Autor: Qin Jingchun
En el artículo anterior, discutimos cómo la IA descentralizada se convierte en un componente clave para la implementación de Internet de valor Web3, señalando que AO + Arweave proporciona la infraestructura ideal para este ecosistema gracias a sus ventajas tecnológicas en almacenamiento permanente, computación ultraparalela y verificabilidad. Este artículo se centrará en los detalles técnicos de AO + Arweave, comparándolos con plataformas descentralizadas convencionales para revelar sus ventajas únicas en el apoyo al desarrollo de la IA, y explorará su relación complementaria con proyectos verticales de IA descentralizada.
En los últimos años, con el rápido desarrollo de la tecnología de IA y la creciente demanda de entrenamiento de modelos a gran escala, la infraestructura descentralizada de IA se ha convertido gradualmente en un tema candente en la industria. Aunque las plataformas de cálculo centralizado tradicionales han estado mejorando constantemente en términos de potencia de cálculo, también se han hecho evidentes las limitaciones de su monopolio de datos y los altos costos de almacenamiento. Por el contrario, las plataformas descentralizadas no solo pueden reducir los costos de almacenamiento, sino que también pueden garantizar la integridad de los datos y los cálculos a través de un mecanismo de verificación descentralizado, lo que desempeña un papel importante en aspectos críticos como el entrenamiento, la inferencia y la validación de modelos de IA. Además, en la actualidad, Web3 tiene problemas como la fragmentación de datos, la baja eficiencia de las organizaciones DAO y la baja interoperabilidad entre plataformas, por lo que es necesario integrarse con la IA descentralizada para seguir avanzando.
Este artículo comparará y analizará las ventajas y desventajas de las principales plataformas desde cuatro dimensiones: límite de memoria, almacenamiento de datos, capacidad de cálculo paralelo y verificabilidad, y discutirá en detalle por qué el sistema AO+Arweave muestra una clara ventaja competitiva en el campo de la IA descentralizada.
Análisis comparativo de las plataformas: ¿Por qué AO+Arweave es único?
1.1 Requisitos de memoria y potencia de cálculo
Con la ampliación continua de la escala de los modelos de IA, la memoria y la potencia de cálculo se han convertido en indicadores clave para medir la capacidad de la plataforma. Tomemos como ejemplo la ejecución de un modelo relativamente pequeño (como Llama-3-8 B), que requiere al menos 12 GB de memoria; mientras que modelos como GPT-4 con parámetros en el rango de billones, tienen requisitos asombrosos de memoria y recursos de cálculo. Durante el proceso de entrenamiento, se necesita aprovechar al máximo la capacidad de cálculo en paralelo para una gran cantidad de operaciones como cálculos matriciales, retropropagación y sincronización de parámetros.
- **AO+Arweave ：**AO, a través de sus Unidades de Cálculo Paralelo (CU) y el modelo de Actores, puede dividir las tareas en múltiples sub tareas para su ejecución simultánea, logrando una programación paralela de granularidad fina. Esta arquitectura permite no solo aprovechar al máximo las ventajas de paralelismo del hardware como las GPU durante el proceso de entrenamiento, sino también mejorar significativamente la eficiencia en aspectos críticos como la programación de tareas, la sincronización de parámetros y la actualización de gradientes.
- ICP： Aunque la subred de ICP admite cierto nivel de cálculo en paralelo, cuando se ejecuta dentro de un contenedor unificado, solo puede lograr un paralelismo de grano grueso, lo que dificulta satisfacer la demanda de programación de tareas de grano fino en el entrenamiento de modelos a gran escala, lo que resulta en una eficiencia general insuficiente.
- Ethereum y Base Chain: Ambos adoptan un modo de ejecución de hilo único, su diseño arquitectónico está principalmente orientado a aplicaciones descentralizadas y contratos inteligentes, no poseen la capacidad de cálculo en paralelo necesaria para entrenar, ejecutar y verificar modelos de IA complejos.
Demanda de potencia de cálculo y competencia en el mercado
Con el auge de proyectos como Deepseek, la barrera de entrada para entrenar modelos de gran escala sigue disminuyendo, lo que podría llevar a más y más empresas pequeñas y medianas a competir, resultando en una escasez creciente de recursos informáticos en el mercado. En este contexto, infraestructuras descentralizadas de computación con capacidad de cálculo distribuido y paralelo, como AO, serán cada vez más populares. AO+Arweave, como infraestructura de inteligencia artificial descentralizada, se convertirá en un soporte clave para la implementación de Internet de valor Web3.
1.2 Almacenamiento de datos y economía
El almacenamiento de datos es otro indicador crucial. Las plataformas de blockchain tradicionales, como Ethereum, tienen costos de almacenamiento en cadena extremadamente altos, por lo que generalmente solo se pueden utilizar para almacenar metadatos clave, y trasladan el almacenamiento de datos a gran escala a soluciones fuera de la cadena como IPFS o Filecoin.
- Plataforma Ethereum: Depende del almacenamiento externo (como IPFS, Filecoin) para guardar la mayor parte de los datos, lo que garantiza la inmutabilidad de los datos, pero el alto costo de escritura en la cadena impide el almacenamiento directo de grandes cantidades de datos en la cadena.
- AO+Arweave： Utilizando la capacidad de almacenamiento permanente de bajo costo de Arweave, se logra el archivado a largo plazo e inmutable de datos. Para datos de entrenamiento de modelos de IA, parámetros de modelos, registros de entrenamiento y otros datos a gran escala, Arweave no solo garantiza la seguridad de los datos, sino que también brinda un sólido apoyo para la gestión del ciclo de vida de los modelos posteriores. Al mismo tiempo, AO puede acceder directamente a los datos almacenados en Arweave, construyendo un ciclo económico completo de activos de datos, lo que promueve la implementación y aplicación de la tecnología de IA en Web3.
- Otras plataformas (Solana, ICP): Aunque Solana ha optimizado el almacenamiento de estado a través de un modelo de cuenta, todavía se necesita una solución fuera de la cadena para el almacenamiento de datos a gran escala; mientras que ICP utiliza un almacenamiento de contenedores incorporado, compatible con la expansión dinámica, pero el almacenamiento a largo plazo de datos requiere el pago continuo de Ciclos, lo que lo hace económicamente complicado en general.
1.3 Importancia de la capacidad de cálculo en paralelo
Durante el proceso de entrenamiento de modelos de IA a gran escala, el procesamiento paralelo de tareas intensivas en cálculos es clave para mejorar la eficiencia. Dividir un gran número de operaciones de matriz en múltiples tareas paralelas puede reducir significativamente el costo temporal y aprovechar plenamente los recursos de hardware como las GPU.
- **AO ：**AO utiliza un mecanismo de coordinación de tareas de cálculo y comunicación de mensajes independientes para lograr cálculos en paralelo de granularidad fina. Su modelo de Actor admite la división de una sola tarea en millones de subprocesos y una comunicación eficiente entre múltiples nodos. Esta arquitectura es especialmente adecuada para el entrenamiento de modelos a gran escala y escenarios de cálculo distribuido, teóricamente puede alcanzar un TPS extremadamente alto (transacciones por segundo), a pesar de las limitaciones prácticas como E/S, superando con creces las plataformas tradicionales de un solo hilo.
- Ethereum and Base Chain: Due to the single-threaded EVM execution mode, both of them appear inadequate when facing complex parallel computing requirements and cannot meet the requirements of AI large model training.
- Solana 和 ICP： Aunque el tiempo de ejecución de Sealevel de Solana admite la concurrencia de subprocesos, la granularidad de la concurrencia es gruesa, mientras que ICP sigue siendo principalmente monohilo dentro de un solo contenedor, lo que resulta en cuellos de botella evidentes al manejar tareas extremadamente paralelas.
1.4 Verificabilidad y confianza del sistema
Una de las principales ventajas de las plataformas descentralizadas es que, a través del consenso global y un mecanismo de almacenamiento inmutable, pueden mejorar significativamente la confiabilidad de los datos y los resultados de los cálculos.
- Ethereum: A través de la validación de consenso global y el ecosistema de Prueba de Conocimiento Cero (ZKP), se asegura que la ejecución de contratos inteligentes y el almacenamiento de datos sean altamente transparentes y verificables, pero con costos de validación correspondientes.
- AO+Arweave: AO, mediante el almacenamiento holográfico de todo el proceso de cálculo en Arweave y utilizando una ‘máquina virtual determinista’ para garantizar la reproducibilidad de los resultados, ha construido una cadena de auditoría completa. Esta arquitectura no solo mejora la verificabilidad de los resultados del cálculo, sino que también fortalece la confianza en el sistema en su conjunto, proporcionando una sólida garantía para el entrenamiento e inferencia de modelos de IA.
La relación complementaria entre AO+Arweave y el proyecto de IA descentralizada vertical
En el campo de la inteligencia artificial descentralizada, proyectos verticales como Bittensor, Fetch.ai, Eliza y GameFi están explorando activamente sus propios escenarios de aplicación. AO+Arweave, como plataforma de infraestructura, tiene la ventaja de proporcionar potencia informática distribuida eficiente, almacenamiento de datos permanente y capacidades de auditoría de cadena completa, lo que puede proporcionar el soporte básico necesario para estos proyectos verticales.
2.1 Ejemplo de complementariedad tecnológica
Los participantes de Bittensor necesitan contribuir con la potencia de cálculo para entrenar modelos de IA, lo que plantea altas exigencias en recursos de cómputo paralelo y almacenamiento de datos. La arquitectura de supercomputación paralela de AO permite que numerosos nodos ejecuten tareas de entrenamiento simultáneamente en la misma red, intercambiando rápidamente parámetros del modelo y resultados intermedios a través de un mecanismo de mensajería abierto, evitando así los cuellos de botella causados por la ejecución secuencial tradicional de blockchain. Esta arquitectura de concurrencia sin bloqueos no solo mejora la velocidad de actualización del modelo, sino que también aumenta significativamente el rendimiento general de entrenamiento.
Al mismo tiempo, el almacenamiento permanente proporcionado por Arweave ofrece una solución ideal para datos clave, pesos de modelo y resultados de evaluación de rendimiento. Los grandes conjuntos de datos generados durante el proceso de entrenamiento pueden escribirse en tiempo real en Arweave. Debido a su inmutabilidad de datos, cualquier nuevo nodo puede obtener los datos de entrenamiento más recientes y la instantánea del modelo, lo que asegura que los participantes de la red colaboren en un conjunto de datos unificado. Esta combinación simplifica el proceso de distribución de datos y proporciona una base transparente y confiable para el control de versiones de modelos y la verificación de resultados, lo que permite a la red de Bittensor mantener la eficiencia computacional de un clúster casi centralizado mientras conserva la ventaja de descentralización, lo que impulsa significativamente el límite de rendimiento del aprendizaje automático descentralizado.
- Agentes de economía autónoma (AEAs) de Fetch.ai:
En el sistema de colaboración multiagente Fetch.ai, la combinación de AO+Arweave también puede mostrar un efecto sinérgico sobresaliente. Fetch.ai ha construido una plataforma descentralizada que permite que los agentes autónomos realicen actividades económicas colaborativas en cadena. Estas aplicaciones requieren el manejo simultáneo de un gran número de agentes en funcionamiento concurrente y el intercambio de datos, lo que exige altos requisitos en cuanto a cálculo y comunicación. AO proporciona a Fetch.ai un entorno de ejecución de alto rendimiento, donde cada agente autónomo puede considerarse como una unidad de cálculo independiente en la red AO, permitiendo que múltiples agentes realicen cálculos y lógica de decisión complejos en paralelo en nodos diferentes sin bloquearse mutuamente. El mecanismo de mensajería abierta optimiza aún más la comunicación entre agentes: los agentes pueden intercambiar información de forma asincrónica a través de colas de mensajes en cadena, desencadenando acciones y evitando así los problemas de retraso asociados con las actualizaciones de estado global en las cadenas de bloques tradicionales. Con el apoyo de AO, cientos o miles de agentes de Fetch.ai pueden comunicarse, competir y colaborar en tiempo real, simulando un ritmo de actividad económica cercano al del mundo real.
Al mismo tiempo, la capacidad de almacenamiento permanente de Arweave capacita el intercambio de datos y la retención de conocimientos de Fetch.ai, donde cada agente puede enviar a Arweave datos importantes generados o recopilados durante su funcionamiento, como información de mercado, registros de interacción, acuerdos de protocolo, etc., para formar una biblioteca de memoria pública permanente a la que otros agentes o usuarios pueden acceder en cualquier momento sin depender de la fiabilidad de los servidores centralizados. Esto garantiza que los registros de colaboración entre agentes sean públicos y transparentes. Por ejemplo, una vez que los términos de servicio o las cotizaciones comerciales publicadas por un agente se escriben en Arweave, se convierten en registros públicos reconocidos por todos los participantes, y no se perderán debido a fallos en los nodos o a alteraciones maliciosas. Con la computación de alta concurrencia de AO y el almacenamiento confiable de Arweave, el sistema multiagente de Fetch.ai puede lograr una colaboración sin precedentes en la cadena.
- Sistema de múltiples agentes Eliza:
Los chatbots de IA tradicionales suelen depender de la nube para procesar el lenguaje natural con una potente potencia informática y una base de datos para almacenar conversaciones a largo plazo o preferencias del usuario. Con la ayuda de la computación hiperparalela de AO, el asistente inteligente en cadena puede distribuir módulos de tareas (como la comprensión del lenguaje, la generación de diálogos y el análisis de sentimientos) a múltiples nodos para el procesamiento paralelo, y puede responder rápidamente incluso si un gran número de usuarios hacen preguntas al mismo tiempo. El mecanismo de mensajería de AO garantiza una colaboración eficiente entre los módulos: por ejemplo, el módulo de comprensión del lenguaje extrae la semántica y transmite los resultados al módulo de generación de respuestas a través de mensajes asíncronos, de modo que el flujo de diálogo en la arquitectura descentralizada sigue siendo fluido. Al mismo tiempo, Arweave actúa como la “memoria a largo plazo” de Eliza: todas las interacciones del usuario, las preferencias y los nuevos conocimientos aprendidos por el asistente se cifran y almacenan para siempre, de modo que los usuarios pueden volver a interactuar entre sí con el contexto del anterior y lograr respuestas personalizadas y coherentes, independientemente del tiempo que transcurra entre ellas. El almacenamiento permanente no solo evita la pérdida de memoria causada por la pérdida de datos o la migración de cuentas en servicios centralizados, sino que también proporciona soporte de datos históricos para el aprendizaje continuo de modelos de IA, lo que hace que los asistentes de IA en cadena sean “más y más inteligentes cuanto más usan”.
- Aplicación de agente en tiempo real de GameFi:
En los juegos descentralizados (GameFi), las características complementarias de AO y Arweave desempeñan un papel clave. Los MMO tradicionales dependen de servidores centralizados para realizar cálculos concurrentes y almacenar estados, lo que va en contra del concepto de descentralización de blockchain. AO propone descentralizar la lógica del juego y las tareas de simulación física para procesarlas en paralelo en una red descentralizada: por ejemplo, en el mundo virtual en cadena, las simulaciones de escenarios en diferentes regiones, las decisiones de comportamiento de NPC y los eventos de interacción de los jugadores pueden ser calculados simultáneamente por nodos individuales, y se puede construir un mundo virtual completo mediante el intercambio de mensajes para cruzar información entre áreas. Esta arquitectura elimina los cuellos de botella de un solo servidor, permitiendo que el juego escala linealmente con el aumento de jugadores y manteniendo una experiencia fluida.
Al mismo tiempo, el almacenamiento permanente de Arweave proporciona registros de estado fiables y gestión de activos para los juegos: los estados clave (como los cambios en el mapa, los datos de los jugadores) y los eventos importantes (como la adquisición de objetos raros, el progreso de la trama) se solidifican regularmente en el almacenamiento en cadena; Los metadatos y el contenido multimedia de los activos de los jugadores (por ejemplo, máscaras de personajes, NFT de utilería) también se almacenan directamente, lo que garantiza la propiedad permanente y la protección contra manipulaciones. Incluso si se actualiza un sistema o se reemplaza un nodo, el estado histórico guardado por Arweave aún se puede restaurar, lo que garantiza que los logros y activos del jugador no se pierdan debido a los cambios tecnológicos: ningún jugador quiere que estos datos desaparezcan repentinamente, y ha habido muchos incidentes similares antes, como la ira de Vitalik Buterin por la repentina cancelación de Blizzard de la habilidad Mage’s Life Straw en World of Warcraft hace muchos años. Además, el almacenamiento permanente permite a la comunidad contribuir a las crónicas del juego, de modo que cualquier evento importante permanezca en la cadena durante mucho tiempo. Con la computación paralela de alta intensidad de AO y el almacenamiento persistente de Arweave, esta arquitectura de juego descentralizada rompe eficazmente los cuellos de botella de rendimiento y durabilidad de los datos de los modelos tradicionales.
2.2 Integración y ventajas complementarias del ecosistema
AO+Arweave no solo proporciona soporte de infraestructura para proyectos de IA verticales, sino que también se dedica a construir un ecosistema descentralizado de IA abierto, diverso e interconectado. En comparación con proyectos que se centran únicamente en un área específica, el alcance del ecosistema de AO+Arweave es más amplio y tiene más aplicaciones, con el objetivo de construir una cadena de valor completa que abarque datos, algoritmos, modelos y potencia informática. Solo en un ecosistema tan vasto se puede liberar verdaderamente el potencial de los activos de datos de Web3 y establecer un ciclo económico descentralizado de IA saludable y sostenible.
Tres, Web3 Internet de Valor y Almacenamiento de Valor Permanente
La llegada de la era Web3.0 marca que los activos de datos se convertirán en los recursos más fundamentales en Internet. Al igual que la red de Bitcoin almacena ‘oro digital’, el servicio de almacenamiento permanente proporcionado por Arweave permite que los activos de datos valiosos se mantengan a largo plazo e inalterables. En la actualidad, el monopolio de los gigantes de Internet sobre los datos de los usuarios hace que sea difícil reflejar el valor de los datos personales, mientras que en la era Web3, los usuarios tendrán la propiedad de los datos y el intercambio de datos se realizará de manera efectiva a través de un mecanismo de incentivos con fichas.
- Propiedad de almacenamiento de valor:
Arweave logra una fuerte capacidad de escalabilidad horizontal a través de Blockweave, SPoRA y la tecnología de bundling, especialmente destacando en escenarios de almacenamiento de datos a gran escala. Esta característica permite a Arweave no solo asumir la tarea de almacenamiento de datos permanente, sino también proporcionar un sólido soporte para la gestión de propiedad intelectual futura, transacciones de activos de datos y gestión del ciclo de vida de modelos de IA.
- Economía de activos de datos:
Los activos de datos son el núcleo de Internet del Valor Web3. En el futuro, los datos personales, los parámetros del modelo, los registros de entrenamiento, etc., se convertirán en activos valiosos que circularán de manera eficiente a través de mecanismos de incentivos de tokens, derechos de datos, etc. AO+Arweave se basa en esta idea para construir una infraestructura cuyo objetivo es abrir canales de circulación de activos de datos y inyectar una vitalidad continua en el ecosistema de Web3.
Cuatro, riesgos y desafíos y perspectivas futuras
A pesar de que AO+Arweave muestra muchas ventajas técnicas, todavía enfrenta los siguientes desafíos en la práctica:
- Complejidad de los modelos económicos
El modelo económico de AO necesita integrarse profundamente con el sistema económico de la moneda AR para garantizar el almacenamiento de datos de bajo costo y la transmisión eficiente de datos. Este proceso implica mecanismos de incentivos y castigos entre varios nodos (como MU, SU, CU) y debe equilibrar la seguridad, el costo y la escalabilidad a través de un mecanismo de consenso de subdepósito SIV flexible. En el proceso de implementación real, cómo equilibrar la cantidad de nodos y la demanda de tareas, y evitar el subutilización de recursos o ingresos insuficientes, es un problema que el equipo del proyecto debe considerar cuidadosamente.
- La falta de construcción de un mercado y modelo descentralizado de algoritmos
El ecosistema actual de AO+Arweave se centra principalmente en el almacenamiento de datos y el soporte computacional, aún no ha desarrollado un modelo descentralizado y un mercado de algoritmos completo. Sin proveedores de modelos estables, el desarrollo de AI-Agent en el ecosistema se verá limitado. Por lo tanto, se recomienda apoyar proyectos de mercado de modelos descentralizados a través del fondo ecológico, creando así altas barreras de entrada y una defensa sostenible a largo plazo.
A pesar de los muchos desafíos, con la llegada gradual de la era Web3.0, la confirmación y circulación de activos de datos promoverá la reconstrucción de todo el sistema de valores de Internet. Como pionera en infraestructura, se espera que AO+Arweave desempeñe un papel clave en esta transformación, ayudando a construir un ecosistema de IA descentralizado y el Internet de Valor Web3.
Conclusión
Un análisis detallado de cuatro dimensiones: memoria integrada, almacenamiento de datos, cálculo en paralelo y verificabilidad, nos lleva a concluir que AO+Arweave muestra una clara ventaja en el soporte de tareas de IA descentralizadas, especialmente en el cumplimiento de demandas de entrenamiento de modelos de IA a gran escala, reducción de costos de almacenamiento y aumento de la confiabilidad del sistema. Al mismo tiempo, AO+Arweave no solo proporciona un sólido soporte de infraestructura para proyectos de IA descentralizada de tipo vertical, sino que también tiene el potencial de construir un ecosistema de IA completo, impulsando así la formación de un ciclo cerrado de actividades económicas de activos de datos de la Web3 y generando un cambio más significativo.
En el futuro, con la mejora continua del modelo económico, la expansión gradual del ecosistema y la profundización de la cooperación intersectorial, se espera que AO+Arweave+AI se conviertan en un pilar importante de Internet de valor Web3, lo que traerá una nueva revolución en la propiedad de los activos de datos, el intercambio de valor y las aplicaciones descentralizadas. A pesar de enfrentar ciertos riesgos y desafíos en el proceso de implementación práctica, es a través de la continua experimentación y optimización que la tecnología y el ecosistema finalmente lograrán avances revolucionarios.
