💙 Gate廣場 #Gate品牌蓝创作挑战# 💙
用Gate品牌藍,描繪你的無限可能!
📅 活動時間
2025年8月11日 — 8月20日
🎯 活動玩法
1. 在 Gate廣場 發布原創內容(圖片 / 視頻 / 手繪 / 數字創作等),需包含 Gate品牌藍 或 Gate Logo 元素。
2. 帖子標題或正文必須包含標籤: #Gate品牌蓝创作挑战# 。
3. 內容中需附上一句對Gate的祝福或寄語(例如:“祝Gate交易所越辦越好,藍色永恆!”)。
4. 內容需爲原創且符合社區規範,禁止抄襲或搬運。
🎁 獎勵設置
一等獎(1名):Gate × Redbull 聯名賽車拼裝套裝
二等獎(3名):Gate品牌衛衣
三等獎(5名):Gate品牌足球
備注:若無法郵寄,將統一替換爲合約體驗券:一等獎 $200、二等獎 $100、三等獎 $50。
🏆 評選規則
官方將綜合以下維度評分:
創意表現(40%):主題契合度、創意獨特性
內容質量(30%):畫面精美度、敘述完整性
社區互動度(30%):點讚、評論及轉發等數據
AO網路:打造去中心化AI Agent計算平台 連結AR存儲
AO網路:爲AI Agent打造的去中心化計算平台
去中心化網路一直致力於實現"世界計算機"的願景,即無需信任地執行任意代碼並向全世界開放使用。以太坊之後,許多基礎設施項目都在這一方向上進行了嘗試,而Arweave即將推出的AO網路正是其中之一。
從宏觀角度來看,"世界計算機"可以分爲數據計算、訪問和存儲三個主要部分。Arweave過去一直扮演着"世界硬盤"的角色,而AO網路(Actor Oriented)則引入了通用計算能力,並提供了智能合約功能。
AO:基於Actor模型的通用計算網路
當前主流的去中心化計算平台可分爲兩類:智能合約平台和通用計算平台。智能合約平台以以太坊爲代表,網路共享全局狀態內存,對改變狀態的運算過程進行共識。由於共識需要大量重復運算,因此高成本下僅用於處理高價值業務。通用計算網路則不對運算過程本身進行共識,而是根據業務驗證計算結果,處理請求順序,不存在共享的狀態內存。這降低了成本,使網路能夠擴展到更多領域的計算,代表項目包括一些算力網路。
一些項目基於虛擬機安全的假設,將通用計算與智能合約融合。這類網路只對交易順序進行共識,並驗證計算結果。多個狀態變化計算在網路節點中並行處理,計算環境的虛擬機保證了確定性結果,因此只要交易順序一致,最終狀態也將一致。
這類網路由於不共享狀態內存,擴容成本很低,多個任務可以並行計算且互不影響。這些項目往往基於Actor編程模型,AO也屬於此類。在Actor模型下,每個計算單元被視爲獨立處理事務的智能體,計算單元之間通過通信交互。AO標準化了Actor的消息傳遞,實現了一個去中心化的計算網路。
與傳統被動觸發的智能合約不同,AO可以通過固定時間循環觸發的"cron"方式,實現智能合約的主動運行,例如持續監控套利空間的交易程序。
AO網路的快速擴容能力、Arweave的超大數據存儲能力、Actor的編程模型,以及主動觸發交易的能力,使其非常適合托管AI Agent。AO還支持將AI大模型引入區塊鏈的智能合約中運行。
AO網路特性
AO不對計算過程進行共識,而是對交易順序進行共識,並默認虛擬機的運行結果是確定性的,從而實現最終狀態的一致性。
AO採用模塊化設計,網路中存在三種基本單元:調度單元(SU)、計算單元(CU)和信使單元(MU)。交易發出後,MU接受並驗證籤名,然後轉發給SU。SU作爲AO與AR鏈的連接點,對交易順序進行排序並上傳至AR鏈完成共識。目前的共識方式是POA(權限證明)。共識完成後,任務被分配給CU進行具體計算,結果通過MU返回給用戶。
CU集可視爲去中心化的算力網路。在完整的經濟學規劃下,CU節點需要質押資產,通過計算性能、價格等因素競爭,提供算力以賺取收益。如果出現計算錯誤,節點將被罰沒資產。
AO與其他網路的比較
AO作爲通用計算平台,與以太坊等智能合約平台有明顯區別。與Arweave同爲"世界硬盤"的一些存儲網路也推出了智能合約平台,但這些平台多爲狀態共識機架構,在體驗上不及傳統智能合約平台。
與一些去中心化計算網路不同,AO保留了智能合約能力,並在AR存儲上維護了全局狀態。
實際上,AO在架構上與某些異步計算區塊鏈網路最爲相似。這些網路創造了異步計算區塊鏈網路的早期範式,AO在很大程度上延續了這種設計,如僅對交易順序排序、相信虛擬機確定性計算、Actor模型異步處理等。
主要區別在於,某些網路基於容器維護狀態,而AO具備共享的狀態層(即AR),任何人都可以通過交易順序與狀態證明復原全網狀態。這增加了網路的去中心化能力,但也失去了某些特殊隱私業務的實現可能。
在經濟與設計層面,AO採用公平發射、無準入的方式運行,質押即可參與競爭挖礦。AO使用模塊化設計,MU、CU、SU分離,用戶也可自選虛擬機的實現方式,這降低了開發者的進入成本。
然而,AO可能存在一些系統缺點,如Actor異步模型下跨合約交易缺乏原子性,可能導致DeFi類應用發展困難。新的計算模式也對開發者提出了更高要求。AO架構下wasm虛擬機最高能管理4GB的限制,也導致部分復雜模型無法使用。
考慮到這些因素,AO選擇專注於AI Agent路線實爲揚長避短之舉。在AI快速發展的背景下,AO仍然存在較大發展潛力。