Napsal 0xjacobzhao | https://linktr.ee/0xjacobzhao
Ve zprávě za červen „Svatý grál kryptoměn AI: Průzkum na hranicích decentralizovaného školení“ jsme diskutovali o federovaném učení—paradigma „řízené decentralizace“, které se nachází mezi distribuovaným školením a plně decentralizovaným školením. Jeho základním principem je udržování dat lokálně při centrálním agregování parametrů, což je design obzvlášť vhodný pro odvětví citlivá na ochranu soukromí a s vysokými požadavky na dodržování předpisů, jako je zdravotnictví a finance.
Současně naše minulá výzkumná činnost důsledně poukazovala na vzestup sítí agentů. Jejich hodnota spočívá v umožnění složitých úkolů, které lze splnit prostřednictvím autonomní spolupráce a rozdělení práce napříč více agenty, urychlující posun od "velkých monolitických modelů" k "multi-agentovým ekosystémům."
Federované učení, s jeho základy místní retence dat, pobídkami založenými na příspěvcích, distribuovaným designem, transparentními odměnami, ochranou soukromí a dodržováním předpisů, položilo důležitý základ pro spolupráci více stran. Tyto stejné principy mohou být přímo přizpůsobeny vývoji sítí agentů. Tým FedML sleduje tuto trajektorii: vyvíjí se z open-source kořenů k TensorOpera (vrstva AI infrastruktury pro průmysl) a dále se posouvá k ChainOpera (decentralizovaná síť agentů).
To však neznamená, že sítě agentů jsou jednoduše nevyhnutelným rozšířením federovaného učení. Jejich podstata spočívá v autonomní spolupráci a specializaci úkolů mezi agenty a mohou být také přímo postaveny na víceagentových systémech (MAS), učení posilováním (RL) nebo mechanismy pobídek založenými na blockchainu.
I. Federované učení a technologický stack AI agentů
Federované učení (FL) je rámec pro spolupráci při školení bez centralizace dat. Jeho základním principem je, že každý účastník trénuje model lokálně a nahrává pouze parametry nebo gradienty na koordinující server pro agregaci, čímž zajišťuje, že "data zůstávají v jeho doméně" a splňuje požadavky na ochranu soukromí a dodržování předpisů.
Bylo testováno v sektorech jako zdravotnictví, finance a mobilní aplikace, FL vstoupilo do relativně zralé fáze komercializace. Nicméně stále čelí výzvám, jako jsou vysoké komunikační přetížení, neúplné záruky soukromí a úzká místa efektivity způsobená heterogenními zařízeními.
Ve srovnání s jinými tréninkovými paradigmata:
Distribuované školení zdůrazňuje centralizované výpočetní clustery pro maximalizaci efektivity a škálování.
Decentralizované školení dosahuje plně distribuované spolupráce prostřednictvím otevřených výpočetních sítí.
Federované učení leží mezi tím, funguje jako forma "řízené decentralizace": splňuje průmyslové požadavky na ochranu soukromí a dodržování předpisů, zatímco umožňuje spolupráci napříč institucemi, což jej činí vhodnějším jako přechodovou architekturu nasazení.
Protokol AI agentů
V našem předchozím výzkumu jsme kategorizovali protokolovou architekturu AI agentů do tří hlavních vrstev:
1. Infrastrukturní vrstva (Vrstva infrastruktury agentů)
Základní podpora runtime pro agenty, sloužící jako technický základ všech systémů agentů.
Základní moduly:
Rámec agenta – vývojové a runtime prostředí pro agenty.
Agent OS – hloubkový multitaskingový plánovač a modulární runtime, poskytující správu životního cyklu pro agenty.
Podpůrné moduly:
Agent DID (decentralizovaná identita)
Agent Peněženka & Abstrakce (abstrakce účtu & provádění transakcí)
Agent Platba/Settlment (schopnosti plateb a vyrovnání)
2. Koordinace & Exekuce Layer
Zaměřuje se na spolupráci agentů, plánování úkolů a systémy pobídek – klíč k budování kolektivní inteligence mezi agenty.
Orchestrace agentů: Centralizovaná orchestrace a správa životního cyklu, přidělování úkolů a vykonávání pracovních procesů – vhodné pro kontrolované prostředí.
Swarm agentů: Distribuovaná struktura spolupráce zdůrazňující autonomii, rozdělení práce a odolnou koordinaci – vhodné pro složité, dynamické prostředí.
Vrstva pobídek agentů: Ekonomická vrstva sítě agentů, která motivuje vývojáře, realizátory a validátory, zajišťující udržitelný růst ekosystému.
3. Aplikační & Distribuční vrstva
Pokryje distribuční kanály, aplikace pro koncové uživatele a produkty zaměřené na spotřebitele.
Distribuční podvrstva: Spouštěče agentů, trhy agentů, sítě pluginů agentů
Aplikační podvrstva: AgentFi, nativní DApps agentů, agent jako služba
Spotřebitelská podvrstva: Sociální/spotřebitelské agenty, zaměřené na scénáře lehkých koncových uživatelů
Podvrstva Meme: Projekty „Agent“ řízené hype s malou skutečnou technologií nebo aplikací – primárně marketingově orientované.
II. Federované učení Benchmark: FedML a plnohodnotná platforma TensorOpera
FedML je jedním z nejranějších open-source rámců pro federované učení (FL) a distribuované školení. Pochází z akademického týmu na USC a postupně se vyvinul do základního produktu TensorOpera AI prostřednictvím komercializace.
Pro výzkumníky a vývojáře poskytuje FedML nástroje pro spolupracující školení dat napříč institucemi a zařízeními. V akademické sféře se FedML stal široce přijatou experimentální platformou pro výzkum FL, často se objevující na předních konferencích jako NeurIPS, ICML a AAAI. V průmyslu si získal silnou pověst v oblastech citlivých na ochranu soukromí, jako je zdravotnictví, finance, edge AI a Web3 AI – pozicující se jako benchmarkový nástroj pro federované učení.
TensorOpera představuje komercializovanou evoluci FedML, vylepšenou na plnohodnotnou AI infrastrukturní platformu pro podniky a vývojáře. Zatímco si zachovává své schopnosti federovaného učení, rozšiřuje se do tržišť GPU, modelových služeb a MLOps, čímž se rozšiřuje na širší trh éry LLM a agentů.
Celková architektura je strukturována do tří vrstev: Vrstva výpočtu (základna), Vrstva plánování (koordinace) a Vrstva MLOps (aplikace).
Vrstva výpočtu (Základna)
Výpočetní vrstva tvoří technickou páteř TensorOpera, pokračující v open-source DNA FedML.Hlavní funkce: Server parametrů, Distribuované školení, Inference Endpoint a Agregační server.
Hodnotová nabídka: Poskytuje distribuované školení, ochranu soukromí federovaného učení a škálovatelný inference engine. Společně tyto podporují tři základní schopnosti Trénovat / Nasazovat / Federovat, pokrývající celý pipeline od školení modelu po nasazení a spolupráci napříč institucemi.
Vrstva plánování (Koordinace)
Plánovací vrstva působí jako výpočetní trh a plánovací uzel, skládající se z tržiště GPU, Provision, Hlavního agenta, a Modulů Plánování a Orchestrace.Schopnosti: Umožňuje alokaci zdrojů napříč veřejnými cloudu, poskytovateli GPU a nezávislými přispěvateli.
Význam: To znamená klíčový krok od FedML k TensorOpera – podpora velkých školení a inference AI prostřednictvím inteligentního plánování a orchestrace, pokrývající LLM a generativní AI pracovní zátěže.
Potenciál tokenizace: Model "Sdílejte a vydělejte" nechává otevřený rozhraní mechanismu pobídek, ukazující kompatibilitu s DePIN nebo širšími modely Web3.
Vrstva MLOps (Aplikace)
MLOps vrstva poskytuje přímé služby pro vývojáře a podniky, včetně sloučení modelů, AI agentů a modulů Studio.Aplikace: LLM chatboty, multimodální generativní AI a nástroje pro vývojáře.
Hodnotová nabídka: Abstrahuje nízkoúrovňové výpočetní a školící schopnosti do vysoceúrovňových API a produktů, snižující překážky pro použití. Nabízí ready-to-use agenty, prostředí s nízkým kódem a škálovatelné řešení nasazení.
Pozicování: Srovnatelné s novými generacemi infrastrukturálních platforem AI jako Anyscale, Together a Modal – slouží jako most od infrastruktury k aplikacím.
V březnu 2025 TensorOpera upgradovalo na plnohodnotnou platformu orientovanou na AI agenty, přičemž její hlavní produkty pokrývají aplikaci AgentOpera AI, Rámec a Platformu:
Aplikační vrstva: Poskytuje vstupní body pro více agentů podobné ChatGPT.
Vrstva rámce: Evolvuje do "Agentic OS" prostřednictvím grafově strukturovaných multi-agentových systémů a modulů Orchestrator/Router.
Vrstva platformy: Hluboce integruje s modelovou platformou TensorOpera a FedML, umožňující distribuované modelové služby, optimalizaci RAG a hybridní nasazení edge–cloud.
Hlavní vizí je vybudovat "jednu operační platformu, jednu síť agentů", která umožní vývojářům, podnikům a uživatelům spoluvytvářet ekosystém příští generace Agentic AI v otevřeném a soukromí chránícím prostředí.
III. Ekosystém ChainOpera AI: Od spolutvůrců a spoluvlastníků po technický základ
Pokud FedML představuje technické jádro, poskytující open-source základy federovaného učení a distribuovaného školení; a TensorOpera abstrahuje výzkumné výsledky FedML do komercializované, plnohodnotné AI infrastruktury – pak ChainOpera přebírá tuto platformovou schopnost on-chain.
Kombinováním AI terminálů + sociálních sítí agentů + výpočetních/datových vrstev založených na DePIN + AI-nativních blockchains, se ChainOpera snaží vybudovat decentralizovaný ekosystém sítí agentů.
Základní posun je tento: zatímco TensorOpera zůstává primárně orientován na podniky a vývojáře, ChainOpera využívá mechanismy správy a pobídek ve stylu Web3, aby zahrnul uživatele, vývojáře, poskytovatele GPU a přispěvatele dat jako spolu-tvůrce a spoluvlastníky. Tímto způsobem nejsou AI agenti jen "používáni", ale také "spolu-tvořeni a spoluvlastněni."
Ekosystém spolutvůrců
Prostřednictvím své platformy Model & GPU a platformy agentů poskytuje ChainOpera nástrojové řetězce, infrastrukturu a koordinační vrstvy pro spolupráci. To umožňuje školení modelů, vývoj agentů, nasazení a kooperační škálování.
Spolutvůrci ekosystému zahrnují:
Vývojáři AI agentů – navrhují a provozují agenty.
Poskytovatelé nástrojů & služeb – šablony, MCP, databáze, API.
Vývojáři modelů – trénují a publikují modelové karty.
Poskytovatelé GPU – přispívají výpočetní silou prostřednictvím DePIN nebo Web2 cloudových partnerství.
Přispěvatelé dat & anotátoři – nahrávají a označují multimodální datové sady.
Tyto tři pilíře – vývoj, výpočet a data – pohánějí neustálý růst sítě agentů.
Spoluvlastnický ekosystém
ChainOpera také zavádí mechanismus spoluvlastnictví prostřednictvím sdílené účasti na budování sítě.
Tvůrci AI agentů (jednotlivci nebo týmy) navrhují a nasazují nové agenty prostřednictvím platformy agentů, jejichž spuštění a údržba podporuje funkční a aplikační inovace.
Účastníci AI agentů (z komunity) se připojují k životním cyklům agentů získáváním a držením Jednotky přístupu, čímž podporují růst a aktivitu agentů prostřednictvím používání a propagace.
Tyto dvě role představují stranu nabídky a stranu poptávky, které společně tvoří model sdílení hodnoty a společného vývoje v rámci ekosystému.
Partneři ekosystému: Platformy a rámce
ChainOpera široce spolupracuje na zlepšení použitelnosti, bezpečnosti a integrace Web3:
Aplikace AI Terminálu kombinuje peněženky, algoritmy a agregované platformy pro dodání inteligentních doporučení služeb.
Platforma agentů integruje multi-rámce a nástroje s nízkým kódem, aby snížila překážky pro vývoj.
TensorOpera AI pohání školení modelů a inference.
FedML slouží jako výlučný partner, umožňující školení chránící soukromí napříč institucemi, napříč zařízeními.
Výsledkem je otevřený ekosystém, který vyvážuje aplikace na podnikové úrovni s uživatelskými zkušenostmi nativními pro Web3.
Vstupní body hardwaru: AI hardware & partneři
Prostřednictvím DeAI telefonů, nositelných zařízení a robotických AI partnerů integruje ChainOpera blockchain a AI do chytrých terminálů. Tyto zařízení umožňují interakci s dApp, školení na okraji a ochranu soukromí, postupně vytvářejí decentralizovaný ekosystém AI hardwaru.
Centrální platformy a technický základ
Platforma TensorOpera GenAI – poskytuje plnohodnotné služby napříč MLOps, plánovačem a výpočtem; podporuje školení a nasazení modelů ve velkém měřítku.
Platforma TensorOpera FedML – platforma federovaného/distribuovaného učení na podnikové úrovni, umožňující školení chránící soukromí napříč organizacemi/zařízeními a sloužící jako most mezi akademií a průmyslem.
FedML Open Source – globálně vedoucí knihovna federovaného/distribuovaného ML, sloužící jako technický základ ekosystému s důvěryhodným, škálovatelným open-source rámcem.
Struktura ekosystému ChainOpera AI
IV. Hlavní produkty ChainOpera a plnohodnotná infrastruktura AI agentů
V červnu 2025 ChainOpera oficiálně uvedla svou aplikaci AI Terminál a decentralizovaný technologický stack, čímž se pozicionovala jako "Decentralizovaný OpenAI." Její hlavní produkty pokrývají čtyři moduly:
Aplikační vrstva – AI Terminál & Síť agentů
Vrstva vývojáře – Centrum pro vytváření agentů
Vrstva modelu & GPU – Model & Výpočetní síť
Protokol CoAI & Vyhrazený řetězec
Tyto moduly pokrývají celý cyklus od vstupních bodů uživatelů po podkladové výpočty a on-chain pobídky.
Aplikace AI Terminálu
Již integrováno s BNB Chain, AI Terminál podporuje transakce on-chain a agenty nativní pro DeFi. Centrála pro vytváření agentů je otevřená pro vývojáře, poskytující MCP/HUB, znalostní základnu a schopnosti RAG, s neustálým onboardováním agentů vytvářených komunitou. Mezitím ChainOpera uvedla do provozu CO-AI Alliance, partnerství s io.net, Render, TensorOpera, FedML a MindNetwork.
Podle on-chain dat z BNB DApp Bay (posledních 30 dní): 158,87K unikátních uživatelů, 2,6M transakcí a 2. místo v celé kategorii "AI agent" na BSC, což dokazuje silnou a rostoucí on-chain aktivitu.
Super AI Agent App – AI Terminál 👉 chat.chainopera.ai
Pozicováno jako decentralizovaný ChatGPT + AI sociální hub, AI Terminál poskytuje: Multimodální spolupráci, pobídky k přispívání dat, integraci nástrojů DeFi, pomoc napříč platformami, spolupráci agentů chránící soukromí (Vaše data, Váš agent). Uživatelé mohou přímo volat open-source model DeepSeek-R1 a agenty vytvořené komunitou z mobilních zařízení. Během interakcí cirkulují jak jazykové tokeny, tak kryptoměnové tokeny transparentně on-chain.
Základní hodnota: transformuje uživatele z "spotřebitelů obsahu" na "inteligentní spolutvůrce." Použitelné napříč DeFi, RWA, PayFi, elektronickým obchodováním a v dalších oblastech prostřednictvím personalizovaných sítí agentů.
Sociální síť AI agentů 👉 chat.chainopera.ai/agent-social-network
Představováno jako LinkedIn + Messenger pro AI agenty. Poskytuje virtuální pracovní prostory a mechanismy spolupráce mezi agenty (MetaGPT, ChatDEV, AutoGEN, Camel). Evolvuje jednotlivé agenty do multi-agentových kooperačních sítí pokrývajících finance, hry, elektronické obchodování a výzkum. Postupně zlepšuje paměť a autonomii.
Platforma pro vývojáře AI agentů 👉 agent.chainopera.ai
Navrženo jako "LEGO-styl" zážitku pro vývojáře. Podporuje bezkódové a modulární rozšíření, smart kontrakty na blockchainu zajišťují vlastnická práva, DePIN + cloudová infrastruktura snižují překážky vstupu a tržiště umožňuje objevování a distribuci
Základní hodnota: zmocňuje vývojáře rychle dosáhnout uživatelů, přičemž příspěvky jsou transparentně zaznamenávány a odměňovány.
AI Model & GPU Platform 👉 platform.chainopera.ai
Slouží jako infrastrukturní vrstva, kombinuje DePIN a federované učení, aby řešila závislost Web3 AI na centralizovaném výpočtu. Schopnosti zahrnují: Distribuovanou síť GPU, školení dat chránící soukromí, tržiště modelů a dat, end-to-end MLOps
Vize: posun od "monopolu velkých technologií" k "infrastruktuře řízené komunitou" – umožňující spolupráci více agentů a personalizovanou AI.
Přehled plnohodnotné architektury ChainOpera
V. ChainOpera AI Roadmap
Nad již spuštěnou plnohodnotnou platformou AI agentů má ChainOpera pevnou víru, že umělá obecná inteligence (AGI) vzejde z multimodálních, multi-agentových kooperativních sítí. Jeho dlouhodobá roadmapa je strukturována do čtyř fází:
Fáze I (Výpočet → Kapitál):
Budování decentralizované infrastruktury: GPU DePIN sítě, federované učení, distribuované školení/inference platformy.
Zavést model routeru pro koordinaci multi-end inference.
Incentivizovat poskytovatele výpočtu, modelů a dat s příjmy založenými na využití.
Fáze II (Agentní aplikace → Spolupracující AI ekonomie):
Zahájit AI Terminál, Trh agentů a Sociální síť agentů, čímž se vytvoří ekosystém aplikací více agentů.
Nasadit protokol CoAI pro propojení uživatelů, vývojářů a poskytovatelů zdrojů.
Zavést shodu uživatelů a vývojářů a systém kreditů, umožňující vysokofrekvenční interakce a udržitelnou ekonomickou činnost.
Fáze III (Kolektivní AI → Crypto-Native AI):
Rozšiřte se do DeFi, RWA, plateb a scénářů elektronického obchodování.
Rozšiřte se na případy použití řízené KOL a osobní výměny dat.
Vyvíjejte specializované LLM pro finance/krypto a zahajte platby a systémy peněženek mezi agenty, odemykání aplikací "Crypto AGI".
Fáze IV (Ekosystémy → Autonomní AI ekonomie):
Evolvujte do autonomních ekonomických subnetů, každý subnet specializující se na aplikace, infrastrukturu, výpočet, modely nebo data.
Umožněte správu subnetů a tokenizované operace, zatímco protokoly mezi subnety podporují interoperabilitu a spolupráci.
Rozšiřte se od agentní AI do fyzické AI (robotika, autonomní řízení, letectví).
Upozornění: Tato roadmapa je pouze pro referenci. Časové harmonogramy a funkčnosti se mohou dynamicky přizpůsobovat tržním podmínkám a nezaručují dodání.
VI. Pobídky tokenů a správa protokolu
ChainOpera dosud neuvolnila kompletní plán pobídek tokenů, ale její protokol CoAI se soustředí na "spolu-tvoření a spolu-vlastnictví." Příspěvky jsou transparentně zaznamenávány a ověřitelné prostřednictvím blockchainu a mechanismu důkazu inteligence (PoI). Vývojáři, poskytovatelé výpočetní síly, přispěvatelé dat a poskytovatelé služeb jsou kompenzováni na základě standardizovaných metrik příspěvků. Uživatelé konzumují služby. Poskytovatelé zdrojů udržují operace. Vývojáři budují aplikace. Všichni účastníci sdílejí dividendy z růstu ekosystému. Platforma se udržuje prostřednictvím 1% poplatku za služby, odměn za alokaci a podpory likvidity – budování otevřeného, férového a spolupracujícího decentralizovaného AI ekosystému.
Rámec důkazu inteligence (PoI)
PoI je základním mechanismem konsensu ChainOpera pod protokolem CoAI, navrženým k vytvoření transparentního, férového a ověřitelného systému pobídek a správy pro decentralizovanou AI. Rozšiřuje důkaz příspěvku do blockchainem podporovaného rámce pro spolupracující strojové učení, řešící přetrvávající problémy federovaného učení: nedostatečné pobídky, rizika soukromí a nedostatek ověřitelnosti.
Základní design:
Ukotveno ve smart kontraktech, integrováno s decentralizovaným úložištěm (IPFS), agregačními uzly a důkazy s nulovým znalostem (zkSNARKs).
Dosahuje pěti klíčových cílů:
Spravedlivé odměny na základě příspěvků, zajišťující, že školitelé jsou motivováni k skutečným zlepšením modelu.
Data zůstávají lokální, zaručující ochranu soukromí.
Mechanismy robustnosti proti zlovolným účastníkům (otravování, agregační útoky).
ZKP ověření pro kritické procesy: agregace modelu, detekce anomálií, hodnocení příspěvků.
Efektivita a obecnost napříč heterogenními daty a různými úkoly učení.
Tok hodnoty tokenů v AI s plnou funkcionalitou
Design tokenu ChainOpera je ukotven v užitečnosti a uznání příspěvků, nikoli spekulacích. Otočí se kolem pěti hlavních toků hodnoty:
LaunchPad – pro zahájení agentů/aplikací.
Agent API – přístup k službám a integrace.
Model Serving – poplatky za inference a nasazení.
Příspěvek – anotace dat, sdílení výpočetního výkonu nebo vklad služeb.
Model Training – distribuované úkoly školení.
Zainteresované strany:
Uživatelé AI – utrácejí tokeny na přístup k službám nebo předplatnému aplikací; přispívají poskytováním/označováním/stakování dat.
Vývojáři agentů & aplikací – používají výpočet/data k vývoji; odměňováni za přispívání agentů, aplikací nebo datových sad.
Poskytovatelé zdrojů – přispívají výpočetními zdroji, daty nebo modely; odměňováni transparentně.
Účastníci správy (Komunita & DAO) – používají tokeny k hlasování, utváření mechanismů a koordinaci ekosystému.
Protokolová vrstva (CoAI) – udržuje vývoj prostřednictvím poplatků za služby a automatizovaného vyvažování nabídky/poptávky.
Uzly & Validátoři – zabezpečují síť poskytováním validace, výpočtu a bezpečnostních služeb.
Správa protokolu
ChainOpera přijímá správu založenou na DAO, kde staking tokenů umožňuje účast na návrzích a hlasování, zajišťující transparentnost a férovost.
Mechanismy řízení zahrnují:
Systém reputace – ověřuje a kvantifikuje příspěvky.
Spolupráce komunity – návrhy a hlasování pohánějí evoluci ekosystému.
Úpravy parametrů – pokrývající využití dat, zabezpečení a odpovědnost validátorů.
Hlavním cílem: zabránit koncentraci moci, zajistit stabilitu systému a udržet spolupráci komunity.
VIII. Pozadí týmu a financování projektu
Projekt ChainOpera byl spoluzaložen profesorem Salmanem Avestimehrem, předním odborníkem na federované učení, a Dr. Aidenem Chaoyangem He. Jádrový tým zahrnuje akademické a průmyslové zázemí z institucí jako UC Berkeley, Stanford, USC, MIT, Tsinghua University a technologičtí lídři jako Google, Amazon, Tencent, Meta a Apple. Tým kombinuje hlubokou výzkumnou odbornost s rozsáhlými průmyslovými schopnostmi a dosud se rozrostl na více než 40 členů.
Spoluzakladatel: Profesor Salman Avestimehr
Název & Role: Děkanův profesor elektrotechniky a počítačového inženýrství na Kalifornské univerzitě v jižní Kalifornii (USC), zakládající ředitel USC-Amazon Centra pro důvěryhodnou AI a vedoucí laboratoře vITAL (Teorie informací & Strojové učení) na USC.
Podnikání: Spoluzakladatel & generální ředitel FedML a v roce 2022 spoluzaložil TensorOpera/ChainOpera AI.
Vzdělání & Ocenění: Ph.D. v oboru EECS na UC Berkeley (Cena za nejlepší disertaci). Člen IEEE s více než 300 publikacemi v oblasti teorie informací, distribuovaného výpočtu a federovaného učení, citováno více než 30 000krát. Příjemce PECASE, NSF CAREER Award a ceny IEEE Massey, mimo jiné.
Příspěvky: Tvůrce FedML open-source rámec, široce přijatý ve zdravotnictví, financích a AI chránící soukromí, který se stal základním kamenem pro TensorOpera/ChainOpera AI.
Spoluzakladatel: Dr. Aiden Chaoyang He
Název & Role: Spoluzakladatel & prezident TensorOpera/ChainOpera AI; Ph.D. v oboru informatiky na USC; původní tvůrce FedML.
Výzkumný zaměření: Distribuované & federované učení, školení velkých modelů, blockchain a výpočty chránící soukromí.
Průmyslová zkušenost: Dříve zastával R&D role v Meta, Amazon, Google, Tencent; sloužil v klíčových inženýrských a manažerských pozicích v Tencent, Baidu a Huawei, vedl nasazení několika produktů a AI platforem na úrovni internetu.
Akademický dopad: Publikoval více než 30 prací s více než 13 000 citacemi na Google Scholar. Příjemce Amazon Ph.D. Fellowship, Qualcomm Innovation Fellowship a ceny za nejlepší práci na NeurIPS a AAAI.
Technické příspěvky: Vedl vývoj FedML, jednoho z nejvíce používaných open-source rámců ve federovaném učení, podporující 27 miliard denních žádostí. Hlavní přispěvatel k FedNLP a metodám hybridního trénování modelů, aplikovaným v decentralizovaných AI projektech jako Sahara AI.
V prosinci 2024 oznámila ChainOpera AI dokončení seed kola ve výši 3,5 milionu USD, což zvyšuje celkové financování (v kombinaci s TensorOpera) na 17 milionů USD. Fondy budou směřovány k budování blockchainové vrstvy 1 a AI operačního systému pro decentralizované AI agenty.
Hlavní investoři: Finality Capital, Road Capital, IDG Capital
Další účastníci: Camford VC, ABCDE Capital, Amber Group, Modular Capital
Strategičtí podporovatelé: Sparkle Ventures, Plug and Play, USC
Významní individuální investoři: Sreeram Kannan, zakladatel EigenLayer a David Tse, spoluzakladatel BabylonChain
Tým uvedl, že toto kolo urychlí jeho vizi vytvoření decentralizovaného AI ekosystému, kde poskytovatelé zdrojů, vývojáři a uživatelé spoluvlastní a spolutvoří.
IX. Analýza tržní krajiny: Federované učení a sítě AI agentů
Krajina federovaného učení
Oblast federovaného učení (FL) je formována čtyřmi hlavními rámci. FedML je nejkomplexnější, kombinuje FL, distribuované školení velkých modelů a MLOps, což z něj činí připravený pro podniky. Flower je lehký a široce používaný v pedagogických a malých experimentech. TFF (TensorFlow Federated) má akademickou hodnotu, ale je slabý v industrializaci. OpenFL cílí na zdravotnictví a finance, s silnými funkcemi dodržování předpisů, ale uzavřeným ekosystémem. Stručně řečeno: FedML je průmyslový all-rounder, Flower zdůrazňuje snadnost použití, TFF zůstává akademický a OpenFL vyniká v vertikálním dodržování předpisů.
Průmyslové platformy & infrastruktura
TensorOpera, komercializovaná evoluce FedML, integruje plánování GPU napříč cloudem, distribuované školení, federované učení a MLOps do jednotného stacku. Pozicováno jako most mezi výzkumem a průmyslem, slouží vývojářům, malým a středním podnikům a ekosystémům Web3/DePIN. Efektivně, TensorOpera je jako "Hugging Face + W&B" pro federované a distribuované učení, nabízí kompletnější a univerzálnější platformu než alternativy specifické pro nástroje nebo sektory.
Inovační vrstva: ChainOpera vs. Flock
ChainOpera a Flock obě slučují FL s Web3, ale liší se v zaměření. ChainOpera buduje plnohodnotnou platformu AI agenta, proměňuje uživatele v spolutvůrce prostřednictvím AI Terminálu a sociální sítě agentů. Flock se zaměřuje na blockchainem zvýšené FL (BAFL), zdůrazňuje ochranu soukromí a pobídky na vrstvě výpočtu a dat. Jednoduše řečeno: ChainOpera zdůrazňuje aplikace a sítě agentů, zatímco Flock se zaměřuje na nízkoúrovňové školení a výpočty chránící soukromí.
Krajina federovaného učení & AI infrastruktury
Vrstva sítě agentů: ChainOpera vs. Olas
Na úrovni sítě agentů jsou nejreprezentativnějšími projekty ChainOpera a Olas Network.
ChainOpera: zakotven v federovaném učení, buduje plnohodnotný cyklus napříč modely, výpočtem a agenty. Jeho sociální síť agentů funguje jako zkušební prostředí pro interakci více agentů a sociální spolupráci.
Olas Network (Autonolas / Pearl): vznikla ze spolupráce DAO a ekosystému DeFi, pozicována jako decentralizovaná autonomní služební síť. Prostřednictvím Pearl poskytuje aplikace DeFi agentů přímo na trh – ukazuje velmi odlišnou trajektorii od ChainOpera.
X. Investiční teze a analýza rizik
Investiční teze
Technická obrana: Síla ChainOpera spočívá v její jedinečné evoluční cestě: od FedML (benchmarkového open-source rámce pro federované učení) → TensorOpera (plnohodnotná AI infrastruktura pro podniky) → ChainOpera (sítě agentů umožněné Web3 + DePIN + tokenomika). Tato trajektorie integruje akademické základy, průmyslové nasazení a narrativy nativní krypto, čímž vytváří diferencovanou obranu.
Aplikace & Měřítko uživatelů: AI Terminál již dosáhl stovek tisíc aktivních uživatelů denně a prosperujícího ekosystému více než 1 000 agentních aplikací. Obsazuje 1. místo v kategorii AI na BNBChain DApp Bay, což ukazuje jasný růst uživatelů on-chain a ověřitelnou aktivitu transakcí. Jeho multimodální scénáře, původně zakotvené v krypto-nativních případech použití, mají potenciál se postupně rozšířit do širší uživatelské základny Web2.
Partnerské ekosystémy: ChainOpera zahájila CO-AI Alliance, partnerství s io.net, Render, TensorOpera, FedML a MindNetwork za účelem budování vícestranných síťových efektů napříč GPU, modely, daty a výpočetním ochranou soukromí. Současně její spolupráce se Samsung Electronics na ověření mobilního multimodálního GenAI demonstruje expanzní potenciál do hardwaru a edge AI.
Token & Ekonomický model: Tokenomika ChainOpera je založena na konsensu důkazu inteligence, přičemž pobídky jsou rozdělovány napříč pěti toky hodnoty: LaunchPad, Agent API, Model Serving, Contribution a Model Training. 1% poplatek za platformu, odměny za alokaci a podpora likvidity tvoří pozitivní zpětnou vazbu, vyhýbající se spoléhání se na čistou "tokenovou spekulaci" a zvyšující udržitelnost.
Potenciální rizika
Rizika technické exekuce: Navrhovaná pětivrstvá decentralizovaná architektura ChainOpera pokrývá široké spektrum. Koordinace napříč vrstvami – zejména v distribuované inference pro velké modely a školení chránící soukromí – stále čelí výkonnostním a stabilitním výzvám a nebyla dosud ověřena ve velkém měřítku.
Udržitelnost uživatelské a ekosystémové přilnavosti: Zatímco raný růst uživatelů je pozoruhodný, zůstává otázkou, zda trh agentů a nástrojová řetězec pro vývojáře mohou udržet dlouhodobou aktivitu a kvalitní příspěvky. Aktuální sociální síť agentů je převážně zaměřena na textový dialog řízený LLM; uživatelský zážitek a udržení potřebují stále zlepšení. Bez pečlivě navržených pobídek hrozí ekosystému krátkodobý hype bez dlouhodobé hodnoty.
Udržitelnost obchodního modelu: V současnosti příjem primárně závisí na poplatcích za služby platformy a cirkulaci tokenů; stabilní peněžní toky dosud nebyly etablovány. Ve srovnání s aplikacemi AgentFi nebo zaměřenými na platby, které nesou silnější finanční nebo produktivní atributy, stále vyžaduje aktuální model ChainOpera další ověření jeho komerční hodnoty. Kromě toho zůstává mobilní a hardwarový ekosystém exploratorní, což činí jeho tržní vyhlídky nejisté.
Upozornění: Tato zpráva byla připravena s pomocí nástrojů AI (ChatGPT-5). Autor se snažil pečlivě zkontrolovat a zajistit přesnost, ale některé chyby nebo opomenutí mohou zůstat. Čtenáři by měli mít na paměti, že trhy s kryptoměnami často vykazují divergenci mezi základy projektů a výkonem tokenů na sekundárním trhu. Tato zpráva je určena pouze pro konsolidaci informací a akademickou/výzkumnou diskusi. Nepředstavuje investiční poradenství, ani by neměla být interpretována jako doporučení k nákupu nebo prodeji jakéhokoli tokenu.