În raportul din luna iunie (Cupa Sfântă a Crypto AI: Explorări de frontieră în antrenamentul descentralizat) am menționat învățarea federativă (Federated Learning), o soluție de "descentralizare controlată" între antrenamentul distribuit și antrenamentul descentralizat: nucleul său este păstrarea locală a datelor și agregarea centralizată a parametrilor, îndeplinind cerințele de confidențialitate și conformitate din domeniile medical și financiar. Între timp, am continuat să ne concentrăm în numeroasele rapoarte anterioare asupra apariției rețelelor de agenți (Agent) - valoarea acestora constă în colaborarea și specializarea autonomă a mai multor agenți pentru a finaliza sarcini complexe, promovând evoluția de la "modele mari" la "ecosisteme de agenți multipli".
Învățarea federată, cu principiul său conform căruia „datele rămân locale și stimulentele bazate pe contribuție”, pune bazele colaborării multi-partite. Natura sa distribuită, stimulentele transparente, garanțiile de confidențialitate și practicile de conformitate oferă o experiență direct reutilizabilă pentru Rețelele de Agenți. Echipa FedML a urmat această cale, modernizând ADN-ul său open-source la TensorOpera (un strat de infrastructură al industriei IA) și apoi evoluând-o în ChainOpera (o rețea descentralizată de agenți). Desigur, Rețelele de Agenți nu sunt o extensie necesară a învățării federate; nucleul lor constă în colaborarea autonomă și împărțirea sarcinilor între mai mulți agenți și pot fi, de asemenea, construite direct pe sisteme multi-agent (MAS), învățare prin consolidare (RL) sau mecanisme de stimulare blockchain.
I. Arhitectura stivei tehnologice pentru învățare federată și agenți de inteligență artificială
Învățarea Federată (FL) este un cadru pentru instruire colaborativă fără date centralizate. Principiul său de bază este că fiecare participant instruiește modelul local, încărcând doar parametrii sau gradienții către un coordonator pentru agregare, atingând astfel conformitatea cu confidențialitatea prin asigurarea că „datele nu părăsesc domeniul”. După aplicarea practică în scenarii tipice, cum ar fi asistența medicală, finanțele și dispozitivele mobile, Învățarea Federată a intrat într-o etapă comercială relativ matură, dar se confruntă încă cu blocaje, cum ar fi cheltuielile mari de comunicare, protecția incompletă a confidențialității și eficiența scăzută a convergenței din cauza dispozitivelor eterogene. Comparativ cu alte modele de instruire, instruirea distribuită pune accentul pe puterea de calcul centralizată pentru a urmări eficiența și scalabilitatea, în timp ce instruirea descentralizată realizează o colaborare complet distribuită prin intermediul rețelelor de calcul deschise. Învățarea Federată se situează între cele două, reprezentând o soluție „descentralizată controlată”: satisface nevoile industriei în ceea ce privește confidențialitatea și conformitatea, oferind în același timp o cale fezabilă pentru colaborarea interinstituțională, făcând-o mai potrivită pentru arhitecturile de implementare tranzitorie în industrie.
În raportul nostru de cercetare anterior, am împărțit întregul stack de protocoale al agentului AI în trei straturi principale, și anume...
Stratul de infrastructură al agenților: Acest strat oferă suport operațional de nivel inferior pentru agenți și reprezintă fundamentul tehnologic pentru construirea tuturor sistemelor de agenți.
Modulele de bază includ Agent Framework (un cadru pentru dezvoltarea și operarea agenților) și Agent OS (o planificare multi-task de nivel inferior și un runtime modular), oferind capabilități de bază pentru gestionarea ciclului de viață al agenților.
Modulele acceptate includ Agent DID (identitate descentralizată), Agent Wallet & Abstraction (abstracția contului și executarea tranzacțiilor) și Agent Payment/Settlement (capacități de plată și decontare).
Nivelul de Coordonare și Execuție se concentrează pe colaborarea dintre mai mulți agenți, programarea sarcinilor și mecanismele de stimulare a sistemului și este esențial pentru construirea „inteligenței de roi” în sistemele de agenți.
Orchestrarea agenților este un mecanism de comandă utilizat pentru a programa și gestiona uniform ciclul de viață al agentului, alocarea sarcinilor și procesul de execuție. Este potrivit pentru scenarii de flux de lucru cu control centralizat.
Agent Swarm este o arhitectură colaborativă care pune accentul pe cooperarea distribuită a agenților. Se caracterizează prin autonomie ridicată, diviziune a muncii și colaborare flexibilă, fiind potrivită pentru gestionarea sarcinilor complexe în medii dinamice.
Stratul de stimulare a agenților: Construiește un sistem de stimulare economică pentru rețeaua de agenți, pentru a motiva dezvoltatorii, implementatorii și verificatorii, oferind energie durabilă ecosistemului agenților.
Stratul de aplicație și distribuție
Subclase de distribuție: inclusiv Agent Launchpad, Agent Marketplace și Agent Plugin Network
Subclase de aplicații: care acoperă AgentFi, Agent Native DApp, Agent-as-a-Service etc.
Subcategoria Consumator: În principal Agent Social / Agent Consumator, care vizează scenarii simple, cum ar fi interacțiunea socială a consumatorilor.
Meme: Folosește conceptul de Agent pentru promovare, dar îi lipsește implementarea și aplicarea tehnică reală și este condus exclusiv de marketing.
II. Benchmark-uri de învățare federată: FedML și platforma full-stack TensorOpera
FedML este unul dintre primele framework-uri open-source pentru învățarea federată și instruirea distribuită. Provenit dintr-o echipă academică (USC), a fost treptat corporatizat și a devenit un produs de bază al TensorOpera AI. Acesta oferă cercetătorilor și dezvoltatorilor instrumente de instruire pentru colaborarea datelor inter-instituționale și inter-dispozitive. În mediul academic, FedML a devenit o platformă experimentală generală pentru cercetarea învățării federate datorită aparițiilor sale frecvente la conferințe de top precum NeurIPS, ICML și AAAI. În industrie, FedML are o reputație excelentă în scenarii sensibile la confidențialitate, cum ar fi asistența medicală, finanțele, inteligența artificială de la margine și inteligența artificială Web3 și este considerat un instrument de referință în domeniul învățării federate.
TensorOpera este upgrade-ul comercial al FedML către o platformă full-stack de infrastructură AI pentru întreprinderi și dezvoltatori: menținând în același timp capacitățile de învățare federată, se extinde la GPU Marketplace, servicii de modelare și MLOps, intrând astfel pe o piață mai mare în era modelelor și agenților mari. Arhitectura generală a TensorOpera poate fi împărțită în trei straturi: Stratul de Calcul (stratul de fundație), Stratul de Planificare (stratul de planificare) și Stratul MLOps (stratul de aplicație).
1. Stratul de calcul (stratul inferior)
Stratul de calcul formează fundamentul tehnologic al TensorOpera, continuând ADN-ul open-source al FedML. Funcționalitățile sale principale includ Server de parametri, Instruire distribuită, Punct final de inferență și Server de agregare. Propunerea sa de valoare constă în furnizarea de instruire distribuită, învățare federată cu păstrarea confidențialității și un motor de inferență scalabil, suportând cele trei capabilități de bază „Instruire / Implementare / Federare”. Acesta acoperă întregul lanț, de la instruirea și implementarea modelelor până la colaborarea interinstituțională, servind ca strat fundamental al întregii platforme.
2. Stratul planificatorului (Strat mijlociu)
Stratul Scheduler acționează ca hub central pentru tranzacționarea și programarea puterii de calcul, cuprinzând GPU Marketplace, Provision, Master Agent și Schedule & Orchestrate. Acesta suportă accesul la resurse în cloud-uri publice, furnizori de GPU și contribuitori independenți. Acest strat reprezintă un punct de cotitură crucial în actualizarea FedML la TensorOpera, permițând antrenamentul și inferența IA la scară largă prin programarea inteligentă a puterii de calcul și orchestrarea sarcinilor, acoperind scenarii tipice de LLM și IA generativă. În plus, modul Share & Earn al acestui strat rezervă o interfață de mecanism de stimulare, având potențialul de compatibilitate cu modurile DePIN sau Web3.
3. Stratul MLOps (Strat superior)
Stratul MLOps este interfața directă de servicii a platformei către dezvoltatori și întreprinderi, incluzând module precum Model Serving, AI Agent și Studio. Aplicațiile tipice includ LLM Chatbot, AI generativă multimodală și instrumentul pentru dezvoltatori Copilot. Valoarea sa constă în abstractizarea puterii de calcul și a capacităților de instruire subiacente în API-uri și produse de nivel înalt, reducând bariera la intrare, oferind agenți gata de utilizare, medii de dezvoltare low-code și capacități de implementare scalabile. Poziționat pentru a concura cu platformele de infrastructură AI de generație următoare, cum ar fi Anyscale, Together și Modal, acesta acționează ca o punte de legătură între infrastructură și aplicații.
În martie 2025, TensorOpera a trecut la o platformă full-stack pentru agenții de inteligență artificială, cu produse de bază care cuprind aplicația, framework-ul și platforma AgentOpera AI. Nivelul aplicației oferă un punct de intrare multi-agent similar ChatGPT; nivelul framework-ului evoluează într-un „sistem de operare Agentic” bazat pe un sistem multi-agent structurat pe grafuri și un Orchestrator/Router; iar nivelul platformei este profund integrat cu platforma de modele TensorOpera și FedML, permițând servicii de modele distribuite, optimizare RAG și implementare hibridă edge-cloud. Scopul general este de a crea „un sistem de operare, o rețea de agenți”, permițând dezvoltatorilor, întreprinderilor și utilizatorilor să construiască împreună o nouă generație de ecosistem Agentic AI într-un mediu deschis și protejat din punct de vedere al confidențialității.
III. Prezentare generală a ecosistemului de inteligență artificială ChainOpera: de la co-creator și acționar la fundație tehnologică
Dacă FedML este nucleul tehnologic, furnizând genele open-source pentru învățarea federată și instruirea distribuită, iar TensorOpera abstractează rezultatele cercetării FedML într-o infrastructură AI full-stack viabilă din punct de vedere comercial, atunci ChainOpera „pune” capabilitățile platformei TensorOpera „on-chain”, creând un ecosistem descentralizat de rețea de agenți prin intermediul unui terminal AI + Rețeaua socială a agenților + modelul DePIN și stratul de putere de calcul + blockchain AI-Native. Schimbarea esențială constă în faptul că, în timp ce TensorOpera vizează în principal întreprinderile și dezvoltatorii, ChainOpera, utilizând mecanisme de guvernanță și stimulare bazate pe Web3, încorporează utilizatori, dezvoltatori și furnizori de GPU/date în co-creare și co-guvernare, asigurându-se că agenții AI nu sunt doar „utilizați”, ci „co-creați și deținuți în comun”.
Ecosistemul co-creatorilor
ChainOpera AI oferă un lanț de instrumente, o infrastructură și un strat de coordonare pentru co-crearea ecosistemelor prin intermediul platformei Model & GPU și a platformei Agent, sprijinind instruirea modelelor, dezvoltarea agenților, implementarea și scalarea colaborării.
Ecosistemul ChainOpera cuprinde co-creatori, inclusiv dezvoltatori de agenți AI (care proiectează și operează agenți), furnizori de instrumente și servicii (șabloane, MCP-uri, baze de date și API-uri), dezvoltatori de modele (care antrenează și implementează carduri de model), furnizori de GPU (care contribuie cu putere de calcul prin intermediul partenerilor cloud DePIN și Web2) și contribuitori și etichetatori de date (care încarcă și etichetează date multimodale). Aceste trei grupuri principale de furnizare - dezvoltare, putere de calcul și date - impulsionează împreună creșterea continuă a rețelelor de agenți.
Ecosistemul coproprietarilor
Ecosistemul ChainOpera introduce, de asemenea, un mecanism de coproprietate, încurajând construirea rețelei prin colaborare și participare. Creatorii de agenți IA sunt persoane sau echipe care proiectează și implementează noi agenți inteligenți prin intermediul Platformei de Agenți, responsabili de construirea, lansarea și întreținerea continuă a acestora, stimulând astfel inovația în funcționalitate și aplicații. Participanții la programul de agenți IA provin din comunitate; aceștia participă la ciclul de viață al agenților inteligenți prin achiziționarea și deținerea de Unități de Acces, susținând creșterea și activitatea agenților inteligenți în timpul utilizării și promovării. Aceste două roluri reprezintă partea ofertei, respectiv a cererii, formând împreună un model de dezvoltare colaborativă și de partajare a valorii în cadrul ecosistemului.
Parteneri ecosistemici: Platforme și cadre
ChainOpera AI colaborează cu mai multe părți pentru a îmbunătăți utilizabilitatea și securitatea platformei și pune accent pe integrarea cu scenariile Web3: realizează recomandări inteligente de servicii prin intermediul aplicației AI Terminal, împreună cu portofele, algoritmi și platforme de agregare; introduce diverse framework-uri și instrumente no-code în platforma de agenți pentru a reduce pragul de dezvoltare; se bazează pe TensorOpera AI pentru antrenarea și inferența modelelor; și a stabilit un parteneriat exclusiv cu FedML pentru a sprijini antrenarea cu respectarea confidențialității în cadrul instituțiilor și dispozitivelor. Per total, aceasta formează un ecosistem deschis care echilibrează aplicațiile la nivel de întreprindere cu experiențele utilizatorilor Web3.
Punct de intrare hardware: AI Hardware & Partners
Prin intermediul unor parteneri precum DeAI Phone, dispozitive portabile și Robot AI, ChainOpera integrează blockchain-ul și inteligența artificială în terminale inteligente, permițând interacțiunea cu dApp-uri, antrenamentul edge și protecția confidențialității, formând treptat un ecosistem hardware descentralizat de inteligență artificială.
Platformă centrală și fundație tehnologică: TensorOpera GenAI și FedML
TensorOpera oferă o platformă GenAI full-stack care acoperă MLOps, Scheduler și Compute; subplatforma sa FedML a crescut de la open source academic la un framework industrial, consolidând capacitatea IA de a „rula oriunde și de a se scala arbitrar”.
Ecosistemul de inteligență artificială ChainOpera
IV. Produsele principale ale ChainOpera și infrastructura completă a agenților AI
În iunie 2025, ChainOpera a lansat oficial aplicația sa AI Terminal și stiva tehnologică descentralizată, poziționându-se ca o „versiune descentralizată a OpenAI”. Produsele sale principale acoperă patru module majore: stratul aplicației (AI Terminal & Agent Network), stratul dezvoltatorului (Agent Creator Center), stratul modelului și GPU (Model & Compute Network) și protocolul CoAI și lanțul dedicat, acoperind o buclă închisă completă de la accesul utilizatorului la puterea de calcul subiacentă și stimulentele on-chain.
Aplicația AI Terminal a integrat BNBChain, oferind suport pentru tranzacții on-chain și agenți în scenarii DeFi. Centrul de creație a agenților este deschis dezvoltatorilor, oferind capabilități precum MCP/HUB, bază de cunoștințe și RAG, iar agenții comunității se alătură continuu. În același timp, a lansat CO-AI Alliance, colaborând cu parteneri precum io.net, Render, TensorOpera, FedML și MindNetwork.
Conform datelor on-chain de la BNB DApp Bay din ultimele 30 de zile, acesta are 158,87 mii de utilizatori unici și 2,6 milioane de tranzacții în ultimele 30 de zile, clasându-se pe locul al doilea în categoria „Agent AI” BSC, demonstrând o activitate on-chain puternică.
Super AI Agent App – AI Terminal (https://chat.chainopera.ai/)
Ca o rețea descentralizată ChatGPT și o platformă socială bazată pe inteligență artificială, AI Terminal oferă colaborare multimodală, stimulente pentru contribuția de date, integrare de instrumente DeFi, asistenți multi-platformă și acceptă colaborarea cu agenți AI și protecția confidențialității (Datele tale, Agentul tău). Utilizatorii pot invoca direct modelul open-source la scară largă DeepSeek-R1 și agenții comunitari pe dispozitivele mobile, cu token-uri de limbă și token-uri cripto care circulă transparent pe lanț în timpul interacțiunii. Valoarea sa constă în transformarea utilizatorilor din „consumatori de conținut” în „co-creatori inteligenți”, permițându-le să utilizeze rețele dedicate de agenți în scenarii DeFi, RWA, PayFi, comerț electronic și alte scenarii.
Rețea socială pentru agenți cu inteligență artificială (https://chat.chainopera.ai/agent-social-network)
Poziționat similar cu LinkedIn + Messenger, dar vizând comunitatea agenților AI. Prin intermediul spațiilor de lucru virtuale și al mecanismelor de colaborare agent-to-agent (MetaGPT, ChatDEV, AutoGEN, Camel), acesta conduce evoluția agenților individuali în rețele de colaborare multi-agent, acoperind aplicații precum finanțe, jocuri, comerț electronic și cercetare, sporind treptat memoria și autonomia.
Platformă pentru dezvoltatori de agenți AI (https://agent.chainopera.ai/)
Oferă dezvoltatorilor o experiență creativă „asemănătoare Lego”. Acceptă expansiunea modulară și fără cod, contractele blockchain asigură proprietatea, infrastructura DePIN + cloud reduce bariera de intrare, iar Marketplace oferă canale de distribuție și descoperire. În esență, permite dezvoltatorilor să ajungă rapid la utilizatori, iar contribuțiile ecosistemului sunt înregistrate și stimulate în mod transparent.
AI Model & GPU Platform (https://platform.chainopera.ai/)
Ca strat de infrastructură, combină DePIN și învățarea federată pentru a aborda punctul slab al dependenței inteligenței artificiale Web3 de puterea de calcul centralizată. Prin GPU-uri distribuite, instruire de date care păstrează confidențialitatea, piețe de modele și date și MLO-uri end-to-end, susține colaborarea multi-agent și inteligența artificială personalizată. Viziunea sa este de a impulsiona o schimbare de paradigmă în infrastructură de la „monopolul companiilor mari” la „co-construcția comunității”.
V. Planificarea foii de parcurs pentru inteligența artificială ChainOpera
Pe lângă platforma sa full-stack pentru agenți de inteligență artificială lansată oficial, ChainOpera AI crede cu tărie că Inteligența Artificială Generală (AGI) își are originea în rețele de colaborare multimodale, multi-agent. Prin urmare, foaia sa de parcurs pe termen lung este planificată în patru faze:
Faza 1 (Calcul → Capital): Construirea unei infrastructuri descentralizate, inclusiv rețele GPU DePIN, platforme de învățare federate și de instruire/inferență distribuită și introducerea unor routere model pentru a coordona inferența multi-terminal; furnizarea de mecanisme de stimulare care să permită furnizorilor de putere de calcul, modele și date să primească venituri distribuite în funcție de utilizare.
Faza a doua (Aplicații Agentice → Economie Colaborativă AI): Lansarea Terminalului AI, a Pieței Agenților și a Rețelei Sociale a Agenților pentru a forma un ecosistem de aplicații multi-agent; conectarea utilizatorilor, dezvoltatorilor și furnizorilor de resurse prin protocolul CoAI și introducerea unui sistem de potrivire între cererea utilizatorilor și dezvoltatori și a unui sistem de creditare pentru a promova interacțiunea de înaltă frecvență și activitatea economică continuă.
Faza a treia (IA colaborativă → IA cripto-nativă): Implementată în domenii DeFi, RWA, plăți, comerț electronic și alte domenii, extinzându-se în același timp la scenarii KOL și schimb de date personale; a dezvoltat un LLM dedicat pentru finanțe/cripto și a lansat un sistem de plată și portofel agent-to-agent pentru a promova aplicarea „Crypto AGI” în diverse scenarii.
Faza a patra (Ecosisteme → Economii autonome de IA): Evoluție treptată către economii autonome de subrețea, unde fiecare subrețea este guvernată independent și tokenizată în jurul aplicațiilor, infrastructurii, puterii de calcul, modelelor și datelor și formează un ecosistem colaborativ multi-subrețea prin colaborarea prin protocol între subrețele; în același timp, trecerea de la IA agentică la IA fizică (robotică, conducere autonomă, aerospațială).
Exonerare de răspundere: Această foaie de parcurs este doar cu titlu informativ. Cronologia și caracteristicile pot fi ajustate dinamic în funcție de condițiile pieței și nu constituie o garanție de livrare.
VII. Stimulente pentru tokenuri și guvernanță de protocol
ChainOpera nu a anunțat încă un plan complet de stimulare a tokenurilor, dar protocolul său CoAI se bazează pe conceptul de bază de „co-creare și co-proprietate”. Acesta realizează înregistrări transparente și verificabile ale contribuțiilor prin intermediul blockchain și al mecanismului Proof-of-Intelligence: contribuția dezvoltatorilor, a puterii de calcul, a furnizorilor de date și servicii este măsurată și recompensată într-un mod standardizat, utilizatorii utilizează serviciile, furnizorii de resurse susțin operațiunile, dezvoltatorii construiesc aplicații, iar toți participanții împart dividendele de creștere; platforma menține ciclul cu o taxă de serviciu de 1%, distribuția recompenselor și suportul lichidității și promovează un ecosistem AI descentralizat, deschis, echitabil și colaborativ.
Cadrul de învățare a dovezilor de inteligență
Dovada Inteligenței (PoI) este mecanismul de consens central propus de ChainOpera în cadrul protocolului CoAI, cu scopul de a oferi un sistem transparent, echitabil și verificabil de stimulare și guvernanță pentru construcția descentralizată a IA. Cadrul său de învățare automată colaborativă blockchain, bazat pe Dovada Contribuției, își propune să abordeze problemele legate de stimulentele insuficiente, riscurile de confidențialitate și lipsa de verificabilitate în aplicarea practică a Învățării Federate (FL). Acest design, centrat pe contracte inteligente și combinat cu stocare descentralizată (IPFS), noduri de agregare și dovezi zero-knowledge (zkSNARK), atinge cinci obiective principale: ① Distribuirea echitabilă a recompenselor bazată pe contribuție, asigurându-se că instructorii primesc stimulente bazate pe îmbunătățirile reale ale modelului; ② Menținerea stocării locale a datelor pentru a proteja confidențialitatea; ③ Introducerea de mecanisme robuste pentru combaterea otrăvirii malițioase sau a atacurilor de agregare din partea instructorilor; ④ Asigurarea verificabilității calculelor cheie, cum ar fi agregarea modelelor, detectarea anomaliilor și evaluarea contribuției prin ZKP; ⑤ Aplicabil datelor eterogene și diferitelor sarcini de învățare în termeni de eficiență și versatilitate.
Valoarea tokenului în IA full-stack
Mecanismul de tokenuri al ChainOpera funcționează în jurul a cinci fluxuri de valoare (LaunchPad, Agent API, Model Serving, Contribution și Model Training), nucleul fiind taxele de serviciu, confirmarea contribuțiilor și alocarea resurselor, mai degrabă decât randamentele speculative.
Utilizatori de inteligență artificială: Accesează servicii sau se abonează la aplicații folosind token-uri și contribuie la ecosistem prin furnizarea/etichetarea/deținerea datelor.
Agent/Dezvoltator de aplicații: Folosește puterea de calcul și datele platformei pentru dezvoltare și este recunoscut de protocolul pentru agentul, aplicația sau setul de date la care contribuie.
Furnizori de resurse: Contribuie cu putere de calcul, date sau modele și primesc înregistrări și stimulente transparente.
Participanți la guvernanță (comunitate și DAO): participă la votare, proiectarea mecanismelor și coordonarea ecosistemului prin intermediul token-urilor.
Stratul de protocol (COAI): Menține dezvoltarea durabilă prin taxe de serviciu și echilibrează cererea și oferta folosind mecanisme automate de alocare.
Noduri și validatori: Oferă servicii de verificare, putere de calcul și securitate pentru a asigura fiabilitatea rețelei.
Guvernanța protocolului
ChainOpera utilizează guvernanța DAO, permițând utilizatorilor să participe la propuneri și să voteze prin staking de token-uri, asigurând un proces decizional transparent și corect. Mecanismele de guvernanță includ: un sistem de reputație (verificarea și cuantificarea contribuțiilor), colaborarea comunității (propunerile și votul stimulează dezvoltarea ecosistemului) și ajustări ale parametrilor (utilizarea datelor, securitatea și responsabilitatea validatorilor). Scopul general este de a evita concentrarea puterii și de a menține stabilitatea sistemului și co-crearea comunității.
VIII. Istoricul echipei și finanțarea proiectului
Proiectul ChainOpera a fost co-fondat de profesorul Salman Avestimehr și Dr. Aiden, ambii cu o vastă experiență în învățarea federată. Ceilalți membri principali ai echipei au experiență în instituții academice și tehnologice de top, precum UC Berkeley, Stanford, USC, MIT, Universitatea Tsinghua, Google, Amazon, Tencent, Meta și Apple, posedând atât experiență în cercetare academică, cât și în industrie. În prezent, echipa de inteligență artificială ChainOpera depășește 40 de persoane.
Cofondator: Salman Avestimehr
Profesorul Salman Avestimehr este profesorul decan al Departamentului de Inginerie Electrică și Calculatoare din cadrul Universității din California de Sud (USC) și este directorul fondator al Centrului de Inteligență Artificială de Confidențialitate USC-Amazon, conducând totodată Laboratorul de Teoria Informației și Învățare Automată USC (vITAL). Este cofondator și CEO al FedML și a cofondat TensorOpera/ChainOpera AI în 2022.
Profesorul Salman Avestimehr deține un doctorat în EECS de la UC Berkeley (premiul pentru cea mai bună lucrare). În calitate de membru IEEE, a publicat peste 300 de lucrări de înaltă calitate în teoria informației, calcul distribuit și învățare federată, cu peste 30.000 de citări, și a primit numeroase distincții internaționale, inclusiv PECASE, NSF CAREER și premiul IEEE Massey. El a condus crearea framework-ului open-source FedML, care este utilizat pe scară largă în domeniul sănătății, finanțelor și al calculului confidențialității și a devenit o bază tehnologică esențială pentru TensorOpera/ChainOpera AI.
Cofondator: Dr. Aiden Chaoyang He
Dr. Aiden Chaoyang Este cofondator și președinte al TensorOpera/ChainOpera AI, doctor în informatică de la Universitatea din California de Sud (USC) și creatorul original al FedML. Interesele sale de cercetare includ învățarea distribuită și federată, antrenamentul de modele la scară largă, blockchain-ul și informatica bazată pe confidențialitate. Înainte de a-și începe propria afacere, a lucrat în cercetare și dezvoltare la Meta, Amazon, Google și Tencent și a deținut poziții de bază în inginerie și management la Tencent, Baidu și Huawei, conducând implementarea mai multor produse la nivel de internet și platforme de inteligență artificială.
În mediul academic și industrial, Aiden a publicat peste 30 de lucrări, cu peste 13.000 de citări pe Google Scholar și a primit premiile Amazon Ph.D. Fellowship, Qualcomm Innovation Fellowship și premii pentru cea mai bună lucrare de la NeurIPS și AAAI. Framework-ul FedML, a cărui dezvoltare a condus-o, este unul dintre cele mai utilizate proiecte open-source în domeniul învățării federate, suportând o medie de 27 de miliarde de solicitări pe zi. De asemenea, a propus framework-ul FedNLP și o metodă de antrenament paralel cu model hibrid, în calitate de autor principal, care sunt utilizate pe scară largă în proiecte de inteligență artificială descentralizate, cum ar fi Sahara AI.
În decembrie 2024, ChainOpera AI a anunțat finalizarea unei runde de finanțare inițială de 3,5 milioane de dolari, aducând finanțarea totală cu TensorOpera la 17 milioane de dolari. Fondurile vor fi utilizate pentru a construi un sistem de operare blockchain L1 și AI pentru agenți AI descentralizați. Această rundă a fost condusă de Finality Capital, Road Capital și IDG Capital, cu participarea Camford VC, ABCDE Capital, Amber Group, Modular Capital și a altor investitori, inclusiv Sparkle Ventures, Plug and Play, USC, și investitori instituționali și individuali proeminenți precum Sreeram Kannan, fondatorul EigenLayer, și David Tse, cofondator al BabylonChain. Echipa a declarat că această rundă de finanțare va accelera realizarea viziunii sale despre un ecosistem descentralizat de AI, deținut și co-creat de contribuitori, dezvoltatori și utilizatori de resurse AI.
IX. Analiza peisajului pieței învățării federate și a agenților de inteligență artificială
Există patru cadre principale reprezentative pentru învățare federată: FedML, Flower, TFF și OpenFL. FedML este cel mai cuprinzător, combinând învățarea federată, antrenamentul distribuit pe modele la scară largă și MLOps, ceea ce îl face potrivit pentru aplicații industriale. Flower este ușor și ușor de utilizat, cu o comunitate activă și este orientat către predare și experimente la scară mică. TFF se bazează în mare măsură pe TensorFlow, are o valoare ridicată a cercetării academice, dar o aplicație industrială slabă. OpenFL se concentrează pe asistență medicală/finanțe, pune accent pe respectarea confidențialității și are un ecosistem relativ închis. Per total, FedML reprezintă o abordare completă de nivel industrial, Flower pune accent pe ușurința în utilizare și educație, TFF se înclină spre experimente academice, iar OpenFL are un avantaj în conformitatea verticală a industriei.
La nivelul de industrializare și infrastructură, TensorOpera (FedML comercializat) se caracterizează prin moștenirea acumulării tehnologice a FedML open-source, oferind capabilități integrate pentru programarea GPU cross-cloud, instruire distribuită, învățare federată și MLOps. Scopul său este de a face legătura între cercetarea academică și aplicațiile industriale, deservind dezvoltatorii, IMM-urile și ecosistemul Web3/DePIN. Per total, TensorOpera este în esență o „combinație Hugging Face + W&B de FedML open-source”, oferind capabilități de instruire distribuită full-stack și învățare federată mai complete și universale, distingându-l de alte platforme centrate pe comunități, instrumente sau industrii individuale.
Printre reprezentanții stratului de inovare, atât ChainOpera, cât și Flock încearcă să combine învățarea federată cu Web3, dar direcțiile lor diferă semnificativ. ChainOpera construiește o platformă full-stack pentru agenți AI, care cuprinde o arhitectură pe patru niveluri: punct de intrare, interacțiune socială, dezvoltare și infrastructură. Valoarea sa fundamentală constă în transformarea utilizatorilor din „consumatori” în „co-creatori” și în realizarea unei AGI colaborative și a unei co-construcții comunitare a ecosistemului prin intermediul terminalului AI și al rețelei sociale de agenți. Flock, pe de altă parte, se concentrează mai mult pe învățarea federată îmbunătățită prin blockchain (BAFL), punând accentul pe protecția confidențialității și mecanismele de stimulare într-un mediu descentralizat, vizând în principal verificarea colaborativă la nivelul puterii de calcul și al datelor. ChainOpera se înclină mai mult spre implementarea nivelului de aplicație și rețea de agenți, în timp ce Flock se concentrează pe îmbunătățirea antrenamentului subiacent și a calculului care păstrează confidențialitatea.
La nivel de rețea de agenți, cel mai reprezentativ proiect din industrie este Olas Network. ChainOpera, pe de altă parte, își are originea în învățarea federată, construind o buclă închisă full-stack de model-computing power-agent și utilizând Agent Social Network ca câmp experimental pentru a explora interacțiunea și colaborarea socială a mai multor agenți. Olas Network, provenită din colaborarea DAO și ecosistemul DeFi, este poziționată ca o rețea de servicii autonome descentralizată, lansând scenarii de randament DeFi care pot fi implementate direct prin Pearl, arătând o cale complet diferită de ChainOpera.
10. Logica investițională și analiza riscurilor potențiale
Logica investițională
Avantajul ChainOpera constă în primul rând în șanțul său tehnologic: de la FedML (un framework open-source de referință pentru învățarea federată) la TensorOpera (o infrastructură de inteligență artificială full-stack la nivel enterprise) și apoi la ChainOpera (rețea de agenți bazată pe Web3 + DePIN + Tokenomics), a format o cale unică de evoluție continuă, combinând acumularea academică, aplicarea industrială și narațiunea criptografică.
În ceea ce privește amploarea aplicațiilor și a utilizatorilor, AI Terminal a format un ecosistem cu sute de mii de utilizatori activi zilnic și mii de aplicații Agent și ocupă primul loc în categoria AI a BNBChain DApp Bay, demonstrând o creștere clară a numărului de utilizatori on-chain și un volum real de tranzacții. Se așteaptă ca acoperirea sa multimodală a domeniului cripto-nativ să se extindă treptat la o gamă mai largă de utilizatori Web2.
În ceea ce privește colaborarea în ecosistem, ChainOpera a lansat CO-AI Alliance, reunind parteneri precum io.net, Render, TensorOpera, FedML și MindNetwork pentru a construi efecte de rețea multilaterale care implică GPU-uri, modele, date și confidențialitate. În același timp, a colaborat cu Samsung Electronics pentru a verifica GenAI multimodal mobil, demonstrând potențialul de extindere la hardware și edge AI.
În ceea ce privește modelul de tokenuri și cel economic, ChainOpera se bazează pe consensul Proof-of-Intelligence și distribuie stimulente în jurul a cinci fluxuri de valoare (LaunchPad, Agent API, Model Serving, Contribution și Model Training). Formează un ciclu pozitiv printr-un comision de serviciu al platformei de 1%, distribuția stimulentelor și suportul pentru lichiditate, evitând un singur model de „speculație cripto” și îmbunătățind sustenabilitatea.
Riscuri potențiale
În primul rând, tehnologia se confruntă cu provocări semnificative în aplicarea practică. Arhitectura descentralizată pe cinci niveluri propusă de ChainOpera este destul de extinsă, iar colaborarea pe mai multe niveluri (în special în inferența distribuită și antrenamentul confidențialității pentru modele mari) prezintă încă provocări de performanță și stabilitate și nu a fost încă validată prin aplicații la scară largă.
În al doilea rând, trebuie încă observată implicarea utilizatorilor în cadrul ecosistemului. Deși proiectul a înregistrat o creștere inițială a numărului de utilizatori, rămâne de văzut dacă Agent Marketplace și lanțul de instrumente pentru dezvoltatori pot menține activitatea pe termen lung și o ofertă de înaltă calitate. În prezent, Rețeaua Socială pentru Agenți lansată se concentrează în principal pe conversații text bazate pe LLM, iar experiența utilizatorului și retenția pe termen lung necesită îmbunătățiri suplimentare. Dacă mecanismul de stimulare nu este conceput suficient de atent, acesta poate duce la o activitate ridicată pe termen scurt, dar la o valoare insuficientă pe termen lung.
În cele din urmă, sustenabilitatea modelului de afaceri rămâne de confirmat. În prezent, veniturile se bazează în principal pe taxele de servicii ale platformei și pe circulația tokenurilor, iar un flux de numerar stabil nu a fost încă stabilit. Comparativ cu aplicațiile cu atribute mai financiare sau de productivitate, cum ar fi AgentFi sau Payment, valoarea comercială a modelului actual necesită încă o validare suplimentară. În același timp, ecosistemele mobile și hardware sunt încă în stadiul de explorare, iar perspectivele pieței sunt supuse unor incertitudini.
Declinare de responsabilitate: Acest articol a fost scris cu ajutorul instrumentelor de inteligență artificială ChatGPT-5. Autorul a depus toate eforturile pentru a corecta și a se asigura că informațiile sunt adevărate și exacte, dar pot exista omisiuni. Ne cerem scuze pentru orice inconvenient. Este deosebit de important de reținut că piața criptomonedelor se confruntă adesea cu o discrepanță între fundamentele proiectului și performanța prețului de pe piața secundară. Acest articol este destinat exclusiv informațiilor și schimburilor academice/de cercetare și nu constituie niciun sfat de investiții și nici nu ar trebui considerat o recomandare de a cumpăra sau vinde vreun token.