Мы часто говорим о более крупных моделях, больших окнах контекста и большем количестве параметров. Но настоящий прорыв может быть вовсе не в размере. Протокол Контекста Модели (MCP) представляет собой сдвиг парадигмы в том, как ИИ ассистенты взаимодействуют с окружающим миром, и это происходит прямо сейчас.

Реальная проблема с ИИ ассистентами​

Вот сценарий, знакомый каждому разработчику: вы используете ИИ ассистента для отладки кода, но он не может видеть ваш репозиторий. Или вы спрашиваете его о рыночных данных, но его знания устарели на несколько месяцев. Основное ограничение — это не интеллект ИИ, а его неспособность получить доступ к реальному миру.

Большие языковые модели (LLM) были как блестящие ученые, запертые в комнате только с их обучающими данными. Независимо от того, насколько они умны, они не могут проверить текущие цены на акции, посмотреть ваш код или взаимодействовать с вашими инструментами. До сих пор.

Встречайте Протокол Контекста Модели (MCP)​

MCP фундаментально переосмысливает, как ИИ ассистенты взаимодействуют с внешними системами. Вместо того чтобы пытаться втиснуть больше контекста в все более крупные модели параметров, MCP создает стандартизированный способ для ИИ динамически получать доступ к информации и системам по мере необходимости.

Архитектура элегантно проста, но мощна:

• Хосты MCP: Программы или инструменты, такие как Claude Desktop, где ИИ модели работают и взаимодействуют с различными сервисами. Хост предоставляет среду выполнения и границы безопасности для ИИ ассистента.

• Клиенты MCP: Компоненты в ИИ ассистенте, которые инициируют запросы и обрабатывают коммуникацию с серверами MCP. Каждый клиент поддерживает выделенное соединение для выполнения конкретных задач или доступа к определенным ресурсам, управляя циклом запрос-ответ.

• Серверы MCP: Легковесные специализированные программы, которые раскрывают возможности конкретных сервисов. Каждый сервер специально разработан для обработки одного типа интеграции, будь то поиск в интернете через Brave, доступ к репозиториям GitHub или запросы к локальным базам данных. Существуют серверы с открытым исходным кодом.

• Локальные и удаленные ресурсы: Основные источники данных и сервисы, к которым серверы MCP могут получить доступ. Локальные ресурсы включают файлы, базы данных и сервисы на вашем компьютере, в то время как удаленные ресурсы охватывают внешние API и облачные сервисы, к которым серверы могут безопасно подключаться.

Представьте, что это как дать ИИ ассистентам сенсорную систему, управляемую API. Вместо того чтобы пытаться запомнить все во время обучения, они теперь могут обращаться и запрашивать то, что им нужно знать.

Почему это важно: Три прорыва​

1. Интеллект в реальном времени: Вместо того чтобы полагаться на устаревшие обучающие данные, ИИ ассистенты теперь могут получать актуальную информацию из авторитетных источников. Когда вы спрашиваете о цене биткойна, вы получаете сегодняшнее число, а не прошлогоднее.
2. Интеграция систем: MCP позволяет прямое взаимодействие с средами разработки, бизнес-инструментами и API. Ваш ИИ ассистент не просто обсуждает код — он может видеть и взаимодействовать с вашим репозиторием.
3. Безопасность по замыслу: Модель клиент-хост-сервер создает четкие границы безопасности. Организации могут внедрять детализированные средства контроля доступа, сохраняя при этом преимущества ИИ помощи. Больше не нужно выбирать между безопасностью и возможностями.

Видеть — значит верить: MCP в действии​

Давайте настроим практический пример с использованием приложения Claude Desktop и инструмента Brave Search MCP. Это позволит Claude искать в интернете в реальном времени:

1. Установите Claude Desktop​

2. Получите ключ API Brave​

3. Создайте файл конфигурации​

open ~/Library/Application\ Support/Claude
touch ~/Library/Application\ Support/Claude/claude_desktop_config.json

а затем измените файл так, чтобы он выглядел следующим образом:

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-brave-search"
      ],
      "env": {
        "BRAVE_API_KEY": "YOUR_API_KEY_HERE"
      }
    }
  }
}

4. Перезапустите приложение Claude Desktop​

На правой стороне приложения вы заметите два новых инструмента (выделены красным кругом на изображении ниже) для поиска в интернете с использованием инструмента Brave Search MCP.

После настройки трансформация становится бесшовной. Спросите Claude о последней игре Манчестер Юнайтед, и вместо того чтобы полагаться на устаревшие обучающие данные, он выполняет поиск в интернете в реальном времени, чтобы предоставить точную и актуальную информацию.

Большая картина: Почему MCP меняет все​

Последствия здесь выходят далеко за рамки простого поиска в интернете. MCP создает новую парадигму для помощи ИИ:

1. Интеграция инструментов: ИИ ассистенты теперь могут использовать любой инструмент с API. Подумайте об операциях с Git, запросах к базе данных или сообщениях в Slack.
2. Привязка к реальному миру: Получая доступ к актуальным данным, ответы ИИ становятся привязанными к реальности, а не к обучающим данным.
3. Расширяемость: Протокол разработан для расширения. По мере появления новых инструментов и API они могут быть быстро интегрированы в экосистему MCP.

Что дальше для MCP​

Мы только начинаем видеть, что возможно с MCP. Представьте себе ИИ ассистентов, которые могут:

• Получать и анализировать рыночные данные в реальном времени
• Непосредственно взаимодействовать с вашей средой разработки
• Получать доступ и суммировать внутреннюю документацию вашей компании
• Координировать работу между несколькими бизнес-инструментами для автоматизации рабочих процессов

Путь вперед​

MCP представляет собой фундаментальный сдвиг в том, как мы думаем о возможностях ИИ. Вместо того чтобы строить более крупные модели с большими окнами контекста, мы создаем более умные способы для ИИ взаимодействовать с существующими системами и данными.

Для разработчиков, аналитиков и технологических лидеров MCP открывает новые возможности для интеграции ИИ. Дело не только в том, что знает ИИ — дело в том, что он может сделать.

Настоящая революция в ИИ может заключаться не в увеличении моделей. Она может заключаться в том, чтобы сделать их более связанными. И с MCP эта революция уже здесь.

Революция с открытым исходным кодом от DeepSeek: Взгляд из закрытого саммита по ИИ​

DeepSeek захватывает мир ИИ. Только обсуждения вокруг DeepSeek-R1 не успели остыть, как команда сделала еще один громкий анонс: открытая мультимодальная модель Janus-Pro. Темп головокружительный, амбиции ясны.

Два дня назад группа ведущих исследователей ИИ, разработчиков и инвесторов собралась для закрытого обсуждения, организованного Шисяном, сосредоточенного исключительно на DeepSeek. В течение трех часов они анализировали технические инновации DeepSeek, организационную структуру и более широкие последствия его роста — на бизнес-модели ИИ, вторичные рынки и долгосрочную траекторию исследований ИИ.

Следуя принципу прозрачности с открытым исходным кодом DeepSeek, мы открываем наши коллективные мысли для общественности. Вот основные выводы из обсуждения, охватывающие стратегию DeepSeek, его технические прорывы и влияние, которое он может оказать на индустрию ИИ.

DeepSeek: Тайна и миссия​

• Основная миссия DeepSeek: Генеральный директор Лян Вэньфэн не просто еще один предприниматель в области ИИ — он инженер в душе. В отличие от Сэма Альтмана, он сосредоточен на техническом исполнении, а не только на видении.
• Почему DeepSeek заслужил уважение: Его архитектура MoE (смесь экспертов) является ключевым отличием. Ранняя репликация модели o1 от OpenAI была лишь началом — настоящая задача заключается в масштабировании с ограниченными ресурсами.
• Масштабирование без благословения NVIDIA: Несмотря на утверждения о наличии 50 000 графических процессоров, DeepSeek, вероятно, работает с примерно 10 000 устаревших A100 и 3 000 предзапретных H800. В отличие от американских лабораторий, которые бросают вычислительные мощности на каждую проблему, DeepSeek вынужден стремиться к эффективности.
• Истинный фокус DeepSeek: В отличие от OpenAI или Anthropic, DeepSeek не зациклен на «ИИ, служащем людям». Вместо этого он стремится к самому интеллекту. Это может быть его секретным оружием.

Исследователи против последователей: законы силы в ИИ​

• Разработка ИИ — это ступенчатая функция: Стоимость догоняющих в 10 раз ниже, чем у лидеров. «Последователи» используют прошлые прорывы за небольшую часть стоимости вычислений, в то время как «исследователи» должны двигаться вперед вслепую, неся огромные расходы на НИОКР.
• Сможет ли DeepSeek превзойти OpenAI? Это возможно, но только если OpenAI оступится. ИИ все еще является открытой проблемой, и подход DeepSeek к моделям рассуждений — это сильная ставка.

Технические инновации DeepSeek​

1. Конец контролируемой тонкой настройки (SFT)?​

• Самое разрушительное утверждение DeepSeek: SFT может больше не быть необходимым для задач рассуждения. Если это правда, это знаменует собой смену парадигмы.
• Но не так быстро… DeepSeek-R1 все еще полагается на SFT, особенно для выравнивания. Настоящий сдвиг заключается в том, как используется SFT — более эффективное дистиллирование задач рассуждения.

2. Эффективность данных: настоящая защита​

• Почему DeepSeek уделяет приоритетное внимание маркировке данных: Сообщается, что Лян Вэньфэн сам маркирует данные, подчеркивая их важность. Успех Tesla в автономном вождении был достигнут благодаря тщательной человеческой аннотации — DeepSeek применяет ту же строгость.
• Мультимодальные данные: еще не готовы — несмотря на выпуск Janus-Pro, мультимодальное обучение остается чрезмерно дорогим. Ни одна лаборатория еще не продемонстрировала убедительных достижений.

3. Дистилляция моделей: палка о двух концах​

• Дистилляция повышает эффективность, но снижает разнообразие: это может ограничить возможности моделей в долгосрочной перспективе.
• «Скрытый долг» дистилляции: без понимания фундаментальных проблем обучения ИИ, полагаясь на дистилляцию, можно столкнуться с непредвиденными трудностями, когда появятся архитектуры следующего поколения.

4. Награда за процесс: новый рубеж в выравнивании ИИ​

• Контроль результатов определяет потолок: обучение с подкреплением на основе процессов может предотвратить взлом, но верхняя граница интеллекта все еще зависит от обратной связи, основанной на результатах.
• Парадокс RL: у больших языковых моделей (LLM) нет определенного условия победы, как в шахматах. AlphaZero работал, потому что победа была бинарной. Рассуждения ИИ лишены этой ясности.

Почему OpenAI не использует методы DeepSeek?​

• Вопрос фокуса: OpenAI уделяет приоритетное внимание масштабу, а не эффективности.
• «Скрытая война ИИ» в США: OpenAI и Anthropic могли игнорировать подход DeepSeek, но это будет недолго. Если DeepSeek окажется жизнеспособным, ожидайте изменения направления исследований.

Будущее ИИ в 2025 году​

• За пределами трансформеров? ИИ, вероятно, разделится на разные архитектуры. Область все еще зациклена на трансформерах, но могут появиться альтернативные модели.
• Нереализованный потенциал RL: обучение с подкреплением остается недооцененным за пределами узких областей, таких как математика и программирование.
• Год ИИ-агентов? Несмотря на ажиотаж, ни одна лаборатория еще не представила прорывного ИИ-агента.

Перейдут ли разработчики на DeepSeek?​

• Пока нет. Превосходные возможности OpenAI в кодировании и следовании инструкциям все еще дают ему преимущество.
• Но разрыв сокращается. Если DeepSeek сохранит импульс, разработчики могут перейти в 2025 году.

Ставка OpenAI Stargate в $500 млрд: имеет ли она смысл?​

• Рост DeepSeek ставит под сомнение доминирование NVIDIA. Если эффективность превзойдет масштабирование грубой силы, суперкомпьютер OpenAI за $500 млрд может показаться чрезмерным.
• Потратит ли OpenAI действительно $500 млрд? SoftBank является финансовым спонсором, но у него нет ликвидности. Исполнение остается неопределенным.
• Meta реверсирует DeepSeek. Это подтверждает его значимость, но остается неясным, сможет ли Meta адаптировать свою дорожную карту.

Влияние на рынок: победители и проигравшие​

• Краткосрочная перспектива: акции производителей чипов для ИИ, включая NVIDIA, могут столкнуться с волатильностью.
• Долгосрочная перспектива: история роста ИИ остается неизменной — DeepSeek просто доказывает, что эффективность важна не меньше, чем сырая мощность.

Открытый исходный код против закрытого: новый фронт борьбы​

• Если модели с открытым исходным кодом достигнут 95% производительности закрытых моделей, вся бизнес-модель ИИ изменится.
• DeepSeek вынуждает OpenAI действовать. Если открытые модели продолжат улучшаться, проприетарный ИИ может стать нежизнеспособным.

Влияние DeepSeek на глобальную стратегию ИИ​

• Китай догоняет быстрее, чем ожидалось. Разрыв в ИИ между Китаем и США может составлять всего 3-9 месяцев, а не два года, как считалось ранее.
• DeepSeek — это доказательство концепции для стратегии ИИ Китая. Несмотря на ограничения вычислительных мощностей, инновации, основанные на эффективности, работают.

Заключительное слово: видение важнее технологий​

• Настоящее отличие DeepSeek — его амбиции. Прорывы в ИИ происходят от расширения границ интеллекта, а не просто от совершенствования существующих моделей.
• Следующая битва — это рассуждения. Тот, кто станет пионером следующего поколения моделей рассуждений ИИ, определит траекторию индустрии.

Мыслительный эксперимент: Если бы у вас была одна возможность задать вопрос генеральному директору DeepSeek Ляну Вэньфэну, что бы это было? Какой ваш лучший совет для компании в процессе масштабирования? Оставьте свои мысли — выдающиеся ответы могут получить приглашение на следующий закрытый саммит по ИИ.

DeepSeek открыл новую главу в ИИ. Останется ли он в истории, еще предстоит выяснить.

Введение​

Ландшафт ИИ претерпевает сейсмические изменения. За последние две недели мы провели закрытое обсуждение с ведущими исследователями и разработчиками ИИ, раскрывая захватывающие инсайты о траектории индустрии в 2025 году. То, что возникло, — это сложная перестройка власти, неожиданные вызовы для устоявшихся игроков и критические точки перегиба, которые будут формировать будущее технологий.

Это не просто отчет — это карта будущего индустрии. Давайте погрузимся в победителей, проигравших и критические ставки, определяющие 2025 год.

Победители: новая структура власти​

Anthropic: прагматичный пионер​

Anthropic выделяется как лидер в 2025 году, движимый ясной и прагматичной стратегией:

• Протокол управления моделями (MCP): MCP — это не просто техническая спецификация, а фундаментальный протокол, направленный на создание отраслевых стандартов для кодирования и агентских рабочих процессов. Подумайте о нем как о TCP/IP для эры агентов — амбициозный шаг, чтобы позиционировать Anthropic в центре интероперабельности ИИ.
• Мастерство в инфраструктуре: Фокус Anthropic на эффективности вычислений и дизайне пользовательских чипов демонстрирует дальновидность в решении проблем масштабируемости развертывания ИИ.
• Стратегические партнерства: Сосредоточившись исключительно на создании мощных моделей и передаче дополнительных возможностей партнерам, Anthropic способствует созданию совместной экосистемы. Их модель Claude 3.5 Sonnet остается выдающейся, удерживая первое место в приложениях для кодирования в течение шести месяцев — вечность в терминах ИИ.

Google: чемпион вертикальной интеграции​

Доминирование Google обусловлено его непревзойденным контролем над всей цепочкой создания стоимости ИИ:

• Инфраструктура от начала до конца: Пользовательские TPU Google, обширные центры обработки данных и тесная интеграция между кремнием, программным обеспечением и приложениями создают непреодолимый конкурентный ров.
• Производительность Gemini Exp-1206: Ранние испытания Gemini Exp-1206 установили новые стандарты, подтверждая способность Google оптимизировать всю стеку.
• Решения для предприятий: Богатая внутренняя экосистема Google служит испытательным полигоном для решений по автоматизации рабочих процессов. Их вертикальная интеграция позволяет им доминировать в корпоративном ИИ так, как ни чисто ИИ-компании, ни традиционные облачные провайдеры не могут соперничать.

Проигравшие: сложные времена впереди​

OpenAI: на перепутье​

Несмотря на ранний успех, OpenAI сталкивается с нарастающими вызовами:

• Организационные проблемы: Уходы высокопрофильных сотрудников, таких как Алек Радфорд, сигнализируют о возможном внутреннем несоответствии. Подрывает ли поворот OpenAI к потребительским приложениям его фокус на AGI?
• Стратегические ограничения: Успех ChatGPT, хотя и коммерчески ценный, может ограничивать инновации. Пока конкуренты исследуют агентские рабочие процессы и приложения корпоративного уровня, OpenAI рискует быть зажатым в пространстве чат-ботов.

Apple: упущенная волна ИИ​

Ограниченные достижения Apple в области ИИ угрожают ее давнему доминированию в мобильных инновациях:

• Стратегические слепые зоны: Поскольку ИИ становится центральным элементом мобильных экосистем, отсутствие значительных вкладов Apple в решения с ИИ от начала до конца может подорвать ее основной бизнес.
• Конкурентная уязвимость: Без значительного прогресса в интеграции ИИ в свою экосистему Apple рискует отстать от конкурентов, которые быстро внедряют инновации.

Критические ставки на 2025 год​

Возможности моделей: великое расслоение​

Индустрия ИИ стоит на перепутье с двумя возможными будущими:

1. Прыжок к AGI: Прорыв в AGI может сделать текущие приложения устаревшими, мгновенно изменив индустрию.
2. Постепенная эволюция: Более вероятно, что постепенные улучшения будут двигать практическими приложениями и автоматизацией от начала до конца, отдавая предпочтение компаниям, сосредоточенным на удобстве использования, а не на фундаментальных прорывах.

Компаниям необходимо найти баланс между поддержанием фундаментальных исследований и предоставлением немедленной ценности.

Эволюция агентов: следующий рубеж​

Агенты представляют собой трансформационный сдвиг во взаимодействии человека и ИИ.

• Управление контекстом: Предприятия выходят за рамки простых моделей запроса-ответа, чтобы включить контекстное понимание в рабочие процессы. Это упрощает архитектуры, позволяя приложениям эволюционировать с возможностями моделей.
• Сотрудничество человека и ИИ: Баланс между автономией и контролем является ключевым. Инновации, такие как MCP от Anthropic, могут заложить основу для магазина приложений агентов, обеспечивая бесшовное взаимодействие между агентами и корпоративными системами.

Взгляд в будущее: следующие мега-платформы​

Эра операционных систем ИИ​

ИИ готов переопределить парадигмы платформ, создавая новые "операционные системы" для цифровой эпохи:

• Модели-основы как инфраструктура: Модели становятся платформами сами по себе, с разработкой API-first и стандартизированными протоколами агентов, стимулирующими инновации.
• Новые парадигмы взаимодействия: ИИ выйдет за рамки традиционных интерфейсов, интегрируясь бесшовно в устройства и окружающие среды. Приближается эра робототехники и носимых агентов ИИ.
• Эволюция оборудования: Специализированные чипы, вычисления на краю и оптимизированные форм-факторы оборудования ускорят внедрение ИИ в различных отраслях.

Заключение​

Индустрия ИИ вступает в решающую фазу, где на передний план выходят практическое применение, инфраструктура и взаимодействие человека и ИИ. Победители будут превосходить в:

• Предоставлении решений от начала до конца, которые решают реальные проблемы.
• Специализации в вертикальных приложениях, чтобы обогнать конкурентов.
• Построении сильной, масштабируемой инфраструктуры для эффективного развертывания.
• Определении парадигм взаимодействия человека и ИИ, которые балансируют автономию и контроль.

Это критический момент. Компании, которые добьются успеха, будут теми, кто превратит потенциал ИИ в ощутимую, трансформационную ценность. По мере того как 2025 год разворачивается, гонка за определение следующих мега-платформ и экосистем уже началась.

Что вы думаете? Мы на пороге прорыва в AGI, или доминирует постепенный прогресс? Поделитесь своими мыслями и присоединяйтесь к обсуждению.

Cuckoo Network с радостью объявляет о своем расширении на IoTeX как решение Layer 2, привнося свою децентрализованную AI инфраструктуру в процветающую экосистему IoTeX. Это стратегическое партнерство объединяет опыт Cuckoo в обслуживании AI моделей с надежной инфраструктурой MachineFi IoTeX, создавая новые возможности для обеих сообществ.

Необходимость​

Пользователям и разработчикам IoTeX необходим доступ к эффективным, децентрализованным AI вычислительным ресурсам, в то время как создатели AI приложений требуют масштабируемой блокчейн инфраструктуры. Создавая на базе IoTeX, Cuckoo Chain удовлетворяет эти потребности, расширяя свой децентрализованный AI рынок на новую экосистему.

Решение​

Cuckoo Chain на IoTeX предлагает:

• Бесшовную интеграцию с инфраструктурой MachineFi IoTeX
• Снижение транзакционных издержек для обслуживания AI моделей
• Повышенную масштабируемость для децентрализованных AI приложений
• Кросс-чейн совместимость между IoTeX и Cuckoo Chain

Детали Эйрдропа​

В честь этого расширения Cuckoo Network запускает кампанию эйрдропа для участников сообществ IoTeX и Cuckoo. Участники могут заработать токены $CAI через различные активности:

1. Ранние пользователи из экосистемы IoTeX
2. GPU майнеры, вносящие вклад в сеть
3. Активное участие в кросс-чейн активностях
4. Вовлеченность в сообщество и вклад в развитие

Цитата от Руководства​

"Создание Cuckoo Chain как Layer 2 на IoTeX является значительным этапом в нашей миссии по децентрализации AI инфраструктуры," говорит Дора Нода, CPO Cuckoo Network. "Это сотрудничество позволяет нам предоставить эффективные, доступные AI вычисления в инновационную экосистему MachineFi IoTeX, расширяя наш децентрализованный AI рынок."

Часто задаваемые вопросы

В: Что делает L2 на IoTeX уникальным для Cuckoo Chain?

О: L2 на IoTeX для Cuckoo Chain уникально сочетает децентрализованное обслуживание AI моделей с инфраструктурой MachineFi IoTeX, обеспечивая эффективные, экономически выгодные AI вычисления для IoT устройств и приложений.

В: Как я могу участвовать в эйрдропе?

О: Посетите https://cuckoo.network/portal/airdrop?referer=CuckooNetworkHQ, чтобы выполнить квалификационные действия и получить награды.

В: Как я могу получить больше $CAI?

• Стейкинг токенов $CAI
• Запуск узла GPU майнера
• Участие в кросс-чейн транзакциях
• Вклад в развитие сообщества

В: Каковы технические требования для GPU майнеров?

О: GPU майнеры нуждаются в:

• NVIDIA GTX 3080, L4 или выше
• Минимум 8GB RAM
• Стейк и быть в числе топ-10 майнеров по голосованию $CAI
• Надежное интернет-соединение Для подробных инструкций по настройке посетите нашу документацию на cuckoo.network/docs

В: Какие преимущества это приносит пользователям IoTeX?

О: Пользователи IoTeX получают доступ к:

• Децентрализованным AI вычислительным ресурсам
• Сниженным транзакционным издержкам для AI услуг
• Интеграции с существующими приложениями MachineFi
• Новым возможностям заработка через GPU майнинг и стейкинг

В: Как работает кросс-чейн функциональность?

О: Пользователи смогут бесшовно перемещать активы между IoTeX, Arbitrum и Cuckoo Chain, используя нашу мостовую инфраструктуру, обеспечивая единую ликвидность и совместимость между экосистемами. Мост Arbitrum запущен, а мост IoTeX еще в разработке.

В: Каков график запуска?

О: График:

• Неделя 8 января: Начало распределения эйрдропа на основной сети Cuckoo Chain
• Неделя 29 января: Развертывание моста между IoTeX и Cuckoo Chain
• Неделя 12 февраля: Полный запуск платформы автономных агентов

В: Как разработчики могут строить на IoTeX L2 от Cuckoo Chain?

О: Разработчики могут использовать знакомые инструменты и языки Ethereum, так как Cuckoo Chain сохраняет полную совместимость с EVM. Полная документация и ресурсы для разработчиков будут доступны на cuckoo.network/docs.

В: Какова общая аллокация эйрдропа?

О: Кампания эйрдропа “IoTeX x Cuckoo” распределит часть от общей 1‰ аллокации, зарезервированной для ранних пользователей и членов сообщества из общего объема в 1 миллиард токенов $CAI.

Контактная информация

Для получения дополнительной информации присоединяйтесь к нашему сообществу:

• Веб-сайт: https://cuckoo.network
• Discord: https://cuckoo.network/dc
• Telegram: https://cuckoo.network/tg
• X/Twitter: https://cuckoo.network/x

Ritual, основанный в 2023 году бывшим инвестором Polychain Нираджем Пант и Акилешем Потти, является амбициозным проектом на пересечении блокчейна и ИИ. Поддерживаемый финансированием в размере $25M в рамках серии A, возглавляемой Archetype и стратегическими инвестициями от Polychain Capital, компания стремится устранить критические пробелы в инфраструктуре для обеспечения сложных взаимодействий на цепочке и вне её. С командой из 30 экспертов из ведущих учреждений и компаний, Ritual разрабатывает протокол, который интегрирует возможности ИИ непосредственно в блокчейн-среды, нацеливаясь на такие случаи использования, как смарт-контракты, генерируемые на естественном языке, и динамические кредитные протоколы, управляемые рынком.

Почему клиентам нужен Web3 для ИИ​

Интеграция Web3 и ИИ может устранить многие ограничения, наблюдаемые в традиционных централизованных системах ИИ.

1. Децентрализованная инфраструктура помогает снизить риск манипуляций: когда вычисления ИИ и результаты моделей выполняются несколькими независимыми узлами, становится гораздо сложнее для какого-либо одного субъекта — будь то разработчик или корпоративный посредник — подделывать результаты. Это укрепляет доверие пользователей и прозрачность в приложениях, управляемых ИИ.

2. Web3-нативный ИИ расширяет возможности смарт-контрактов на цепочке за пределы простой финансовой логики. С ИИ в цикле контракты могут реагировать на данные рынка в реальном времени, запросы, сгенерированные пользователями, и даже сложные задачи вывода. Это позволяет использовать такие случаи, как алгоритмическая торговля, автоматизированные кредитные решения и взаимодействия в чате (например, FrenRug), которые были бы невозможны при существующих изолированных API ИИ. Поскольку результаты ИИ проверяемы и интегрированы с активами на цепочке, эти решения с высокой стоимостью или высокой ставкой могут выполняться с большим доверием и меньшим количеством посредников.

3. Распределение рабочей нагрузки ИИ по сети может потенциально снизить затраты и повысить масштабируемость. Хотя вычисления ИИ могут быть дорогими, хорошо спроектированная среда Web3 использует глобальный пул вычислительных ресурсов, а не одного централизованного поставщика. Это открывает более гибкое ценообразование, улучшенную надежность и возможность для непрерывных рабочих процессов ИИ на цепочке — все это подкреплено общими стимулами для операторов узлов предлагать свои вычислительные мощности.

Подход Ritual​

Система имеет три основных уровня — Infernet Oracle, Ritual Chain (инфраструктура и протокол) и Нативные приложения — каждый из которых разработан для решения различных задач в пространстве Web3 x ИИ.

1. Infernet Oracle​

• Что он делает Infernet — это первый продукт Ritual, который действует как мост между смарт-контрактами на цепочке и вычислениями ИИ вне цепочки. Вместо того чтобы просто извлекать внешние данные, он координирует задачи вывода моделей ИИ, собирает результаты и возвращает их на цепочку в проверяемом виде.
• Ключевые компоненты
  • Контейнеры: Безопасные среды для размещения любых рабочих нагрузок ИИ/МО (например, ONNX, Torch, модели Hugging Face, GPT-4).
  • infernet-ml: Оптимизированная библиотека для развертывания рабочих процессов ИИ/МО, предлагающая готовые интеграции с популярными фреймворками моделей.
  • Infernet SDK: Предоставляет стандартизированный интерфейс, чтобы разработчики могли легко писать смарт-контракты, которые запрашивают и потребляют результаты вывода ИИ.
  • Узлы Infernet: Развернуты на таких сервисах, как GCP или AWS, эти узлы слушают запросы вывода на цепочке, выполняют задачи в контейнерах и возвращают результаты обратно на цепочку.
  • Оплата и проверка: Управляет распределением сборов (между вычислительными и проверочными узлами) и поддерживает различные методы проверки, чтобы гарантировать честное выполнение задач.
• Почему это важно Infernet выходит за рамки традиционного оракула, проверяя вычисления ИИ вне цепочки, а не только каналы данных. Он также поддерживает планирование повторяющихся или чувствительных ко времени задач вывода, снижая сложность связывания задач, управляемых ИИ, с приложениями на цепочке.

2. Ritual Chain​

Ritual Chain интегрирует функции, дружественные к ИИ, как на уровне инфраструктуры, так и на уровне протокола. Он разработан для обработки частых, автоматизированных и сложных взаимодействий между смарт-контрактами и вычислениями вне цепочки, выходя далеко за рамки того, что могут управлять типичные L1.

2.1 Инфраструктурный уровень​

• Что он делает Инфраструктура Ritual Chain поддерживает более сложные рабочие процессы ИИ, чем стандартные блокчейны. Через предварительно скомпилированные модули, планировщик и расширение EVM под названием EVM++, он стремится облегчить частые или потоковые задачи ИИ, надежные абстракции учетных записей и автоматизированные взаимодействия контрактов.

• Ключевые компоненты

  • Предварительно скомпилированные модули

    :

    • Расширения EIP (например, EIP-665, EIP-5027) устраняют ограничения длины кода, уменьшают газ для подписей и обеспечивают доверие между задачами ИИ на цепочке и вне её.
    • Вычислительные предварительно скомпилированные модули стандартизируют фреймворки для вывода ИИ, доказательств с нулевым разглашением и тонкой настройки моделей в смарт-контрактах.

  • Планировщик: Устраняет зависимость от внешних контрактов "Keeper", позволяя задачам выполняться по фиксированному расписанию (например, каждые 10 минут). Критично для непрерывных действий, управляемых ИИ.

  • EVM++: Улучшает EVM с помощью нативной абстракции учетных записей (EIP-7702), позволяя контрактам автоматически одобрять транзакции на определенный период. Это поддерживает непрерывные решения, управляемые ИИ (например, автоматическая торговля), без вмешательства человека.

• Почему это важно Встраивая функции, ориентированные на ИИ, непосредственно в свою инфраструктуру, Ritual Chain упрощает сложные, повторяющиеся или чувствительные ко времени вычисления ИИ. Разработчики получают более надежную и автоматизированную среду для создания по-настоящему "интеллектуальных" децентрализованных приложений.

2.2 Уровень протокола консенсуса​

• Что он делает Протокольный уровень Ritual Chain решает необходимость эффективного управления разнообразными задачами ИИ. Большие задачи вывода и гетерогенные вычислительные узлы требуют специальной логики рыночных сборов и нового подхода к консенсусу для обеспечения плавного выполнения и проверки.
• Ключевые компоненты
  • Resonance (Рынок сборов):
    • Вводит роли "аукциониста" и "брокера" для сопоставления задач ИИ различной сложности с подходящими вычислительными узлами.
    • Использует почти исчерпывающее или "пакетное" распределение задач для максимизации пропускной способности сети, гарантируя, что мощные узлы обрабатывают сложные задачи без задержек.
  • Symphony (Консенсус):
    • Разделяет вычисления ИИ на параллельные подзадачи для проверки. Несколько узлов проверяют этапы процесса и результаты отдельно.
    • Предотвращает перегрузку сети большими задачами ИИ, распределяя рабочие нагрузки проверки по нескольким узлам.
  • vTune:
    • Демонстрирует, как проверять тонкую настройку моделей, выполненную узлами, на цепочке с использованием проверок данных "черного хода".
    • Иллюстрирует более широкую способность Ritual Chain обрабатывать более длительные, более сложные задачи ИИ с минимальными предположениями о доверии.
• Почему это важно Традиционные рынки сборов и модели консенсуса испытывают трудности с тяжелыми или разнообразными рабочими нагрузками ИИ. Переработав оба, Ritual Chain может динамически распределять задачи и проверять результаты, расширяя возможности на цепочке далеко за пределы базовой логики токенов или контрактов.

3. Нативные приложения​

• Что они делают Основываясь на Infernet и Ritual Chain, нативные приложения включают рынок моделей и сеть валидации, демонстрируя, как функции, управляемые ИИ, могут быть нативно интегрированы и монетизированы на цепочке.
• Ключевые компоненты
  • Рынок моделей:
    • Токенизирует модели ИИ (и, возможно, тонко настроенные варианты) как активы на цепочке.
    • Позволяет разработчикам покупать, продавать или лицензировать модели ИИ, с доходами, вознаграждаемыми создателям моделей и поставщикам вычислений/данных.
  • Сеть валидации и "Rollup-as-a-Service":
    • Предлагает внешним протоколам (например, L2) надежную среду для вычислений и проверки сложных задач, таких как доказательства с нулевым разглашением или запросы, управляемые ИИ.
    • Предоставляет индивидуальные решения rollup, использующие EVM++, функции планирования и дизайн рынка сборов Ritual.
• Почему это важно Делая модели ИИ непосредственно торгуемыми и проверяемыми на цепочке, Ritual расширяет функциональность блокчейна в рынок услуг и наборов данных ИИ. Более широкая сеть также может использовать инфраструктуру Ritual для специализированных вычислений, формируя единый экосистему, где задачи и доказательства ИИ становятся дешевле и прозрачнее.

Развитие экосистемы Ritual​

Видение Ritual как "открытой сети инфраструктуры ИИ" идет рука об руку с созданием надежной экосистемы. Помимо основного проектирования продукта, команда создала партнерства в области хранения моделей, вычислений, систем доказательств и приложений ИИ, чтобы обеспечить экспертную поддержку каждого уровня сети. В то же время Ritual активно инвестирует в ресурсы для разработчиков и рост сообщества, чтобы способствовать реальным случаям использования на своей цепочке.

1. Сотрудничество в экосистеме

• Хранение моделей и их целостность: Хранение моделей ИИ с помощью Arweave гарантирует, что они останутся неизменными.
• Партнерства в области вычислений: IO.net предоставляет децентрализованные вычисления, соответствующие потребностям масштабирования Ritual.
• Системы доказательств и уровень-2: Сотрудничество с Starkware и Arbitrum расширяет возможности генерации доказательств для задач на основе EVM.
• Потребительские приложения ИИ: Партнерства с Myshell и Story Protocol приносят больше услуг, управляемых ИИ, на цепочку.
• Уровень активов моделей: Pond, Allora и 0xScope предоставляют дополнительные ресурсы ИИ и расширяют границы ИИ на цепочке.
• Улучшение конфиденциальности: Nillion укрепляет уровень конфиденциальности Ritual Chain.
• Безопасность и стекинг: EigenLayer помогает обеспечивать безопасность и стекинг в сети.
• Доступность данных: Модули EigenLayer и Celestia улучшают доступность данных, что жизненно важно для рабочих нагрузок ИИ.

2. Расширение приложений

• Ресурсы для разработчиков: Подробные руководства объясняют, как запускать контейнеры ИИ, использовать PyTorch и интегрировать GPT-4 или Mistral-7B в задачи на цепочке. Практические примеры — такие как создание NFT через Infernet — снижают барьеры для новичков.
• Финансирование и акселерация: Акселератор Ritual Altar и проект Ritual Realm предоставляют капитал и наставничество командам, создающим децентрализованные приложения на Ritual Chain.
• Известные проекты:
  • Anima: Многоагентный DeFi-ассистент, который обрабатывает запросы на естественном языке в области кредитования, обмена и стратегий доходности.
  • Opus: Токены мемов, созданные ИИ, с запланированными торговыми потоками.
  • Relic: Интегрирует модели прогнозирования, управляемые ИИ, в AMM, стремясь к более гибкой и эффективной торговле на цепочке.
  • Tithe: Использует МО для динамической настройки кредитных протоколов, улучшая доходность при снижении риска.

Согласуя проектирование продукта, партнерства и разнообразный набор децентрализованных приложений, управляемых ИИ, Ritual позиционирует себя как многофункциональный центр для Web3 x ИИ. Его подход, ориентированный на экосистему, дополненный обширной поддержкой разработчиков и реальными возможностями финансирования, закладывает основу для более широкого принятия ИИ на цепочке.

Перспективы Ritual​

Планы по продукту и экосистема Ritual выглядят многообещающе, но многие технические пробелы остаются. Разработчикам все еще нужно решать фундаментальные проблемы, такие как настройка конечных точек вывода моделей, ускорение задач ИИ и координация нескольких узлов для крупномасштабных вычислений. На данный момент основная архитектура может справляться с более простыми случаями использования; настоящая задача — вдохновить разработчиков на создание более креативных приложений, управляемых ИИ, на цепочке.

В будущем Ritual может сосредоточиться меньше на финансах и больше на том, чтобы сделать вычислительные или модельные активы торгуемыми. Это привлекло бы участников и укрепило бы безопасность сети, связав токен цепи с практическими рабочими нагрузками ИИ. Хотя детали дизайна токена пока не ясны, очевидно, что видение Ritual заключается в том, чтобы вдохновить новое поколение сложных, децентрализованных приложений, управляемых ИИ, продвигая Web3 в более глубокую и креативную область.