Federated öğrenmeden Merkeziyetsiz Agent ağlarına, ChainOpera projesinin analizi

Yazar: 0xjacobzhao

Haziran ayındaki "Kripto AI'nın Kutsal Kâsesi: Dağıtık Eğitimdeki Sınırları Keşfetmek" başlıklı araştırma raporunda, dağıtık eğitim ile merkeziyetsiz eğitim arasında yer alan "kontrollü merkeziyetsizlik" çözümü olan Federated Learning'i (Federatif Öğrenme) ele aldık: Temelinde verilerin yerel olarak korunması ve parametrelerin merkezi olarak toplanması yatıyor, bu da sağlık, finans gibi gizlilik ve uyum gereksinimlerini karşılıyor. Bu arada, geçmişteki birçok araştırma raporunda, çoklu akıllı ajan (Agent) ağlarının yükselişine sürekli olarak dikkat ettik - bu, çoklu akıllı ajanların özerkliği ve iş bölümü aracılığıyla karmaşık görevleri işbirliği içinde tamamlayarak "büyük modellerden" "çoklu akıllı ekosistemlere" geçişi destekleme değerindedir.

Federated learning, with its foundation of "data not leaving local, incentives based on contribution," has laid the groundwork for multi-party collaboration. Its distributed nature, transparent incentives, privacy protection, and compliance practices provide directly reusable experiences for the Agent Network. The FedML team is following this path, upgrading the open-source gene to TensorOpera (AI industry infrastructure layer), and evolving to ChainOpera (decentralized Agent network). Of course, the Agent Network is not an inevitable extension of federated learning; its core lies in the autonomous collaboration and task division of multiple agents, which can also be constructed directly based on multi-agent systems (MAS), reinforcement learning (RL), or blockchain incentive mechanisms.

Bir, Federated Learning ve AI Agent Teknoloji Yığını Mimarisi

Federated Learning (FL), verilerin merkezi olarak toplanmadan işbirlikçi eğitim yapmayı sağlayan bir çerçevedir. Temel prensibi, her bir katılımcının yerel olarak modeli eğitmesi ve yalnızca parametreleri veya gradyanları koordine edici noktaya yükleyip birleştirmesidir; böylece "veri alan dışına çıkmaz" ilkesine uygun bir gizlilik sağlanır. Tıbbi, finansal ve mobil gibi tipik senaryoların pratiğiyle, federated learning oldukça olgun bir ticari aşamaya ulaşmıştır, ancak hala büyük iletişim maliyetleri, gizlilik korumanın yetersizliği ve cihaz heterojenliğinin neden olduğu düşük yakınsama verimliliği gibi engellerle karşı karşıyadır. Diğer eğitim modlarına kıyasla, dağıtık eğitim, verimlilik ve ölçek arayışında hesaplama gücünün merkezileşmesini vurgularken, merkeziyetsiz eğitim tamamen dağıtık işbirliği sağlamak amacıyla açık bir hesaplama ağı kullanır. Federated learning ise her ikisinin arasında yer alır ve "kontrollü merkeziyetsizleşme" çözümü olarak ortaya çıkar: hem sanayinin gizlilik ve uyum ihtiyaçlarını karşılamakta hem de kurumlar arası işbirliği için uygulanabilir yollar sunmakta, endüstri için geçiş aşaması dağıtım mimarilerine daha uygundur.

Ve tüm AI Agent protokol yığınında, önceki araştırma raporlarımızda bunu üç ana katmana ayırdık, yani

Altyapı Katmanı (Agent Infrastructure Layer): Bu katman, akıllı ajanlara en temel çalışma desteğini sağlar ve tüm Ajan sistemlerinin inşa edildiği teknolojik temeli oluşturur.

• Ana Modül: Agent Framework (Akıllı Ajan Geliştirme ve Çalıştırma Çerçevesi) ve Agent OS (daha alt düzey çoklu görev zamanlaması ve modüler çalışma zamanı) dahil olmak üzere, Ajan'ın yaşam döngüsü yönetimine temel yetenekler sunar.
• Desteklenen modüller: Agent DID (merkeziyetsiz kimlik), Agent Wallet & Abstraction (hesap soyutlama ve işlem yürütme), Agent Payment/Settlement (ödeme ve uzlaşma yetenekleri).

Koordinasyon ve İcra Katmanı, çoklu akıllı ajanlar arasındaki iş birliği, görev planlaması ve sistem teşvik mekanizmasına odaklanarak, akıllı ajan sistemlerinin "kümelenmiş zekası"nı inşa etmenin anahtarıdır.

• Agent Orchestration: Merkezî kontrol içeren iş akışı senaryoları için, Agent yaşam döngüsünü, görev dağılımını ve yürütme süreçlerini yönetmek ve birleştirmek için kullanılan bir komut mekanizmasıdır.
• Agent Swarm: Kooperatif bir yapı olup, dağıtık akıllı ajanların işbirliğini vurgular, yüksek otonomi, iş bölümü yeteneği ve esnek işbirliği özelliklerine sahiptir. Dinamik ortamlardaki karmaşık görevlerle başa çıkmak için uygundur.
• Ajan Teşvik Katmanı: Ajan ağının ekonomik teşvik sistemini inşa etmek, geliştiricilerin, uygulayıcıların ve doğrulayıcıların motivasyonunu artırmak, akıllı varlık ekosistemine sürdürülebilir bir güç sağlamak.

Uygulama Katmanı (Application & Distribution Layer)

• Dağıtım alt kategorileri: Agent Launchpad, Agent Marketplace ve Agent Plugin Ağı
• Uygulama alt sınıfları: AgentFi, Agent Native DApp, Agent-as-a-Service gibi konuları kapsamaktadır.
• Tüketim alt kategorisi: Agent Social / Consumer Agent ağırlıklı, tüketici sosyal gibi hafif senaryolar için
• Meme: Sadece pazarlama odaklı, gerçek bir teknik uygulama ve uygulama gerçekleştirmeden, Agent kavramının spekülasyonu.

İki, FedML ve TensorOpera tam yığın platformu ile federal öğrenme ölçütü

FedML, federated learning (Federated Learning) ve dağıtık eğitim için en erken açık kaynak çerçevelerden biridir, USC akademik ekibinden doğmuş ve zamanla TensorOpera AI'nın ana ürününe dönüşmüştür. Araştırmacılara ve geliştiricilere kurumlar arası, cihazlar arası veri işbirliği eğitim araçları sunmaktadır. Akademik alanda, FedML, NeurIPS, ICML, AAAI gibi önde gelen konferanslarda sıkça yer aldığından federated learning araştırmaları için genel bir deneysel platform haline gelmiştir; endüstride ise, FedML, sağlık, finans, kenar AI ve Web3 AI gibi gizlilik hassasiyetine sahip senaryolarında yüksek bir üne sahiptir ve federated learning alanında referans bir araç zinciri olarak görülmektedir.

TensorOpera, FedML tarafından ticari bir yolculuk olarak işletmelere ve geliştiricilere yönelik tam yığın AI altyapı platformuna yükseltilmiştir: Federated Learning yeteneklerini korurken, GPU Marketplace, model hizmetleri ve MLOps'a genişleyerek büyük model ve Agent döneminin daha büyük pazarına girmektedir. TensorOpera'nın genel mimarisi, Compute Layer (temel katman), Scheduler Layer (zamanlama katmanı) ve MLOps Layer (uygulama katmanı) olmak üzere üç katmana ayrılmaktadır:

1. Hesaplama Katmanı (Alt Katman)

Compute katmanı, TensorOpera'nın teknik temeli olup, FedML'nin açık kaynak genini devam ettirmektedir. Temel işlevleri arasında Parametre Sunucusu, Dağıtık Eğitim, Çıkarım Uç Noktası ve Aggregation Sunucusu bulunmaktadır. Değer konumu, dağıtık eğitim, gizlilik korumalı federasyon öğrenimi ve ölçeklenebilir çıkarım motoru sağlamaktadır. "Eğit / Dağıt / Federasyon" üç ana çekirdek yeteneğini destekleyerek, model eğitimi, dağıtımı ve kurumlar arası iş birliğine kadar olan tam bir bağlantıyı kapsamaktadır ve platformun temel katmanıdır.

2. Planlayıcı Katmanı (Orta Katman)

Scheduler katmanı, hesaplama gücü ticareti ve dağıtım merkezi olarak işlev görür ve GPU Marketplace, Provision, Master Agent ve Schedule & Orchestrate bileşenlerinden oluşur. Kamu bulutları, GPU sağlayıcıları ve bağımsız katkıda bulunanların kaynak çağrısını destekler. Bu katman, FedML'in TensorOpera'ya yükseltilmesinin anahtarıdır ve akıllı hesaplama gücü zamanlaması ve görev düzenlemesi ile daha büyük ölçekli AI eğitimi ve çıkarımı gerçekleştirme yeteneğine sahiptir, LLM ve üretken AI'nın tipik senaryolarını kapsar. Aynı zamanda, bu katmanın Share & Earn modeli, teşvik mekanizması arayüzleri sunar ve DePIN veya Web3 modeli ile uyumlu olma potansiyeline sahiptir.

3. MLOps Katmanı (Üst Katman)

MLOps katmanı, platformun doğrudan geliştiricilere ve işletmelere yönelik hizmet arayüzüdür ve Model Serving, AI Agent ve Studio gibi modülleri içerir. Tipik uygulamalar, LLM Chatbot, çok modlu üretken AI ve geliştirici Copilot araçlarını kapsamaktadır. Değeri, temel hesaplama ve eğitim yeteneklerini yüksek seviyede API ve ürünler olarak soyutlayarak kullanım engelini azaltmak, kullanılabilir Agent, düşük kod geliştirme ortamı ve ölçeklenebilir dağıtım yetenekleri sunmaktır. Konumlandırma açısından Anyscale, Together, Modal gibi yeni nesil AI Altyapı platformlarına karşılık gelir ve altyapıdan uygulamaya geçişte bir köprü işlevi görür.

2025 Mart ayında, TensorOpera, AI Agent'lara yönelik tam yığın bir platforma yükseltilecek; ana ürünler AgentOpera AI Uygulaması, Framework ve Platform'u kapsayacaktır. Uygulama katmanı, ChatGPT benzeri çoklu ajan girişleri sunarken, çerçeve katmanı grafik yapısına sahip çoklu ajan sistemleri ve Orkestratör/Yönlendirici evrimi ile "Agentic OS" olarak tanımlanacaktır. Platform katmanı ise TensorOpera model platformu ve FedML ile derinlemesine entegre olacak, dağıtık model hizmetleri, RAG optimizasyonu ve karma uç bulut dağıtımı sağlayacaktır. Genel hedef, "bir işletim sistemi, bir ajan ağı" oluşturarak geliştiricilerin, işletmelerin ve kullanıcıların açık ve gizliliği koruyan bir ortamda yeni nesil Agentic AI ekosistemini birlikte inşa etmelerini sağlamaktır.

Üçüncü, ChainOpera AI Ekosisteminin Panorama: Ortak Yaratıcılardan Teknoloji Temeline

Eğer FedML teknik çekirdek ise, federatif öğrenme ve dağıtık eğitim için açık kaynak genini sağlıyorsa; TensorOpera, FedML'nin bilimsel başarılarını ticari olarak kullanılabilir bir tam yığın AI altyapısına soyutluyorsa, o zaman ChainOpera, TensorOpera'nın platform yeteneklerini "blok zincirine" alarak, AI Terminal + Agent Sosyal Ağı + DePIN modeli ve hesaplama katmanı + AI-Native blok zinciri ile merkeziyetsiz bir Agent ağ ekosistemi oluşturmayı amaçlıyor. Temel dönüşüm, TensorOpera'nın hâlâ esas olarak işletmelere ve geliştiricilere hitap etmesi, ChainOpera'nın ise Web3 tabanlı yönetişim ve teşvik mekanizmaları sayesinde kullanıcıları, geliştiricileri, GPU/veri sağlayıcılarını ortak inşa ve yönetim sürecine dahil etmesidir; böylece AI Agent sadece "kullanılmakla" kalmaz, aynı zamanda "ortak yaratım ve ortak mülkiyete" sahip olur.

Ortak Yaratıcılar Ekosistemi (Co-creators)

ChainOpera AI, Model & GPU Platform ile Agent Platform aracılığıyla ekosistem ortaklığına araç seti, altyapı ve koordinasyon katmanı sunar; model eğitimi, akıllı ajan geliştirme, dağıtım ve genişletme işbirliğini destekler.

ChainOpera ekosisteminin ortakları arasında AI Agent geliştiricileri (akıllı ajanların tasarımı ve işletimi), araç ve hizmet sağlayıcıları (şablonlar, MCP, veri tabanı ve API), model geliştiricileri (model kartlarını eğitme ve yayınlama), GPU sağlayıcıları (DePIN ve Web2 bulut ortakları aracılığıyla hesaplama gücü katkısı) ve veri katkıcıları ile etiketleyiciler (çok modlu verileri yükleme ve etiketleme) yer almaktadır. Üç ana çekirdek kaynak - geliştirme, hesaplama gücü ve veri - akıllı ajan ağının sürekli büyümesini birlikte desteklemektedir.

Ortaklar

ChainOpera ekosistemi, iş birliği ve katılım yoluyla ağı birlikte inşa etmek için ortaklık mekanizmasını da içermektedir. AI Agent yaratıcıları, yeni nesil akıllı varlıkları tasarlayıp dağıtan bireyler veya takımlardır; bunlar, işlevselliğin ve uygulamaların yenilikçiliğini teşvik etmek amacıyla yapılandırma, yayına alma ve sürekli bakımını üstlenirler. AI Agent katılımcıları ise topluluktan gelir; erişim birimlerini (Access Units) edinip tutarak akıllı varlıkların yaşam döngüsüne katılırlar ve kullanım ile tanıtım sürecinde akıllı varlıkların büyümesini ve aktifliğini desteklerler. Bu iki rol, ekosistem içindeki değer paylaşımı ve iş birliği geliştirme modelini ortaklaşa oluşturan arz ve talep taraflarını temsil etmektedir.

Ekosistem Ortakları: Platform ve Çerçeve

ChainOpera AI, çok sayıda iş birliği ile platformun kullanılabilirliğini ve güvenliğini güçlendirirken, Web3 senaryo entegrasyonuna odaklanmaktadır: AI Terminal App aracılığıyla cüzdan, algoritma ve toplama platformunu birleştirerek akıllı hizmet önerileri gerçekleştirmektedir; Agent Platform'da çok yönlü çerçeveler ve sıfır kodlu araçlar tanıtarak geliştirme engellerini azaltmaktadır; TensorOpera AI'ya dayanarak model eğitimi ve çıkarımını gerçekleştirmektedir; ve FedML ile özel bir iş birliği kurarak kurumlar arası ve cihazlar arası gizlilik koruma eğitimini desteklemektedir. Genel olarak, kurumsal uygulamalar ile Web3 kullanıcı deneyimini bir araya getiren açık bir ekosistem oluşturulmaktadır.

Donanım Girişi: AI Donanımı ve Ortaklar (AI Hardware & Partners)

DeAI Phone, giyilebilir teknolojiler ve Robot AI gibi ortaklar aracılığıyla, ChainOpera blockchain'i ve AI'yi akıllı terminalde birleştirerek dApp etkileşimi, uç taraf eğitim ve gizlilik koruması gerçekleştirmekte ve giderek merkeziyetsiz AI donanım ekosistemini şekillendirmektedir.

Merkezi Platform ve Teknoloji Temeli: TensorOpera GenAI & FedML

TensorOpera, MLOps, Scheduler ve Compute'u kapsayan tam yığın bir GenAI platformu sunuyor; alt platformu FedML, akademik açık kaynaklardan endüstriyel bir çerçeveye dönüşerek AI'nın "her yerde çalışabilme, her yerde ölçeklenebilme" yeteneklerini güçlendirdi.

ChainOpera AI ekosistemi

Dört, ChainOpera'nin temel ürünleri ve tam yığın AI Agent altyapısı

2025 yılının Haziran ayında, ChainOpera resmi olarak AI Terminal Uygulaması ve merkeziyetsiz teknoloji yığınını piyasaya sürecek ve "merkeziyetsiz OpenAI" olarak konumlanacak. Temel ürünleri dört ana modülü kapsayacak: Uygulama katmanı (AI Terminal ve Ajan Ağı), Geliştirici katmanı (Ajan Oluşturucu Merkezi), Model ve GPU katmanı (Model ve Hesaplama Ağı) ve ayrıca CoAI protokolü ve özel zincir, kullanıcı girişinden alt seviye hesaplama ve zincir üzerindeki teşviklere kadar tam bir kapalı döngü sağlamaktadır.

AI Terminal App, BNBChain ile entegre edilmiştir ve zincir üzerindeki işlemler ile DeFi senaryoları için Agent'i desteklemektedir. Agent Creator Center, geliştiricilere açıktır ve MCP/HUB, bilgi bankası ve RAG gibi yetenekler sunmaktadır, topluluk akıllı varlıkları sürekli olarak katılmaktadır; aynı zamanda CO-AI Alliance'ı başlatmakta, io.net, Render, TensorOpera, FedML, MindNetwork gibi ortaklarla etkileşim halindedir.

BNB DApp Bay'in son 30 gün içerisindeki zincir üstü verilerine göre, bağımsız kullanıcı sayısı 158.87K, son 30 gün içerisindeki işlem hacmi ise 2.6 milyon. BSC "AI Agent" kategorisinde tüm sitede ikinci sırada yer alarak güçlü bir zincir üstü aktivite sergilemektedir.

Süper AI Ajan Uygulaması – AI Terminali ()

Merkeziyetsiz ChatGPT ve AI sosyal giriş noktası olarak, AI Terminal çok modlu işbirliği, veri katkı teşviki, DeFi araç entegrasyonu, çapraz platform asistanı sunar ve AI Agent işbirliği ile gizlilik korumasını destekler (Veriniz, Ajanınız). Kullanıcılar, mobil cihazlarda açık kaynaklı büyük model DeepSeek-R1 ve topluluk akıllı varlıklarını doğrudan çağırabilir, etkileşim sürecinde dil Token ve kripto Token şeffaf bir şekilde zincir üzerinde dolaşır. Değeri, kullanıcıları "içerik tüketicisi" olmaktan "akıllı ortak yaratıcılar" haline dönüştürmekte ve DeFi, RWA, PayFi, e-ticaret gibi senaryolar içinde özel akıllı varlık ağlarını kullanabilmektedir.

AI Ajanı Sosyal Ağı (agent-social-network)

LinkedIn + Messenger benzeri bir konumlandırma, ancak AI Ajansı topluluğuna yönelik. Sanal çalışma alanı ve Ajandan-Ajansa işbirliği mekanizması (MetaGPT, ChatDEV, AutoGEN, Camel) aracılığıyla tek bir Ajanın çoklu akıllı ajans işbirliği ağına evrimini teşvik eder, finans, oyun, e-ticaret, araştırma gibi uygulamaları kapsar ve hafızayı ve özerkliği kademeli olarak artırır.

AI Agent Geliştirici Platformu ()

Geliştiricilere "Lego tarzı" bir yaratım deneyimi sunmak. Sıfır kod ve modüler genişlemeyi destekler, blok zinciri sözleşmeleri sahipliği güvence altına alır, DePIN + bulut altyapısı engelleri azaltır, Marketplace dağıtım ve keşif kanalları sağlar. Temel amacı, geliştiricilerin kullanıcılarla hızlı bir şekilde etkileşim kurmalarını sağlamak, ekosistem katkılarının şeffaf bir şekilde kaydedilmesi ve teşvik edilmesidir.

AI Model & GPU Platform ()

Altyapı katmanı olarak, DePIN ve federated learning ile bir araya gelerek Web3 AI'nın merkezi hesaplama bağımlılığı sorununu çözmek. Dağıtık GPU'lar, gizlilik korumalı veri eğitimi, model ve veri pazarı ile uçtan uca MLOps aracılığıyla çoklu ajan işbirliği ve kişiselleştirilmiş AI'yi desteklemek. Vizyonu, "büyük şirket tekelinden" "topluluk ortak yapımına" altyapı paradigmalarının kaymasını teşvik etmektir.

Beş, ChainOpera AI'nin yol haritası planlaması

Resmi olarak tam yığın AI Agent platformunu devreye almanın yanı sıra, ChainOpera AI genel yapay zekanın (AGI) çok modlu, çok ajanlı bir işbirliği ağına dayandığına inanmaktadır. Bu nedenle, uzun vadeli yol haritası dört aşamaya ayrılmıştır:

Sağlayıcı, kullanım miktarına göre dağıtılan gelirleri alır.

Aşama İki (Agentic Uygulamalar → İşbirlikçi AI Ekonomisi): AI Terminali, Agent Marketplace ve Agent Sosyal Ağı'nın tanıtımı, çoklu akıllı ajans uygulamaları ekosistemini oluşturur; CoAI protokolü aracılığıyla kullanıcıları, geliştiricileri ve kaynak sağlayıcıları birbirine bağlar ve kullanıcı ihtiyaçları - geliştirici eşleştirme sistemi ve kredi sistemini tanıtarak yüksek frekanslı etkileşimler ve sürdürülebilir ekonomik aktiviteleri teşvik eder.

Aşama Üç (İşbirlikçi AI → Kripto-Yerli AI): DeFi, RWA, ödeme, e-ticaret gibi alanlarda uygulanırken, KOL senaryoları ve kişisel veri değişimlerine de genişletme yapılacak; finansal / kripto odaklı özel LLM'ler geliştirilecek ve Agent-to-Agent ödeme ve cüzdan sistemleri piyasaya sürülecek, "Kripto AGI" senaryolu uygulamaları teşvik edilecek.

Dördüncü Aşama (Ecosystems → Otonom AI Ekonomileri): Uygulama, altyapı, hesaplama gücü, model ve veri etrafında bağımsız yönetim ve tokenleşme ile otonom alt ağ ekonomilerine doğru aşamalı bir evrim; ayrıca alt ağlar arası protokollerle iş birliği yaparak çoklu alt ağ iş birliği ekosistemi oluşturma; aynı zamanda Agentic AI'dan Physical AI'a (robotlar, otonom sürüş, uzay) geçiş.

Feragatname: Bu yol haritası yalnızca referans amaçlıdır, zaman çizelgesi ve işlevler piyasa koşullarına göre dinamik olarak ayarlanabilir ve teslimat garantisi taahhüdü oluşturmaz.

Yedi, Token Teşvikleri ve Protokol Yönetimi

Şu anda ChainOpera tam token teşvik planını açıklamamıştır, ancak CoAI protokolü "birlikte yaratma ve ortak sahiplik" ilkesini temel alarak, blockchain ve Proof-of-Intelligence mekanizması aracılığıyla şeffaf ve doğrulanabilir katkı kayıtları sağlamaktadır: Geliştiricilerin, hesaplama gücünün, veri ve hizmet sağlayıcıların katkıları standartlaştırılmış bir şekilde ölçülmekte ve ödüllendirilmektedir. Kullanıcılar hizmetleri kullanırken, kaynak sağlayıcılar işletimi desteklemekte ve geliştiriciler uygulamalar oluşturmaktadır; tüm katılımcılar büyüme kârını paylaşmaktadır. Platform ise %1 hizmet ücreti, ödül dağıtımı ve likidite desteği ile döngüyü sürdürmekte ve açık, adil, işbirlikçi merkeziyetsiz AI ekosistemini teşvik etmektedir.

Zeka Kanıtı Öğrenme Çerçevesi

Proof-of-Intelligence (PoI), ChainOpera tarafından CoAI protokolü altında önerilen temel konsensüs mekanizmasıdır ve merkeziyetsiz AI inşası için şeffaf, adil ve doğrulanabilir bir teşvik ve yönetişim sistemi sağlamayı amaçlamaktadır. Bu, katkı kanıtı (Proof-of-Contribution) temelinde bir blockchain işbirliği makine öğrenimi çerçevesidir ve federated learning (FL) uygulamalarında mevcut olan teşvik eksikliği, gizlilik riski ve doğrulanabilirlik kaybı gibi sorunları çözmeyi hedeflemektedir. Tasarım, akıllı sözleşmelerin merkezde olduğu, merkeziyetsiz depolama (IPFS), toplama düğümleri ve sıfır bilgi kanıtları (zkSNARKs) ile birleştirilerek beş ana hedefe ulaşmaktadır: ① Katkı düzeyine göre adil ödül dağılımı sağlamak, eğitmenlerin gerçek model iyileştirmelerine dayalı olarak teşvik almasını garanti etmek; ② Verilerin yerel depolamasını korumak, gizliliğin sızmasını önlemek; ③ Kötü niyetli eğitmenlerin zehirleme veya toplama saldırılarına karşı dayanıklılık mekanizması getirmek; ④ ZKP aracılığıyla model toplama, anomali tespiti ve katkı değerlendirmesi gibi kritik hesaplamaların doğrulanabilirliğini sağlamak; ⑤ Verimlilik ve çok yönlülük açısından heterojen veriler ve farklı öğrenme görevleri için uygun hale getirmek.

Tam Yığın AI İçindeki Token Değeri

ChainOpera'nın token mekanizması, beş ana değer akışı (LaunchPad, Agent API, Model Serving, Contribution, Model Training) etrafında çalışır; merkezinde ise spekülatif getiriler değil, hizmet ücreti, katkı onayı ve kaynak tahsisi bulunmaktadır.

• AI Kullanıcıları: Hizmetlere erişim veya uygulamalara abone olmak için token kullanın ve ekosisteme veri sağlama / etiketleme / staking ile katkıda bulunun.
• Ajan/Uygulama Geliştiricisi: Platformun işlem gücünü ve verilerini kullanarak geliştirme yapar ve katkıda bulunduğu Ajan, uygulama veya veri seti nedeniyle protokol tarafından tanınır.
• Kaynak sağlayıcıları: Hesaplama gücü, veri veya model katkısı yaparak şeffaf kayıtlar ve teşvikler elde eder.
• Yönetim Katılımcıları (Topluluk & DAO): Tokenler aracılığıyla oylama, mekanizma tasarımı ve ekosistem koordinasyonuna katılım.
• Protokol Katmanı (COAI): Hizmet ücretleri ile sürdürülebilirliği sağlamak ve otomatik dağıtım mekanizması ile arz ve talebi dengelemek.
• Düğüm ve doğrulayıcı: Ağı güvenilir kılmak için doğrulama, hesaplama gücü ve güvenlik hizmetleri sağlar.

Protokol Yönetimi

ChainOpera, DAO yönetimi kullanarak, öneri ve oylamaya katılmak için token'ları stake ederek kararların şeffaf ve adil olmasını sağlar. Yönetim mekanizması şunları içerir: itibar sistemi (katkıları doğrulama ve nicelendirerek), topluluk işbirliği (öneri ve oylama ile ekosistemi geliştirme), parametre ayarlama (veri kullanımı, güvenlik ve doğrulayıcı hesap verebilirliği). Genel hedef, güç yoğunlaşmasını önlemek ve sistemin istikrarını ile topluluğun ortak yaratımını sürdürmektir.

Sekiz, Ekip Arka Planı ve Proje Finansmanı

ChainOpera projesi, federatif öğrenme alanında derin bir bilgiye sahip olan Salman Avestimehr profesörü ve Aiden (何朝阳) doktoru tarafından ortaklaşa kurulmuştur. Diğer temel takım üyelerinin geçmişi, UC Berkeley, Stanford, USC, MIT, Tsinghua Üniversitesi ile Google, Amazon, Tencent, Meta, Apple gibi önde gelen akademik ve teknoloji kuruluşlarını kapsamaktadır ve hem akademik araştırma hem de sanayi deneyimine sahiptir. Şu ana kadar, ChainOpera AI ekibinin büyüklüğü 40'tan fazla kişiye ulaşmıştır.

Kurucu Ortak: Salman Avestimehr

Salman Avestimehr, Güney Kaliforniya Üniversitesi (USC) Elektrik ve Bilgisayar Mühendisliği Bölümü'nün Dekanı'nın Profesörü ve USC-Amazon Güvenilir AI Merkezi'nin kurucu direktörü olarak görev yapmaktadır. Ayrıca USC Bilgi Teorisi ve Makine Öğrenimi Laboratuvarı (vITAL) liderliğini yürütmektedir. FedML'nin kurucu ortağı ve CEO'su olup, 2022 yılında TensorOpera/ChainOpera AI'yı birlikte kurmuştur.

Prof. Salman Avestimehr, UC Berkeley EECS doktası (en iyi tez ödülü ile). IEEE Fellow olarak, bilgi teorisi, dağıtılmış hesaplama ve federatif öğrenme alanlarında 300'den fazla yüksek seviyeli makale yayımlamış, 30,000'den fazla alıntı almış ve PECASE, NSF CAREER, IEEE Massey Award gibi birçok uluslararası onur ödülüne layık görülmüştür. FedML açık kaynak çerçevesini kurmuştur, bu çerçeve sağlık, finans ve gizlilik hesaplama alanlarında geniş bir şekilde kullanılmakta olup, TensorOpera/ChainOpera AI'nın ana teknik temeli haline gelmiştir.

Kurucu Ortak: Dr. Aiden Chaoyang He

Dr. Aiden Chaoyang He, TensorOpera/ChainOpera AI'nın kurucu ortağı ve başkanıdır, Güney Kaliforniya Üniversitesi (USC) bilgisayar bilimleri doktorası sahibidir ve FedML'nin orijinal yaratıcısıdır. Araştırma alanları dağıtık ve federatif öğrenme, büyük ölçekli model eğitimi, blok zinciri ve gizlilik hesaplamasını kapsamaktadır. Girişimcilikten önce Meta, Amazon, Google, Tencent'te Ar-Ge alanında çalıştı ve Tencent, Baidu, Huawei'de ana mühendislik ve yönetim pozisyonlarında yer aldı, birçok internet düzeyindeki ürün ve AI platformunun hayata geçirilmesini yönetti.

Akademik ve endüstri alanında, Aiden 30'dan fazla makale yayımlamış, Google Scholar'da 13,000'den fazla atıf almış ve Amazon Ph.D. Bursu, Qualcomm İnovasyon Bursu ile NeurIPS, AAAI En İyi Makale Ödülü'nü kazanmıştır. Liderliğinde geliştirilen FedML çerçevesi, federatif öğrenme alanında en yaygın kullanılan açık kaynak projelerden biridir ve günde 27 milyar istek desteklemektedir; ayrıca temel yazar olarak FedNLP çerçevesi, karma model paralel eğitim yöntemini önermiştir ve Sahara AI gibi merkeziyetsiz AI projelerinde yaygın olarak kullanılmaktadır.

2024 Aralık ayında, ChainOpera AI 3.5 milyon dolarlık bir tohum finansmanı tamamladığını duyurdu. TensorOpera ile birlikte toplamda 17 milyon dolarlık bir finansman sağlandı. Bu fonlar, merkeziyetsiz AI Agent'lar için bir blockchain L1 ve AI işletim sistemi geliştirmek üzere kullanılacak. Bu finansman turu, Finality Capital, Road Capital ve IDG Capital tarafından liderlik edildi ve Camford VC, ABCDE Capital, Amber Group, Modular Capital gibi takip eden yatırımcılar da yer aldı. Ayrıca Sparkle Ventures, Plug and Play, USC ve EigenLayer kurucusu Sreeram Kannan, BabylonChain kurucu ortağı David Tse gibi tanınmış kurumlar ve bireysel yatırımcılardan destek alındı. Ekip, bu finansman turunun "AI kaynak katkıcıları, geliştiriciler ve kullanıcıların ortaklaşa sahip olduğu ve birlikte yaratacağı merkeziyetsiz AI ekosistemini" gerçekleştirmeyi hızlandıracağını belirtti.

Dokuz, Federatif Öğrenme ve AI Ajanı Pazar Yapısı Analizi

Federated öğrenme çerçevesinin dört ana temsilcisi vardır: FedML, Flower, TFF, OpenFL. Bunlardan FedML, tam yığın bir çözüm sunarak federated öğrenme, dağıtık büyük model eğitimi ve MLOps'yi bir araya getirir ve endüstriyel uygulamalar için uygundur; Flower hafif ve kullanımı kolaydır, topluluğu aktiftir, öğretim ve küçük ölçekli deneylere yöneliktir; TFF, TensorFlow'a derin bir şekilde bağımlıdır, akademik araştırma açısından yüksek değere sahiptir ancak endüstrileşmesi zayıftır; OpenFL, sağlık/finans alanlarına odaklanır, gizlilik uyumunu vurgular ve ekosistemi daha kapalıdır. Genel olarak, FedML endüstriyel düzeyde çok yönlü bir yolu temsil eder, Flower kullanım kolaylığına ve eğitime odaklanır, TFF akademik deneylere yöneliktir, OpenFL ise dikey endüstrilerde uyumluluk açısından avantaj sunar.

Sanayileşme ve altyapı katmanında, TensorOpera (FedML ticari versiyonu) özellikleri, açık kaynak FedML'nin teknik birikimini devralarak, çoklu bulut GPU zamanlaması, dağıtık eğitim, federatif öğrenme ve MLOps'un entegre yeteneklerini sunmakta, amacı akademik araştırmalar ile endüstriyel uygulamalar arasında köprü kurmak, geliştiricilere, KOBİ'lere ve Web3/DePIN ekosistemine hizmet etmektir. Genel olarak, TensorOpera, "Açık kaynak FedML'nin Hugging Face + W&B birleşimi" gibidir; tam yığın dağıtık eğitim ve federatif öğrenme yetenekleri açısından daha eksiksiz ve evrensel olup, topluluk, araçlar veya tek bir sektör etrafında dönen diğer platformlardan ayrışmaktadır.

Yenilikçi katmanda temsilciler arasında, ChainOpera ve Flock, federatif öğrenmeyi Web3 ile birleştirmeye çalışıyor, ancak yönleri belirgin farklılıklar gösteriyor. ChainOpera, giriş, sosyal, geliştirme ve altyapı olmak üzere dört katmanlı bir mimari kapsayan tam yığın AI Ajansı platformu inşa ediyor. Temel değeri, kullanıcıları "tüketici"den "ortak yaratıcı"ya dönüştürmek ve AI Terminal ile Ajans Sosyal Ağı aracılığıyla işbirlikçi AGI ve topluluk inşa ekosistemini gerçekleştirmektir; Flock ise daha çok blok zinciri güçlendirilmiş federatif öğrenmeye (BAFL) odaklanmakta ve merkeziyetsiz bir ortamda gizlilik koruma ve teşvik mekanizmasına vurgu yapmaktadır. Temel olarak hesaplama gücü ve veri katmanları için işbirliği doğrulaması hedeflenmektedir. ChainOpera, uygulama ve Ajans ağ katmanının uygulanmasına daha yatkınken, Flock, altyapı eğitimi ve gizlilik hesaplama güçlendirilmesine odaklanmaktadır.

Agent ağ katmanında, sektörde en temsilci projelerden biri Olas Network'tür. ChainOpera, federatif öğrenmeden kaynaklanarak model-güç-akıllı ajan tam döngüsünü inşa etmekte ve çoklu ajanların etkileşimi ve sosyal işbirliğini keşfetmek için Agent Sosyal Ağı'nı deney alanı olarak kullanmaktadır; Olas Network, DAO işbirliği ve DeFi ekosisteminden doğmuş olup, merkeziyetsiz otonom hizmet ağı olarak konumlandırılmakta ve Pearl aracılığıyla doğrudan uygulanabilir Defi getiri senaryoları sunarak ChainOpera ile tamamen farklı bir yol sergilemektedir.

On, Yatırım Mantığı ve Potansiyel Risk Analizi

Yatırım Mantığı

ChainOpera'nın avantajları öncelikle teknik koruma alanındadır: FedML'den (federal öğrenme için referans açık kaynak çerçevesi) TensorOpera'ya (kurumsal düzeyde tam yığın AI Altyapısı) ve ardından ChainOpera'ya (Web3 tabanlı Agent Ağı + DePIN + Tokenomics) kadar uzanan benzersiz bir sürekli evrim yolu oluşturmakta, akademik birikim, sanayi uygulanabilirliği ve kripto anlatımı ile birleşmektedir.

AI Terminal, uygulama ve kullanıcı ölçeği açısından, yüz binlerce günlük aktif kullanıcı ve binlerce ajan uygulama ekosistemi oluşturmuştur. BNBChain DApp Bay AI kategorisinde birinci sıradadır ve belirgin bir zincir üzeri kullanıcı büyümesi ve gerçek işlem hacmine sahiptir. Çok modlu senaryoların kapsadığı kripto yerel alan, daha geniş Web2 kullanıcılarına doğru aşamalı olarak yayılma potansiyeline sahiptir.

Eko iş birliği alanında, ChainOpera CO-AI Alliance'ı başlatarak io.net, Render, TensorOpera, FedML, MindNetwork gibi ortaklarla birlikte GPU, model, veri, gizlilik hesaplama gibi çok taraflı ağ etkileri oluşturuyor; aynı zamanda Samsung Electronics ile birlikte mobil çok modlu GenAI'yi doğrulayarak donanım ve kenar AI'ya genişleme potansiyelini sergiledi.

Token ve ekonomik model üzerinde, ChainOpera, Proof-of-Intelligence konsensüsü temel alarak, beş ana değer akışı (LaunchPad, Agent API, Model Serving, Contribution, Model Training) etrafında teşvik dağıtımı yapar ve %1 platform hizmet ücreti, teşvik dağıtımı ve likidite desteği ile pozitif bir döngü oluşturur, tekil "kripto para spekülasyonu" modelini önler ve sürdürülebilirliği artırır.

Potansiyel Riskler

Öncelikle, teknolojinin uygulanması oldukça zor. ChainOpera'nın önerdiği beş katmanlı merkeziyetsiz mimari geniş bir kapsama sahip ve katmanlar arası işbirliği (özellikle büyük model dağıtılmış çıkarım ve gizlilik eğitimi açısından) hala performans ve kararlılık zorluklarıyla karşı karşıya ve henüz geniş ölçekli uygulama doğrulamasından geçmedi.

İkincisi, ekosistem kullanıcı bağlılığı hala gözlemlenmelidir. Proje, başlangıçta kullanıcı artışı sağlamış olsa da, Agent Marketplace ve geliştirici araç zincirinin uzun vadede aktif ve yüksek kaliteli bir tedarik sağlama yeteneği hala test edilmelidir. Şu anda piyasaya sürülen Agent Sosyal Ağı, esasen LLM destekli metin diyaloglarına odaklanmaktadır; kullanıcı deneyimi ve uzun vadeli devamlılık daha da artırılmalıdır. Eğer teşvik mekanizması yeterince ince tasarlanmamışsa, kısa vadede yüksek aktivite, ancak uzun vadede yetersiz değer ortaya çıkabilir.

Son olarak, iş modelinin sürdürülebilirliği henüz onaylanmamıştır. Mevcut aşamada gelir, esasen platform hizmet ücretleri ve token döngüsüne bağlıdır, stabil bir nakit akışı henüz oluşmamıştır. AgentFi veya Payment gibi daha finansal veya üretken özelliklere sahip uygulamalarla karşılaştırıldığında, mevcut modelin ticari değeri daha fazla doğrulama gerektirmektedir; aynı zamanda, mobil ve donanım ekosistemi hala keşif aşamasındadır ve piyasa potansiyeli belli bir belirsizlik içermektedir.