链原生 Web3 AI 网络 Chainbase 推出 AVS 主网, 拓展 EigenLayer AVS 场景

在 12 月 4 日,链原生的 Web3 AI 数据网络 Chainbase 正式启动了 Chainbase AVS 主网,同时发布了首批 20 个 AVS 节点运营商名单。Chainbase AVS 是 EigenLayer AVS 中首个以数据智能为应用导向的主网 AVS,其采用四层网络架构,其中执行层(Execution Layer)中的 Chainbase AVS 通过与 EigenLayer 集成,确保了数据处理的可扩展性和安全性。执行层利用 Chainbase 虚拟机(CVM)以及 Chainbase Manuscripts 数据框架,实现了复杂工作流的无缝执行,为大规模AI数据处理提供强大支持。

事实上,自 Chainbase 在 7 月启动 AVS 测试网以来,该网络就已经吸引了超过 2,100 名节点运营商注册、质押 ETH 超过 600,000 枚,作为目前最重要的数据堆栈之一每天进行超过 6 亿次 API 调用。而在其此前推出的 Chainbase Genesis 奥德赛活动中,Chainbase 已经连接了 31,161,249 个钱包,代表了市场对于 Chainbase 的认可。

 

而随着全新 AVS 主网的发布,不仅预示着 Chainbase Web3 全链数据网络生态的进一步完善,同时也为 Chainbase 主网的启动奠定了重要基础。

与此同时,Chainbase AVS 是 EigenLayer AVS 中首个以数据智能为核心应用场景的主网 AVS,这不仅拓展了 EigenLayer AVS 体系的应用领域,还进一步为更多与数据相关的板块与 EigenLayer 体系的深度结合奠定了基础。

 

链原生的分布式全链数据网络 Chainbase:专为 Web3 和 AI 经济打造

AI 技术正在让人类的生产力与生产效率实现飞跃,并在过去几年里实现了爆发式增长。算力、算法以及数据是 AI 发展的三驾马车,这其中算力随着计算硬件的不断升级、大规模计算集群不断面向市场而不在紧缺,算法则随着创新不断优化,反倒是可供 AI 训练的可用、格式统一的数据越来越少,比如:

● 由于缺乏足够的开放数据,并存在数据访问权限限制,开发者或研究人员获取到所需的数据集越来越难,并直接影响到 AI 模型的开发和应用。

● 捕获到的数据缺失或受到污染,数据难以保证准确、无缺失,且没有被篡改,这正在成为 AI 模型受到误导,产生不准确或不可靠的结果的重要因素。

● 即便是高质量的数据,数据通常在格式上不统一需要适当的预处理,否则难以直接应用于 AI 模型训练,这大大提升了 AI 训练的工作量与成本。

在这样的背景下,Chainbase 正在以 Web3 的方式构建一套服,旨在解决 AI 领域发展过程中所面临的数据的可访问性、完整性和可用性等系列问题,以让 AI 能够获得高质量、结构化且可信数据的供给,并通过先进的技术架构和开放的生态系统,重新定义数据的获取、管理和利用方式,为开发者和用户提供全面、高效的解决方案,并基于知识经济以奖励多方贡献者共同参与。

透明、开放与协作的 Web3 数据生态

正如上文所说,AI 领域所面临的数据问题,大体可以归结为可访问性、完整性和可用性几方面问题。所以对于一套理想的 Web3 数据体系而言,即需要保证开放且非许可,又需要保证数据的标准统一性、优质且全面。Chainbase 网络以去中心化为基本原则,确保数据不会由单一实体控制或处理,并确立了开源、协作、激励机制及 AI 准备性四大核心准则。

Chainbase 本身构建了一套以区块链方案为基础的分布式数据生态体系,面向 Web3,一方面其允许所有数据需求者从网络中捕获特定数据,并以开源的方式面向所有开发者与研究人员,为 AI 捕获数据提供必要的可访问性构建了基础。

与此同时,Chainbase 正在构建一个以协作和激励为核心的体系,以提供全面、优质且统一标准的数据集,确保数据的完整性和可用性,并避免数据被单一实体控制或处理。Chainbase 允许用户成为网络中的数据供给者,并通过 Manuscripts (通过简化数据格式化和标准化流程,使 AI 系统能够无缝访问所需数据)实现数据的标准化和处理,同时数据供给者还可以通过共享、验证数据或提供计算能力,持续为网络数据解码做出贡献,这些贡献将通过 $C 代币奖励,以激励更多用户参与数据的提供与共享。

四层架构设计

为了保证系统的高效运行,Chainbase 设计了一套四层架构体系,包括数据可访问层、共识层、执行层与协处理层。其中不同层封装不同的功能与角色,且相互间实现无缝的整合。基于层次化架构,Chainbase 将能够为协作式知识共享、强大的执行能力、共识驱动的数据验证以及高质量的数据可访问性构建了一个去中心化环境。

● 数据可访问层

数据可访问层是 Chainbase 数据来源的源头也是数据基础,负责收集、验证和存储链上与链下数据,并响应 Manuscripts 的数据处理功能需求。该层不仅囊括了链上数据。包括记录交易历史、质押信息及元数据等内容,同时也囊括了链下数据(存储在去中心化存储系统中),解决了扩展性和隐私问题,适合存储大型原始数据集、编程代码和复杂 AI 模型。

该层通过去中心化网络获取信息,以保证数据来源的分散性与多样性,避免单一实体的控制或操控。同时利用 ZKP 等密码学技术验证数据来源保护敏感信息,并通过共识机制确保数据在永久存储前的可信度,为数据的合规、完整性提供早期的基础。

● 共识层

作为一个分布式的链上生态,Chainbase 需要保证数据是完整、安全且可信的,并确保所有交易和数据状态都经过网络参与者的验证和认可。

Chainbase 构建了一套基于 CometBFT 的共识算法,提供对网络故障与恶意攻击的强大抗性,并实现快速最终性,确保数据的即时更新。与此同时,Chainbase 也通过 DPoS 共识机制将经济因素引入到系统中并与验证者绑定。

其中验证者角色可以通过质押 $C 代币来维护区块链的完整性、验证数据操作并确保一致性,而委托人通过将 $C 代币质押给其支持或信任的验证者,进一步提升网络质押规模,提升网络安全性并强化系统的经济韧性。验证者因其确保网络准确性和稳定性的关键角色而获得奖励。共识层通过将经济激励与网络安全对齐,维护了一个强大且值得信赖的去中心化框架。

● 执行层

执行层是 Chainbase 的计算核心,负责执行 Manuscripts 并管理大规模数据处理任务,其目标是确保 Manuscripts 的高效、安全和可扩展处理,使开发者能够在保持高性能和可靠性的同时执行复杂 AI 任务。

执行层中封装了 Chainbase 虚拟机(CVM),作为执行层的核心,专为处理 Manuscripts 和执行数据工作流而优化的定制虚拟环境而设计。其被设计为并行化架构,支持同时处理数据集的不同部分以保证数据的并行化处理,并允许多个任务并行执行,从而优化资源利用效率实现任务的并行性。与此同时,CVM 还支持节点运营者贡献计算资源,以支持网络更为顺畅的运行构建基础,而系统也会根据做出计算资源贡献的节点的工作量与性能为其提供奖励。

随着 Chainbase AVS 主网上线,执行层将在 EigenLayer 上正式生效,并能够与 Chainbase AVS 进行协作。

 

● 协处理层

Chainbase 网络的顶层是协处理层,支持具备数据处理专长和 AI 知识的用户进行贡献与协作。协处理层中“Manuscripts”是最核心的概念,其是一种可编程的脚本,用于定义和执行数据处理任务。开发者可以利用 Manuscripts 标准化数据格式和处理流程,将原始数据转化为 AI 可用的统一数据。

Manuscripts 不仅代表着一种数据格式,同样其也可以被视为可一种交易的资源, 这为构建一个创作者经济生态提供了便利。 贡献者可以通过将其工作编译为 Manuscripts,以将其工作内容资产化并在网络中进行流通,并以此为基础构建创作者经济生态。在该经济体系中,$C 代币作为支付、结算、质押和治理的媒介,在该层发挥关键作用。

协处理层不仅推动了协作式知识共享,还建立了透明的经济体系,为贡献者提供公平的补偿,激励创新并提升网络整体效用。同时,这因也为 Chainbase 构建一套完善且全面的可用数据体系构建了基础。

Chainbase AVS 主网:数据体系全面启动的新契机

Chainbase AVS 主网的正式上线,正在将 Chainbase 不同的层进行深入的串联,为 Chainbase 数据网络带来了验证和处理方面的应用与拓展的能力。通过提供了一系列强大的功能,将成为 Chainbase 赋能开发人员并为去中心化应用程序和 AI 驱动的解决方案实现无缝数据处理能力的开端,并成为数据体系全面启动的新契机。

随着 Chainbase AVS 主网的启动,开发者将能够利用 Manuscripts 将原始区块链数据转换为标准化、AI 就绪的格式,并通过与 Google Gemini、OpenAI 等先进开源模型的合作,实现 AI 就绪的工作流程,从而简化区块链数据的准备和利用,为高级应用程序和 AI 推理提供高效支持。

同时,Chainbase 也正式引入了 $C 代币作为其激励系统的一部分,基于此手稿创作者、数据提供者、网络运营商和验证者等都能够因其对网络的贡献而获得奖励,构建 AGI 经济并探索全新的收入模式,确保生成高质量的数据并让所有利益相关者积极参与。

此外,Chainbase 执行层将在 EigenLayer 上正式生效,并能够与 Chainbase AVS 进行协作。通过利用由 EigenLayer 提供支持的去中心化架构,节点角色不仅可以增强网络的安全性,还可以展示其处理复杂工作负载(例如实时 AI 数据处理)的能力。基于数据处理工作流的核心 CVM ,开发者还可实现复杂手稿的无缝执行,并获得可靠且可扩展的环境,以高效管理数据密集型任务,这对于大规模 AI 数据处理至关重要。

从另外一个角度看,Chainbase AVS 对拓展 EigenLayer 生态应用场景具有至关重要的作用。作为 EigenLayer AVS 中首个以数据智能为核心应用场景的主网,Chainbase AVS 专注于通过去中心化的数据处理和 AI 应用优化,实现数据的标准化和 AI 准备。这不仅扩展了 EigenLayer AVS 生态的应用领域,还为更多与数据相关的行业板块与 EigenLayer 体系的深度融合奠定了基础。同时,Chainbase AVS 推动了 EigenLayer 体系与 AI 赛道的深入结合,将其应用从行业内进一步拓展至行业外。

据悉,在 Chainbase AVS 主网推出的下一阶段,Chainbase 计划进一步扩展其数据源,纳入实时 IoT 数据流和其他各种数据集,从而增强开发者的数据可访问性,并扩展数据基础设施在各行业中的应用和实用性,以进一步成为科技领域发展的重要基石。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/65075.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【文档搜索引擎】搜索模块的完整实现

调用索引模块,来完成搜索的核心过程 主要步骤 简化版本的逻辑: 分词:针对用户输入的查询词进行分词(用户输入的查询词,可能不是一个词,而是一句话)触发:拿着每个分词结果&#xf…

MySQL 数据库优化详解【Java数据库调优】

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默, 忍不住分享一下给大家。点击跳转到网站 学习总结 1、掌握 JAVA入门到进阶知识(持续写作中……) 2、学会Oracle数据库入门到入土用法(创作中……) 3、手把…

ensp 关于acl的运用和讲解

ACL(Access Control List,访问控制列表)是一种常用于网络设备(如路由器、交换机)上的安全机制,用于控制数据包的流动与访问权限。ACL 可以指定哪些数据包允许进入或离开某个网络接口,基于不同的…

突围边缘:OpenAI开源实时嵌入式API,AI触角延伸至微观世界

当OpenAI宣布开源其名为openai-realtime-embedded-sdk的实时嵌入式API时,整个科技界都为之震惊。这一举动意味着,曾经遥不可及的强大AI能力,如今可以被嵌入到像ESP32这样的微型控制器中,真正地将AI的触角延伸到了物联网和边缘计算…

知识中台与人工智能:融合赋能企业智能化知识服务与决策

在数字化、智能化的时代背景下,企业面临着前所未有的机遇与挑战。为了提升知识管理与服务的能力,推动企业的智能化转型与发展,知识中台与人工智能的融合应用正成为新的趋势。知识中台作为连接数据、知识与业务的核心平台,能够为企…

《Web 项目开发之旅》

一、项目简介 介绍项目的背景与目标,说明为什么要开展这个 Web 项目。展示项目最终完成后的整体页面截图,让读者对项目外观有初步印象。 二、技术选型 阐述在项目中使用的前端技术(如 HTML、CSS、JavaScript 框架等)、后端技术…

VSCode搭建Java开发环境 2024保姆级安装教程(Java环境搭建+VSCode安装+运行测试+背景图设置)

名人说:一点浩然气,千里快哉风。—— 苏轼《水调歌头》 创作者:Code_流苏(CSDN) 目录 一、Java开发环境搭建二、VScode下载及安装三、VSCode配置Java环境四、运行测试五、背景图设置 很高兴你打开了这篇博客,更多详细的安装教程&…

【GIS教程】使用GDAL实现栅格转矢量(GeoJSON、Shapefile)- 附完整代码

文章目录 一、 应用场景1、GeoJSON2、ESRI Shapefile3、GDAL 二、基本思路1、数据准备2、重投影(可选)3、创建空的矢量图层4、栅格转矢量 三、完整代码四、总结五、拓展(使用ArcGIS工具进行栅格转矢量) 一、 应用场景 TIFF格式的…

计算机毕业设计PySpark+Hadoop中国城市交通分析与预测 Python交通预测 Python交通可视化 客流量预测 交通大数据 机器学习 深度学习

温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片! 温馨提示:文末有 CSDN 平台官方提供的学长联系方式的名片! 作者简介:Java领…

JVM系列(十三) -常用调优工具介绍

最近对 JVM 技术知识进行了重新整理,再次献上 JVM系列文章合集索引,感兴趣的小伙伴可以直接点击如下地址快速阅读。 JVM系列(一) -什么是虚拟机JVM系列(二) -类的加载过程JVM系列(三) -内存布局详解JVM系列(四) -对象的创建过程JVM系列(五) -对象的内存分…

Hive其四,Hive的数据导出,案例展示,表类型介绍

目录 一、Hive的数据导出 1)导出数据到本地目录 2)导出到hdfs的目录下 3)直接将结果导出到本地文件中 二、一个案例 三、表类型 1、表类型介绍 2、内部表和外部表转换 3、两种表的区别 4、练习 一、Hive的数据导出 数据导出的分类&…

使用RKNN进行YOLOv8人体姿态估计的实战教程:yolov8-pose.onnx转yolov8-pose.rknn+推理全流程

之前文章有提到“YOLOv8的原生模型包含了后处理步骤,其中一些形状超出了RK3588的矩阵计算限制,因此需要对输出层进行一些裁剪”,通过裁剪后得到的onnx能够顺利的进行rknn转换,本文将对转rnkk过程,以及相应的后处理进行阐述。并在文末附上全部源码、数据、模型的百度云盘链…

Pytorch | 利用NI-FGSM针对CIFAR10上的ResNet分类器进行对抗攻击

Pytorch | 利用NI-FGSM针对CIFAR10上的ResNet分类器进行对抗攻击 CIFAR数据集NI-FGSM介绍背景算法流程 NI-FGSM代码实现NI-FGSM算法实现攻击效果 代码汇总nifgsm.pytrain.pyadvtest.py 之前已经针对CIFAR10训练了多种分类器: Pytorch | 从零构建AlexNet对CIFAR10进行…

继承详细总结

一.继承的定义与概念 1.定义:继承是一种is-a的关系,例如,哺乳动物是动物,狗是哺乳动物,因此,狗是动物,等等。 2.允许我们在保持原有类特性的基础上进行扩展,增加方法(成员函数) 和 属…

批量多线程给TXT文档插入相关腾讯AI【高质量无水印无版权】原创图片

给蜘蛛访问的网站文章插入相关图片,可以带来以下好处: ‌1、提升用户体验‌:图片能够直观地展示文章内容,帮助用户更好地理解和消化信息。对于阅读者来说,图文并茂的内容往往更具吸引力,也能提高他们的阅读…

牵手红娘:牵手App红娘助力“牵手”,脱单精准更便捷

随着互联网的普及,现代青年的社交圈层加速扩大,他们的恋爱观也正经历着前所未有的转变。在繁忙的工作之余,人们希望能够找到一种既高效又真诚的交友方式。于是,线上交友平台成为了他们寻找爱情的新选择。让不同文化背景、不同工作…

STM32-笔记12-实现SysTick模拟多线程流水灯

1、前言 正常STM32实现多线程,需要移植一个操作系统FreeRTOS。但是在这里不移植FreeRTOS怎么实现多线程呢?使用SysTick,那么怎么使用SysTick来模拟多线程呢?前面我们知道SysTick就是一个定时器,它不是在主函数的while循…

麒麟信安受邀出席开放原子园区行暨供需对接活动,分享基于关基领域打造的行业解决方案

12月17日,武汉市经信局和开放原子开源基金会共同主办开放原子园区行暨供需对接活动,旨在推进武汉市开源体系建设,推动开源技术赋能千行百业。活动吸引了武汉市委金融办、市卫健委、疾控中心、医保局、信息中心(大数据中心)、市红十字会、银行…

golang 并发--goroutine(四)

golang 语言最大的特点之一就是语法上支持并发,通过简单的语法很容易就能创建一个 go 程,这就使得 golang 天生适合写高并发的程序。这一章节我们就主要介绍 go 程,但是要想完全理解 go 程我们需要深入研究 GPM 模型,关于 GPM 模型…

SpringAI人工智能开发框架006---SpringAI多模态接口_编程测试springai多模态接口支持

可以看到springai对多模态的支持. 同样去创建一个项目 也是跟之前的项目一样,修改版本1.0.0 这里 然后修改仓库地址,为springai的地址 然后开始写代码