5月7日，Bithumb 新增兩個 AI 項目 AIOZ 和 NEAR 的韓元交易對。 Near自然不用說，老牌L1， AIOZ Network 則稍顯陌生，此前專注於存儲與流媒體的 AIOZ Network，如今正憑藉其自身業務積累的優勢逐漸向 AI 即服務和算力共享的業務靠攏，並於近日發布了其去中心化 AI 項目 W3AI 的白皮書。

AI 賽道逐漸內卷，老項目又能給出哪些新玩法，從而在流動性和注意力都十分稀缺的市場中，獲取一席之地？

由於該白皮書內容較爲復雜，深潮 TechFlow 對內容進行了詳盡研究，以幫助讀者快速了解 AIOZ W3AI 項目的技術特點與實現。

浪潮之下，AIOZ 進軍 AI 市場的機遇

AIOZ 並不是一個新項目，但是其轉型 AI，順理成章。

AIOZ Network 之前是一個具有 Ethereum 和 Cosmos 互操作性的 Layer-1 層網路，擁有 120000+ 全球節點共同驅動的 AIOZ DePIN 來提供計算資源，能夠爲 AI 的處理速度、快速迭代、可擴展性和網路安全性提供支持，也是項目能夠轉換敘事的資源倚仗。

其次，從外部環境上看，AI 的發展也面臨集中式雲計算解決方案難以處理大量數據，導致可擴展性受限、使用成本高昂等問題。況且由於最終數據控制權在集中式供應商而不是用戶手中，人們難免產生對於數據隱私和安全方面的擔憂。

此外，獲取頂尖 AI 資源的門檻可能很高，限制了相當一批小型企業和個人的參與，阻礙了創新的發展。 邊緣計算這一解決方案爲數據源提供近端服務，其應用程序在邊緣側發起，產生更快的網路服務響應，由於數據在本地節點處理，不需要遠距離傳輸到中心服務器，邊緣計算自然減少了數據泄露的風險。 憑藉 AIOZ DePIN 遍布全球的邊緣算力節點，AIOZ 有了大規模進軍AI領域的底氣。

AIOZ Network 目前運行的節點數據

W3AI：DePIN+AI 即服務 的「雙層架構」

向 AI 賽道靠攏，AIOZ 一個關鍵的舉措就是 W3AI —- 一個兼有基建與應用的雙層架構。

雙層架構是 AIOZ W3AI 項目的核心，它採用了一種創新的方式來解決 AI 計算在可擴展性、成本效率和用戶隱私保護方面的基本問題。

這種架構設計將整個網路的操作分爲基礎設施層（W3AI Infrastructure）和 應用層（W3AI Application）兩個主要層次，每個層次都有其獨特的功能和角色，共同支持整個網路的高效運作。

基礎設施層（W3AI Infrastructure）作爲網路基石

1.AIOZ DePIN 遍布全球的人工節點

AIOZ W3AI 的基礎在於其龐大的分布式人工邊緣計算節點，全球的貢獻其包括存儲、CPU 和GPU 在內的計算資源，形成一個去中心化的動力源。多圖拓撲結構（Multigraph topology）確保了 AIOZ DePIN 之間高效的通信線路，從而最大限度地降低通信成本，提高處理速度。 這些節點通過分布式計算方法協同工作，共同訓練和執行 AI 模型。通過這種方式，AIOZ W3AI 平台有效地利用分散的算力資源，爲 AI 應用降本增效，並增強數據隱私保護。這種分散式方法大大降低了服務器瓶頸的風險，並通過消除單點控制增強了用戶隱私。

由 AIOZ 節點網路驅動的 W3AI 去中心化計算基礎設施。紫色區域表示存儲節點分布，藍色區域表示計算節點分布。

2.數據處理和存儲

通過 AIOZ W3S，數據被安全地存儲在多個全球地理位置分散的節點上，增強數據安全性的同時也提高了數據處理的響應速度。

使用分布式文件系統 AIOZ FIL 和加密技術保護存儲在節點上的數據，防止未經授權的訪問和數據泄露。

靈活的應用層（W3AI Application）

1.Web 3 AI 平台提供 AI 即服務

所謂 AI 即服務（AI as a Service，AIaaS），通俗來說就是將 AI 技術作爲在線服務提供給用戶的模式，是企業或個人無需昂貴的成本就可以享受 AI 技術帶來的便利。

想象一下，當電商商家想了解用戶購買歷史、分析用戶消費行爲從而爲提供個性化的購物推薦，就可以用 AI 技術來收集用戶並加以分析生成相應的銷售策略，這就是 AI 即服務在電商中的應用。

具體到產品形態上，W3AI 提供簡化的 AI 訓練工作流程和直觀的 UI/UX，提供了用戶界面和API，使開發者能夠輕鬆接入 W3AI 服務，開發和部署 AI 模型等。這一層的設計關注用戶體驗和服務的可訪問性。同時平台集成多種 AI 即服務，包括機器學習、深度學習和神經網路等，用戶可以根據需要選擇不同的服務和工具。

2.模型訓練和推理

W3AI 平台支持在去中心化環境中進行模型的訓練和推理。 W3AI 訓練（AIOZ W3AI Infrastructure） 通過聯邦學習（Decentralized Federated Learning）如同態加密（Homomorphic encryption）技術使得衆多邊緣計算節點 DePINs 可以在不需要共享自身數據的情況下合作訓練共同的AI模型，提高模型訓練性能的同時對數據的隱私保護也有兼顧。通過在邊緣AIOZ DePIN上運行經過訓練的模型，將AI帶到數據源附近。 由 W3S 技術支持的 W3AI 推理 （AIOZ W3S Infrastructure） 支持用戶可以上傳自己的數據集進行模型訓練，或者使用平台上已有的模型進行數據分析和預測。

3.去中心化的 W3AI 市場與激勵機制

應用層還爲用戶提供了去中心化市場 AIOZ AI dApp Store 和 AI Model & Dataset Marketplace，個人用戶和企業組織能夠自由貢獻、出售人工智能數據集和模型、構建和部署創新的人工智能應用程序並將個人的貢獻成果轉化爲代幣獎勵。

AIOZ W3AI的雙層架構

穿行於「雙層架構」之間的「人工智能化路由」

在架構完善的同時，雙層架構運行之間需要處理的邏輯資源與任務數據也不會少，爲此，W3AI 將人工智能化路由引入雙層架構，動態優化每項任務，使整體系統運行效率更高。

在基礎設施層，人工智能化路由計算需求和節點當前的負載情況，動態分配任務確保每個節點能根據能力和實時網路狀況參與到適合的任務中；同時監測節點的健康狀況，及時發現處理潛在的節點故障或性能瓶頸，避免單點故障影響整體效率。

在應用層，通過智能路由能夠快速響應用戶請求，實時調整數據流向、處理策略；同時可以根據用戶具體的地理位置和需求爲用戶智能分配最合適的節點；面對大規模高並發任務，AI 路由架構會對任務進行智能調度優化，支撐應用層處理復雜的 AI 模型和大數據分析。

白皮書中還引用了大量復雜的公式計算來展示路由的具體實現，有興趣的讀者可以參閱白皮書文件。

人工智能路由爲AIOZ DePIN 節點分配任務的傳輸路徑，綠色表示有連結的節點，而藍色表示由於低置信度而跳過連結的部分。

工作流，AI 任務落地的實例

有了這些豐富的基建架構，W3AI 是如何展開工作流的？ 從數據輸入到結果輸出，W3AI 的工作流程體現完整的去中心化運作模式：輸出加密→任務拆分與分配→執行計算任務和儲存→計算完成後收集在容器中→用戶獲得解密後的輸出結果。

我們可以用一個簡單的步驟來細化上述流程：

1. 首先，在數據的輸入和加密用戶上傳的數據在進入平台之前首先進行同態加密，保證數據在整個處理過程中的安全性——數據輸入與加密；
2. 加密後的數據根據任務需求被切分成多個小段，每個任務被分配到最合適的節點上執行——任務切分與分配；
3. 選定的節點執行具體的計算任務，如 AI 模型訓練或數據分析，同時負責相關數據的存儲——計算和存儲執行；
4. 任務完成後，結果被再次加密並存儲在轉換後的容器中，等待最終用戶的獲取——結果的收集和加密；
5. 只有經過授權的用戶才能訪問最終結果，結果在輸出前進行同態解密——結果的解密和輸出

W3AI 的工作流架構

通過以上流程, W3AI 提高處理效率的同時兼顧了靈活可拓展的特性和數據的安全隱私性，還優化系統資源利用，減少人工幹預，降低運營成本。

環繞整個生態的代幣經濟

$AIOZ 是串起整個 AIOZ W3AI 生態重要的一環。因爲 AI 即服務和共享算力業務的出現，其代幣有了更多的使用場景和價值捕獲。

數據交易與貢獻激勵

$AIOZ 用來獎勵那些提供算力和儲存資源的用戶，確保網路能夠穩定運行。在平台交易市場中，用戶可以用 $AIOZ 購買各種 AI 即服務，或買賣 AI 模型和數據集。同時持有代幣的用戶可以參與到網路的治理中，投票決定生態的下一步發展。

維持生態運轉

用戶使用 $AIZO 進行交易費用的一部分用於AIOZ 網路運營和財務運轉，確保平台的持續維護和發展。另一部分直接燃燒，幫助調節代幣供應和緩解通貨膨脹，這一精心設計的代幣流動循環激勵創新、獎勵參與，並推動 AIOZ W3AI 生態系統的不斷發展。

W3AI 生態系統內的代幣流

結語

作爲轉型 AI 的去中心化項目，AIOZ W3AI 擁有技術資源和運行機制上的天然優勢， 在技術和概念上 W3AI 展示了相當的潛力，能夠爲用戶提供更安全、更靈活高效的計算服務和有趣的生態體驗。 同時需要注意的是，W3AI 也面臨市場對中心化 AI 解決方案的認知和信任還不夠成熟、系統高標準運行模式下運行成本可能過大的問題；

目前的白皮書，更像是項目在早期階段制定的藍圖，爲未來做好了準備但尚未實際落地與執行，能夠有多少人用，是否還有其他的安全和技術問題，都有待市場檢驗。

不過，順應敘事積極轉型仍是 Web3 項目在業務高度相關時的一種正確姿態；新老項目不約而同賣力上演 AI 大戲，舞臺下的加密玩家們是否能值回票價，時間自然會給出答案。

聲明：

1. 本文轉載自[techflow]，原文標題“解讀 AIOZ W3AI：共享算力與AI即服務的「雙層架構」，敘事轉換後會有哪些新玩法？”，著作權歸屬原作者[深潮 TechFlow ]，如對轉載有異議，請聯系Gate Learn團隊，團隊會根據相關流程盡速處理。

2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。

3. 文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io的情況下不得復制、傳播或抄襲經翻譯文章。