5月7日、BithumbはAIOZとNEARの2つのAIプロジェクトに韓国ウォンの取引ペアを追加しました。NEARはよく知られたL1プロジェクトですが、AIOZ Networkはあまり馴染みがないかもしれません。AIOZ Networkは、これまでストレージとストリーミングメディアに重点を置いていましたが、現在、蓄積された利点を活用して、サービスとしてのAIと共有コンピューティングパワーに徐々に収束しています。最近、分散型AIプロジェクトであるW3AIのホワイトペーパーをリリースしました。

競争が激化するAIの分野で、流動性と注目度の両方が乏しい市場での地位を確保するために、確立されたプロジェクトはどのような新しい戦略を提供できるでしょうか?

ホワイトペーパーは複雑なため、Deep Tide TechFlowは、AIOZ W3AIプロジェクトの技術的特徴と実装を読者が迅速に理解できるように、その内容について徹底的な調査を実施しました。

AIOZのAI市場への参入

AIOZは新しいプロジェクトではありませんが、AIへの移行は理にかなっているように思えます。

以前は、AIOZネットワークはイーサリアムとコスモス間の相互運用性を備えたレイヤー1ネットワークとして運用されていました。120,000を超えるグローバルノードによって駆動されるAIOZ DePINを利用して、計算リソースを提供しました。このセットアップは、AI の処理速度、迅速なイテレーション、スケーラビリティ、ネットワーク セキュリティをサポートし、プロジェクトの物語のシフトの基盤として機能します。

さらに、より広い文脈では、AIの開発は、大量のデータの処理に苦労している集中型クラウドコンピューティングソリューションという課題に直面しています。この制限により、スケーラビリティの問題と高い使用コストが発生します。さらに、制御がユーザーではなく中央集権的なプロバイダーにある場合、データのプライバシーとセキュリティに関する懸念が生じます。

さらに、トップレベルのAIリソースへのアクセスが困難であり、中小企業や個人の参加が制限され、イノベーションが妨げられる可能性があります。エッジコンピューティングは、データソースにニアエンドサービスを提供することでソリューションを提供します。アプリケーションはエッジで開始されるため、ネットワークサービスの応答が速くなります。データ処理はノードでローカルに行われ、中央サーバーへの長距離伝送が不要になるため、エッジコンピューティングはデータ侵害のリスクを自然に軽減します。AIOZ DePINのグローバルに分散されたエッジコンピューティングノードにより、AIOZはAI領域への大規模な参入に大きな自信を持っています。

AIOZ Networkは現在、ノードデータを運用しています。

W3AI: DePIN + AI as a Service デュアルレイヤー アーキテクチャ

AIOZがAI分野に進出する上で極めて重要なステップとなるのが、インフラストラクチャとアプリケーションの両方を網羅する2層アーキテクチャであるW3AIです。

デュアルレイヤーアーキテクチャは、AIOZ W3AIプロジェクトの中核をなすもので、スケーラビリティ、コスト効率、ユーザープライバシー保護など、AI計算の根本的な問題に対する革新的なソリューションを提供します。

このアーキテクチャ設計では、ネットワークの運用をインフラストラクチャ層 (W3AI インフラストラクチャ) とアプリケーション層 (W3AI アプリケーション) の 2 つの主要な層に分割します。各レイヤーには独自の機能と役割があり、ネットワーク全体の効率的な運用を総合的にサポートします。

ネットワーク基盤としてのインフラ層(W3AI基盤)

AIOZ DePIN:グローバルに分散された人工ノード

AIOZ W3AIの基盤は、その広大な分散型人工エッジコンピューティングノードにあります。これらのグローバルに分散されたノードは、ストレージ、CPU、GPUなどのコンピューティングリソースを提供し、分散型電源を形成します。マルチグラフトポロジーにより、AIOZ DePIN間の効率的な通信ルートが保証され、通信コストが最小限に抑えられ、処理速度が向上します。これらのノードは、分散コンピューティング手法を通じて連携し、AI モデルをまとめてトレーニングおよび実行します。このアプローチにより、AIOZ W3AIプラットフォームは、分散したコンピューティングリソースを効果的に活用し、コストを削減し、AIアプリケーションの効率を高め、データプライバシー保護を強化します。この分散型アプローチにより、サーバーのボトルネックのリスクが大幅に軽減され、一元的な制御が排除されるため、ユーザーのプライバシーが強化されます。

W3AIの分散型コンピューティングインフラは、AIOZノードネットワークによって駆動されています。紫色の領域はストレージ・ノードの分布を表し、青色の領域はコンピューティング・ノードの分布を表します。

データ処理と保存

AIOZ W3Sにより、データはグローバルに分散した複数のノードに安全に保存され、データセキュリティを強化するとともに、データ処理の応答性も向上させます。

AIOZ IPFSなどの分散ファイルシステムと暗号化技術を使用することで、ノードに保存されているデータを保護し、不正アクセスやデータ漏洩を防ぎます。

フレキシブルアプリケーション層(W3AIアプリケーション)

Web 3 AIプラットフォームは、AIをサービスとして提供します。

AI as a Service(AIaaS)とは、AI技術をオンラインサービスとしてユーザーに提供し、企業や個人が高コストでAI技術のメリットを享受できるモデルを指します。

eコマース事業者が、ユーザーの購入履歴を理解し、ユーザーの消費行動を分析して、パーソナライズされたショッピングのレコメンデーションを提供したいと考えているとします。AI技術を使用してユーザーデータを収集および分析し、対応する販売戦略を生成できます。これは、eコマースにおけるサービスとしてのAIの応用です。

製品形態の面では、W3AIは簡素化されたAIトレーニングワークフローと直感的なUI/UXを提供し、開発者がW3AIサービスに簡単にアクセスし、AIモデルの開発と展開などを可能にするユーザーインターフェースとAPIを提供します。このレイヤーの設計は、ユーザー エクスペリエンスとサービスのアクセシビリティに重点を置いています。さらに、このプラットフォームは、機械学習、ディープラーニング、ニューラルネットワークなど、さまざまなサービスとしてのAIオファリングを統合し、ユーザーが必要に応じてさまざまなサービスやツールを選択できるようにします。

モデルのトレーニングと推論

W3AIプラットフォームは、分散型環境でのモデルのトレーニングと推論をサポートします。W3AIトレーニング(AIOZ W3AI Infrastructure)は、分散型フェデレーテッドラーニングと準同型暗号技術を利用して、多数のエッジコンピューティングノード(DePIN)が独自のデータを共有することなく、AIモデルのトレーニングを共同で行えるようにします。これにより、モデルのトレーニングのパフォーマンスが向上し、データのプライバシーも確保されます。トレーニング済みのモデルは、エッジAIOZ DePINで実行できるため、AIをデータソースに近づけることができます。W3SテクノロジーがサポートするW3AI推論(AIOZ W3S Infrastructure)により、ユーザーは独自のデータセットをアップロードしてモデルトレーニングを行ったり、プラットフォーム上の既存のモデルを使用してデータ分析や予測を行ったりすることができます。

W3AIの分散型市場とインセンティブメカニズム

また、アプリケーション層は、AIOZ AI dApp StoreやAI Model & Dataset Marketplaceなどの分散型市場をユーザーに提供します。個人ユーザーやビジネス組織は、自由に貢献し、AIデータセットとモデルを販売し、革新的なAIアプリケーションを構築および展開し、その貢献をトークン報酬に変換できます。

AIOZ W3AIの2層アーキテクチャ

「人工知能ルーティング」による「デュアルレイヤーアーキテクチャ」のトラバース。

適切に構造化されたアーキテクチャでは、2層アーキテクチャの運用間のロジックリソースとタスクデータフローを管理することが重要です。そこでW3AIは、人工知能ルーティングを2層アーキテクチャに導入し、各タスクを動的に最適化してシステム全体の効率を高めています。

インフラストラクチャ層では、人工知能ルーティングが計算需要と現在のノード負荷を評価し、タスクを動的に割り当てて、各ノードがその能力とリアルタイムのネットワーク状態に基づいて適切なタスクに参加できるようにします。また、ノードの状態を監視し、潜在的なノード障害やパフォーマンスのボトルネックを迅速に検出して対処し、単一点の障害が全体的な効率に影響を与えるのを防ぎます。

アプリケーション層では、インテリジェントなルーティングにより、ユーザーの要求に迅速に対応でき、データフローと処理戦略をリアルタイムで動的に調整できます。さらに、ユーザー固有の地理的な場所と要件に基づいて、最適なノードをインテリジェントに割り当てます。AIルーティングアーキテクチャは、大規模な同時実行性の高いタスクに直面し、タスクのスケジューリングをインテリジェントに最適化し、複雑なAIモデルとビッグデータ分析を処理するアプリケーション層をサポートします。

このホワイトペーパーには、ルーティングの具体的な実装を説明するための複雑な式が多数含まれています。関心のある読者は、ホワイトペーパーのドキュメントで詳細を確認できます。

人工知能ルーティングは、AIOZ DePIN ノードにタスク伝送パスを割り振ります。この図では、緑色は接続されたノードを表し、青色は信頼度が低いためにスキップされた部分を表します。

ワークフロー:AIタスクの実装例

これらの豊富なインフラストラクチャアーキテクチャにより、W3AIはどのようにワークフローを展開しているのでしょうか?データ入力から結果出力まで、W3AIのワークフローは完全な分散型運用モードを具現化しています:出力→タスクの暗号化、タスクのセグメンテーションと割り当て、計算タスクの実行→、完了した計算をコンテナに収集→、ユーザーが復号化された出力結果を取得する→ストレージ。

上記のプロセスを簡単な手順に絞り込むことができます。

まず、データ入力と暗号化の前に、ユーザーがアップロードしたデータは準同型暗号化を受け、処理過程全体(データ入力と暗号化)を通じてデータセキュリティを確保します。

暗号化されたデータは、タスクの要件に基づいて複数の小さなセグメントにセグメント化され、各タスクは実行に最も適したノード(タスクのセグメント化と割り当て)に割り当てられます。

選択されたノードは、AIモデルのトレーニングやデータ分析などの特定のコンピューティングタスクを実行すると同時に、関連するデータストレージ(コンピューティングとストレージの実行)も担当します。

タスクの完了後、結果は再暗号化され、変換されたコンテナに保存され、エンドユーザーによる取得を待ちます。

許可されたユーザーのみが最終結果にアクセスでき、出力の前に準同型復号化 (結果の復号化と出力) が行われます。

W3AIのワークフローアーキテクチャ

上記のプロセスを通じて、W3AIは処理効率を向上させると同時に、柔軟でスケーラブルな特性とデータセキュリティおよびプライバシーのバランスを取ります。これにより、システムリソースの使用率が最適化され、手動による介入が減り、運用コストが削減されます。

エコシステム全体を取り巻くトークンエコノミー

$AIOZは、AIOZ W3AIエコシステム全体をつなぐ上で重要な役割を果たしています。AI-as-a-Serviceとシェアードコンピューティングパワービジネスの出現により、そのトークンはより多くの使用シナリオと価値の獲得を獲得しています。

データ取引と貢献インセンティブ

$AIOZは、コンピューティングパワーとストレージリソースを提供し、ネットワークの安定した運用を保証するユーザーに報酬を与えるために使用されます。プラットフォームの取引市場では、ユーザーは$AIOZを使用してさまざまなAIサービスを購入したり、AIモデルやデータセットを売買したりできます。さらに、トークン保有者は、エコシステムの次のステップを決定するために投票することで、ネットワークガバナンスに参加することができます。

生態系の維持

$AIZOで支払われる取引手数料の一部は、AIOZネットワークの運用と財務管理に使用され、プラットフォームの継続的な保守と開発を保証します。別の部分は、トークンの供給を規制し、インフレを緩和するために直接燃やされます。この慎重に設計されたトークンフローサイクルは、イノベーションを奨励し、参加に報酬を与え、AIOZ W3AIエコシステムの継続的な開発を推進します。

W3AIエコシステム内のトークンフロー

結論

AIOZ W3AIは、AIに移行する分散型プロジェクトとして、技術リソースと運用メカニズムにおいて自然な利点を持っています。技術とコンセプトの面で、W3AIは、より安全で柔軟かつ効率的なコンピューティングサービスと魅力的なエコシステム体験をユーザーに提供する大きな可能性を示しています。しかし、W3AIは、分散型AIソリューションの認識と信頼における市場の成熟度や、厳しい基準を持つシステムの下での潜在的な高い運用コストなどの課題にも直面していることに注意する必要があります。

現在のホワイトペーパーは、プロジェクトの初期段階で起草された青写真のようなもので、将来に備えていますが、まだ実装と実行は行われていません。何人の人がそれを使用するのか、そして他のセキュリティや技術的な問題があるのかどうかについては疑問が残りますが、これらはすべて市場での検証を待っています。

それでも、ビジネスとの関連性が高いWeb3プロジェクトでは、ポジティブなナラティブの移行を受け入れることが正しい姿勢であることに変わりはありません。新しいプロジェクトも既存のプロジェクトも、AIのドラマを熱心に演出しており、舞台裏の暗号プレーヤーがお金に見合う価値があるかどうかは、時間が経ってみないとわかりません。

免責事項：

1. この記事は[TechFlow]からの転載です。すべての著作権は原著作者に帰属します[TechFlow]。この転載に異議がある場合は、 Gate Learn チームに連絡していただければ、迅速に対応いたします。
2. 免責事項:この記事で表明された見解や意見は、著者のものであり、投資アドバイスを構成するものではありません。
3. 記事の他言語への翻訳は、Gate Learnチームによって行われます。特に明記されていない限り、翻訳された記事を複製、配布、盗用することは禁止されています。