在上一輪去中心化 AI 熱潮中，Bittensor、io.net 和 Olas 等明星項目憑借其創(chuàng)新技術(shù)與前瞻性布局，迅速成為了行業(yè)領(lǐng)軍者。然而，隨著這些老牌項目估值的節(jié)節(jié)攀升，普通投資者的參與門檻也越來越高。那么，面對目前這一輪的板塊輪動，是否還存在新的參與機會？
Flock：去中心化 AI 訓(xùn)練和驗證網(wǎng)絡(luò)
Flock 是一個去中心化的 AI 模型訓(xùn)練和應(yīng)用平臺，將聯(lián)邦學(xué)習(xí)和區(qū)塊鏈技術(shù)結(jié)合，以為用戶提供安全的模型訓(xùn)練和管理環(huán)境，同時保護數(shù)據(jù)隱私和公平社區(qū)參與。Flock 這個詞最初于 2022 年進入公眾視野，其創(chuàng)始團隊聯(lián)合發(fā)布了一篇題為「FLock: Defending malicious behaviors in federated learning with blockchain」的學(xué)術(shù)論文，提出了將區(qū)塊鏈引入聯(lián)邦學(xué)習(xí)以防范惡意行為的理念。該論文闡述了如何通過去中心化機制加強模型訓(xùn)練過程中的數(shù)據(jù)安全和隱私保護，還揭示了這種新架構(gòu)在分布式計算中的應(yīng)用潛力。
經(jīng)過初期的概念驗證后，F(xiàn)lock 在 2023 年推出了去中心化的多 Agent AI 網(wǎng)絡(luò) Flock Research。在 Flock Reseach 中，每個 Agent 都是為特定領(lǐng)域調(diào)優(yōu)的大語言模型（LLM），能夠通過協(xié)作為用戶提供不同領(lǐng)域的見解。隨后在 2024 年 5 月中旬，F(xiàn)lock 正式開放了去中心化 AI 訓(xùn)練平臺的測試網(wǎng)，用戶可以通過使用測試代幣 FML 參與模型的訓(xùn)練和微調(diào)，并獲得獎勵。截至 2024 年 9 月 30 日，F(xiàn)lock 平臺的日活躍 AI 工程師數(shù)量已突破 300 人，累計提交模型數(shù)量達到 15,000 以上。
隨著項目的持續(xù)發(fā)展，F(xiàn)lock 也受到了資本市場的關(guān)注。今年 3 月，F(xiàn)lock 完成了由 Lightspeed Faction 和 Tagus Capital 領(lǐng)投的 600 萬美元融資，DCG、OKX Ventures、Inception Capital 和 Volt Capital 等參投。值得注意的是，F(xiàn)lock 還是 2024 年以太坊基金會學(xué)術(shù)資助輪中唯一獲得撥款的 AI 基礎(chǔ)設(shè)施項目。
重塑 AI 生產(chǎn)關(guān)系的基石：為聯(lián)邦學(xué)習(xí)引入智能合約
聯(lián)邦學(xué)習(xí)（Federated Learning）是一種機器學(xué)習(xí)方法，允許多個實體（通常稱為客戶端）在確保數(shù)據(jù)本地存儲的前提下，共同訓(xùn)練模型。與傳統(tǒng)的機器學(xué)習(xí)不同，聯(lián)邦學(xué)習(xí)避免了將所有數(shù)據(jù)上傳至中心服務(wù)器，而是通過本地計算的方式保護用戶隱私。目前，聯(lián)邦學(xué)習(xí)其實已經(jīng)在多個實際場景中得到了應(yīng)用，例如谷歌自 2017 年起將聯(lián)邦學(xué)習(xí)引入其 Gboard 輸入法中，用于優(yōu)化輸入建議和文字預(yù)測，同時確保用戶的輸入數(shù)據(jù)不被上傳。特斯拉在其自動駕駛系統(tǒng)中也應(yīng)用了類似技術(shù)，以本地方式提高車輛的環(huán)境感知能力，減少了對海量視頻數(shù)據(jù)傳輸?shù)男枨蟆?/p>
但這些應(yīng)用仍存在一些問題，尤其是在隱私和安全性方面。首先用戶需要信任中心化的第三方，其次在模型參數(shù)傳輸和聚合的過程中，還需要防止惡意節(jié)點上傳虛假數(shù)據(jù)或惡意參數(shù)，導(dǎo)致模型在整體性能上產(chǎn)生偏差甚至輸出錯誤的預(yù)測結(jié)果。根據(jù) FLock 團隊在IEEE期刊上發(fā)表的研究顯示，傳統(tǒng)聯(lián)邦學(xué)習(xí)模型在 10% 的惡意節(jié)點存在時，準確率會下降至 96.3%，而當惡意節(jié)點比例增至 30% 和 40% 時，準確率則分別降至 80.1% 和 70.9%。
為了解決這些問題，F(xiàn)lock 在其聯(lián)邦學(xué)習(xí)架構(gòu)中引入了區(qū)塊鏈上的智能合約作為「信任引擎」。智能合約作為信任引擎，能夠在去中心化環(huán)境下實現(xiàn)自動化的參數(shù)收集與驗證，并對模型結(jié)果進行無偏見的發(fā)布，從而有效防止惡意節(jié)點篡改數(shù)據(jù)。與傳統(tǒng)聯(lián)邦學(xué)習(xí)方案相比，即使在 40% 節(jié)點為惡意節(jié)點的情況下，F(xiàn)Lock 的模型準確率仍能保持在 95.5% 以上。
定位 AI 執(zhí)行層，解析 FLock 三層架構(gòu)
當前 AI 領(lǐng)域的一個主要痛點在于，AI 模型訓(xùn)練和數(shù)據(jù)使用的資源仍然高度集中在幾家大型公司手中，普通開發(fā)者和用戶很難有效使用這些資源。因此，用戶只能使用預(yù)先構(gòu)建的標準化模型，而無法根據(jù)自身需求進行定制化。這種供需錯配的現(xiàn)象也導(dǎo)致即使市場擁有豐富的計算能力和數(shù)據(jù)儲備，也無法轉(zhuǎn)化為實際可用的模型和應(yīng)用。
針對這一問題，F(xiàn)lock 希望能夠成為一個有效協(xié)調(diào)需求、資源、計算能力和數(shù)據(jù)的調(diào)度系統(tǒng)。Flock 借鑒 Web3 技術(shù)棧將自己定位為「執(zhí)行層」，因為作為核心功能，其主要負責(zé)將用戶的定制化 AI 需求分配至各個去中心化節(jié)點進行訓(xùn)練，并通過智能合約來調(diào)度這些任務(wù)在全球各節(jié)點上運行。
同時，為了確保整個生態(tài)系統(tǒng)的公平和高效，F(xiàn)Lock 系統(tǒng)還負責(zé)「結(jié)算」和「共識」。結(jié)算指的是激勵和管理參與者的貢獻，根據(jù)任務(wù)完成情況進行獎勵和懲罰。而共識則負責(zé)對訓(xùn)練結(jié)果的質(zhì)量進行評估和優(yōu)化，確保最終生成的模型能夠代表全局最優(yōu)解。
FLock 整體產(chǎn)品架構(gòu)由三大模塊構(gòu)成：AI Arena、FL Alliance 和 AI Marketplace。其中，AI Arena 負責(zé)去中心化的模型基礎(chǔ)訓(xùn)練，F(xiàn)L Alliance 負責(zé)在智能合約機制下進行模型微調(diào)，而 AI Marketplace 則是最終的模型應(yīng)用市場。
AI Arena：本地化模型訓(xùn)練與驗證激勵
AI Arena 是 Flock 的去中心化 AI 訓(xùn)練平臺，用戶可以通過質(zhì)押 Flock 測試網(wǎng)代幣 FML 參與，并獲得相應(yīng)的質(zhì)押獎勵。在用戶定義好需要的模型并提交任務(wù)后，AI Arena 中的訓(xùn)練節(jié)點會在本地使用給定的初始模型架構(gòu)進行模型訓(xùn)練，無需將數(shù)據(jù)直接上傳至中心化服務(wù)器。在每個節(jié)點完成訓(xùn)練后，會有驗證者負責(zé)評估訓(xùn)練節(jié)點的工作，檢查模型的質(zhì)量并進行評分。如果不想?yún)⑴c驗證過程，也可以選擇將代幣委托給驗證者以獲得獎勵。
在 AI Arena 中，所有角色的獎勵機制都取決于質(zhì)押數(shù)量和任務(wù)質(zhì)量兩個核心因素。質(zhì)押數(shù)量代表了參與者的「承諾」，而任務(wù)質(zhì)量則衡量了其貢獻值。例如，訓(xùn)練節(jié)點的獎勵取決于質(zhì)押數(shù)量及提交模型的質(zhì)量排名，而驗證者的獎勵則取決于投票結(jié)果與共識的一致性、質(zhì)押代幣數(shù)量及參與驗證的次數(shù)和成功數(shù)。委托者的收益則取決于其選擇的驗證者及質(zhì)押數(shù)量。
AI Arena 支持傳統(tǒng)的機器學(xué)習(xí)模型訓(xùn)練模式，而且用戶可以選擇在自己的設(shè)備上使用本地數(shù)據(jù)或公開數(shù)據(jù)進行訓(xùn)練，以最大限度提升最終模型的性能。目前，AI Arena 公開測試網(wǎng)上共有 496 個活躍訓(xùn)練節(jié)點，871 個驗證節(jié)點及 72 個委托用戶。當前平臺質(zhì)押比例為 97.74%，訓(xùn)練節(jié)點的平均月收益為 40.57%，驗證節(jié)點的平均月收益為 24.70%。
FL Alliance：智能合約自動管理的微調(diào)平臺
在 AI Arena 上評分最高的模型會被選定為「共識模型」，并會被分配至 FL Alliance 中進一步微調(diào)。微調(diào)會經(jīng)過多輪操作。每輪開始時，系統(tǒng)都會自動創(chuàng)建一個與該任務(wù)相關(guān)的 FL 智能合約，這個合約會自動管理任務(wù)執(zhí)行及獎勵。同樣地，每個參與者都需要質(zhì)押一定數(shù)量的 FML 代幣。參與者會被隨機分配為提議者或投票者，其中提議者使用自己的本地數(shù)據(jù)集進行模型訓(xùn)練，并將訓(xùn)練后的模型參數(shù)或權(quán)重上傳給其他參與者。而投票者則會對提議者的模型更新結(jié)果進行匯總并投票評估。隨后所有結(jié)果會被提交給智能合約，智能合約會將每一輪分數(shù)與上一輪分數(shù)進行比較，以評估模型性能的進步或下降。如果性能分數(shù)有所提高，系統(tǒng)將進入下一階段的訓(xùn)練；如果性能分數(shù)有所下降，則將使用上一輪驗證過的模型開始另一輪訓(xùn)練、匯總和評估。
FL Ailliance 通過結(jié)合聯(lián)邦學(xué)習(xí)和智能合約機制，實現(xiàn)了多參與者在保證數(shù)據(jù)主權(quán)的前提下共同訓(xùn)練一個全局模型的目標。而且通過整合不同的數(shù)據(jù)并聚合權(quán)重，能構(gòu)建一個性能更好及能力更強的全局模型。此外，參與者通過質(zhì)押代幣表明參與承諾，并根據(jù)模型質(zhì)量和共識結(jié)果獲得獎勵，形成了一個公平透明的生態(tài)機制。
AI Marketplace：如何提供個性化 AI 服務(wù)？
而在經(jīng)過 AI Arena 訓(xùn)練和 FL Alliance 微調(diào)后的模型，將被最終部署至 AI Marketplace 中，供其他應(yīng)用程序調(diào)用使用。和傳統(tǒng)的「模型市場」不同，AI Marketplace 不僅提供現(xiàn)成的模型，還允許用戶進一步對模型進行修改，并集成新的數(shù)據(jù)源以應(yīng)對不同的應(yīng)用場景。此外，AI Marketplace 還集成了RAG（Retrieval-Augmented Generation「檢索增強生成」）技術(shù)，以提升特定領(lǐng)域的模型準確性。RAG 是一種增強大語言模型的方法，通過在生成回答時從外部知識庫中檢索相關(guān)信息，確保模型的相應(yīng)更加準確和個性化。
目前 AI Marketplace 上已經(jīng)推出了很多基于不同應(yīng)用場景的定制化 GPT 模型，包括 BTC GPT、Farcaster GPT、Scroll GPT、Ethereum GPT 等。我們可以通過 BTC GPT 舉個例子來理解定制化模型和通用模型的區(qū)別。
2023 年 12 月，當同時向 BTC GPT 和 ChatGPT 提問「什么是 ARC20？」時：
- BTC GPT 的回答：「ARC20 協(xié)議是基于比特幣網(wǎng)絡(luò)構(gòu)建的協(xié)議，允許用戶創(chuàng)建、轉(zhuǎn)移和升級數(shù)字物品，例如 NFT 和可互換的代幣。通過 ARC20 協(xié)議，可以在比特幣網(wǎng)絡(luò)上生成非互換的 NFT 和可互換的代幣。ARC20 協(xié)議的主要代幣是 ATOM，并用于協(xié)議內(nèi)的各種用途。」
- ChatGPT 的回答：「截至我在 2022 年 1 月的最后一次知識更新時，技術(shù)、金融或其他常見領(lǐng)域中沒有被廣泛認可的名為 ARC20 的標準或技術(shù)。可能在那之后出現(xiàn)了名為 ARC20 的新技術(shù)或標準，但我沒有相關(guān)信息。」
從二者的回答中我們可以看出定制 GPT 模型的重要性和優(yōu)勢。 不同于通用型語言模型，定制化 GPT 模型可以通過針對特定領(lǐng)域的數(shù)據(jù)進行訓(xùn)練，從而提供更精準的回答。
同為 DCG 支持，F(xiàn)lock 和 Bittensor 有何異同？
隨著 AI 板塊的回暖，去中心化 AI 項目的代表之一 Bittensor 的代幣在過去 30 天內(nèi)漲幅超過 93.7%，價格一度接近歷史最高點，總市值再度突破 40 億美元。值得注意的是，F(xiàn)lock 的投資機構(gòu) DCG 也是 Bittensor 生態(tài)中最大的驗證者和礦工之一。此前據(jù)知情人士透露，DCG 持有約 1 億美元的 TAO，并且在 2021 年「商業(yè)內(nèi)幕」的一篇文章中，DCG 投資者 Matthew Beck 推薦 Bittensor 為 53 家最有前途的加密初創(chuàng)公司之一。
盡管同為 DCG 支持的項目，F(xiàn)Lock 和 Bittensor 的側(cè)重點卻有所不同。在具體定位上，Bittensor 的目標是構(gòu)建一個去中心化的 AI 互聯(lián)網(wǎng)，使用了「子網(wǎng)（Subnet）」作為基本單位，每個子網(wǎng)都相當于一個去中心化的市場，參與者可以以「礦工」或「驗證者」等角色加入。目前，Bittensor 生態(tài)系統(tǒng)中有 49 個子網(wǎng)，覆蓋文本轉(zhuǎn)語音、內(nèi)容生成及大語言模型微調(diào)等多個領(lǐng)域。
自去年以來，Bittensor 一直是市場關(guān)注的焦點。一方面是由于其代幣價格的迅速上漲，從 2023 年 10 月的 80 美金一路狂飆至今年的最高點 730 美金。另一方面則是各種各樣的質(zhì)疑聲，包括對其依賴代幣激勵吸引開發(fā)者的模式是否能夠可持續(xù)發(fā)展。此外，Bittensor 生態(tài)中，前三大驗證者（Opentensor Foundation、Taostats & Corcel、Foundry）質(zhì)押的 TAO 份額合計接近 40%，這也引發(fā)了用戶對其去中心化程度的擔憂。
與 Bittensor 不同， FLock 則通過將區(qū)塊鏈引入聯(lián)邦學(xué)習(xí)，致力于為用戶提供個性化 AI 服務(wù)。Flock 將自己定位為「AI 領(lǐng)域的 Uber」，在這一模式中，F(xiàn)lock 充當了匹配 AI 需求與開發(fā)者的「去中心化調(diào)度系統(tǒng)」，通過鏈上智能合約自動管理任務(wù)分配、結(jié)果驗證和獎勵結(jié)算，確保每個參與者都能夠根據(jù)其貢獻公平地參與分配。但和 Bittensor 類似的是，除了成為訓(xùn)練節(jié)點和驗證者，F(xiàn)lock 也為用戶提供了委托參與的選項。
具體而言：
- 訓(xùn)練節(jié)點：通過質(zhì)押代幣參與 AI 任務(wù)的訓(xùn)練競爭，適合擁有計算能力和 AI 開發(fā)經(jīng)驗的用戶。
- 驗證者：同樣需要質(zhì)押代幣參與網(wǎng)絡(luò)，負責(zé)驗證礦工的模型質(zhì)量，并通過提交驗證評分影響?yīng)剟罘峙洹?/li>
- 委托人：將代幣委托給礦工和驗證者節(jié)點，以提升節(jié)點在任務(wù)分配中的權(quán)重，同時分享被委托節(jié)點的獎勵收益。通過這種方式，即使沒有技術(shù)能力去訓(xùn)練或驗證任務(wù)的用戶，也可以參與網(wǎng)絡(luò)并賺取收益。
FLock.io 現(xiàn)正式開放委托人參與功能，任何用戶均可通過質(zhì)押 FML 代幣來獲取收益，并且可以根據(jù)預(yù)期年化收益率選擇最優(yōu)節(jié)點從而最大化自己的質(zhì)押收益。Flock 還表示，測試網(wǎng)階段的質(zhì)押和相關(guān)操作將影響未來主網(wǎng)上線后的潛在空投獎勵。
未來，F(xiàn)Lock 還計劃推出更加友好的任務(wù)發(fā)起機制，讓沒有 AI 專業(yè)知識的個人用戶也能夠輕松參與到 AI 模型的創(chuàng)建和訓(xùn)練中，實現(xiàn)「人人皆可參與 AI」的愿景。同時，F(xiàn)lock 還在積極展開多方面合作，例如與 Request Finance 合作開發(fā)鏈上信用評分模型，與 Morpheus 及 Ritual 合作構(gòu)建交易機器人模型 提供一鍵部署的訓(xùn)練節(jié)點模板使得開發(fā)者能夠輕松在 Akash 上啟動和運行模型訓(xùn)練。此外，F(xiàn)lock 還為 Aptos 訓(xùn)練了服務(wù)開發(fā)者的 Move 語言編程助手。
總體來看，盡管 Bittensor 和 Flock 在市場定位上存在差異，但二者都在嘗試通過不同的去中心化技術(shù)架構(gòu)來重新定義 AI 生態(tài)中的生產(chǎn)關(guān)系，它們的共同目標都是打破中心化巨頭對 AI 資源的壟斷，構(gòu)建一個更加開放和公平的 AI 生態(tài)體系，而這也正是目前市場所迫切需要的。
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。
