今天我們繼續我們的AI專場，我們已經講了幾個AI項目了，先來回顧下，第一個是AGIX,他是一個AI平臺，還不錯，然後是TAO，就是bitsensor專注ML領域也還不錯，團隊一直在默默努力，然後FET，我覺得他的定位比較模糊，比較一般，然後是NMR，非常不錯很有奇思妙想的一個對衝基金全新的管理模式，然後就是Unibot，一個比較像MASK的Telegram項目，如果說要對標MASK2.7億，而它已經3.3億了，但是Telegram上的用戶比twitter多，多億這麼來看也在正常區間了。言歸正傳我們今天講的這個項目是一個機器學習平臺，就是
Cortex-CTXC，目前它的市值比較低，只有3000萬美金，排名380+了，所以如果他很有潛力，那麼漲10倍，到3億美金，是非常簡單的一個事情對吧，漲100倍也就30億美金，是非常有想象力空間的一個項目。
1簡介
當前在傳統區塊鏈上執行機器學習程序的挑戰是，當運行任何重要的機器學習模型時，虛擬機的效率極低。因此，大多數人認爲在區塊鏈上運行AI是不可能的。
Cortex 的目標是打造一個真正去中心化人工智能自治系統，在區塊鏈上提供最先進的機器學習模型，用戶可以使用Cortex區塊鏈上的智能合約來推斷該模型。 Cortex的目標之一還包括實現一個機器學習平臺，允許用戶在平臺上發佈任務，提交AI DApps。
Cortex 項目通過擴展智能合約底層指令集、增強存儲層等技術，爲智能合約增加人工智能算法的支持，使得任何人都可以爲智能合約增加人工智能的能力。同時，Cortex 還提出了一種集體協作的激勵機制，使得任何人都可以提交和優化 Cortex 上的模型，而模型的貢獻者可以得到獎勵。
Cortex 項目 在 Ethereum 的基礎上更進一步，打破了區塊鏈系統和人工智能之間的障礙，爲區塊鏈系統引入了 AI 模型的分類、預測、生成等前所未有的功能。更大的突破帶來了更多的挑戰，爲了應對區塊鏈系統中的人工智能應用在計算、存儲、網絡等方面的負擔，Cortex 提出了一系列方案進行解決：
• 實現 MRT 模型轉換技術，將傳統 AI 模型定點化；
• 提出 Cortex 虛擬機 CVM 實現鏈上 AI 推斷計算；
• 引入 TorrentFS P2P 文件存儲系統解決 AI 模型和數據的存儲問題;
另一方面，由於 AI 技術需要的大規模數據和海量算力，而這兩者具有聚集效應並主要掌握在大公司手中，可以預見的未來會形成壟斷趨勢並現已具雛形。爲此，Cortex 系統提供了去中心化的 AI 模型市場，用戶通過分享 AI 模型並從中獲取收益，也使得更多人能自由享受 AI 技術的力量。
2核心架構
爲了構建更加完善的支持 AI 模型的公鏈，Cortex 2.0 需要優化 AI 模型推斷以及公鏈兩個方面，一方面需要滿足 AI 模型在鏈上執行的正確性以及功能的完備性，另一方面需要在共識、性能方面對現有 Cortex 鏈進行優化。Cortex 2.0 核心架構如圖1所示，主要包含以下方面的技術突破：
1. 形式化驗證: 通過 Z3 證明器 [10] 完成 AI 算子的形式化以及正確性驗證，保證 Cortex 系統中所有節點對 AI 模型的推斷結果保持一致以及正確。
2. AI 算子庫：進一步完善 Cortex 支持的 AI 模型底層算子庫，使得 Cortex能實現更多 AI 模型的推斷工作。
3. 共識算法：設計 RandomAI 工作量證明算法，進一步提升 Cortex 的去中心化程度。
4. 性能提升：通過零知識證明技術，逐步實現轉賬交易、智能合約以及AI 推斷的打包，提升 Cortex 主鏈性能。
2.1形式化驗證: Z3Prover
由於區塊鏈上智能合約虛擬機中的指令執行和計算結果屬於共識機制，這要求虛擬機中指令操作是確定性和可復現的，Cortex 1.0 將 AI 模型推斷操作作爲一條基本指令（INFER | IFNERARRAY）集成到虛擬機執行引擎（CVM）中，由此引申出 AI 推斷操作在區塊鏈上應具備的兩大重要特性：確定性和可復現。
2.2鏈上 AI 推斷引擎：更完善的算子庫
CVM Runtime 項目庫中定義了一系列算子集及其實現，並給出了嚴格的數學描述定義，規定算子在給定輸入的情況下，按算子計算邏輯，輸出確定性的結果。已支持的算子集合參考現有主流深度學習框架架構，結合常用 AI 模型涉及到的網絡結構，囊括了諸如卷積，全聯接，激活函數等必要算子集。目前，Cortex Labs 研發的 CVM Runtime 模型執行框架能夠支持圖像分類，物體識別等計算機視覺 CV 研究以及部分自然語言處理 NLP 的任務。
2.3公平的工作量證明：RandomAI
一直以來，一機一票的加密數字貨幣社區設想並未實現。原因是 ASIC的特殊設計使得計算加速比得到大幅提升。社區和學術界探索了很多內存瓶頸算法來對顯卡和 CPU 挖礦更加友好，而無需花費大量資金購買專業挖礦設備。近年來社區實踐的結果顯示，以太坊的 DaggerHashimoto 和Zcash 的 Equihash 是比較成功的顯卡優先原則的算法實踐。
Cortex 鏈將進一步秉承一機一票優先，Cortex 1.0 版本採用基於 CuckooCycle [18] 的工作量證明方案，縮小 CPU 和礦機之間加速比的差距。Cortex2.0 版本中，將考察並設計 RandomAI 工作量證明算法，進一步保證共識算法的公平性。
2.4主鏈擴容: 零知識證明三部曲
區塊鏈領域中，爲了保障區塊鏈系統的去中心化程度以及安全性，性能瓶頸一直困擾着相關研究者。爲了提升區塊鏈性能，目前主要有更換共識協議、DAG、zkRollup、分片、側鏈等方案 。由於分佈式系統 CAP 定理的限制，直接對區塊鏈進行擴容將是一種權衡，在系統一致性、可用性和持久性之間進行折衷選擇。Cortex Labs 通過對擴容問題進行了深入研究，希望在不犧牲核心安全假設的前提下提升網絡的性能，最終選定了 zkRollup 擴容方案。
整體架構
爲了更好地服務 AI 模型開發者以及 AI 應用開發者，Cortex 2.0 除了核心框架之外，還提供更加豐富的技術組件，構成一個完善的 AI 框架和應用生態，幫助用戶更好享受 AI 區塊鏈帶來的便利。
項目團隊
目前來看是一箇中國人的項目，CEO 陳子祺，清華大學土木工程系本科，後留美獲卡耐基梅隆大學土木工程系碩士和加州大學聖克魯斯分校計算機系碩士。在早期 AdaBoosting 和 Online Learning的發源地，師從 David P. Helmbold 研究機器學習理論和各種算法應用，包括圍棋算法。曾經在美國 SFTC 公司擔任主研究科學家，負責有限元網格生成法，用於航天和武器研發。具有一線的電商創業經驗和區塊鏈全行業經驗，Waterhole.io 北京遂視科技有限公司創始人，精通礦池、算力、錢包等業務，深度理解礦機、共識算法和公有鏈生態。在比特幣、以太坊、Zcash等加密貨幣提供算力。
CTO物理和生物競賽保送至清華大學計算機系，獲本碩學位，分佈式系統方向專家。曾在百度、阿里巴巴工作，日PV過億的搜索引擎 (so.com) 和推薦引擎架構師。連續創業者，先後在多家創業公司任職，涉足搜索引擎、推薦引擎、人工智能、金融科技等方向。第一家公司臥龍雲被阿里巴巴收購，後加入北京機器學習信息技術有26限公司擔任CTO ，研發recsys 、chatbot 、醫療影像識別等系統，後又加入Pony.ai無人車創業公司，天使輪已得到紅杉、IDG投資。曾擔任比特基金首席科學家，區塊鏈研究者，在多家區塊鏈技術公司任顧問，比特幣、Zcash早期投資人，世界最大比特幣交易所Bitfinex投資人。對量子計算、核聚變和計算神經學有濃厚興趣。
融資情況
也就是在今年的時候，Cortex獲得3500萬美元B輪融資。A輪融資目前沒查到。
Token分配
最大供應量 299,792,458 CTXC，流通率 68.39%。首次發行時間 2018-04-17，衆籌價格$0.5800，目前幣價在0.15美金，最高峯的時候在18年的時候，有2.4美金。他們團隊拿了差不多15%，運營推廣10%，也就是差不多25%，這個比例不多也不少了。
最後我們總結下，果然的AI區塊鏈項目，目前市值還是比較低的，融資他們就拿了4000萬美金，而現在市值只有3000萬美金，然後目前的價格也是幣18年的ICO價格還要低，但是目前來看進展比較緩慢，目前的AI項目普遍都是進展緩慢，給與一定的時間把，至少目前來看這個是處於價值窪地的。