Als ich mich in den letzten Tagen mit der Infrastruktur für KI-Agenten beschäftigt habe, habe ich mich ziemlich gründlich durch die资料 zu
@Acurast
gearbeitet.
Ursprünglich hielt ich das Projekt nur für ein Vorhaben, das Rechenleistung von Smartphones nutzt. Später wurde mir klar, dass die Sicherheitschips in den Smartphones eine entscheidende Ebene dieses Netzwerks bilden.
Die Rechenknoten von Acurast sind private Geräte aus aller Welt. Entwickler wissen nicht, welchem Smartphone eine Aufgabe letztlich zugewiesen wird, und auch die Gerätebesitzer können völlig Fremde sein. Den Code einfach zur Ausführung zu übertragen, wäre offensichtlich nicht sicher genug.
Acurast nutzt die in Smartphones integrierte Trusted Execution Environment, um Aufgaben auszuführen. Dieser Bereich wird normalerweise auch von Banking-Apps, biometrischen Funktionen und Zahlungsdiensten genutzt. Der laufende Code ist vom Betriebssystem des Smartphones, anderen Apps und dem Gerätebesitzer abgeschirmt.
Nach Abschluss einer Aufgabe erstellt die Hardware außerdem einen signierten Nachweis. Damit lässt sich bestätigen, dass das Gerät echt ist, der Code nicht verändert wurde und das Ergebnis aus der vorgesehenen Ausführungsumgebung stammt.
Dieser Mechanismus eignet sich sehr gut für KI-Agenten.
Ein Agent, der rund um die Uhr online sein muss, kann mit API-Schlüsseln, Nutzeranweisungen, Kontodaten und zeitgesteuerten Aufgaben in Berührung kommen. Wird er auf einem gewöhnlichen Cloud-Server betrieben, muss man dem Anbieter vertrauen. Läuft er dagegen auf verteilten Geräten ohne Verifizierungsmöglichkeiten, müsste man einer Vielzahl unbekannter Knoten vertrauen.
Acurast setzt auf die Verifizierung des Geräts, der Ausführungsumgebung und des Ergebnisses. So müssen Entwickler die Anbieter der Rechenleistung nicht im Voraus kennen.
Das Netzwerk kann mittlerweile OpenClaw, Node.js-Dienste, Bot-Programme und einige Inferenzaufgaben für Modelle ausführen. Die Leistung eines Smartphones reicht vielleicht nicht aus, um große Modelle zu trainieren. Für Agent-Backends, zeitgesteuerte Aufgaben und leichtgewichtige Inferenz ist es jedoch gut geeignet.
Auch mein Verständnis von Acurast hat sich verändert.
Ungenutzte Smartphones sind lediglich die Quelle der Rechenleistung. Ob Entwickler diese Rechenleistung bedenkenlos nutzen können, entscheiden die Hardware-Isolierung und der Ausführungsnachweis.
@Acurast
gearbeitet.
Ursprünglich hielt ich das Projekt nur für ein Vorhaben, das Rechenleistung von Smartphones nutzt. Später wurde mir klar, dass die Sicherheitschips in den Smartphones eine entscheidende Ebene dieses Netzwerks bilden.
Die Rechenknoten von Acurast sind private Geräte aus aller Welt. Entwickler wissen nicht, welchem Smartphone eine Aufgabe letztlich zugewiesen wird, und auch die Gerätebesitzer können völlig Fremde sein. Den Code einfach zur Ausführung zu übertragen, wäre offensichtlich nicht sicher genug.
Acurast nutzt die in Smartphones integrierte Trusted Execution Environment, um Aufgaben auszuführen. Dieser Bereich wird normalerweise auch von Banking-Apps, biometrischen Funktionen und Zahlungsdiensten genutzt. Der laufende Code ist vom Betriebssystem des Smartphones, anderen Apps und dem Gerätebesitzer abgeschirmt.
Nach Abschluss einer Aufgabe erstellt die Hardware außerdem einen signierten Nachweis. Damit lässt sich bestätigen, dass das Gerät echt ist, der Code nicht verändert wurde und das Ergebnis aus der vorgesehenen Ausführungsumgebung stammt.
Dieser Mechanismus eignet sich sehr gut für KI-Agenten.
Ein Agent, der rund um die Uhr online sein muss, kann mit API-Schlüsseln, Nutzeranweisungen, Kontodaten und zeitgesteuerten Aufgaben in Berührung kommen. Wird er auf einem gewöhnlichen Cloud-Server betrieben, muss man dem Anbieter vertrauen. Läuft er dagegen auf verteilten Geräten ohne Verifizierungsmöglichkeiten, müsste man einer Vielzahl unbekannter Knoten vertrauen.
Acurast setzt auf die Verifizierung des Geräts, der Ausführungsumgebung und des Ergebnisses. So müssen Entwickler die Anbieter der Rechenleistung nicht im Voraus kennen.
Das Netzwerk kann mittlerweile OpenClaw, Node.js-Dienste, Bot-Programme und einige Inferenzaufgaben für Modelle ausführen. Die Leistung eines Smartphones reicht vielleicht nicht aus, um große Modelle zu trainieren. Für Agent-Backends, zeitgesteuerte Aufgaben und leichtgewichtige Inferenz ist es jedoch gut geeignet.
Auch mein Verständnis von Acurast hat sich verändert.
Ungenutzte Smartphones sind lediglich die Quelle der Rechenleistung. Ob Entwickler diese Rechenleistung bedenkenlos nutzen können, entscheiden die Hardware-Isolierung und der Ausführungsnachweis.
