cung cấp giá trị mô hình và việc thực hiện gọi. So với các dự án khác:
Lớp khuyến khích giao thức: OpenLedger vs. Bittensor
Quyền sở hữu mô hình và khuyến khích gọi: OpenLedger so với Sentient
Nền tảng lưu trữ mô hình và suy diễn đáng tin cậy: OpenLedger so với OpenGradient
Mô hình crowdsourcing và đánh giá khuyến khích: OpenLedger vs. CrunchDAO
Nền tảng mô hình nhẹ do cộng đồng điều hành: OpenLedger so với Assisterr
Nhà máy mô hình: OpenLedger vs. Pond
Đường đi suy diễn đáng tin cậy: OpenLedger vs. Bagel
Đường hợp tác phía dữ liệu: OpenLedger vs. Sapien / FractionAI / Vana / Irys
Tám, Kết luận | Từ dữ liệu đến mô hình, con đường hiện thực hóa AI Chain
OpenLedger cam kết xây dựng cơ sở hạ tầng "mô hình là tài sản" trong thế giới Web3, bằng cách tạo ra một vòng khép kín hoàn chỉnh, lần đầu tiên đưa mô hình AI vào hệ thống kinh tế thực sự có thể truy xuất, có thể hiện thực hóa và có thể hợp tác. Hệ thống công nghệ của nó cung cấp hỗ trợ toàn diện cho tất cả các bên tham gia, kích hoạt các nguồn lực "dữ liệu" và "mô hình" hai đầu vốn bị bỏ qua trong chuỗi giá trị AI.
OpenLedger giống như HuggingFace + Stripe + Infura trong
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
9 thích
Phần thưởng
9
8
Chia sẻ
Bình luận
0/400
MeaninglessApe
· 07-24 19:58
Lại đang đầu cơ AI nữa rồi
Xem bản gốcTrả lời0
GasFeeLover
· 07-24 05:24
GPT lại đến để lừa lượt truy cập rồi
Xem bản gốcTrả lời0
StakeHouseDirector
· 07-24 05:21
Thuốc đổi mới đừng làm lớn chuyện.
Xem bản gốcTrả lời0
DaoResearcher
· 07-24 05:21
Kỹ sư chuyên nghiệp gợi ý tham khảo đề xuất quản trị mô hình zkml của vitalik
Xem bản gốcTrả lời0
GateUser-e51e87c7
· 07-24 05:15
Cà tím vũ trụ cũng đang cuộn lại sao?
Xem bản gốcTrả lời0
PuzzledScholar
· 07-24 05:11
Có nền tảng hệ sinh thái hoàn chỉnh thì khác biệt.
OpenLedger xây dựng hệ sinh thái chuỗi AI mới, hiện thực hóa tài sản mô hình và khuyến khích giá trị dữ liệu.
OpenLedgerĐộ sâu研报：以OP Stack+EigenDA为底座，构建一个数据驱动、模型可组合的智能体经济
Một, Giới thiệu | Bước nhảy mô hình của Crypto AI
Dữ liệu, mô hình và sức mạnh tính toán là ba yếu tố cốt lõi của hạ tầng AI, không thể thiếu một yếu tố nào. Lĩnh vực Crypto AI đã trải qua con đường phát triển tương tự như ngành AI truyền thống. Vào đầu năm 2024, thị trường tập trung vào các dự án GPU phi tập trung, nhấn mạnh vào sự cạnh tranh sức mạnh tính toán. Đến năm 2025, trọng tâm ngành sẽ dần chuyển sang mô hình và lớp dữ liệu, đánh dấu sự chuyển mình của Crypto AI từ cạnh tranh tài nguyên cơ bản sang xây dựng lớp giữa có tính bền vững và giá trị ứng dụng hơn.
Mô hình chung (LLM) vs Mô hình chuyên biệt (SLM)
Mô hình ngôn ngữ lớn truyền thống (LLM) phụ thuộc vào các tập dữ liệu quy mô lớn và kiến trúc phức tạp, quy mô tham số khổng lồ, chi phí đào tạo cao. Mô hình ngôn ngữ chuyên biệt (SLM) dựa trên mô hình mã nguồn mở, kết hợp một lượng nhỏ dữ liệu chuyên môn chất lượng cao và các công nghệ như LoRA, nhanh chóng xây dựng mô hình chuyên gia trong các lĩnh vực cụ thể, giảm đáng kể chi phí đào tạo và rào cản kỹ thuật.
SLM hợp tác với LLM thông qua kiến trúc Agent gọi, hệ thống định tuyến plugin, khả năng cắm nóng của mô-đun LoRA, RAG, v.v., vừa giữ lại khả năng phủ sóng rộng của LLM, vừa tăng cường hiệu suất chuyên môn thông qua mô-đun tinh chỉnh, tạo thành hệ thống thông minh kết hợp linh hoạt.
Giá trị và ranh giới của Crypto AI ở cấp độ mô hình
Các dự án Crypto AI khó có thể nâng cao trực tiếp khả năng cốt lõi của LLM, chủ yếu bị hạn chế bởi rào cản công nghệ và giới hạn của hệ sinh thái mã nguồn mở. Tuy nhiên, trên nền tảng mô hình mã nguồn mở, các dự án Crypto AI có thể thông qua việc tinh chỉnh SLM, kết hợp với tính khả thi và cơ chế khuyến khích của Web3 để thực hiện việc mở rộng giá trị. Giá trị cốt lõi của nó thể hiện ở hai hướng: tầng xác thực đáng tin cậy và cơ chế khuyến khích.
Phân loại loại mô hình AI và phân tích tính ứng dụng của blockchain
Các dự án Crypto AI loại mô hình chủ yếu tập trung vào tinh chỉnh SLM nhỏ, truy cập và xác minh dữ liệu trên chuỗi kiến trúc RAG, cũng như triển khai và khuyến khích mô hình Edge tại chỗ. Kết hợp với các đặc điểm của blockchain, Crypto có thể cung cấp giá trị độc đáo cho các kịch bản mô hình tài nguyên trung bình và thấp, tạo ra giá trị khác biệt cho "lớp giao diện" AI.
Chuỗi AI blockchain dựa trên dữ liệu và mô hình, có thể ghi lại nguồn gốc đóng góp của dữ liệu và mô hình một cách rõ ràng và không thể thay đổi trên chuỗi, nâng cao độ tin cậy và khả năng truy xuất. Thông qua cơ chế hợp đồng thông minh, khi dữ liệu hoặc mô hình được gọi, sẽ tự động kích hoạt phân phối phần thưởng, biến hành vi AI thành giá trị có thể định lượng và giao dịch dưới dạng token. Người dùng trong cộng đồng cũng có thể tham gia quản lý thông qua việc bỏ phiếu bằng token, hoàn thiện cấu trúc quản trị phi tập trung.
Hai, Tổng quan dự án | Tầm nhìn AI Chain của OpenLedger
OpenLedger là một dự án blockchain AI tập trung vào cơ chế khuyến khích dữ liệu và mô hình. Nó đề xuất khái niệm "Payable AI", nhằm xây dựng một môi trường vận hành AI công bằng, minh bạch và có thể kết hợp, khuyến khích các bên tham gia hợp tác và nhận được lợi nhuận trên chuỗi.
OpenLedger cung cấp chuỗi khép kín từ "cung cấp dữ liệu" đến "triển khai mô hình" và "gọi phân chia lợi nhuận", các mô-đun cốt lõi bao gồm Model Factory, OpenLoRA, PoA, Datanets và nền tảng đề xuất mô hình. Thông qua những mô-đun này, OpenLedger đã xây dựng cơ sở hạ tầng "kinh tế tác nhân thông minh" dựa trên dữ liệu và có thể kết hợp mô hình.
Trên công nghệ blockchain, OpenLedger sử dụng OP Stack + EigenDA làm nền tảng, cung cấp môi trường chạy có hiệu suất cao, chi phí thấp và có thể xác minh cho các mô hình AI. Nó dựa trên công nghệ Optimism, hỗ trợ thông lượng cao và phí thấp; thanh toán trên mạng chính Ethereum; tương thích EVM; EigenDA cung cấp hỗ trợ khả năng sẵn có của dữ liệu.
So với NEAR tập trung vào tầng dưới, OpenLedger chú trọng vào việc xây dựng chuỗi chuyên dụng cho AI nhằm khuyến khích dữ liệu và mô hình, cam kết thực hiện phát triển và gọi mô hình trên chuỗi với khả năng theo dõi, kết hợp và giá trị bền vững.
Ba, các thành phần cốt lõi và kiến trúc công nghệ của OpenLedger
Nhà máy mô hình 3.1, nhà máy mô hình không cần mã
ModelFactory là nền tảng tinh chỉnh LLM dưới hệ sinh thái OpenLedger, cung cấp giao diện hoạt động hoàn toàn đồ họa. Quy trình cốt lõi của nó bao gồm kiểm soát truy cập dữ liệu, chọn và cấu hình mô hình, tinh chỉnh nhẹ, đánh giá và triển khai mô hình, giao diện xác thực tương tác và truy xuất nguồn gốc RAG.
ModelFactory hỗ trợ các mô hình ngôn ngữ lớn mã nguồn mở phổ biến như LLaMA, Mistral, Qwen, ChatGLM, Deepseek, Gemma, v.v. Mặc dù không bao gồm các mô hình MoE hoặc đa phương thức mới nhất, nhưng đã đưa ra cấu hình "ưu tiên thực dụng" dựa trên các ràng buộc thực tế của việc triển khai trên chuỗi.
Model Factory là một chuỗi công cụ không mã, tất cả các mô hình đều được tích hợp cơ chế chứng minh đóng góp, đảm bảo quyền lợi của người tham gia, có ưu điểm là ngưỡng thấp, có thể biến đổi và có thể kết hợp.
3.2 OpenLoRA, tài sản hóa chuỗi của mô hình tinh chỉnh
OpenLoRA là khuôn khổ suy luận nhẹ được xây dựng bởi OpenLedger, nhằm giải quyết các vấn đề như chi phí cao, khả năng tái sử dụng thấp, và lãng phí tài nguyên trong triển khai mô hình AI. Các thành phần cốt lõi của nó bao gồm mô-đun lưu trữ LoRA Adapter, lớp lưu trữ mô hình và hợp nhất động, động cơ suy luận, và mô-đun định tuyến yêu cầu và đầu ra theo dòng.
OpenLoRA thông qua một loạt tối ưu hóa cơ bản, đã nâng cao đáng kể hiệu quả triển khai và suy luận của nhiều mô hình. Các yếu tố cốt lõi bao gồm tải động bộ điều hợp LoRA, song song tensor, Attention phân trang, hợp nhất nhiều mô hình, Attention Flash, các lõi CUDA đã biên dịch trước và công nghệ lượng tử hóa.
OpenLoRA không chỉ là một khung suy diễn hiệu quả, mà còn kết hợp sâu sắc suy diễn mô hình với cơ chế khuyến khích Web3, mục tiêu là biến mô hình LoRA thành tài sản Web3 có thể gọi, có thể kết hợp và có thể chia sẻ lợi nhuận. Nó hỗ trợ mô hình như tài sản, hợp nhất động nhiều LoRA + phân bổ lợi nhuận, hỗ trợ suy diễn chia sẻ đa người thuê cho các mô hình đuôi dài, và nhiều đặc điểm khác.
3.3 Datanets (Mạng dữ liệu), từ chủ quyền dữ liệu đến trí tuệ dữ liệu
Datanets là cơ sở hạ tầng "dữ liệu là tài sản" của OpenLedger, được sử dụng để thu thập và quản lý các tập dữ liệu trong các lĩnh vực cụ thể. Mỗi Datanet giống như một kho dữ liệu có cấu trúc, đảm bảo dữ liệu có thể truy nguồn và đáng tin cậy thông qua cơ chế quyền sở hữu trên chuỗi.
So với các dự án tập trung vào chủ quyền dữ liệu, OpenLedger xây dựng một vòng khép kín hoàn chỉnh "từ dữ liệu đến trí thông minh" thông qua ba mô-đun Datanets, Model Factory, OpenLoRA, tập trung vào cách dữ liệu được huấn luyện, gọi và nhận thưởng.
3.4 Chứng minh đóng góp: Tái cấu trúc lớp khuyến khích phân phối lợi ích
PoA là cơ chế cốt lõi để OpenLedger thực hiện quyền sở hữu dữ liệu và phân phối động lực. Quy trình của nó bao gồm việc nộp dữ liệu, đánh giá tác động, xác minh đào tạo, phân phối động lực và quản lý chất lượng. PoA không chỉ là công cụ phân phối động lực mà còn là khuôn khổ hướng tới tính minh bạch, theo dõi nguồn gốc và quyền sở hữu đa giai đoạn.
RAG Attribution là cơ chế phân bổ dữ liệu và khuyến khích được OpenLedger thiết lập trong bối cảnh RAG, đảm bảo rằng nội dung đầu ra của mô hình có thể truy xuất, có thể xác minh, người đóng góp có thể được khuyến khích, cuối cùng đạt được sự tin cậy trong việc tạo ra và tính minh bạch của dữ liệu.
Bốn, Tiến độ dự án OpenLedger và hợp tác sinh thái
OpenLedger đã ra mắt mạng thử nghiệm, lớp dữ liệu thông minh là giai đoạn đầu tiên, nhằm xây dựng kho dữ liệu internet do cộng đồng điều hành. Mạng thử nghiệm cung cấp ba loại cơ chế lợi nhuận: phần thưởng vận hành nút, phần thưởng đóng góp dữ liệu và phần thưởng tham gia nhiệm vụ.
Epoch 2 mạng thử nghiệm đã tập trung giới thiệu cơ chế mạng dữ liệu Datanets, bao gồm các nhiệm vụ xác thực dữ liệu, phân loại, v.v. Lộ trình dài hạn của OpenLedger từ thu thập dữ liệu, xây dựng mô hình tiến tới hệ sinh thái Agent, từng bước hiện thực hóa vòng khép kín kinh tế AI phi tập trung hoàn chỉnh.
Các đối tác sinh thái của OpenLedger bao gồm sức mạnh tính toán, cơ sở hạ tầng, chuỗi công cụ và ứng dụng AI. Trong năm qua, OpenLedger đã liên tục tổ chức hội nghị DeAI Summit, củng cố nhận thức thương hiệu và uy tín chuyên môn của mình trong cộng đồng nhà phát triển và hệ sinh thái khởi nghiệp Web3 AI.
Năm, Tài trợ và nền tảng đội ngũ
OpenLedger đã hoàn thành vòng gọi vốn hạt giống 11,2 triệu USD vào tháng 7 năm 2024, với các nhà đầu tư bao gồm các tổ chức nổi tiếng như Polychain Capital, Borderless Capital và nhiều nhà đầu tư thiên thần khác. Vốn sẽ được sử dụng để thúc đẩy xây dựng mạng lưới AI Chain, cơ chế khuyến khích mô hình, nền tảng dữ liệu và hệ sinh thái ứng dụng Agent.
OpenLedger được thành lập bởi Ram Kumar, ông là một doanh nhân giàu kinh nghiệm trong lĩnh vực AI/ML và công nghệ blockchain, mang đến sự kết hợp hữu cơ của cái nhìn thị trường, chuyên môn kỹ thuật và khả năng lãnh đạo chiến lược cho dự án.
Sáu, Thiết kế mô hình kinh tế token và quản trị
OPEN là token chức năng cốt lõi của hệ sinh thái OpenLedger, cung cấp quyền lực cho quản trị mạng, vận hành giao dịch, phân phối phần thưởng và hoạt động của AI Agent. Chức năng của nó bao gồm quản trị và quyết định, nhiên liệu giao dịch và thanh toán phí, phần thưởng khuyến khích và sở hữu, khả năng cầu nối đa chuỗi và cơ chế staking AI Agent.
OpenLedger đã giới thiệu cơ chế quản trị dựa trên giá trị đóng góp, trọng số bỏ phiếu liên quan đến giá trị thực tế được tạo ra, chứ không chỉ dựa vào trọng số vốn. Thiết kế này giúp đạt được tính bền vững lâu dài trong quản trị, ngăn chặn hành vi đầu cơ chi phối quyết định.
Bảy, Dữ liệu, Mô hình và Cấu trúc Thị trường Khuyến khích cũng như So sánh Sản phẩm Cạnh tranh
OpenLedger đang chiếm vị trí lớp trung gian của "tài sản hóa và kích thích gọi mô hình trên chuỗi" trong hệ sinh thái Crypto AI hiện tại, là giao thức cầu nối quan trọng giữa việc cung cấp giá trị mô hình và việc thực hiện gọi. So với các dự án khác:
Tám, Kết luận | Từ dữ liệu đến mô hình, con đường hiện thực hóa AI Chain
OpenLedger cam kết xây dựng cơ sở hạ tầng "mô hình là tài sản" trong thế giới Web3, bằng cách tạo ra một vòng khép kín hoàn chỉnh, lần đầu tiên đưa mô hình AI vào hệ thống kinh tế thực sự có thể truy xuất, có thể hiện thực hóa và có thể hợp tác. Hệ thống công nghệ của nó cung cấp hỗ trợ toàn diện cho tất cả các bên tham gia, kích hoạt các nguồn lực "dữ liệu" và "mô hình" hai đầu vốn bị bỏ qua trong chuỗi giá trị AI.
OpenLedger giống như HuggingFace + Stripe + Infura trong