深腦鏈：使用區塊鏈技術構建AI雲端計算網路，降低人工智慧企業成本

深腦鏈旨在構建一個區塊鏈驅動的AI雲端計算網路，通過去中心化大幅降低使用成本，服務於廣大中小型AI企業。

近十年，得益於深度學習演算法（多層神經網路）的提出以及圖形處理器（GPU）效能算力的極大提升，人工智慧領域已經變得炙手可熱，基於人工智慧技術的各類應用也如雨後春筍般涌現。

它的應用領域也幾乎無所不包，大到天氣預測、火箭發射、太空探測、國防裝備，小到自動駕駛、人臉識別、語音識別、AI翻譯等等。

「訓練」為王

然而人工智慧卻絕非「天生驕傲」。

同人類的新生兒一樣，新生的人工智慧程式除了「哭」之外能做的其實十分有限，想要讓它擔負重任，就需要不斷地將真實應用場景「資料」塞到它的嘴裏，助其快快長大，這個過程在人工智慧領域稱為「訓練」。

▲機器學習與人類思考的類比

「一萬小時定律」對人工智慧依然適用，只有經過「訓練」的人工智慧才具有科研及商業價值，所以各大AI公司，無一不把對人工智慧的「訓練」擺到頭等位置。

而在具體的訓練過程中，想要加快訓練進度，除了優化「資料」和「模型」之外，最簡單易行的方法就是「堆砌硬體」。出於成本的考慮，AI公司大多數時候並不選擇自己組建機房，而是選擇「雲端計算」平臺。

傳統的中心化大廠，諸如騰訊雲、阿里雲、AWS（亞馬遜雲）等均有此類服務，然而高企的使用成本卻讓很多的中小型AI企業望而卻步。

精通「人工智慧」及「區塊鏈」技術的資深專家何永看到了其中的痛點，於是便有了後來的「深腦鏈」。

AI雲端計算市場近年的增速驚人。

據 OpenAI 近日釋出的分析表明，自 2012 年以來，人工智慧訓練任務中使用的算力正呈指數級增長，其目前速度為每 3.5 個月翻一倍（相比之下，摩爾定律是每 18 個月翻倍）。

相比傳統的AI雲端計算，深腦鏈在加入「區塊鏈」技術之後，為這個行業帶來了以下改變。

「全球的機器（硬體配置建議在1080Ti 2卡以上）可以自由加入「深腦鏈」網路。我們的目的是，通過區塊鏈獨特的激勵機制，吸引足夠多、足夠便宜的機器加入我們，進而降低AI企業的訓練成本。」深腦鏈CEO何永這樣說道。

「首先，我們引入了「接入即挖礦」機制，這樣即便你的機器閒置，我們也會按照接入時間對接入者進行DBC獎勵。除此之外，你還可以通過完成AI訓練獲得更多獎勵」。

何永接著說道，「現在我們已經推出了深腦鏈官方的高效能礦機，售價 65 萬美元。這種礦機接入深腦鏈後，當幣價為0.05到0.1美元區間時，預計 3 ~ 5 個月即可回本」。

「未來，AI企業在深腦鏈的訓練費用將是AWS的五分之一，阿里雲的四分之一」。

AI的訓練資料對AI企業來說至關重要，不同資料訓練出來的「AI」就像生長在黑土地和鹽鹼地的莊稼。

如果交由中心化的平臺執行「訓練」，沒有人能證明中心化的機構不會把資料盜取，它甚至無法自證，原因在於它的程式碼沒有開源。

而在深腦鏈的網路中，所有的程式碼都是開源的，並且由於去中心化的架構，大大降低了資料丟失風險。

除此之外，深腦鏈的分散式儲存邏輯保證了一定的容災率，AI企業的資料在安全性方面也得到了保證。

AI 訓練網路

深腦鏈的AI訓練網路將於8月8日上線。

在這個網路中，使用者可以提交深度學習、機器學習或其他型別的AI訓練需求。

深腦鏈網路提供4、8、128等不同GPU配置的機器，以及多種訓練框架如 TensorFlow、Caffe 2、H20、PyTorch、H2O Deep Water、MXNet，用於滿足AI企業的訓練需求。

訓練前，使用者除了可以上傳自有的學習模型和資料集，深腦鏈上還上架有付費或免費的模型、資料集以供AI企業租用或購買。

提交需求後，深腦鏈平臺會自動尋找、匹配機器算力。隨後執行訓練的節點會根據提供算力的大小，獲得相應的DBC代幣獎勵。

訓練時，使用者可以通過機器上的日誌監控整個訓練過程。除此之外，深腦鏈還提供了圖形界面輔助使用者操作。一旦訓練中出現異常，使用者端可以看到預警內容。

訓練結束後，使用者需要根據約定的價格支付相應DBC，隨後整個訓練的資料、日誌、模型也將在訓練的機器上被刪除，當然如果需要保留也可以選擇將資料儲存在深腦鏈平臺的分散式儲存上。

最後

值得注意的是，深腦鏈的共識機制沒有采用粗獷的POW，而是採用了類似DPOS的AI-PoC （Proof of Contribution），這是一種不需要經過大規模Hash運算便可達成的機制。

這樣的做法既規避了傳統挖礦造成的算力浪費，又兼具了區塊鏈「匿名」、「安全」等等優勢，一旦形成規模化，對AI行業將產生良好的推進作用。