一篇文章 个标签为 "区块链"

Ritual 由前 Polychain 投资者 Niraj Pant 和 Akilesh Potti 于 2023 年创立，是一个雄心勃勃的项目，位于区块链和 AI 的交汇点。该公司获得了由 Archetype 领投、Polychain Capital 战略投资的 2500 万美元 A 轮融资，旨在解决实现复杂链上和链下交互的关键基础设施缺口。Ritual 拥有来自领先机构和公司的 30 名专家团队，正在构建一个将 AI 能力直接集成到区块链环境中的协议，目标应用包括自然语言生成的智能合约和动态市场驱动的借贷协议。

为什么客户需要 Web3 来实现 AI​

Web3 和 AI 的集成可以缓解传统中心化 AI 系统中的许多限制。

1. 去中心化基础设施有助于降低操控风险：当 AI 计算和模型输出由多个独立操作的节点执行时，任何单一实体（无论是开发者还是企业中介）都更难以篡改结果。这增强了用户对 AI 驱动应用的信心和透明度。

2. Web3 原生 AI 扩展了链上智能合约的范围，超越了基本的金融逻辑。有了 AI 的参与，合约可以响应实时市场数据、用户生成的提示，甚至复杂的推理任务。这使得诸如算法交易、自动化借贷决策和聊天交互（例如 FrenRug）等用例成为可能，而这些在现有的、孤立的 AI API 下是不可能实现的。由于 AI 输出是可验证的并与链上资产集成，这些高价值或高风险的决策可以以更大的信任和更少的中介执行。

3. 将 AI 工作负载分布在网络中可以潜在地降低成本并增强可扩展性。尽管 AI 计算可能很昂贵，但设计良好的 Web3 环境从全球计算资源池中汲取资源，而不是单一的中心化提供商。这带来了更灵活的定价、改进的可靠性，以及持续的链上 AI 工作流程的可能性——所有这些都由节点运营商提供计算能力的共同激励机制支持。

Ritual 的方法​

该系统有三个主要层次——Infernet Oracle、Ritual Chain（基础设施和协议）和原生应用——每个层次都旨在解决 Web3 x AI 领域的不同挑战。

1. Infernet Oracle​

• 功能 Infernet 是 Ritual 的第一个产品，作为链上智能合约和链下 AI 计算之间的桥梁。它不仅仅是获取外部数据，而是协调 AI 模型推理任务，收集结果，并以可验证的方式将其返回链上。
• 关键组件
  • 容器：用于托管任何 AI/ML 工作负载的安全环境（例如 ONNX、Torch、Hugging Face 模型、GPT-4）。
  • infernet-ml：用于部署 AI/ML 工作流程的优化库，提供与流行模型框架的即用型集成。
  • Infernet SDK：提供标准化接口，使开发者可以轻松编写请求和消费 AI 推理结果的智能合约。
  • Infernet 节点：部署在 GCP 或 AWS 等服务上，这些节点监听链上推理请求，在容器中执行任务，并将结果返回链上。
  • 支付与验证：管理计算和验证节点之间的费用分配，并支持各种验证方法以确保任务诚实执行。
• 重要性 Infernet 超越了传统的预言机，通过验证链下 AI 计算，而不仅仅是数据馈送。它还支持调度重复或时间敏感的推理任务，减少了将 AI 驱动任务链接到链上应用的复杂性。

2. Ritual Chain​

Ritual Chain 在基础设施和协议层面集成了 AI 友好的功能。它旨在处理智能合约和链下计算之间的频繁、自动化和复杂交互，远远超出典型 L1 的管理能力。

2.1 基础设施层​

• 功能 Ritual Chain 的基础设施支持比标准区块链更复杂的 AI 工作流程。通过预编译模块、调度器和称为 EVM++ 的 EVM 扩展，它旨在促进频繁或流式 AI 任务、强大的账户抽象和自动化合约交互。

• 关键组件

  • 预编译模块

    ：

    • **EIP 扩展（例如 EIP-665、EIP-5027）**消除代码长度限制，减少签名的 gas，并在链和链下 AI 任务之间建立信任。
    • 计算预编译标准化智能合约内的 AI 推理、零知识证明和模型微调框架。

  • 调度器：通过允许任务按固定时间表运行（例如每 10 分钟），消除对外部“Keeper”合约的依赖。对于持续的 AI 驱动活动至关重要。

  • EVM++：通过原生账户抽象（EIP-7702）增强 EVM，使合约可以在设定期限内自动批准交易。这支持无需人工干预的持续 AI 驱动决策（例如自动交易）。

• 重要性 通过直接在其基础设施中嵌入 AI 关注的功能，Ritual Chain 简化了复杂、重复或时间敏感的 AI 计算。开发者获得了一个更强大和自动化的环境来构建真正“智能”的 dApps。

2.2 共识协议层​

• 功能 Ritual Chain 的协议层解决了高效管理多样 AI 任务的需求。大型推理任务和异构计算节点需要特殊的费用市场逻辑和新颖的共识方法，以确保顺利执行和验证。
• 关键组件
  • Resonance（费用市场）：
    • 引入“拍卖师”和“经纪人”角色，以匹配不同复杂度的 AI 任务与合适的计算节点。
    • 采用近乎穷尽或“捆绑”任务分配，以最大化网络吞吐量，确保强大节点处理复杂任务而不滞后。
  • Symphony（共识）：
    • 将 AI 计算拆分为并行子任务进行验证。多个节点分别验证过程步骤和输出。
    • 通过在多个节点间分配验证工作负载，防止大型 AI 任务过载网络。
  • vTune：
    • 通过使用“后门”数据检查，展示如何在链上验证节点执行的模型微调。
    • 展示 Ritual Chain 处理更长、更复杂 AI 任务的更广泛能力，且信任假设最小化。
• 重要性 传统费用市场和共识模型难以应对繁重或多样的 AI 工作负载。通过重新设计两者，Ritual Chain 可以动态分配任务并验证结果，将链上可能性扩展到基本代币或合约逻辑之外。

3. 原生应用​

• 功能 基于 Infernet 和 Ritual Chain，原生应用包括模型市场和验证网络，展示了如何将 AI 驱动功能本地集成和货币化到链上。
• 关键组件
  • 模型市场：
    • 将 AI 模型（及可能的微调变体）标记为链上资产。
    • 允许开发者购买、出售或许可 AI 模型，收益奖励给模型创建者和计算/数据提供者。
  • 验证网络和“Rollup-as-a-Service”：
    • 为外部协议（例如 L2s）提供可靠的环境，用于计算和验证复杂任务，如零知识证明或 AI 驱动查询。
    • 提供定制的 rollup 解决方案，利用 Ritual 的 EVM++、调度功能和费用市场设计。
• 重要性 通过使 AI 模型直接可交易和可验证到链上，Ritual 将区块链功能扩展到 AI 服务和数据集的市场。更广泛的网络还可以利用 Ritual 的基础设施进行专业计算，形成一个统一的生态系统，其中 AI 任务和证明既便宜又透明。

Ritual 的生态系统发展​

Ritual 的“开放 AI 基础设施网络”愿景与构建强大的生态系统密不可分。除了核心产品设计，团队还在模型存储、计算、证明系统和 AI 应用方面建立了合作伙伴关系，以确保网络的每一层都能获得专家支持。同时，Ritual 大力投资于开发者资源和社区增长，以促进其链上的实际用例。

1. 生态系统合作

• 模型存储与完整性：通过 Arweave 存储 AI 模型，确保其防篡改。
• 计算合作伙伴：IO.net 提供去中心化计算，满足 Ritual 的扩展需求。
• 证明系统与 Layer-2：与 Starkware 和 Arbitrum 合作，扩展 EVM 任务的证明生成能力。
• AI 消费应用：与 Myshell 和 Story Protocol 合作，将更多 AI 驱动服务带到链上。
• 模型资产层：Pond、Allora 和 0xScope 提供额外的 AI 资源，推动链上 AI 边界。
• 隐私增强：Nillion 加强 Ritual Chain 的隐私层。
• 安全与质押：EigenLayer 帮助保护和质押网络。
• 数据可用性：EigenLayer 和 Celestia 模块增强数据可用性，对 AI 工作负载至关重要。

2. 应用扩展

• 开发者资源：综合指南详细说明如何启动 AI 容器、运行 PyTorch，并将 GPT-4 或 Mistral-7B 集成到链上任务中。动手示例——如通过 Infernet 生成 NFT——降低了新手的入门门槛。
• 资金与加速：Ritual Altar 加速器和 Ritual Realm 项目为在 Ritual Chain 上构建 dApps 的团队提供资金和指导。
• 重要项目：
  • Anima：多代理 DeFi 助手，处理贷款、兑换和收益策略的自然语言请求。
  • Opus：AI 生成的 meme 代币，具有计划的交易流程。
  • Relic：将 AI 驱动的预测模型整合到 AMM 中，旨在实现更灵活和高效的链上交易。
  • Tithe：利用 ML 动态调整借贷协议，提高收益同时降低风险。

通过对齐产品设计、合作伙伴关系和多样化的 AI 驱动 dApps，Ritual 将自己定位为 Web3 x AI 的多方面中心。其生态系统优先的方法——辅以充足的开发者支持和实际的资金机会——为链上更广泛的 AI 采用奠定了基础。

Ritual 的展望​

Ritual 的产品计划和生态系统看起来很有前景，但仍然存在许多技术空白。开发者仍需解决诸如设置模型推理端点、加速 AI 任务以及协调多个节点以进行大规模计算等基本问题。目前，核心架构可以处理较简单的用例；真正的挑战在于激励开发者在链上构建更具想象力的 AI 驱动应用。

未来，Ritual 可能会更少关注金融，而更多关注使计算或模型资产可交易。这将吸引参与者并通过将链的代币与实际 AI 工作负载联系起来来增强网络安全性。尽管代币设计的细节仍不清楚，但显然 Ritual 的愿景是激发新一代复杂、去中心化、AI 驱动的应用——将 Web3 推向更深、更具创造性的领域。

AI 和加密技术的融合一直备受关注，但执行效果不佳。过去去中心化 AI 的努力使得技术栈分散，却未能带来实质价值。未来不在于零散的去中心化，而在于构建真正去中心化的全栈 AI 平台，将计算、数据和智能整合为一个连贯的、自我维持的生态系统。

我花了几个月的时间采访了 47 位开发者、创始人和研究人员。共识是？全栈去中心化 AI 是计算智能的未来，2025 年将是其突破之年。

1.7 万亿美元的市场缺口​

今天的 AI 基础设施由少数几家公司主导：

• 四家公司控制了 NVIDIA H100 GPU 供应的 92%。
• 这些 GPU 每年可产生高达 140 万美元的收入。
• AI 推理的加价超过 80%。

这种集中化抑制了创新，创造了适合颠覆的低效。去中心化的全栈 AI 平台如 Cuckoo Network 旨在通过民主化计算、数据和智能的访问来消除这些瓶颈。

全栈去中心化 AI：扩展愿景​

全栈去中心化 AI 平台不仅整合了计算、数据和智能，还在区块链和 AI 的交汇处开启了变革性的新用例。让我们在新兴趋势的背景下探索这些层次。

1. 去中心化计算市场​

集中式计算提供商收取高昂费用并集中资源。去中心化平台如 Gensyn 和 Cuckoo Network 使得：

• 弹性计算： 在分布式网络中按需访问 GPU。
• 可验证计算： 加密证明确保计算准确。
• 降低成本： 早期基准测试显示成本降低 30-70%。

此外，AI-Fi 的兴起正在创造新的经济原语。GPU 正成为收益资产，链上流动性允许数据中心融资硬件采购。去中心化训练框架和推理编排的发展正在加速，为真正可扩展的 AI 计算基础设施铺平道路。

2. 社区驱动的数据生态系统​

AI 对数据的依赖使集中式数据集成为瓶颈。去中心化系统利用 数据 DAO 和零知识证明（ZK）等隐私增强技术，使得：

• 公平价值归属： 动态定价和所有权模型奖励贡献者。
• 实时数据市场： 数据成为可交易的代币化资产。

然而，随着 AI 模型对复杂数据集的需求增加，数据市场需要在质量和隐私之间取得平衡。概率隐私原语的工具，如安全多方计算（MPC）和联邦学习，将在确保去中心化 AI 应用的透明性和安全性方面变得至关重要。

3. 透明的 AI 智能​

今天的 AI 系统是黑箱。去中心化智能通过以下方式带来透明性：

• 可审计模型： 智能合约确保责任和透明度。
• 可解释决策： AI 输出是可解释的，增强信任。

新兴趋势如 代理意图——自主 AI 代理在链上交易或行动——展示了去中心化 AI 如何重新定义工作流程、微支付，甚至治理。平台必须确保代理系统和人类系统之间的无缝互操作性，以促进这些创新的蓬勃发展。

去中心化 AI 的新兴类别​

代理间交互​

区块链本质上是可组合的，使其成为代理间交互的理想选择。这个设计空间包括自主代理参与金融交易、发行代币或促进工作流程。在去中心化 AI 中，这些代理可以协作完成复杂任务，从模型训练到数据验证。

生成内容和娱乐​

AI 代理不仅仅是工作者——它们也可以创造。从代理多媒体娱乐到动态生成的游戏内容，去中心化 AI 可以解锁新的用户体验类别。想象一下虚拟角色无缝融合区块链支付和 AI 生成的叙事，重新定义数字故事讲述。

计算会计标准​

缺乏标准化的计算会计一直困扰着传统和去中心化系统。为了竞争，去中心化 AI 网络必须通过启用苹果对苹果的比较来优先考虑透明度。这不仅会提升用户信任，还会为扩展去中心化计算市场创建可验证的基础。

建设者和投资者应该做什么​

全栈去中心化 AI 的机会巨大，但需要专注：

• 利用 AI 代理进行工作流程自动化： 自主交易的代理可以简化企业认证、微支付和跨平台集成。
• 构建互操作性： 确保与现有 AI 管道和新兴工具如代理交易接口的兼容性。
• 优先考虑用户体验和信任： 采用依赖于简单性、透明性和可验证性。

展望未来​

AI 的未来不是分裂的，而是通过去中心化的全栈平台统一的。这些系统优化计算、数据和智能层，重新分配权力并实现前所未有的创新。通过集成代理工作流程、概率隐私原语和透明的会计标准，去中心化 AI 可以弥合意识形态和实用性之间的差距。

在 2025 年，成功将属于那些通过构建连贯的、以用户为中心的生态系统提供真正价值的平台。真正去中心化 AI 的时代才刚刚开始——其影响将是变革性的。