╰┈➤从准AI Layer1与伪AI Layer1聊起

▌ AI信息存储方式与传统应用不同

在传统的应用中，程序代码存储应用程序的行为，而这些行为的对象是数据，数据存储在数据库中。

例如，一个电商系统，加入购物车、下单、发货、确认收货等等，这些复杂的行为按算法编写成代码并存储。而这些行为的对象，包括买家的信息、卖家的信息、商品信息等等，存储在数据库中。当使用者使用时，程序按算法执行，与数据库交互。比如买家购买一台手机，数据库中会增加一个订单数据，同时在卖家的库存数据中减1。

但是，AI的信息存储与传统应用不同，AI模拟人脑，具有学习和思维能力。AI学习和思考行为通过算法执行，而学习和思考的对象是AI的参数。然而无论是算法程序还是参数数据，都是存储在AI模型中的。

例如，蜂兄和某大语言模型进行沟通，教他学习中国古诗词知识，教他什么是平仄，什么是绝句、律诗，并教他绝句和律诗的格律。那么，Claude会把这些学会的知识进行压缩，并作为参数存储。

所以，AI模型的规模是很庞大的，并且会越来越大。当前的主流AI模型大约在100GB-1TB左右(数据来源: Claude)。

这是区块链难以容纳的规模。

以太坊平均每个区块的容量大约125KB，区块链很难存储完整的AI模型。

▌ 现有的AI+区块链

◆ AI微调上链

虽然区块链难以存储完整的AI模型，但是，AI的微调有可能存入区块链。

例如，在蜂兄教会了某大语言模型诗词格律以后。

@Jtsong2

在和Claude沟通过程中，发现他只学会了现代的平仄，古代的平仄和现代略有不同，有20几个字在现代是仄声在古代是平声，有200左右个字在现代是平声在古代是仄，于是他把这些教给了Claude。

这时候，某大语言模型就可以把这个参数进行微调，这个微调的规模不大，可以写入区块链。

bittensor就有子网是专门用于AI微调的，将AI模型的微信数据写入区块链，从而记录AI模型的微调。

◆ AI激励与协调层

除了AI微调子网，bittensor区块链大部分是用于激励和协调AI。

AI模型的训练与运用并不在bittensor链上，虽然不同的AI模型可以共享数据，但是数据也不在bittensor链上。AI的三个环节，用于训练的数据、AI模型、AI应用，全部都不在bittensor链上。bittensor的某些所谓子网，根本就是AI应用本身，这存在一定的争议。

只不过与AI数据共享、AI训练、AI运行相关联的激励在bittensor链上。通过去中心化激励，促进AI的训练与运用。

不同bittensor子网的AI数据与AI模型的存储方式不同，但是大部分是中心化存储方式。

@campnetworkxyz

生态中，IP的注册和管理在链上，AI模型在使用IP作品时，会触发激励机制，激励在链上执行。这也是属于AI的激励与协调层，AI的输入数据也就是IP作品本身仍然是中心化的存储方式，AI模型、生成的AI作品同样是中心化的存储方式。

▌ 非全面的去中心化

AI微调上链、AI激励与协调层，这些都是不全面的去中心化AI。

AI微调上链以去中心化的方式记录了AI模型在训练和推理过程中的微调，但是AI训练数据和AI模型仍然以中心化的方式存储，这应该属于准AI Layer1。

仅AI激励层去中心化，AI训练数据、AI模型、AI微调过程全部是中心化的，这可能更像是伪AI Layer1。

诚然，企业级的AI训练与推理，具有更高的效率。但是，准AI Layer1或伪AI Layer1的关键问题是——去中心化的非全面性。

╰┈➤去中心化的AI Layer1

▌ AI Layer1去中心化的意义是什么

除非GPT这个背景与资源级别的AI，否则中心化可能会形成AI的信息茧房。大部分AI模型一旦使用中心化的方式训练，很可能是基于有限的私有数据，训练的结果可能是不完善、甚至具有偏见的AI。把AI的训练与运用对标社会生产，去中心化AI的意义在于：

一方面，AI训练数据与AI模型作为AI生产资料打破了中心化垄断。通过去中心化的方式，共享更多的训练数据，可以使AI模型更加完善。

另一方面，去中心化的AI生产关系，打破AI算力、数据等资源的垄断价值，使初创AI以更低的成本得以生存和发展，使AI消费者有机会降低使用成本。

▌ 0G deAIOS

@0G_labs

是一个致力于全面去中心化AI生态体系的项目，从技术基础设施到生态基础设施，构建了一个全面去中心化AI操作系统——deAIOS。

0g_CN

的第一个特征是，更全面的去中心化，以下内容均可实现去中心化：

AI相关经济激励与资金结算，

AI生态资源的分配、监管、协调，

AI数据的存储与共享，

AI模型的训练、推理与存储……

0G的第二个特征是，模块化设计，包括技术与生态基础设施由若干模块组成，各模块内部同样是由若干职能模块组成。这使得0G的deAIOS，一方面更适应AI技术的发展，每当需要增删改各种功能，只需要对相应的模块进行规模或者更新。另一方面，0G的各个模块也可以独立应用于Web3 AI、Web2 AI以及非AI应用场景。

╰┈➤0G的去中心化底层基础设施

0G使用了全面的模块化设计，在技术基础设施层，包括0G Chain、0G Storage、和0G DA三个模块。

▌ 更适合AI应用的0G Chain

0G Chain可实现bittensor、Camp等Layer1的去中心化微调功能以及去中心化的激励协调层功能。

◆ 全面兼容EVM的模块化高速公链

0G Chain利用Cosmos SDK模块化的优势，持续进行优化与创新。第一，集成Ethermint 模块，实现EVM高度兼容。第二，优化算法参数，提升共识执行效率，使TPS达到2500+。

第三，根据0G官推，"在 50 个分布式验证器上实现了每个分片TPS11000"。

第五，在0G展望路线图中提到，基于DAG的共识算法。DAG算法一旦实现，可以改变串行的区块链执行，可以实现区块并行，进一步提高区块链的效率。

在共识层，0G Chain不需要像以太坊那样多的验证者(100万个)只需要50-200数量级的验证者，减少了过多的冗余、提高区块链共识的执行效率，更适合AI应用的需求。很难想象，AI应用发出交易请求后，需要等待100万个节点协作完成验证，这需要多长时间。

在应用执行层，0G Chain高度兼容EVM，智能合约开发者与链上用户，都可以按以往的习惯开发或者参与生态。

甚至0G的各种节点程序也通过集成Geth实现EVM兼容，节点操作者使用EVM钱包即可参与生态。

◆ 验证器节点与存档节点 0G Chain基于分布式的验证器节点与存档节点运行。

-分布式的验证器节点(Validator Node)负责共识层，按共识算法协调、生产区块，保证0G Chain的安全性。 -分布式的存档节点(Archival Nodes)负责执行层，运行EVM、执行智能合约、计算并处理交易并存储状态数据。

这再次体现了0G的模块化特性，共识模块和执行模块可以分离独立升级优化或替换模块。这为0G生态在技术上的探索和进步提供了长期可持续的发展空间。

▌ 面向AI应用设计的0G Storage

去中心化存储，可以承载AI训练数据、AI模型所需的规模。

0G Storage可以使AI数据以去中心化的方式存储，使AI数据获得安全性、抗审核查性等。有效的填补了准AI Layer1与伪AI Layer1的不足，补全了AI Layer1的最后一块拼图。

虽然其他的AI Layer1也可以与现有的去中心化存储网络合作，但是现有的去中心化存储网络性能和费用模式都不适应AI应用。AI应用往往需要高频的读写，IPFS、Filecoin、Arweave等难以满足这样的需求。

◆ 支持快速读写的去中心化存储结构

0G Storage专为AI而开发，由日志层和键值层组成，这两层结构是模块化的，支持单独使用。

日志层类似于硬盘，存储AI的输入数据(用于训练、测试、验证的数据集)，AI的输出数据和完整的AI模型等，AI训练和推理的过程数据。并且日志层的存储按照共识算法永久写入，写入数据带有时间戳，具有去中心化、不可篡改等区块链的特征。

键值层类似于内存，日志层中必要的数据按键值型数据结构存储在键值层。键值型数据结构，举个例子：

AI_100 = {

name=XXX,

path="log://cluster1/models/xxx/v2/"

…

}

这样在调用的时候，直接调用AI-100[path]，就可以迅速的读取这个叫XXX的模型存储的路径。

正是这样的设计，0G Storage可以快速的读写数据，满足AI应用的需求。

数据存储通道仅负责存储数据，使用纠删码技术，将存储对象划分若干片段分布式存储在不同节点上，另外按纠删码算法计算一些冗余片段存储在另一些节点上，当节点出现故障时用于恢复文件片段。0G Storage使用的纠删码算法可以保证，即使有30%的节点无法访问，仍然可以读取完整的存储对象。

数据发布通道在收到新的数据以后，负责生成相应的元数据，生成和验证存储的可用性证明，通过0G的网络公识并将有关信息写入区块链智能合约(可能是0G Chain也可能是其他区块链，0G网络采用模块化结构，0G Chain和0G Storage可以独立衔接外部生态使用)。

数据存储与发布分离的双通道，一方面，有利于提高数据安全，另一方面，这两个通道中大部分事务不关联，可以并行这些不关联的事务，从而提高AI数据存储的效率。

◆ 存储节点与存储KV节点

-0G Storage基于分布式的存储节点与存档KV节点运行。

-分布式的存储节点(Storage Node)负责日志层，存储需要永久存储的数据。

分布式的存储KV节点(Storage KV)负责键值层，处理并存储永久存储中数据对应的结构化数据。

▌ 服务更多场景的0G DA

0G DA(Data Availability, 数据可用性)是一个为AI应用、Rollup等更多场景提供去中心化DA服务的技术模块。

◆ 非永久存储

DA本质是数据存储，与0G Storage的数据存储通道类似，使用纠删码技术，将数据划分为若干片段分布式存储在节点中，按纠删码算法存储一定的冗余片段，从而保证即使部分节点出现故障仍然有完整的数据可用。

二者在功能上的区别是，0G Storage是永久存储，而0G DA是非永久存储。

二者在实现上的区别是，0G Storage通过键值层实现去中心化存储中的关键数据索引与高效的数据读取，而0G DA通过检索器节点检索DA数据。

◆ 0G DA的4种节点

0G DA基于分布式的DA节点、DA编码节点、DA检索器节点和DA客户端节点。

-分布式的DA节点(DA Node)，在DA数据被划分为若干片段时，对数据片段进行验证后，执行聚合签名，超过2/3的签名后，DA节点负责存储DA数据。

-分布式的DA编码节点(DA Encoder)负责执行纠删码算法，将DA数据进行分段。

-DA检索器节点(DA Retriever)负责检索DA数据。

-DA客户端节点(DA Client)负责根据服务对象的需求上传和下载DA数据。0G当前的DA客户端节点程序支持Arbitrum Nitro Rollup与OP Stack Rollup的DA服务，可以连接到Arbitrum、OP Stack网络执行其DA需求。

╰┈➤0G的去中心化服务基础设施

基于技术基础设施，0G构建了更宏观的AI生态体系。0G生态基础设施包括0G Compute、0G Marketplace和Alignment Nodes模块。

▌ 去中心化AI算力市场——0G Compute

0G Compute是一个去中心化的AI算力资源市场。

GPU提供者首先在0G Chain的智能合约中注册服务，包括服务类型，价格和一些算力指标等。

AI用户预存费用后，向智能合约发出计算请求。

智能合约根据AI计算的具体需求，匹配适合的GPU服务。

GPU提供者在完成计算任务以后，获得相应的报酬。

整个AI算力的匹配与资金结算由0G Compute的智能合约执行，整个过程是去中心化的。

此外，0G Compute与同样是去中心化的算力DePIN网络建立合作关系。目前，Aethir与in.net的全球算力是0G Compute的GPU提供者。

相对于传统的中心化算力服务商，dePIN网络由于去中心化属性，可以提供成本更低的AI算力服务。

▌ 去中心化AI产品与服务市场——0G Marketplace

0G Marketplace是AI生态的一个必要模块，用于AI模型、AI Agent、AI应用等AI解决方案的交易平台，类似于fetch.ai。

这个模块仍然在开发之中，开发完成后，同样是由智能合约撮合供求双方并执行结算的。

▌ 去中心化监管与治理模块——Alignment Nodes

Alignment Nodes是0G生态的关键模块，起到对生态去中心化监管的作用。可以翻译为对齐节点，因为强调的是在0G生态监管中的一致性。

所谓一致性，包括对齐节点目标与工作的一致性，AI模型与预期保持一致性，AI输出的结果与质量标准的一致性等

对齐节点还在监督各类节点的工作，及时发现其性能问题或不良行为。参与去中心化治理，推进0G生态。

╰┈➤0G的AI创新增强技术框架

0G致力于实现更好的AI Layer1生态，创新了更多的适用于AI的技术框架。

▌ NFT与AI元数据绑定

0G创新开发了ERC-7857标准，该标准将节点相关的元数据绑定到节点运营许可NFT上，节点运营许可NFT转移时，相关的元数据同时转移，并且敏感元数据可以加密形式转移。

NFT与AI元数据绑定，形成了智能NFT，可以无缝集成到0G Chain、0G Storag、G DA、0G Compute模块等。

这种集成可确保AI Agent等AI产品在0G生态中，保持其功能和隐私，同时保持完全的去中心化属性。

▌ 高速度、低成本的AI训练框架

根据福布斯数字资产频道的报道，0G与中国移动合作，宣布了一种高速度、低成本的AI训练框架——DiLoCoX。

DiLoCoX(分布式低通信交换)框架为AI的分布式训练提供了理论依据，其思路主要是考虑到分布式训练过程中的通讯，技术逻辑是将AI模型进行跨节点分割，以及自适应梯度。

AI模型分割后，允许AI计算与通信并行，允许节点局部更新AI模型，允许节点无需等待所有节点同步也可以继续执行，因此提高训练速度，提高节点间通讯的速度。

所谓自适应梯度，是指AI模型训练时，根据当时情况，选择更适合的参数，从而减少节点间通讯的频率或数据规模，减少通讯成本。

╰┈➤0G生态建设

bittensor与

fetch.ai

等AI项目的趋势良好，并不一定是因为基础设施完善或技术强大，更多是因为真的有AI产品在参与生态。

0G拥有强大的基础设施和技术框架，在此基础上的生态建设至关重要。

▌测试网

0G虽然处于测试阶段，但是生态规模已经初见端倪。

0G Chain测试网共2400万个钱包参与，共产生近600万个区块，3亿多笔链上交互，智能合约总数1680万个。

0G Storage测试网矿工总数12798，其中活跃矿工数量567个。存储总量2.5TB，上传文件超过700万个。

▌节点销售

截至2025年8月，面向全球8500名运营商销售出0G对齐节点超过85000个，募集资金超过3060万美元。

▌ 合作与应用建设

除了AI类项目，0G还与 L、L2、基础设施、互操作、DePin、DeFi、游戏等多类项目建立了合作。合作的项目超过300，集成的超过450个。其中，0G Chain集成130+，0G Storage集成80+，0G DA集成80+，0G Compute集成60+。

截至2025年上半年，以OG为基础设施的AI应用包括不限于： - 用于企业采购(Oro)、智能驾驶(Warden)、可货币化的开源AI模型训练(Bagel)等AI项目16个。 -

@OpenledgerHQ

、Sentient等AI推理与模型类项目10个。 - Virtuals、Eliza OS等AI Agent14个。 - Public AI、Mind Network等AI数据与分析类项目19个……

▌ 黑客松

在2025年ETHGlobal黑客松之中，0G赞助了5000美元的奖励，12个功能完善的项目成功的集成了0G。其中。11个项目使用了0G Compute、3个项目使用了0G Storage。

▌ 加速器与生态激励

0G推出了生态加速器和增长计划，这是0G生态发展的助力与驱动力。加速器为生态项目提供技术、营销等支持。增长计划则是包含8888万美元的生态系统资金。

╰┈➤写在最后

为什么说0G是更好的AI Layer1生态？

第一，0G是由复杂的技术体系与生态产品组成的庞大生态。在定位方面，目前可以对标bittensor，未来可以对标bittensor+