核心技术架构
Last updated
Last updated
区块链和⼈工智能技术都是当前最为热门和颠覆性的技术之⼀。 将两者结合起来，可以为 CoinMetrics AI提供更加安全、智能和高效的数据管理和交互方式。为此，CoinMetrics AI 搭建了从 AI 训练到金融公链再到顶层应用的完整技术架构。
零知识机器学习（ZKML）是一种新兴的技术，它结合了零知识证 明（ZKP）和机器学习（ML）。ZKP 是一种密码学协议，允许一个方 （证明者）向另一个方（验证者）证明他们知道某个信息，而无需透 露任何关于该信息的细节。在 AI 机器学习的上下文中，ZKML 可以用 来保护训练数据和模型的隐私。
实时监控: 所有节点都将其训练过程中的关键训练指标发送到网 络中的其他节点。这可以通过安全的通信通道实现。除了关键训练指 标，还可以监控节点的其他行为，如网络延迟、计算资源使用情况等， 以更全面地评估节点的表现。给节点的历史表现和信誉打分。
概率性周期验证 (Probabilistic Epoch Validation, PEV): 在每个周期结束时，每个节点都会通过随机选择一部分数据并重新计算 这些样本的训练损失，然后与整个周期的训练损失进行比较，来验证 其训练的正确性。在验证训练损失时，可以使用统计测试来检测是否 存在异常。例如，如果一个节点的训练损失远低于其他节点，那么可能需要对该节点进行进一步的审查。
可验证的模型所有权 (Verifiable Model Ownership, VMO): 每 个节点都需要存储其训练过程中的模型状态或检查点。在训练完成后， 这些检查点可以被用来证明节点确实进行了模型训练。为了防止节点 伪造模型检查点，可以要求节点在保存检查点时同时生成一个与检查 点相关的唯一标识符（如哈希值）。然后，这个标识符可以被用来验 证模型检查点的真实性。
验证和共识: 在训练完成后，所有节点共享他们的训练结果和日 志。然后，所有节点都会根据共享的信息来验证其他节点的训练过程 是否正确。如果一个节点的训练过程被验证为错误或不诚实，那么该 节点的结果将被忽略。只有当大多数节点达成共识，认为一个节点的 训练过程是正确的，该节点的结果才会被接受。
更新模型: 一旦达成共识，所有节点将使用被接受的结果来更新 他们的模型。然后，过程返回到步骤 2，开始下一个训练任务。在更新模型时，可以考虑使用一些先进的模型融合技术，如联邦学习，以 提高模型的性能和准确性。
CoinMetrics AI 公链作为一个开放的人工智能公链基础设施,在保持以太坊生态兼容性的同时,也扩展了 EVM 虚拟机的功能,为 AI 应用提供了更多支持。
CoinMetrics AI 在 EVM 的基础上,新增了 AI 相关的系统调用接口。这些接口为智能合约提供了访问金融人工智能服务的能力,包括金融大语 言模型、人工智能体模型、图像识别、语音识别、自然语言处理等服 务。开发者可以通过调用这些接口,轻松地在区块链上集成各种 AI 功 能。
在CoinMetrics AI 上,AI服务提供商可以开发自己的金融AI模型和系统, 然后以智能合约的形式将其在链上发布。其他用户和开发者可以调用 这些智能合约,并根据自定义的价格模式进行支付。
CoinMetrics AI 公链主要技术指标如下：
高交易吞吐量：可以处理大量交易，每秒能够处理高达 10,000 个 交易 (TPS)。与以太坊等其他区块链相比，这是一个显著的改进，以 太坊通常管理大约 15-25 TPS。更高的吞吐量意味着它可以容纳更大 规模的操作而不会出现瓶颈。
快速出块时间：主链上的出块时间约为一秒，这意味着新块的生 成和交易的确认速度非常快。这对用户和开发人员来说都是有益的， 因为它可以带来更流畅、更高效的用户体验。
可扩展性：可以方便的与其它独立区块链（或区域）网络进行互 联或扩展。每个区域独立运行，管理其交易和验证器，这可以防止拥塞并使网络能够在添加新区域时水平扩展。
AI（人工智能）和区块链是两个独立的技术，它们的结合可以实现更强大、更透明的分布式应用。在AI与区块链结合的架构中，AI技术可以提供智能化的决策和分析能力，而区块链则可以提供分散的存储和不可篡改的数据记录。
具体而言，在AI与区块链结合的分布式应用架构中，首先需要有一条区块链网络，这个网络可以是公有链，也可以是私有链。然后，在区块链网络上建立智能合约，这些智能合约可以用来实现AI算法的自动化执行。接下来，将AI算法和模型部署到分布式节点上，这些节点可以是计算节点或者存储节点。节点之间通过区块链网络进行通信和数据交换，以实现分布式的协作和计算。
CoinMetrics AI 公链在继承区块链六大基础层（应用层、合约层、激励层、共识层、网络层、数据层）精髓的同时，构建出更具针对性与灵活度的五层核心架构。这五大层级在兼容传统区块链技术的前提下，引入了高效的治理机制与 AI 驱动的创新要素，为全生态的规模化应用和快速迭代奠定了更稳固的技术基石，也为开发者和用户提供了更优的使用体验与拓展空间。
以数据流动性层为基础，使数据能够被视为流动资产。它允许通过去中心化机制安全地验证、标记和交易数据。该层引入了DataDAO，它聚合了来自不同贡献者的类似类型的数据，为数据创建了去中心化、无需信任的市场。
数据验证：贡献者提交的数据通过贡献证明（PoC）机制进行验证，确保数据的真实性、所有权、质量和唯一性。
数据代币化：经过验证后，数据将被代币化，并可在网络内交易或使用。每个 DataDAO 都会发行自己的代币，奖励提供有价值数据的贡献者。
交易和治理： DataDAO 代币允许用户参与数据治理并将数据作为CoinMetrics AI神态系统内的资产进行交易。
DataDAO 充当数据的去中心化市场：
数据贡献者将其数据提交给DataDAO并获得治理权利和奖励。
数据在 Satya 网络（一组安全计算节点）中进行验证，确保数据的质量和完整性。
数据消费者可以访问这些经过验证的数据集，以进行人工智能训练或其他用例。
DataDAO 激励高质量的数据贡献，并为数据使用和训练提供透明的机制。
确保后续所有层级（如共识层、网络层）的核心功能都能在安全、高可靠的环境中顺利运行。
POCA 共识机制： CoinMetrics AI 网络节点采用 POCA（Proof of Contribution & Authority） 共识，即结合“知识证明”和“投票裁决”两种机制：
知识证明：节点通过完成一定的计算任务或提供资源来表明自身贡献；
投票裁决：网络中的节点根据对区块或交易的可信度进行投票，决定最终的区块确认。
节点激励与贡献确认：
节点完成验证和投票后，会根据其贡献和行为获得相应奖励；
签名节点负责审核其他节点提交的证明，确保惩罚机制对恶意或懒惰节点生效。
价值点：
POCA 机制在去中心化、安全性与效率之间取得平衡；
通过对节点贡献的量化和筛选，可激励更多高质量节点参与网络治理和区块生产；
区块与交易数据获得及时确认，网络整体性能和信任度大幅提升。
去中心化云存储引擎： CoinMetrics AI 公链在应用层构建了一个可灵活分片、可插拔的数据存储体系，通过对数据块的拆分和分散存储，实现在链上对海量数据的可靠存储与快速流通。
多场景应用支撑：
金融：去中心化金融（DeFi）、合成资产、支付和结算等；
供应链：溯源、防伪、物流跟踪等；
物联网：数据上链、设备交互与自动化合约执行；
其他领域：NFT、游戏、社交、跨境电商等。
价值点：
与公链底层的安全与共识相结合，面向多行业提供可扩展、去中心化的商业服务；
通过可插拔式的数据接入和分发能力，使开发者在构建应用时可灵活选择数据存储模式，并获得稳定的网络支持。
P2P 组网机制： CoinMetrics AI 公链采用点对点（P2P）结构，实现动态自组织网络。任何节点都能与其他节点直接通信，从而保持网络的高效拓扑。
动态发现与通讯：
节点发现：自动侦测并连接到可用节点，扩展网络规模；
数据传播：使用高效的 Gossip 协议或分片广播技术，减少冗余和延迟；
验证：节点间互相验证区块和交易，以保证数据完整性和一致性。
价值点：
高容错性与弹性：任何单节点下线或故障都不影响整体网络运转；
去中心化通讯：免除传统中心化服务器依赖，提高抗审查性与数据传输效率。
核心组成： CoinMetrics AI 公链上的智能合约是实现业务逻辑自动化的关键，包括合约代码、算法机制、账户体系、合约权限配置等多个部分。
可编程特性：
脚本编写：支持多种高级语言或虚拟机环境（EVM 或自研 VM），供开发者自由编写合约；
自动执行：基于链上数据或外部信息（预言机），自动触发合约执行逻辑；
安全机制：在合约层面引入形式化验证、代码审计等手段，提高合约安全性和可置信度。
价值点：
所有人均可在 CoinMetrics AI 公链上定义、部署并执行智能合约，无需依赖中心机构；
强大的可扩展性与灵活性，可让不同行业的业务规则映射到链上，形成透明、安全、低成本的应用生态；
为多元金融场景（如借贷、保险、衍生品交易等）及跨行业场景提供自动化与智能化的解决方案。
