โพสต์หนึ่งโพสต์ แท็กด้วย "บล็อกเชน"

การปฏิวัติแบบโอเพนซอร์สของ DeepSeek: ข้อมูลเชิงลึกจากการประชุมสุดยอด AI แบบปิดประตู​

DeepSeek กำลังสร้างความฮือฮาในโลก AI เพียงแค่การสนทนาเกี่ยวกับ DeepSeek-R1 ยังไม่ทันจางหาย ทีมงานก็ได้ปล่อยข่าวใหญ่: โมเดลมัลติโหมดแบบโอเพนซอร์ส Janus-Pro ความเร็วที่เกิดขึ้นทำให้เวียนหัว ความทะเยอทะยานชัดเจน

เมื่อสองวันที่ผ่านมา กลุ่มนักวิจัย AI ชั้นนำ นักพัฒนา และนักลงทุนได้มารวมตัวกันเพื่อการสนทนาแบบปิดประตูที่จัดโดย Shixiang โดยเน้นไปที่ DeepSeek โดยเฉพาะ ในช่วงเวลากว่าสามชั่วโมง พวกเขาได้แยกแยะนวัตกรรมทางเทคนิคของ DeepSeek โครงสร้างองค์กร และผลกระทบที่กว้างขึ้นของการเติบโตของมัน—ต่อโมเดลธุรกิจ AI ตลาดรอง และทิศทางระยะยาวของการวิจัย AI

ตามแนวคิดของ DeepSeek ที่เน้นความโปร่งใสแบบโอเพนซอร์ส เรากำลังเปิดเผยความคิดร่วมของเราให้สาธารณชน นี่คือข้อมูลเชิงลึกที่กลั่นกรองจากการสนทนา ครอบคลุมกลยุทธ์ของ DeepSeek นวัตกรรมทางเทคนิค และผลกระทบที่อาจมีต่ออุตสาหกรรม AI

DeepSeek: ความลึกลับและภารกิจ​

• ภารกิจหลักของ DeepSeek: CEO Liang Wenfeng ไม่ใช่แค่ผู้ประกอบการ AI อีกคน—เขาเป็นวิศวกรโดยหัวใจ แตกต่างจาก Sam Altman เขามุ่งเน้นไปที่การดำเนินการทางเทคนิค ไม่ใช่แค่วิสัยทัศน์
• ทำไม DeepSeek ได้รับความเคารพ: สถาปัตยกรรม MoE (Mixture of Experts) ของมันเป็นตัวแยกแยะที่สำคัญ การทำซ้ำโมเดล o1 ของ OpenAI ในระยะแรกเป็นเพียงการเริ่มต้น—ความท้าทายที่แท้จริงคือการขยายด้วยทรัพยากรที่จำกัด
• การขยายโดยไม่ต้องพึ่งพา NVIDIA: แม้จะมีการอ้างว่ามี GPU 50,000 ตัว แต่ DeepSeek น่าจะดำเนินการด้วย A100s เก่าประมาณ 10,000 ตัวและ H800s ก่อนการแบน 3,000 ตัว แตกต่างจากห้องปฏิบัติการในสหรัฐฯ ที่ใช้คอมพิวเตอร์แก้ปัญหาทุกอย่าง DeepSeek ถูกบังคับให้มีประสิทธิภาพ
• จุดเน้นที่แท้จริงของ DeepSeek: แตกต่างจาก OpenAI หรือ Anthropic, DeepSeek ไม่ได้ยึดติดกับ “AI ที่ให้บริการมนุษย์” แต่กำลังไล่ตามปัญญาเอง นี่อาจเป็นอาวุธลับของมัน

นักสำรวจ vs. ผู้ตาม: กฎพลังของ AI​

• การพัฒนา AI เป็นฟังก์ชันขั้น: ต้นทุนของการตามทันต่ำกว่า 10 เท่าของการเป็นผู้นำ “ผู้ตาม” ใช้ประโยชน์จากความก้าวหน้าที่ผ่านมาในต้นทุนคอมพิวเตอร์ที่น้อยกว่า ในขณะที่ “นักสำรวจ” ต้องก้าวไปข้างหน้าอย่างมืดบอด แบกรับค่าใช้จ่าย R&D มหาศาล
• DeepSeek จะเหนือกว่า OpenAI หรือไม่? เป็นไปได้—แต่เฉพาะเมื่อ OpenAI สะดุด AI ยังคงเป็นปัญหาที่เปิดกว้าง และวิธีการของ DeepSeek ต่อโมเดลการให้เหตุผลเป็นการเดิมพันที่แข็งแกร่ง

นวัตกรรมทางเทคนิคเบื้องหลัง DeepSeek​

1. จุดจบของการปรับแต่งแบบกำกับ (SFT)?​

• การอ้างสิทธิ์ที่ก่อกวนที่สุดของ DeepSeek: SFT อาจไม่จำเป็นอีกต่อไปสำหรับงานการให้เหตุผล หากเป็นจริง นี่ถือเป็นการเปลี่ยนแปลงแนวคิด
• แต่ช้าก่อน… DeepSeek-R1 ยังคงพึ่งพา SFT โดยเฉพาะสำหรับการจัดตำแหน่ง การเปลี่ยนแปลงที่แท้จริงคือวิธีการใช้ SFT—การกลั่นกรองงานการให้เหตุผลอย่างมีประสิทธิภาพมากขึ้น

2. ประสิทธิภาพของข้อมูล: คูเมืองที่แท้จริง​

• ทำไม DeepSeek ให้ความสำคัญกับการติดป้ายข้อมูล: Liang Wenfeng รายงานว่าติดป้ายข้อมูลด้วยตนเอง เน้นย้ำถึงความสำคัญ ความสำเร็จของ Tesla ในการขับขี่ด้วยตนเองมาจากการใส่ใจในรายละเอียดของมนุษย์—DeepSeek กำลังใช้ความเข้มงวดเดียวกัน
• ข้อมูลหลายโหมด: ยังไม่พร้อม—แม้จะมีการเปิดตัว Janus-Pro แต่การเรียนรู้หลายโหมดยังคงมีค่าใช้จ่ายสูง ไม่มีห้องปฏิบัติการใดที่แสดงให้เห็นถึงผลกำไรที่น่าดึงดูด

3. การกลั่นโมเดล: ดาบสองคม​

• การกลั่นช่วยเพิ่มประสิทธิภาพแต่ลดความหลากหลาย: สิ่งนี้อาจจำกัดความสามารถของโมเดลในระยะยาว
• “หนี้ที่ซ่อนอยู่” ของการกลั่น: โดยไม่เข้าใจถึงความท้าทายพื้นฐานของการฝึกอบรม AI การพึ่งพาการกลั่นอาจนำไปสู่ปัญหาที่ไม่คาดคิดเมื่อสถาปัตยกรรมรุ่นใหม่เกิดขึ้น

4. รางวัลกระบวนการ: พรมแดนใหม่ในการจัดตำแหน่ง AI​

• การควบคุมผลลัพธ์กำหนดเพดาน: การเรียนรู้เสริมแรงตามกระบวนการอาจป้องกันการแฮ็ก แต่ขีดจำกัดบนของปัญญายังคงขึ้นอยู่กับการตอบกลับที่ขับเคลื่อนด้วยผลลัพธ์
• ปริศนา RL: โมเดลภาษาขนาดใหญ่ (LLMs) ไม่มีเงื่อนไขการชนะที่ชัดเจนเหมือนหมากรุก AlphaZero ทำงานได้เพราะชัยชนะเป็นแบบไบนารี การให้เหตุผลของ AI ขาดความชัดเจนนี้

ทำไม OpenAI ถึงไม่ใช้วิธีของ DeepSeek?​

• เรื่องของการมุ่งเน้น: OpenAI ให้ความสำคัญกับขนาด ไม่ใช่ประสิทธิภาพ
• “สงคราม AI ที่ซ่อนอยู่” ในสหรัฐอเมริกา: OpenAI และ Anthropic อาจเพิกเฉยต่อวิธีการของ DeepSeek แต่พวกเขาจะไม่ทำเช่นนั้นอีกต่อไป หาก DeepSeek พิสูจน์ได้ว่าใช้งานได้ คาดว่าจะมีการเปลี่ยนแปลงทิศทางการวิจัย

อนาคตของ AI ในปี 2025​

• เกินกว่า Transformers? AI มีแนวโน้มที่จะแยกออกเป็นสถาปัตยกรรมที่แตกต่างกัน สาขานี้ยังคงยึดติดกับ Transformers แต่โมเดลทางเลือกอาจเกิดขึ้น
• ศักยภาพที่ยังไม่ได้ใช้ของ RL: การเรียนรู้เสริมแรงยังคงไม่ได้ใช้ประโยชน์นอกโดเมนแคบ ๆ เช่น คณิตศาสตร์และการเขียนโค้ด
• ปีของตัวแทน AI? แม้จะมีการโฆษณา แต่ยังไม่มีห้องปฏิบัติการใดที่ส่งมอบตัวแทน AI ที่ก้าวหน้า

นักพัฒนาจะย้ายไปที่ DeepSeek หรือไม่?​

• ยังไม่ใช่. ความสามารถในการเขียนโค้ดและการปฏิบัติตามคำแนะนำที่เหนือกว่าของ OpenAI ยังคงให้ความได้เปรียบ
• แต่ช่องว่างกำลังปิดลง. หาก DeepSeek รักษาโมเมนตัมไว้ได้ นักพัฒนาอาจเปลี่ยนในปี 2025

การเดิมพัน OpenAI Stargate มูลค่า 500 พันล้านดอลลาร์: ยังมีเหตุผลหรือไม่?​

• การเพิ่มขึ้นของ DeepSeek ทำให้เกิดข้อสงสัยเกี่ยวกับการครอบงำของ NVIDIA. หากประสิทธิภาพมีความสำคัญมากกว่าการขยายขนาดแบบใช้กำลังดิบ ซูเปอร์คอมพิวเตอร์มูลค่า 500 พันล้านดอลลาร์ของ OpenAI อาจดูเกินความจำเป็น
• OpenAI จะใช้จ่าย 500 พันล้านดอลลาร์จริงหรือไม่? SoftBank เป็นผู้สนับสนุนทางการเงิน แต่ขาดสภาพคล่อง การดำเนินการยังคงไม่แน่นอน
• Meta กำลังย้อนกลับวิศวกรรม DeepSeek. สิ่งนี้ยืนยันถึงความสำคัญของมัน แต่ไม่แน่ใจว่า Meta สามารถปรับแผนงานของตนได้หรือไม่

ผลกระทบต่อตลาด: ผู้ชนะและผู้แพ้​

• ระยะสั้น: หุ้นชิป AI รวมถึง NVIDIA อาจเผชิญกับความผันผวน
• ระยะยาว: เรื่องราวการเติบโตของ AI ยังคงไม่เปลี่ยนแปลง—DeepSeek เพียงพิสูจน์ว่าประสิทธิภาพมีความสำคัญพอ ๆ กับพลังดิบ

โอเพนซอร์ส vs. โคลสซอร์ส: แนวรบใหม่​

• หากโมเดลโอเพนซอร์สเข้าถึง 95% ของประสิทธิภาพโคลสซอร์ส, โมเดลธุรกิจ AI ทั้งหมดจะเปลี่ยนไป
• DeepSeek กำลังบังคับให้ OpenAI ต้องลงมือ. หากโมเดลโอเพนยังคงพัฒนาอย่างต่อเนื่อง AI ที่เป็นกรรมสิทธิ์อาจไม่ยั่งยืน

ผลกระทบของ DeepSeek ต่อกลยุทธ์ AI ระดับโลก​

• จีนกำลังตามทันเร็วกว่าที่คาด. ช่องว่าง AI ระหว่างจีนและสหรัฐฯ อาจมีเพียง 3-9 เดือน ไม่ใช่สองปีตามที่เคยคิด
• DeepSeek เป็นหลักฐานแนวคิดสำหรับกลยุทธ์ AI ของจีน. แม้จะมีข้อจำกัดด้านคอมพิวเตอร์ แต่การสร้างนวัตกรรมที่ขับเคลื่อนด้วยประสิทธิภาพก็ได้ผล

คำสุดท้าย: วิสัยทัศน์มีความสำคัญมากกว่าเทคโนโลยี​

• ตัวแยกแยะที่แท้จริงของ DeepSeek คือความทะเยอทะยาน. ความก้าวหน้าใน AI มาจากการผลักดันขอบเขตของปัญญา ไม่ใช่แค่การปรับปรุงโมเดลที่มีอยู่
• การต่อสู้ครั้งต่อไปคือการให้เหตุผล. ใครก็ตามที่บุกเบิกโมเดลการให้เหตุผล AI รุ่นต่อไปจะกำหนดทิศทางของอุตสาหกรรม

---

การทดลองทางความคิด: หากคุณมีโอกาสถามคำถาม CEO ของ DeepSeek Liang Wenfeng หนึ่งคำถาม คุณจะถามอะไร? คำแนะนำที่ดีที่สุดของคุณสำหรับบริษัทในขณะที่มันขยายตัวคืออะไร? แบ่งปันความคิดของคุณ—คำตอบที่โดดเด่นอาจได้รับเชิญให้เข้าร่วมการประชุมสุดยอด AI แบบปิดประตูครั้งต่อไป

DeepSeek ได้เปิดบทใหม่ใน AI ไม่ว่าจะเขียนเรื่องราวทั้งหมดใหม่หรือไม่ยังคงต้องติดตามต่อไป

เรารู้สึกตื่นเต้นที่จะประกาศความร่วมมือที่ก้าวล้ำระหว่าง Cuckoo Network และ Tenspect โดยการรวมโครงสร้างพื้นฐาน AI แบบกระจายศูนย์ของเรากับแพลตฟอร์มการตรวจสอบบ้านที่ล้ำสมัยของ Tenspect ความร่วมมือนี้เป็นก้าวสำคัญในการนำพลังของ AI แบบกระจายศูนย์มาสู่อุตสาหกรรมอสังหาริมทรัพย์

ทำไมความร่วมมือนี้ถึงสำคัญ​

Tenspect ได้ปฏิวัติอุตสาหกรรมการตรวจสอบบ้านด้วยแพลตฟอร์มที่ขับเคลื่อนด้วย AI ซึ่งช่วยให้ผู้ตรวจสอบสามารถทำการตรวจสอบได้เร็วขึ้นและมีประสิทธิภาพมากขึ้น โดยการรวมเข้ากับโครงสร้างพื้นฐาน AI แบบกระจายศูนย์ของ Cuckoo Network, Tenspect จะสามารถนำเสนอความสามารถที่ทรงพลังยิ่งขึ้นในขณะที่มั่นใจในความเป็นส่วนตัวของข้อมูลและลดต้นทุน

ประโยชน์หลักของความร่วมมือนี้รวมถึง:

1. การประมวลผล AI แบบกระจายศูนย์: ฟีเจอร์ Smart Notetaker และ AI ของ Tenspect จะใช้ประโยชน์จากเครือข่ายการขุด GPU ของ Cuckoo Network เพื่อให้แน่ใจว่ามีเวลาประมวลผลที่เร็วขึ้นและเพิ่มความเป็นส่วนตัว
2. ความคุ้มค่า: โดยการใช้โครงสร้างพื้นฐานแบบกระจายศูนย์ของ Cuckoo Network, Tenspect สามารถนำเสนอบริการ AI ของพวกเขาในอัตราที่แข่งขันได้มากขึ้นแก่ผู้ตรวจสอบบ้าน
3. เพิ่มความเป็นส่วนตัว: แนวทางแบบกระจายศูนย์ของเราทำให้มั่นใจได้ว่าข้อมูลการตรวจสอบที่ละเอียดอ่อนจะยังคงปลอดภัยและเป็นส่วนตัวในขณะที่ยังคงได้รับประโยชน์จากความสามารถ AI ขั้นสูง

การผสานรวมทางเทคนิค​

Tenspect จะรวมเข้ากับ Cuckoo Chain สำหรับการทำธุรกรรมที่ปลอดภัยและโปร่งใส และใช้ประโยชน์จากเครือข่ายการขุด GPU ของเราสำหรับงานอนุมาน AI ซึ่งรวมถึง:

• การประมวลผลการถอดเสียงผ่านโหนด AI แบบกระจายศูนย์ของเรา
• การจัดการการวิเคราะห์ภาพสำหรับเอกสารการตรวจสอบ
• การสร้างรายงานการตรวจสอบโดยใช้ทรัพยากรการคำนวณแบบกระจายของเรา

อะไรต่อไป​

ความร่วมมือนี้เป็นเพียงจุดเริ่มต้นเท่านั้น Cuckoo Network และ Tenspect จะทำงานร่วมกันเพื่อ:

• ขยายความสามารถของ AI สำหรับผู้ตรวจสอบบ้าน
• พัฒนาฟีเจอร์ AI แบบกระจายศูนย์ใหม่สำหรับอุตสาหกรรมอสังหาริมทรัพย์
• สร้างโซลูชันนวัตกรรมที่ใช้ประโยชน์จากจุดแข็งของทั้งสองแพลตฟอร์ม

เราตื่นเต้นที่จะได้ทำงานร่วมกับ Tenspect เพื่อนำประโยชน์ของ AI แบบกระจายศูนย์มาสู่อุตสาหกรรมการตรวจสอบบ้าน ความร่วมมือนี้สอดคล้องกับภารกิจของเราในการทำให้การเข้าถึง AI เป็นประชาธิปไตยในขณะที่มั่นใจในความเป็นส่วนตัวและประสิทธิภาพ

ติดตามการอัปเดตเพิ่มเติมเกี่ยวกับความร่วมมือที่น่าตื่นเต้นนี้!

---

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับความร่วมมือนี้:

• เยี่ยมชม เว็บไซต์ของ Tenspect
• เข้าร่วม Discord ของเรา
• ติดตามเราบน X / Twitter
• เข้าร่วม Telegram ของเรา

Ritual ก่อตั้งขึ้นในปี 2023 โดยอดีตนักลงทุน Polychain Niraj Pant และ Akilesh Potti เป็นโครงการที่มีความทะเยอทะยานที่จุดตัดของบล็อกเชนและ AI โดยได้รับการสนับสนุนจาก Series A มูลค่า $25M ที่นำโดย Archetype และการลงทุนเชิงกลยุทธ์จาก Polychain Capital บริษัทมีเป้าหมายที่จะจัดการกับช่องว่างโครงสร้างพื้นฐานที่สำคัญในการเปิดใช้งานการโต้ตอบที่ซับซ้อนทั้งในและนอกเชน ด้วยทีมผู้เชี่ยวชาญ 30 คนจากสถาบันและบริษัทชั้นนำ Ritual กำลังสร้างโปรโตคอลที่รวมความสามารถของ AI เข้ากับสภาพแวดล้อมบล็อกเชนโดยตรง โดยมุ่งเป้าไปที่กรณีการใช้งานเช่นสมาร์ทคอนแทรคที่สร้างจากภาษาธรรมชาติและโปรโตคอลการให้ยืมที่ขับเคลื่อนด้วยตลาดแบบไดนามิก

ทำไมลูกค้าถึงต้องการ Web3 สำหรับ AI​

การรวมกันของ Web3 และ AI สามารถบรรเทาข้อจำกัดหลายประการที่พบในระบบ AI แบบรวมศูนย์แบบดั้งเดิม

1. โครงสร้างพื้นฐานแบบกระจายศูนย์ช่วยลดความเสี่ยงของการบิดเบือน: เมื่อการคำนวณ AI และผลลัพธ์ของโมเดลถูกดำเนินการโดยโหนดหลายโหนดที่ดำเนินการอย่างอิสระ มันจะยากขึ้นมากสำหรับหน่วยงานใดหน่วยงานหนึ่ง ไม่ว่าจะเป็นนักพัฒนาหรือคนกลางของบริษัท ในการบิดเบือนผลลัพธ์ สิ่งนี้ช่วยเพิ่มความมั่นใจของผู้ใช้และความโปร่งใสในแอปพลิเคชันที่ขับเคลื่อนด้วย AI

2. AI ที่เป็นธรรมชาติของ Web3 ขยายขอบเขตของสมาร์ทคอนแทรคบนเชนเกินกว่าตรรกะทางการเงินพื้นฐาน ด้วย AI ในวงจร สัญญาสามารถตอบสนองต่อข้อมูลตลาดแบบเรียลไทม์ คำสั่งที่สร้างโดยผู้ใช้ และแม้กระทั่งงานอนุมานที่ซับซ้อน สิ่งนี้ทำให้สามารถใช้กรณีต่างๆ เช่น การซื้อขายอัลกอริธึม การตัดสินใจให้ยืมอัตโนมัติ และการโต้ตอบในแชท (เช่น FrenRug) ซึ่งจะเป็นไปไม่ได้ภายใต้ API AI ที่มีอยู่และแยกออกจากกัน เนื่องจากผลลัพธ์ของ AI สามารถตรวจสอบได้และรวมเข้ากับสินทรัพย์บนเชน การตัดสินใจที่มีมูลค่าสูงหรือเดิมพันสูงเหล่านี้สามารถดำเนินการได้ด้วยความไว้วางใจที่มากขึ้นและคนกลางที่น้อยลง

3. การกระจายภาระงาน AI ข้ามเครือข่ายสามารถลดต้นทุนและเพิ่มความสามารถในการปรับขนาดได้ แม้ว่าการคำนวณ AI จะมีราคาแพง แต่สภาพแวดล้อม Web3 ที่ออกแบบมาอย่างดีจะดึงทรัพยากรการคำนวณจากทั่วโลกแทนที่จะเป็นผู้ให้บริการแบบรวมศูนย์เพียงรายเดียว สิ่งนี้เปิดโอกาสให้มีการกำหนดราคาที่มีความยืดหยุ่นมากขึ้น ความน่าเชื่อถือที่ดีขึ้น และความเป็นไปได้สำหรับเวิร์กโฟลว์ AI บนเชนอย่างต่อเนื่อง ทั้งหมดนี้ได้รับการสนับสนุนโดยแรงจูงใจที่ใช้ร่วมกันสำหรับผู้ให้บริการโหนดในการเสนอพลังการคำนวณของพวกเขา

แนวทางของ Ritual​

ระบบมีสามชั้นหลัก—Infernet Oracle, Ritual Chain (โครงสร้างพื้นฐานและโปรโตคอล) และ Native Applications—แต่ละชั้นได้รับการออกแบบมาเพื่อแก้ไขความท้าทายที่แตกต่างกันในพื้นที่ Web3 x AI

1. Infernet Oracle​

• สิ่งที่มันทำ Infernet เป็นผลิตภัณฑ์แรกของ Ritual ทำหน้าที่เป็นสะพานเชื่อมระหว่างสมาร์ทคอนแทรคบนเชนและการคำนวณ AI นอกเชน แทนที่จะดึงข้อมูลภายนอกเพียงอย่างเดียว มันประสานงานงานอนุมานของโมเดล AI รวบรวมผลลัพธ์ และส่งคืนบนเชนในลักษณะที่ตรวจสอบได้
• องค์ประกอบหลัก
  • Containers: สภาพแวดล้อมที่ปลอดภัยสำหรับโฮสต์งาน AI/ML ใดๆ (เช่น ONNX, Torch, Hugging Face models, GPT-4)
  • infernet-ml: ไลบรารีที่ปรับให้เหมาะสมสำหรับการปรับใช้เวิร์กโฟลว์ AI/ML ที่มีการผสานรวมพร้อมใช้งานกับเฟรมเวิร์กโมเดลยอดนิยม
  • Infernet SDK: ให้ส่วนต่อประสานมาตรฐานเพื่อให้นักพัฒนาสามารถเขียนสมาร์ทคอนแทรคที่ขอและใช้ผลลัพธ์การอนุมาน AI ได้อย่างง่ายดาย
  • Infernet Nodes: ปรับใช้บนบริการเช่น GCP หรือ AWS โหนดเหล่านี้ฟังคำขออนุมานบนเชน ดำเนินงานในคอนเทนเนอร์ และส่งมอบผลลัพธ์กลับบนเชน
  • การชำระเงินและการตรวจสอบ: จัดการการกระจายค่าธรรมเนียม (ระหว่างโหนดการคำนวณและการตรวจสอบ) และรองรับวิธีการตรวจสอบต่างๆ เพื่อให้แน่ใจว่างานจะดำเนินการอย่างซื่อสัตย์
• ทำไมมันถึงสำคัญ Infernet ก้าวข้ามขีดจำกัดของ oracle แบบดั้งเดิมโดยการตรวจสอบการคำนวณ AI นอกเชน ไม่ใช่แค่ฟีดข้อมูลเท่านั้น นอกจากนี้ยังรองรับการจัดตารางงานอนุมานซ้ำๆ หรือที่ต้องการเวลา ลดความซับซ้อนของการเชื่อมโยงงานที่ขับเคลื่อนด้วย AI กับแอปพลิเคชันบนเชน

2. Ritual Chain​

Ritual Chain รวมคุณสมบัติที่เป็นมิตรกับ AI ทั้งในระดับโครงสร้างพื้นฐานและโปรโตคอล ได้รับการออกแบบมาเพื่อจัดการกับการโต้ตอบที่บ่อยครั้ง อัตโนมัติ และซับซ้อนระหว่างสมาร์ทคอนแทรคและการคำนวณนอกเชน ขยายเกินกว่าที่ L1 ทั่วไปจะจัดการได้

2.1 Infrastructure Layer​

• สิ่งที่มันทำ โครงสร้างพื้นฐานของ Ritual Chain รองรับเวิร์กโฟลว์ AI ที่ซับซ้อนกว่าบล็อกเชนมาตรฐาน ผ่านโมดูลที่คอมไพล์ล่วงหน้า ตัวจัดตารางเวลา และส่วนขยาย EVM ที่เรียกว่า EVM++ มันมีเป้าหมายที่จะอำนวยความสะดวกในงาน AI ที่บ่อยหรือสตรีมมิ่ง การย่อบัญชีที่แข็งแกร่ง และการโต้ตอบกับสัญญาอัตโนมัติ

• องค์ประกอบหลัก

  • โมดูลที่คอมไพล์ล่วงหน้า

    :

    • EIP Extensions (เช่น EIP-665, EIP-5027) ขจัดข้อจำกัดความยาวของโค้ด ลดแก๊สสำหรับลายเซ็น และเปิดใช้งานความไว้วางใจระหว่างงาน AI บนเชนและนอกเชน
    • Computational Precompiles สร้างมาตรฐานเฟรมเวิร์กสำหรับการอนุมาน AI, zero-knowledge proofs และการปรับแต่งโมเดลภายในสมาร์ทคอนแทรค

  • Scheduler: ขจัดการพึ่งพาสัญญา “Keeper” ภายนอกโดยอนุญาตให้รันงานตามกำหนดเวลาคงที่ (เช่น ทุกๆ 10 นาที) ซึ่งมีความสำคัญต่อกิจกรรมที่ขับเคลื่อนด้วย AI อย่างต่อเนื่อง

  • EVM++: ปรับปรุง EVM ด้วยการย่อบัญชีแบบเนทีฟ (EIP-7702) ให้สัญญาอนุมัติธุรกรรมอัตโนมัติในช่วงเวลาที่กำหนด สิ่งนี้รองรับการตัดสินใจที่ขับเคลื่อนด้วย AI อย่างต่อเนื่อง (เช่น การซื้อขายอัตโนมัติ) โดยไม่ต้องมีการแทรกแซงของมนุษย์

• ทำไมมันถึงสำคัญ โดยการฝังคุณสมบัติที่เน้น AI โดยตรงในโครงสร้างพื้นฐาน Ritual Chain ทำให้การคำนวณ AI ที่ซับซ้อน ซ้ำซาก หรือที่ต้องการเวลาเป็นไปอย่างราบรื่น นักพัฒนาจะได้รับสภาพแวดล้อมที่แข็งแกร่งและเป็นอัตโนมัติมากขึ้นในการสร้าง dApps ที่ “ชาญฉลาด” อย่างแท้จริง

2.2 Consensus Protocol Layer​

• สิ่งที่มันทำ เลเยอร์โปรโตคอลของ Ritual Chain จัดการกับความจำเป็นในการจัดการงาน AI ที่หลากหลายอย่างมีประสิทธิภาพ งานอนุมานขนาดใหญ่และโหนดการคำนวณที่หลากหลายต้องการตรรกะตลาดค่าธรรมเนียมพิเศษและแนวทางฉันทามติใหม่เพื่อให้แน่ใจว่าการดำเนินการและการตรวจสอบเป็นไปอย่างราบรื่น
• องค์ประกอบหลัก
  • Resonance (ตลาดค่าธรรมเนียม):
    • แนะนำบทบาท “auctioneer” และ “broker” เพื่อจับคู่งาน AI ที่มีความซับซ้อนแตกต่างกันกับโหนดการคำนวณที่เหมาะสม
    • ใช้การจัดสรรงานแบบเกือบหมดหรือ “bundled” เพื่อเพิ่มผลผลิตของเครือข่ายให้สูงสุด เพื่อให้แน่ใจว่าโหนดที่ทรงพลังจะจัดการกับงานที่ซับซ้อนโดยไม่หยุดชะงัก
  • Symphony (ฉันทามติ):
    • แยกการคำนวณ AI ออกเป็นงานย่อยแบบขนานเพื่อการตรวจสอบ โหนดหลายโหนดยืนยันขั้นตอนและผลลัพธ์ของกระบวนการแยกกัน
    • ป้องกันไม่ให้งาน AI ขนาดใหญ่เกินพิกัดเครือข่ายโดยกระจายภาระงานการตรวจสอบไปยังโหนดหลายโหนด
  • vTune:
    • แสดงให้เห็นถึงวิธีการตรวจสอบการปรับแต่งโมเดลที่ดำเนินการโดยโหนดบนเชนโดยใช้การตรวจสอบข้อมูล “backdoor”
    • แสดงให้เห็นถึงความสามารถที่กว้างขึ้นของ Ritual Chain ในการจัดการงาน AI ที่ยาวขึ้นและซับซ้อนมากขึ้นโดยมีสมมติฐานความไว้วางใจน้อยที่สุด
• ทำไมมันถึงสำคัญ ตลาดค่าธรรมเนียมและโมเดลฉันทามติแบบดั้งเดิมมีปัญหากับภาระงาน AI ที่หนักหรือหลากหลาย โดยการออกแบบใหม่ทั้งสองอย่าง Ritual Chain สามารถจัดสรรงานและตรวจสอบผลลัพธ์ได้แบบไดนามิก ขยายความเป็นไปได้บนเชนให้ไกลเกินกว่าตรรกะของโทเค็นหรือสัญญาพื้นฐาน

3. Native Applications​

• สิ่งที่พวกเขาทำ สร้างขึ้นบน Infernet และ Ritual Chain แอปพลิเคชันเนทีฟประกอบด้วยตลาดโมเดลและเครือข่ายการตรวจสอบ ซึ่งแสดงให้เห็นว่าฟังก์ชันการทำงานที่ขับเคลื่อนด้วย AI สามารถรวมเข้ากับเชนและสร้างรายได้ได้อย่างไร
• องค์ประกอบหลัก
  • ตลาดโมเดล:
    • โทเค็นโมเดล AI (และอาจเป็นตัวแปรที่ปรับแต่งแล้ว) เป็นสินทรัพย์บนเชน
    • ให้นักพัฒนาซื้อ ขาย หรือให้สิทธิ์ใช้งานโมเดล AI โดยรายได้จะได้รับรางวัลแก่ผู้สร้างโมเดลและผู้ให้บริการคำนวณ/ข้อมูล
  • เครือข่ายการตรวจสอบ & “Rollup-as-a-Service”:
    • เสนอโปรโตคอลภายนอก (เช่น L2s) สภาพแวดล้อมที่เชื่อถือได้สำหรับการคำนวณและการตรวจสอบงานที่ซับซ้อน เช่น zero-knowledge proofs หรือการสืบค้นที่ขับเคลื่อนด้วย AI
    • ให้บริการโซลูชัน rollup ที่ปรับแต่งได้โดยใช้ประโยชน์จาก EVM++ ของ Ritual คุณสมบัติการจัดตารางเวลา และการออกแบบตลาดค่าธรรมเนียม
• ทำไมมันถึงสำคัญ โดยการทำให้โมเดล AI สามารถซื้อขายและตรวจสอบได้โดยตรงบนเชน Ritual ขยายฟังก์ชันการทำงานของบล็อกเชนไปสู่ตลาดสำหรับบริการและชุดข้อมูล AI เครือข่ายที่กว้างขึ้นยังสามารถใช้โครงสร้างพื้นฐานของ Ritual สำหรับการคำนวณเฉพาะทาง ก่อให้เกิดระบบนิเวศที่เป็นหนึ่งเดียวซึ่งงานและหลักฐาน AI มีราคาถูกกว่าและโปร่งใสมากขึ้น

การพัฒนาระบบนิเวศของ Ritual​

วิสัยทัศน์ของ Ritual ในการสร้าง “เครือข่ายโครงสร้างพื้นฐาน AI แบบเปิด” สอดคล้องกับการสร้างระบบนิเวศที่แข็งแกร่ง นอกเหนือจากการออกแบบผลิตภัณฑ์หลักแล้ว ทีมงานยังได้สร้างความร่วมมือข้ามการจัดเก็บโมเดล การคำนวณ ระบบพิสูจน์ และแอปพลิเคชัน AI เพื่อให้แน่ใจว่าแต่ละชั้นของเครือข่ายได้รับการสนับสนุนจากผู้เชี่ยวชาญ ในขณะเดียวกัน Ritual ก็ลงทุนอย่างหนักในทรัพยากรของนักพัฒนาและการเติบโตของชุมชนเพื่อส่งเสริมกรณีการใช้งานจริงบนเชนของตน

1. ความร่วมมือในระบบนิเวศ

• การจัดเก็บโมเดล & ความสมบูรณ์: การจัดเก็บโมเดล AI ด้วย Arweave ช่วยให้มั่นใจได้ว่าพวกเขาจะไม่ถูกดัดแปลง
• การเป็นพันธมิตรด้านการคำนวณ: IO.net จัดหาการคำนวณแบบกระจายศูนย์ที่ตรงกับความต้องการในการปรับขนาดของ Ritual
• ระบบพิสูจน์ & Layer-2: ความร่วมมือกับ Starkware และ Arbitrum ขยายความสามารถในการสร้างหลักฐานสำหรับงานที่ใช้ EVM
• แอปพลิเคชันผู้บริโภค AI: ความร่วมมือกับ Myshell และ Story Protocol นำบริการที่ขับเคลื่อนด้วย AI มาสู่เชนมากขึ้น
• เลเยอร์สินทรัพย์โมเดล: Pond, Allora และ 0xScope ให้ทรัพยากร AI เพิ่มเติมและผลักดันขอบเขต AI บนเชน
• การเพิ่มความเป็นส่วนตัว: Nillion เสริมความแข็งแกร่งให้กับเลเยอร์ความเป็นส่วนตัวของ Ritual Chain
• ความปลอดภัย & การวางเดิมพัน: EigenLayer ช่วยรักษาความปลอดภัยและวางเดิมพันบนเครือข่าย
• ความพร้อมใช้งานของข้อมูล: โมดูล EigenLayer และ Celestia ช่วยเพิ่มความพร้อมใช้งานของข้อมูล ซึ่งมีความสำคัญต่อภาระงาน AI

2. การขยายแอปพลิเคชัน

• ทรัพยากรของนักพัฒนา: คู่มือที่ครอบคลุมอธิบายวิธีการตั้งค่าคอนเทนเนอร์ AI รัน PyTorch และรวม GPT-4 หรือ Mistral-7B เข้ากับงานบนเชน ตัวอย่างที่ใช้งานได้จริง เช่น การสร้าง NFT ผ่าน Infernet ช่วยลดอุปสรรคสำหรับผู้มาใหม่
• การระดมทุน & การเร่งความเร็ว: ตัวเร่ง Ritual Altar และโครงการ Ritual Realm ให้ทุนและคำปรึกษาแก่ทีมที่สร้าง dApps บน Ritual Chain
• โครงการที่โดดเด่น:
  • Anima: ผู้ช่วย DeFi หลายตัวแทนที่ประมวลผลคำขอภาษาธรรมชาติข้ามการให้ยืม การแลกเปลี่ยน และกลยุทธ์ผลตอบแทน
  • Opus: โทเค็นมีมที่สร้างโดย AI พร้อมการไหลของการซื้อขายตามกำหนดเวลา
  • Relic: รวมโมเดลการทำนายที่ขับเคลื่อนด้วย AI เข้ากับ AMM โดยมีเป้าหมายเพื่อการซื้อขายบนเชนที่ยืดหยุ่นและมีประสิทธิภาพมากขึ้น
  • Tithe: ใช้ ML เพื่อปรับโปรโตคอลการให้ยืมแบบไดนามิก ปรับปรุงผลตอบแทนในขณะที่ลดความเสี่ยง

โดยการจัดแนวการออกแบบผลิตภัณฑ์ ความร่วมมือ และชุด dApps ที่ขับเคลื่อนด้วย AI ที่หลากหลาย Ritual วางตำแหน่งตัวเองเป็นศูนย์กลางหลายแง่มุมสำหรับ Web3 x AI แนวทางที่เน้นระบบนิเวศเป็นอันดับแรกของบริษัท ซึ่งเสริมด้วยการสนับสนุนนักพัฒนาที่เพียงพอและโอกาสในการระดมทุนจริง วางรากฐานสำหรับการนำ AI มาใช้บนเชนในวงกว้าง

มุมมองของ Ritual​

แผนผลิตภัณฑ์และระบบนิเวศของ Ritual ดูมีแนวโน้มดี แต่ยังคงมีช่องว่างทางเทคนิคอีกมากที่ต้องแก้ไข นักพัฒนายังคงต้องแก้ปัญหาพื้นฐาน เช่น การตั้งค่าจุดสิ้นสุดการอนุมานโมเดล การเร่งความเร็วงาน AI และการประสานงานโหนดหลายโหนดสำหรับการคำนวณขนาดใหญ่ สำหรับตอนนี้ สถาปัตยกรรมหลักสามารถจัดการกรณีการใช้งานที่ง่ายกว่าได้ ความท้าทายที่แท้จริงคือการสร้างแรงบันดาลใจให้นักพัฒนาสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ที่สร้างสรรค์มากขึ้นบนเชน

ในอนาคต Ritual อาจมุ่งเน้นไปที่การเงินน้อยลงและมุ่งเน้นไปที่การทำให้สินทรัพย์คำนวณหรือโมเดลสามารถซื้อขายได้มากขึ้น สิ่งนี้จะดึงดูดผู้เข้าร่วมและเสริมสร้างความปลอดภัยของเครือข่ายโดยการผูกโทเค็นของเชนเข้ากับภาระงาน AI ที่ใช้งานได้จริง แม้ว่ารายละเอียดเกี่ยวกับการออกแบบโทเค็นจะยังไม่ชัดเจน แต่ก็ชัดเจนว่าวิสัยทัศน์ของ Ritual คือการจุดประกายแอปพลิเคชันที่ซับซ้อน กระจายศูนย์ และขับเคลื่อนด้วย AI รุ่นใหม่—ผลักดัน Web3 ให้ลึกลงไปในดินแดนที่สร้างสรรค์มากขึ้น

การบรรจบกันของ AI และคริปโตได้รับการคาดหวังมานานแต่ดำเนินการได้ไม่ดี ความพยายามในอดีตในการกระจายศูนย์ AI ทำให้เกิดการกระจายตัวของสแต็กโดยไม่ให้คุณค่าที่แท้จริง อนาคตไม่ใช่เรื่องของการกระจายศูนย์ทีละเล็กทีละน้อย แต่เป็นเรื่องของการสร้าง แพลตฟอร์ม AI เต็มรูปแบบ ที่กระจายศูนย์อย่างแท้จริง โดยรวมการคำนวณ ข้อมูล และปัญญาเข้ากับระบบนิเวศที่สอดคล้องและพึ่งพาตนเองได้

ฉันใช้เวลาหลายเดือนสัมภาษณ์นักพัฒนา ผู้ก่อตั้ง และนักวิจัย 47 คนในจุดตัดนี้ ข้อสรุป? AI แบบกระจายศูนย์เต็มรูปแบบคืออนาคตของปัญญาคอมพิวเตอร์ และปี 2025 จะเป็นปีที่มันเติบโตอย่างเต็มที่

ช่องว่างตลาดมูลค่า 1.7 ล้านล้านดอลลาร์​

โครงสร้างพื้นฐาน AI ในปัจจุบันถูกครอบงำโดยผู้เล่นไม่กี่ราย:

• สี่บริษัทควบคุม 92% ของการจัดหาชิป NVIDIA H100
• ชิปเหล่านี้สร้างรายได้สูงถึง 1.4 ล้านดอลลาร์ต่อปีต่อหน่วย
• การเพิ่มราคาการอนุมาน AI เกิน 80%

การรวมศูนย์นี้ขัดขวางนวัตกรรมและสร้างความไร้ประสิทธิภาพที่พร้อมสำหรับการเปลี่ยนแปลง แพลตฟอร์ม AI แบบกระจายศูนย์เต็มรูปแบบเช่น Cuckoo Network มุ่งมั่นที่จะขจัดคอขวดเหล่านี้โดยทำให้การเข้าถึงการคำนวณ ข้อมูล และปัญญาเป็นประชาธิปไตย

AI แบบกระจายศูนย์เต็มรูปแบบ: ขยายวิสัยทัศน์​

แพลตฟอร์ม AI แบบกระจายศูนย์เต็มรูปแบบไม่เพียงรวมการคำนวณ ข้อมูล และปัญญา แต่ยังเปิดประตูสู่กรณีการใช้งานใหม่ที่เปลี่ยนแปลงได้ที่จุดตัดของบล็อกเชนและ AI มาสำรวจเลเยอร์เหล่านี้ในแง่ของแนวโน้มที่เกิดขึ้นใหม่กันเถอะ

1. ตลาดการคำนวณแบบกระจายศูนย์​

ผู้ให้บริการการคำนวณแบบรวมศูนย์เรียกเก็บค่าธรรมเนียมที่สูงเกินไปและรวมทรัพยากร แพลตฟอร์มแบบกระจายศูนย์เช่น Gensyn และ Cuckoo Network ช่วยให้:

• การคำนวณยืดหยุ่น: การเข้าถึง GPU ตามความต้องการทั่วเครือข่ายที่กระจาย
• การคำนวณที่ตรวจสอบได้: หลักฐานการเข้ารหัสช่วยให้มั่นใจว่าการคำนวณถูกต้อง
• ต้นทุนที่ต่ำลง: มาตรฐานเบื้องต้นแสดงให้เห็นการลดต้นทุนลง 30-70%

นอกจากนี้ การเพิ่มขึ้นของ AI-Fi กำลังสร้างเศรษฐกิจใหม่ที่แปลกใหม่ GPU กำลังกลายเป็นสินทรัพย์ที่ให้ผลตอบแทน โดยมีสภาพคล่องบนเชนที่อนุญาตให้ศูนย์ข้อมูลจัดหาเงินทุนสำหรับการซื้อฮาร์ดแวร์ การพัฒนากรอบการฝึกอบรมแบบกระจายศูนย์และการจัดการการอนุมานกำลังเร่งขึ้น ปูทางสู่โครงสร้างพื้นฐานการคำนวณ AI ที่ปรับขนาดได้อย่างแท้จริง

2. ระบบนิเวศข้อมูลที่ขับเคลื่อนโดยชุมชน​

การพึ่งพาข้อมูลของ AI ทำให้ชุดข้อมูลแบบรวมศูนย์เป็นคอขวด ระบบกระจายศูนย์ที่ใช้ Data DAOs และเทคโนโลยีเพิ่มความเป็นส่วนตัวเช่น zero-knowledge proofs (ZK) ช่วยให้:

• การระบุค่าที่เป็นธรรม: โมเดลการกำหนดราคาและความเป็นเจ้าของที่เปลี่ยนแปลงได้ให้รางวัลแก่ผู้มีส่วนร่วม
• ตลาดข้อมูลแบบเรียลไทม์: ข้อมูลกลายเป็นสินทรัพย์ที่สามารถซื้อขายและโทเค็นได้

อย่างไรก็ตาม เมื่อโมเดล AI ต้องการชุดข้อมูลที่ซับซ้อนมากขึ้น ตลาดข้อมูลจะต้องสร้างสมดุลระหว่างคุณภาพและความเป็นส่วนตัว เครื่องมือสำหรับ ความเป็นส่วนตัวแบบเป็นไปได้ เช่น การคำนวณแบบหลายฝ่ายที่ปลอดภัย (MPC) และการเรียนรู้แบบกระจายจะกลายเป็นสิ่งจำเป็นในการรับรองความโปร่งใสและความปลอดภัยในแอปพลิเคชัน AI แบบกระจายศูนย์

3. ปัญญา AI ที่โปร่งใส​

ระบบ AI ในปัจจุบันเป็นกล่องดำ ปัญญาแบบกระจายศูนย์นำความโปร่งใสผ่าน:

• โมเดลที่ตรวจสอบได้: สัญญาอัจฉริยะช่วยให้มั่นใจในความรับผิดชอบและความโปร่งใส
• การตัดสินใจที่อธิบายได้: ผลลัพธ์ของ AI สามารถตีความได้และเพิ่มความไว้วางใจ

แนวโน้มที่เกิดขึ้นใหม่เช่น เจตนาเชิงตัวแทน—ที่ตัวแทน AI อัตโนมัติทำธุรกรรมหรือดำเนินการบนเชน—เสนอภาพรวมว่า AI แบบกระจายศูนย์สามารถกำหนดเวิร์กโฟลว์ การชำระเงินขนาดเล็ก และแม้แต่การกำกับดูแลใหม่ได้อย่างไร แพลตฟอร์มต้องมั่นใจในความสามารถในการทำงานร่วมกันอย่างราบรื่นระหว่างระบบที่ใช้ตัวแทนและมนุษย์เพื่อให้สิ่งประดิษฐ์เหล่านี้เติบโต

หมวดหมู่ใหม่ใน AI แบบกระจายศูนย์​

การโต้ตอบระหว่างตัวแทน​

บล็อกเชนมีความสามารถในการประกอบกันโดยธรรมชาติ ทำให้เหมาะสำหรับการโต้ตอบระหว่างตัวแทน พื้นที่ออกแบบนี้รวมถึงตัวแทนอัตโนมัติที่มีส่วนร่วมในธุรกรรมทางการเงิน การเปิดตัวโทเค็น หรือการอำนวยความสะดวกในเวิร์กโฟลว์ ใน AI แบบกระจายศูนย์ ตัวแทนเหล่านี้สามารถทำงานร่วมกันในงานที่ซับซ้อน ตั้งแต่การฝึกอบรมโมเดลไปจนถึงการตรวจสอบข้อมูล

เนื้อหาสร้างสรรค์และความบันเทิง​

ตัวแทน AI ไม่ได้เป็นเพียงแค่คนทำงานเท่านั้น—พวกเขายังสามารถสร้างได้อีกด้วย ตั้งแต่ ความบันเทิงมัลติมีเดียเชิงตัวแทน ไปจนถึงเนื้อหาในเกมที่สร้างสรรค์และเปลี่ยนแปลงได้ AI แบบกระจายศูนย์สามารถปลดล็อกหมวดหมู่ใหม่ของประสบการณ์ผู้ใช้ ลองจินตนาการถึงบุคคลเสมือนที่ผสมผสานการชำระเงินด้วยบล็อกเชนกับเรื่องราวที่สร้างโดย AI เพื่อกำหนดนิยามใหม่ของการเล่าเรื่องดิจิทัล

มาตรฐานการบัญชีการคำนวณ​

การขาดมาตรฐานการบัญชีการคำนวณได้สร้างปัญหาให้กับระบบแบบดั้งเดิมและแบบกระจายศูนย์เช่นกัน เพื่อแข่งขัน เครือข่าย AI แบบกระจายศูนย์ต้องให้ความสำคัญกับความโปร่งใสโดยเปิดใช้งาน การเปรียบเทียบแบบแอปเปิ้ลต่อแอปเปิ้ล ของคุณภาพและผลลัพธ์การคำนวณ สิ่งนี้จะไม่เพียงเพิ่มความไว้วางใจของผู้ใช้ แต่ยังสร้างรากฐานที่ตรวจสอบได้สำหรับการขยายตลาดการคำนวณแบบกระจายศูนย์

สิ่งที่ผู้สร้างและนักลงทุนควรทำ​

โอกาสใน AI แบบกระจายศูนย์เต็มรูปแบบนั้นมหาศาลแต่ต้องการความมุ่งมั่น:

• ใช้ตัวแทน AI สำหรับการทำงานอัตโนมัติในเวิร์กโฟลว์: ตัวแทนที่ทำธุรกรรมอัตโนมัติสามารถทำให้การตรวจสอบสิทธิ์ขององค์กร การชำระเงินขนาดเล็ก และการรวมข้ามแพลตฟอร์มง่ายขึ้น
• สร้างเพื่อการทำงานร่วมกัน: ตรวจสอบความเข้ากันได้กับท่อส่ง AI ที่มีอยู่และเครื่องมือใหม่เช่นอินเทอร์เฟซการทำธุรกรรมเชิงตัวแทน
• ให้ความสำคัญกับ UX และความไว้วางใจ: การยอมรับขึ้นอยู่กับความเรียบง่าย ความโปร่งใส และการตรวจสอบได้

มองไปข้างหน้า​

อนาคตของ AI ไม่ได้กระจัดกระจายแต่รวมเป็นหนึ่งผ่านแพลตฟอร์มเต็มรูปแบบที่กระจายศูนย์ ระบบเหล่านี้เพิ่มประสิทธิภาพชั้นการคำนวณ ข้อมูล และปัญญา แจกจ่ายอำนาจและเปิดโอกาสให้เกิดนวัตกรรมที่ไม่เคยมีมาก่อน ด้วยการรวมเวิร์กโฟลว์เชิงตัวแทน ความเป็นส่วนตัวแบบเป็นไปได้ และมาตรฐานการบัญชีที่โปร่งใส AI แบบกระจายศูนย์สามารถเชื่อมช่องว่างระหว่างอุดมการณ์และการปฏิบัติได้

ในปี 2025 ความสำเร็จจะมาถึงแพลตฟอร์มที่ให้คุณค่าที่แท้จริงโดยการสร้างระบบนิเวศที่สอดคล้องและเน้นผู้ใช้เป็นศูนย์กลาง ยุคของ AI ที่กระจายศูนย์อย่างแท้จริงเพิ่งเริ่มต้น—และผลกระทบของมันจะเป็นการเปลี่ยนแปลง