深入解析大语言模型运行网络 BasedAI
转发原文标题《深入解析 BasedAI：隐私和效率并重的大语言模型运行网络，AI 赛道的下一个Bittensor？》
AI赛道持续火热。
不少项目都在试图让自己AI化，冠以“帮助AI做的更好”的新主张，以期顺着AI的风飞的更高。
但其中大部分老项目在过往的周期中已经价值发现，而类似Bittensor等新项目已经不再“新”，我们仍需要寻找尚未兑现价值，且具有叙事潜力的项目。
在加密项目“帮助AI做的更好”中，改进隐私性一直都是个具有吸引力的方向：
其一是因为保护隐私天然与去中心化中的平权概念有内在共鸣，其二要保护隐私，不可避免的要用上zk和同态加密等技术。
理念正确的叙事加上高深的技术，一个AI项目的发展大概率不会差。
而如果这样一个严肃的项目还能加上Meme币的玩法，会不会更有趣了？
3月伊始，一个名为 BasedAI 的项目在推特上悄然注册账号，但转帖之外也才正儿八经的发了2条推文；同时其官网看上去极其简陋 —— 除了一篇高大上的论文版白皮书之外。
而某些外网KOL已经先人一步开启了分析，并感言该项目可能是下一个Bittensor。
同时，其同名代币$basedAI 自2月底开始一路高歌猛进，涨幅超过了夸张的40倍。
在仔细研读了该项目的论文白皮书后，我们发现BasedAI是一个集大语言模型、ZK、同态加密和 Meme 币于一体的AI项目；
在认可其叙事方向的同时，我们更感叹于其精妙的经济设计，将计算资源的调度和其他Meme币的使用，很自然地联系在了一起。
考虑到该项目尚处在非常早期的阶段，因此本期内容我们将对其进行解读，看其是否有成为下一个 Bittensor 的潜力。
当严肃的科学和Meme结合
BasedAI 到底在干啥？
在回答这个问题之前，不妨先看看这个BasedAI是谁做的。
公开资料显示，BasedAI 由一个名为 Based Labs 的组织和 Pepecoin 创始团队联合开发，试图解决当前AI领域大语言模型使用时的隐私问题。
前者 Based Labs 的公开资料并不多，其官网非常神秘，仅有一串由黑客帝国风格组成的技术关键词（点此访问）；而组织中的研究员 Sean Wellington， 正是 BasedAI 公开的论文白皮书作者：
同时，谷歌学术资料显示，Sean 于UC伯克利毕业，自06年起还发表了多篇与清算系统、分布式数据相关的论文，擅长AI和分布式网络研究，看上去是一位在技术领域颇有研究的大佬。
而另一边，pepecoin 并不是目前大热的那个PEPE币，而是最初源于16年就启动的一个meme，当时还有自己的主网L1，目前已经迁移到以太坊上。
你可以说这是个OG Meme，也懂L1的开发。
但一边是严肃的AI科学论文大佬，另一边是Meme 团队；看似业务不相关的两拨人，如何在 Based AI中擦出火花？
ZK和FHE，兼顾AI计算效率和隐私
如果把 Meme 成分放在一边，BasedAI 的推特简介其实很直接的点出了项目的叙事价值：
“Your prompts are your prompts.” （你的提示词就是你的）
这实际上在强调隐私和数据主权的重要性：当你使用 GPT 等AI大语言模型时，你输入的任何提示词和信息实际上都会被对面的服务器接收，本质上你的数据隐私暴露给了OpenAI或其他模型提供方。
虽然这样看上去无伤大雅，但终归是有隐私问题，而你只能无条件信任AI模型提供方不会滥用你的对话记录。
刨去 BasedAI 白皮书中晦涩的数学公式和技术设计，你可以简单把 BasedAI 要做的事理解成：
将你与大语言模型对话的任何内容加密，在不暴露明文的情况下，还能让模型完成计算，并最终返还只有你才能解密的结果。
你一定会预感到，要实现这种效果，又轮到ZK（零知识证明）和FHE（全同态加密）这两个隐私技术登场了。
- ZK允许你在不暴露明文的情况下，证实一件事的真假；
- FHE允许你在加密的情况下， 对加密数据进行计算。
两者一结合，就能实现—- 你的提示词以加密形式提交给AI模型，模型返回给你回答，但中间的相关方都不知道你问的问题是什么，以及回答的结果是什么。
这听起来不错，但有个关键问题 —- 执行FHE技术上需要消耗大量计算资源和等待时间，效率较低。
而诸如GPT等LLM大模型面向用户，又要求快速显示结果，如何处理计算效率和隐私保护之间的矛盾呢？
BasedAI 在其论文中专门强调了其提出的“Cerberus Squeezing”技术，并以复杂的数学公式进行论证：
我们无从专业的评估这个技术的数学实现，但其要做的事可以被简单理解成：
优化FHE（全同态加密）中处理加密数据的效率，有选择地将计算资源集中在最有影响力的地方，快速完成计算以显示结果。
同时论文也用数据实证了这个优化所带来的效率提升：
在使用了Cerberus Squeezing 的情况下，全同态加密所需要的计算步骤可以被近乎缩短一半。
至此，我们可以快速的模拟出一个用户在使用BasedAI时的全流程：
- 用户输入提示词，要求分析某人对话记录中展现的情感，但希望保护记录隐私。
- 通过BasedAI平台以加密形式提交这些数据，同时指定需要使用的AI模型（比如情感分析模型）。
- BasedAI 网络中的矿工接收到这个任务，使用自己的计算资源来执行指定的AI模型，处理这批加密数据。
- 网络节点在不解密数据的情况下完成计算任务，将加密的处理结果返回给用户。
- 用户收到加密结果，使用自己的密钥解密，得到了自己需要的数据分析结果。
“大脑”、矿工和验证者
在技术之外，BasedAI这个网络中具体有哪些角色，来执行技术并满足用户需求呢？
首先需要介绍的，是其自创的“大脑”概念。
A “Brain” from Based Labs
一般对AI加密项目来说，逃不脱的几个要素是：
- 矿工：负责执行计算任务，消耗计算资源
- 验证者：验证矿工完成的工作的正确性，并确保网络中的交易和计算任务的有效性
- 区块链：将执行的计算和验证任务的结果写在账本上保存，并通过链所自带的原生代币激励不同角色的行为。
BasedAI 在这3要素的基础上，还套了一层“大脑”的概念：
“你必须有一个大脑，来装进矿工和验证者的计算资源，让这些资源为不同的AI模型进行计算并完成任务”。
说白了，这些”大脑”作为特定计算任务的分布式容器，用于运行修改过的大型语言模型（LLMs）。每个”大脑”可以选择它希望其关联的矿工和验证者。
如果你觉得这个解释很抽象，可以将拥有一个大脑理解成拥有一个“开展云服务的许可证”：
你想拉一批矿工和验证者来做大语言模型的加密计算，那你必须要持有一个经营许可证，证上写着：
- 你营业的地址在哪（编号）
- 你的营业范围是啥（用AI做情感分析，文生图，医疗助手..）
- 你的计算资源有多少，能力有多大
- 你具体拉了哪些人进来
- 你干这这件事能获得多少奖励
从Based AI 的论文中可以看到，BasedAI的每个”大脑”都能容纳多达256个验证者和1792个矿工，而系统一共只有1024个大脑，这又无形增加了大脑的稀缺性。
而矿工和验证者要加入某个大脑，需要这么做：
- 矿工：连入该平台，决定要分配的GPU资源（更适合计算），可存入$BASED代币，开始计算工作
- 验证者：连入该平台，决定要分配的CPU资源（更适合验证），可存入$BASED代币，开始验证工作
存入的$BASED代币越多，矿工和验证者在大脑上运行的效率越高，他们获得的 $BASED 奖励就越多。
显然，一个大脑代表了一定的权力和组织关系，这也为代币和激励设计打开了空间（后文详细介绍）。
不过这个大脑的设计，是不是有点眼熟？
不同的大脑，在 Bittensor 中有点类似不同的子网subnet，执行不同特定的任务，使用不同的AI模型；
而在上个周期流行的Polkadot中，不同的大脑又像不同的“卡槽”，来运行一个个平行链，执行不同的任务。
BasedAI 官方也给出了一个“医疗大脑”执行任务的示意：
- 病患医疗记录被加密提交到医疗大脑，生成提示词来询问合适的诊断意见；
- BasedAI网络中合适的大语言模型在ZK和FHE的帮助下，无需解密敏感的病患数据即可生成回答，该步骤调用矿工和验证者的计算资源；
- 医疗保健提供者从 BasedAI 网络接收加密输出。只有提交用户才能解密其结果，获得治疗建议，而在此过程中数据不会被暴露或泄露。
玩出花的“大脑”权限售卖，利好 Pepecoin
那么， 怎么获得一个大脑，拿到AI模型加密计算的“开工许可证”权限呢？
BasedAI 联合 Pepecoin，将这个权限的售卖玩出了花，并赋予了Pepecoin这个MEME代币使用价值。
由于大脑只有1024个，项目方很自然的利用了NFT的Mint —- 每售出一个大脑，都会生成一个对应的ERC-721代币，你可以将其看成一个许可证。
而要Mint这个大脑NFT，需要2种与Pepecoin相关的动作才能解锁：燃烧或质押 Pepecoin。
- 燃烧方面，第一个大脑需要用户花费1000个Pepecoin才能Mint；
- 每Mint一个大脑，下一次Mint的成本增加200 Pepecoin；
- 通过这种方式生成的大脑可转让交易；
- 如果所有Brains都是通过Burn燃烧方法获取，则会有107,563,530 Pepecoin将被永久销毁。（CMC数据显示，当前流通量为133M，若这个燃烧全部实现，几乎减少了80%的代币供应量）
而在质押方面：
- 要求用户质押 100,000 Pepecoin，为期 90 天；
- Brain 的ERC-721 NFT在质押后立即发行；
- 通过这种方式生成的大脑不可转让，但会被逐渐奖励$BASED项目原生代币
- 90天后可以解除质押
无论采用哪种方式，随着更多的大脑被创建，相应数量的 Pepecoin 要么被烧毁，要么被锁定，具体取决于两种方法的参与比例。
很显然，与其说这是AI资源的分配，不如说是加密资产的分配。
由于大脑的稀缺性和其开工带来的代币奖励，生成大脑时对 Pepecoin 的需求将显著增加；质押也好，燃烧也罢， 都会减少流通中Pepecoin的供应量，对于代币的二级市场价格来说当然是理论上的利好。
同时，只要 ERC-721 合约中发行并活跃的 Brain 数量少于 1024 个，BasedAI Portal 将继续发行 Brain。
如果 1024 个 Brain 全部发放完毕，BasedAI Portal 将不允许创建新的 Brain。
一个以太坊地址可以持有多个 Brain NFT。 BasedAI 门户将允许用户管理从与连接的 ETH 钱包相关的所有拥有的 Brain 中获得的奖励。活跃的大脑拥有者预计每个大脑每年可赚取 30,000 至 80,000 美元（官方论文数据）。
在这个经济激励的引导下，加上AI和隐私的叙事，可以预见Brain正式上线之后的火爆程度。
总结
在加密项目里，技术本身并不是目的，技术的作用在于引导注意力，进而引导资产分配和流动。
从BasedAI 的大脑设计中可以明显看到，项目把“如何促进资产分配”这件事玩明白了： 在数据隐私的叙事正确下，把涉及到AI因素计算所需的资源整合成一种权限，制造这种权限的稀缺性，进而引导资产流入到权限中，推高另一个MEME代币的消耗。
计算资源得到了正确配置并能获取激励，项目的“大脑”资产赚到了稀缺度和声量，Meme币减少了流通供应…
从造资产层面看，BasedAI的设计相当老道，也十分精妙。
但如果真要回答那些心照不宣、避而不谈、揣着明白装糊涂的问题：
有多少人会因此使用这个隐私保护的大语言模型？有多少AI巨头公司又愿意与这样不利己的隐私保护技术合作？
答案恐怕依然难以乐观。
不过，叙事乘风起，炒作正当时。
有时我们需要的不是质疑是否真的有路可走，而是应当顺风而行。
参考资料：
X：https://twitter.com/getbasedai
Pepecoin：https://twitter.com/pepecoins
声明：
本文转载自[techflow]，原文标题“深入解析 BasedAI：隐私和效率并重的大语言模型运行网络，AI 赛道的下一个Bittensor”，著作权归属原作者[深潮 TechFlow]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。
相关文章
什么是山寨币
深入解析大语言模型运行网络 BasedAI
转发原文标题《深入解析 BasedAI：隐私和效率并重的大语言模型运行网络，AI 赛道的下一个Bittensor？》
AI赛道持续火热。
不少项目都在试图让自己AI化，冠以“帮助AI做的更好”的新主张，以期顺着AI的风飞的更高。
但其中大部分老项目在过往的周期中已经价值发现，而类似Bittensor等新项目已经不再“新”，我们仍需要寻找尚未兑现价值，且具有叙事潜力的项目。
在加密项目“帮助AI做的更好”中，改进隐私性一直都是个具有吸引力的方向：
其一是因为保护隐私天然与去中心化中的平权概念有内在共鸣，其二要保护隐私，不可避免的要用上zk和同态加密等技术。
理念正确的叙事加上高深的技术，一个AI项目的发展大概率不会差。
而如果这样一个严肃的项目还能加上Meme币的玩法，会不会更有趣了？
3月伊始，一个名为 BasedAI 的项目在推特上悄然注册账号，但转帖之外也才正儿八经的发了2条推文；同时其官网看上去极其简陋 —— 除了一篇高大上的论文版白皮书之外。
而某些外网KOL已经先人一步开启了分析，并感言该项目可能是下一个Bittensor。
同时，其同名代币$basedAI 自2月底开始一路高歌猛进，涨幅超过了夸张的40倍。
在仔细研读了该项目的论文白皮书后，我们发现BasedAI是一个集大语言模型、ZK、同态加密和 Meme 币于一体的AI项目；
在认可其叙事方向的同时，我们更感叹于其精妙的经济设计，将计算资源的调度和其他Meme币的使用，很自然地联系在了一起。
考虑到该项目尚处在非常早期的阶段，因此本期内容我们将对其进行解读，看其是否有成为下一个 Bittensor 的潜力。
当严肃的科学和Meme结合
BasedAI 到底在干啥？
在回答这个问题之前，不妨先看看这个BasedAI是谁做的。
公开资料显示，BasedAI 由一个名为 Based Labs 的组织和 Pepecoin 创始团队联合开发，试图解决当前AI领域大语言模型使用时的隐私问题。
前者 Based Labs 的公开资料并不多，其官网非常神秘，仅有一串由黑客帝国风格组成的技术关键词（点此访问）；而组织中的研究员 Sean Wellington， 正是 BasedAI 公开的论文白皮书作者：
同时，谷歌学术资料显示，Sean 于UC伯克利毕业，自06年起还发表了多篇与清算系统、分布式数据相关的论文，擅长AI和分布式网络研究，看上去是一位在技术领域颇有研究的大佬。
而另一边，pepecoin 并不是目前大热的那个PEPE币，而是最初源于16年就启动的一个meme，当时还有自己的主网L1，目前已经迁移到以太坊上。
你可以说这是个OG Meme，也懂L1的开发。
但一边是严肃的AI科学论文大佬，另一边是Meme 团队；看似业务不相关的两拨人，如何在 Based AI中擦出火花？
ZK和FHE，兼顾AI计算效率和隐私
如果把 Meme 成分放在一边，BasedAI 的推特简介其实很直接的点出了项目的叙事价值：
“Your prompts are your prompts.” （你的提示词就是你的）
这实际上在强调隐私和数据主权的重要性：当你使用 GPT 等AI大语言模型时，你输入的任何提示词和信息实际上都会被对面的服务器接收，本质上你的数据隐私暴露给了OpenAI或其他模型提供方。
虽然这样看上去无伤大雅，但终归是有隐私问题，而你只能无条件信任AI模型提供方不会滥用你的对话记录。
刨去 BasedAI 白皮书中晦涩的数学公式和技术设计，你可以简单把 BasedAI 要做的事理解成：
将你与大语言模型对话的任何内容加密，在不暴露明文的情况下，还能让模型完成计算，并最终返还只有你才能解密的结果。
你一定会预感到，要实现这种效果，又轮到ZK（零知识证明）和FHE（全同态加密）这两个隐私技术登场了。
- ZK允许你在不暴露明文的情况下，证实一件事的真假；
- FHE允许你在加密的情况下， 对加密数据进行计算。
两者一结合，就能实现—- 你的提示词以加密形式提交给AI模型，模型返回给你回答，但中间的相关方都不知道你问的问题是什么，以及回答的结果是什么。
这听起来不错，但有个关键问题 —- 执行FHE技术上需要消耗大量计算资源和等待时间，效率较低。
而诸如GPT等LLM大模型面向用户，又要求快速显示结果，如何处理计算效率和隐私保护之间的矛盾呢？
BasedAI 在其论文中专门强调了其提出的“Cerberus Squeezing”技术，并以复杂的数学公式进行论证：
我们无从专业的评估这个技术的数学实现，但其要做的事可以被简单理解成：
优化FHE（全同态加密）中处理加密数据的效率，有选择地将计算资源集中在最有影响力的地方，快速完成计算以显示结果。
同时论文也用数据实证了这个优化所带来的效率提升：
在使用了Cerberus Squeezing 的情况下，全同态加密所需要的计算步骤可以被近乎缩短一半。
至此，我们可以快速的模拟出一个用户在使用BasedAI时的全流程：
- 用户输入提示词，要求分析某人对话记录中展现的情感，但希望保护记录隐私。
- 通过BasedAI平台以加密形式提交这些数据，同时指定需要使用的AI模型（比如情感分析模型）。
- BasedAI 网络中的矿工接收到这个任务，使用自己的计算资源来执行指定的AI模型，处理这批加密数据。
- 网络节点在不解密数据的情况下完成计算任务，将加密的处理结果返回给用户。
- 用户收到加密结果，使用自己的密钥解密，得到了自己需要的数据分析结果。
“大脑”、矿工和验证者
在技术之外，BasedAI这个网络中具体有哪些角色，来执行技术并满足用户需求呢？
首先需要介绍的，是其自创的“大脑”概念。
A “Brain” from Based Labs
一般对AI加密项目来说，逃不脱的几个要素是：
- 矿工：负责执行计算任务，消耗计算资源
- 验证者：验证矿工完成的工作的正确性，并确保网络中的交易和计算任务的有效性
- 区块链：将执行的计算和验证任务的结果写在账本上保存，并通过链所自带的原生代币激励不同角色的行为。
BasedAI 在这3要素的基础上，还套了一层“大脑”的概念：
“你必须有一个大脑，来装进矿工和验证者的计算资源，让这些资源为不同的AI模型进行计算并完成任务”。
说白了，这些”大脑”作为特定计算任务的分布式容器，用于运行修改过的大型语言模型（LLMs）。每个”大脑”可以选择它希望其关联的矿工和验证者。
如果你觉得这个解释很抽象，可以将拥有一个大脑理解成拥有一个“开展云服务的许可证”：
你想拉一批矿工和验证者来做大语言模型的加密计算，那你必须要持有一个经营许可证，证上写着：
- 你营业的地址在哪（编号）
- 你的营业范围是啥（用AI做情感分析，文生图，医疗助手..）
- 你的计算资源有多少，能力有多大
- 你具体拉了哪些人进来
- 你干这这件事能获得多少奖励
从Based AI 的论文中可以看到，BasedAI的每个”大脑”都能容纳多达256个验证者和1792个矿工，而系统一共只有1024个大脑，这又无形增加了大脑的稀缺性。
而矿工和验证者要加入某个大脑，需要这么做：
- 矿工：连入该平台，决定要分配的GPU资源（更适合计算），可存入$BASED代币，开始计算工作
- 验证者：连入该平台，决定要分配的CPU资源（更适合验证），可存入$BASED代币，开始验证工作
存入的$BASED代币越多，矿工和验证者在大脑上运行的效率越高，他们获得的 $BASED 奖励就越多。
显然，一个大脑代表了一定的权力和组织关系，这也为代币和激励设计打开了空间（后文详细介绍）。
不过这个大脑的设计，是不是有点眼熟？
不同的大脑，在 Bittensor 中有点类似不同的子网subnet，执行不同特定的任务，使用不同的AI模型；
而在上个周期流行的Polkadot中，不同的大脑又像不同的“卡槽”，来运行一个个平行链，执行不同的任务。
BasedAI 官方也给出了一个“医疗大脑”执行任务的示意：
- 病患医疗记录被加密提交到医疗大脑，生成提示词来询问合适的诊断意见；
- BasedAI网络中合适的大语言模型在ZK和FHE的帮助下，无需解密敏感的病患数据即可生成回答，该步骤调用矿工和验证者的计算资源；
- 医疗保健提供者从 BasedAI 网络接收加密输出。只有提交用户才能解密其结果，获得治疗建议，而在此过程中数据不会被暴露或泄露。
玩出花的“大脑”权限售卖，利好 Pepecoin
那么， 怎么获得一个大脑，拿到AI模型加密计算的“开工许可证”权限呢？
BasedAI 联合 Pepecoin，将这个权限的售卖玩出了花，并赋予了Pepecoin这个MEME代币使用价值。
由于大脑只有1024个，项目方很自然的利用了NFT的Mint —- 每售出一个大脑，都会生成一个对应的ERC-721代币，你可以将其看成一个许可证。
而要Mint这个大脑NFT，需要2种与Pepecoin相关的动作才能解锁：燃烧或质押 Pepecoin。
- 燃烧方面，第一个大脑需要用户花费1000个Pepecoin才能Mint；
- 每Mint一个大脑，下一次Mint的成本增加200 Pepecoin；
- 通过这种方式生成的大脑可转让交易；
- 如果所有Brains都是通过Burn燃烧方法获取，则会有107,563,530 Pepecoin将被永久销毁。（CMC数据显示，当前流通量为133M，若这个燃烧全部实现，几乎减少了80%的代币供应量）
而在质押方面：
- 要求用户质押 100,000 Pepecoin，为期 90 天；
- Brain 的ERC-721 NFT在质押后立即发行；
- 通过这种方式生成的大脑不可转让，但会被逐渐奖励$BASED项目原生代币
- 90天后可以解除质押
无论采用哪种方式，随着更多的大脑被创建，相应数量的 Pepecoin 要么被烧毁，要么被锁定，具体取决于两种方法的参与比例。
很显然，与其说这是AI资源的分配，不如说是加密资产的分配。
由于大脑的稀缺性和其开工带来的代币奖励，生成大脑时对 Pepecoin 的需求将显著增加；质押也好，燃烧也罢， 都会减少流通中Pepecoin的供应量，对于代币的二级市场价格来说当然是理论上的利好。
同时，只要 ERC-721 合约中发行并活跃的 Brain 数量少于 1024 个，BasedAI Portal 将继续发行 Brain。
如果 1024 个 Brain 全部发放完毕，BasedAI Portal 将不允许创建新的 Brain。
一个以太坊地址可以持有多个 Brain NFT。 BasedAI 门户将允许用户管理从与连接的 ETH 钱包相关的所有拥有的 Brain 中获得的奖励。活跃的大脑拥有者预计每个大脑每年可赚取 30,000 至 80,000 美元（官方论文数据）。
在这个经济激励的引导下，加上AI和隐私的叙事，可以预见Brain正式上线之后的火爆程度。
总结
在加密项目里，技术本身并不是目的，技术的作用在于引导注意力，进而引导资产分配和流动。
从BasedAI 的大脑设计中可以明显看到，项目把“如何促进资产分配”这件事玩明白了： 在数据隐私的叙事正确下，把涉及到AI因素计算所需的资源整合成一种权限，制造这种权限的稀缺性，进而引导资产流入到权限中，推高另一个MEME代币的消耗。
计算资源得到了正确配置并能获取激励，项目的“大脑”资产赚到了稀缺度和声量，Meme币减少了流通供应…
从造资产层面看，BasedAI的设计相当老道，也十分精妙。
但如果真要回答那些心照不宣、避而不谈、揣着明白装糊涂的问题：
有多少人会因此使用这个隐私保护的大语言模型？有多少AI巨头公司又愿意与这样不利己的隐私保护技术合作？
答案恐怕依然难以乐观。
不过，叙事乘风起，炒作正当时。
有时我们需要的不是质疑是否真的有路可走，而是应当顺风而行。
参考资料：
X：https://twitter.com/getbasedai
Pepecoin：https://twitter.com/pepecoins
声明：
本文转载自[techflow]，原文标题“深入解析 BasedAI：隐私和效率并重的大语言模型运行网络，AI 赛道的下一个Bittensor”，著作权归属原作者[深潮 TechFlow]，如对转载有异议，请联系Gate Learn团队，团队会根据相关流程尽速处理。
免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
文章其他语言版本由Gate Learn团队翻译， 在未提及Gate.io的情况下不得复制、传播或抄袭经翻译文章。
相关文章