AI+公链

在数字化高速发展的当今时代,人工智能技术必将在未来 5-10 年 内成为影响社会各个方面的关键性科技。作为一项具有颠覆性的创新, 人工智能的广泛应用将深刻改变人类的工作和生活方式。

CoinMetrics AI公链作为一个定位于全球顶级Web3.0生态价值交换的智能公链，致力于为AI提供可信的去中心化底层基础设施，同时利用AI的强大赋能进一步拓展区块链应用的边界。

计算

推理任务在目前的AI计算需求中占据了多数；一些微调和推理任务对资源要求较小，通过去中心化计算来实现也有机会。这两点意味着去中心化算力的可能的潜在机会。特定领域，比如金融、法律、医学、投资、教育、数据分析等专业领域的AI可能在早期更适合这种专注于特定领域的分布式计算a网络。上面也提到，为AI提供去中心化的算力服务，困难的不是完成计算任务，而是如何去中心化地验证任务的完成情况。目前一些项目正在试图解决这个问题，比如CoinMetrics AI等。

CoinMetrics AI公链融合了一些学术界的研究成果，如概率学习证明、基于图形的精确定位协议。CoinMetrics AI公链将整个过程分解为八个阶段，从AI任务提交、剖析、训练、证明生成到验证证明、挑战、仲裁以及结算。其中“概率学习证明”用以构建基线距离阀值，为验证者提供验证基础；“基于图形的精确定位”技术用以监督验证者验证执行的情况。

智能合约2.0模型

通过代币激励来鼓励模型的共享，从而实现更好的模型。甚至，这些模型还可以部署到链上，由任意参与者共同训练，推动模型发展。此外，随着AI模型的复杂化，对于推理的信任也变得关键。这也是链上可信推理可以发挥作用的地方。

CoinMetrics AI编写执行智能合约 2.0 旨在突破传统智能合约在逻辑执行和自动化决策上的局限，通过整合 AI（人工智能） 与 CoinMetrics AI 公链 的底层区块链技术，为开发者和用户提供下一代自适应、智能化的商业合约环境。其最终目标是让合约能基于实时数据和 AI 模型进行动态决策，从而实现真正的“自治逻辑”。

flowchart LR 
A[需求与业务场景] --> B[AI Compiler: 生成初始合约] 
B --> C[Auditor: AI产出合约审计] 
C --> D{通过审计?} 
D -- 是 --> E[部署合约到CoinMetrics AI公链] 
D -- 否 --> B2[返回修正需求或提示手动修改]

E --> F[运行时: AI Executor + Oracle 提供外部数据]
F --> G[Adaptive Logic: 根据AI推断更新合约参数或执行分支]
G --> H[合约执行结果: 上链存证]

H --> I[合约迭代: 收集运行数据]
I --> B[AI Compiler: 利用新数据进行合约优化]

CoinMetrics AI 公链(AI BTH)智能合约 2.0 通过引入 AI 对合约编写、执行、决策的全面赋能，真正将“智能”二字落到实处，带来了开发效率提升、执行逻辑动态化、安全可控以及合规监管的便利性。

数据

通过代币经济来激励用户对模型进行反馈、激励用户收集更高质量的数据。通过提供分布式数据获得高质量的数据，尤其是特定领域，这对于AI发展有重要意义。同时，这也可以跟ZK技术结合起来，可以不用透露数据背后的隐私。这里的难点是如何证明数据本身的质量。高质量的数据和去中心化的AI模型结合，对于AI发展会很有前景。

为了解决挑战期内交易验证的不确定性问题，我们实施了一种分布式签名方案来验证区块数据。这种分布式密钥生成与数字签名相结合的范例更广为人知的名字是门限签名方案 (TSS)。它使客户端网络的每一方都能生成有效的签名，并确保只要有足够多的人是诚实的，分布式签名数据的可验证性。现在每个 TSS 客户端都只持有私钥的一部分，私钥也不再是单点故障。

在这里，多个 TSS 节点验证 Sequencer 发送的区块数据并对其进行签名，以保证其正确性。使用 TSS 计算数字签名的过程基本上涉及三个步骤：

1. 密钥生成：每个 TSS 客户端运行的密钥生成函数都会生成一个私钥，然后根据私钥生成一个公钥。公钥的设计使得它为每个客户端生成相同的公钥，而私钥是唯一的，绝不会以任何方式共享。

2. 签名：签名函数将所有客户端可用的公共输入作为要签名的消息，然后使用私钥生成签名。

3. 验证：验证算法获取签名数据并使用公钥进行验证。

关于CoinMetrics AI

所有 TSS 节点将由 CoinMetrics AI 核心贡献团队进行许可管理。

我们假设 TSS 节点的诚信性以及运营商的性能与 Sequencer（排序器）和 Batch Submitter（批量提交者）保持一致。

TSS 在批量提交（Batch Submission）之前提供对 状态有效性（State Validity） 的额外检查。一些第三方应用程序可能会选择将其最终性要求配置为 TSS 验证（Batch Submission），而不是依赖 L2 区块数量。

TSS 的 质押（Stake）、奖励（Rewards）机制将继续有效。然而，由于质押、奖励均由CMC-DAO社区提供或收取，并由CoinMetrics AI 核心贡献团队 管理，这些激励措施不会影响 TSS 的服务正常运行假设。

ZKP的重要性

计算任务要保证隐私和完成度，需要ZKP加入，形成可验证的工作证明。ZKP成熟之后，可实现AI上链，也可以提供隐私保护以及可验证的机器学习。整体来说，区块链可以通过去中心化的模式，为算力、数据和模型的协议提供一种协作架构，最终促进AI的发展，在这个过程中，有很多细节需要完善，比如需要证明参与者的贡献（不管是算力、数据还是模型），只有低成本地完成了这些，区块链才有机会帮到AI，否则就是空中楼阁。从趋势上看，AI对区块链有天然的需求，AI需要区块链为自己发展提供真正的韧性。与此同时，AI对于区块链应用的进化也会有帮助，不管是DEFI、游戏还是其他应用，都有可能诞生更智能化的加密应用。

AI与公链融合现状

目前，人工智能和区块链技术融合的应用已经开始出现。一个典型的例子是利用区块链技术来保护人工智能算法的知识产权。通过将算法的代码存储在区块链上，可以确保算法的完整性和不可篡改性，从而保护算法的知识产权。此外，区块链技术还可以用于建立去中心化的人工智能市场，以加强数据交换和共享的安全性。另一个人工智能和区块链技术的融合应用是智能合约。智能合约是一种基于区块链的自动化合约，其中包含了可执行的条件和逻辑。利用智能合约，可以实现更加透明和可靠的交易过程，并降低中间人的干预。通过与人工智能技术结合智能合约可以更好地应对复杂的交易情况，并实现无需人为干预的自动执行。虽然人工智能和区块链技术的融合应用已经取得了一些进展，但仍然存在许多挑战和潜在的未来趋势。首先，技术标准的制定和统一将是一个重要的问题。当前，人工智能和区块链技术的标准和规范并不统一，这使得不同应用之间的互操作性受到限制。因此，建立统一的技术标准将是推动人工智能和区块链技术融合发展的关键。

其次，隐私保护和数据安全仍然是人工智能和区块链技术融合的一个关键问题。虽然区块链技术可以确保数据的安全性和可信度，但同时也会增加数据的存储和传输的成本。因此，如何在保护隐私和保证安全性之间寻找平衡，将是一个需要解决的难题。

最后，人工智能和区块链技术的融合还需要解决效能和可扩展性的问题。当前，区块链技术的性能仍然较低，交易速度和处理能力有限。而人工智能技术对于计算和存储资源的需求也非常高。因此，如何提高区块链技术的效能和可扩展性，以及如何利用人工智能技术来提高效率，将是未来研究的重点。

因此，人工智能和区块链技术的融合发展在不同领域和行业中已经取得了一些成果。然而，仍然需要解决技术标准、隐私保护、效能和可扩展性等问题。只有克服了这些挑战，才能实现人工智能和区块链技术真正的融合，为社会进步和发展带来新的机遇和可能性。