╰┈➤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，JT 在蜂兄教会了某大语言模型诗词格律以后。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。

0G 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 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 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"。

第四，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 fetchAI。

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 FetchAI 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。 Openledger、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+FetchAI。

第二，0G 从整体到局部都是模块化结构，可以灵活的进行更新和替换，可以更好的匹配 AI 产业的需求。同时，模块还可以单独使用，衔接 0G 以外的 AI 生态与非 AI 生态。

第三，0G Chain 高度兼容 EVM，同时具有企业级区块链的高效率，可以更好的响应 AI 产品的要求。

第四，0G Storage 与 0G DA，填补了 AI Layer1 在去中心化存储方面的空白，实现了全面去中心化的 AI Layer1。0G 去中心化存储技术设计，更适合服务于 AI，在基础设施技术层面超越了 bittensor。

第五，智能 NFT 与 AI 训练框架的创新，使 0G 可以更好的服务于 AI 应用与模型。

第六，0G 生态的管理与激励正在推进 0G 的 AI 生态。合作与产品建设情况、测试网与节点销售等数据显示，0G 的 AI 生态正在努力追赶中……