Nebula AI streeft naar het bouwen van een gedecentraliseerde basis kunstmatige intelligentie computerketen (Zhiyun -keten), waardoor het energieverbruik van traditioneel bewijs van werk wordt verminderd door GPU -mijnbouwmachines om te zetten in kunstmatige intelligentie computingsdiensten. NBAI -tokens worden gebruikt om rekenkracht te kopen, zoals: ontwikkelaarstesten; het gebruik van DAI -toepassingen; Aankoop van DAI -trainingsdiensten, enz.

Projectdoelstellingen

Om de huidige situatie van gecentraliseerde cloud computing te verbeteren, gebruiken we de gedecentraliseerde kenmerken van blockchain -technologie om de rekenkracht wereldwijd toe te wijzen en toe te wijzen. Blockchain -coderingstechnologie vermijdt effectief het bestaan ​​van interne lekken, terwijl het onderhoud van gedistribueerde AI -computer -eenheden wordt overgedragen aan de eigenaren van grote en kleine kunstmatige intelligentie computing -eenheden, waardoor de onderhoudswerklast aanzienlijk wordt verminderd. Dit algemene doel kan worden opgesplitst in de volgende sub-targets: 1. Gedeeld AI Computing Platform
Het gedeelde AI Computing Device -platform zal de onevenwichtige vraagsituatie tussen eigenaren en gebruikers van AI -apparaten aanpakken. De eigenaar van een AI -computerapparaat kan zijn rekenpotentieel niet 100%bereiken, wat resulteert in sommige van de computerbronnen inactief. Tegelijkertijd kan een groot aantal gebruikers die de rekenkracht van kunstmatige intelligentie nodig hebben, geen kosteneffectieve AI-computerbronnen verkrijgen. Point-to-point betaling en blockchain-boekhoudtechnologie voltooid via blockchain-technologie kan de gedeeld AI-rekenkracht mogelijk maken om de betaling en delen op de meest handige manier te voltooien.
2. AI Fysieke computereenheid
Een groot aantal GPU -computermijnwerkers kan worden omgezet in AI -computer -eenheden, waardoor het wordt omgezet van eenvoudig hash computing naar meer betekenisvolle AI -taak computing. Vanwege de bijzonderheid van AI Computing is het noodzakelijk om een ​​aangewezen systeem vooraf te installeren en de client, inclusief het boekhoudsysteem, regelmatig bij te werken om de hardwareprestaties beter te gebruiken en AI -computermogelijkheden te delen.
3. Gedecentraliseerde AI -toepassing
Wanneer gedecentraliseerde AI -toepassingen zijn aangesloten op het systeem, is de overeenkomstige verbinding vereist voor DAI -app -programmeurs om een ​​handige manier te ontwikkelen en in te roepen om de krachtige rekenkracht in het platform te gebruiken. Het omvat voornamelijk betalings -API, Computing Power Appation API, Workload -schattings API, enz., Daarmee versnelt het versnellen van de ontwikkeling van AI -toepassingen.
4. Geïntegreerde IPF's gedistribueerde opslag
Gedecentraliseerde applicaties moeten bestandsopslagsystemen gebruiken om gegevens op te slaan. Een optie is om traditionele gecentraliseerde cloudopslag of lokale bestandsopslag te vervangen, waardoor beter gedistribueerde opslag wordt bereikt.
IPFS Interplanetary File System (IPFS) is een netwerktransmissieprotocol dat is ontworpen om persistente en gedistribueerde opslag- en gedeelde bestanden te maken. Het is een content -adresseerbaar peer hypermedia distributieprotocol. Knooppunten in een IPFS -netwerk vormen een gedistribueerd bestandssysteem. De meeste toekomstige IPF's zullen cross-chain-technologie gebruiken om te bellen. Zie voor cross-chain-technologie, zie cross-chain service-oproepen.
5. AI Engineer Training Center
Nebula AI zal een systeemgebaseerd kunstmatige intelligentietrainingcentrum bouwen om basiskennis te bieden op het gebied van kunstmatige intelligentiepraktijk. Ingenieurs zullen geleidelijk kunstmatige intelligentiemodellen bouwen en trainen in productontwerp door systematisch leren en projectpraktijk. We zijn toegewijd aan het verspreiden van de nieuwste toepassingen en kennis van de kunstmatige intelligentie -industrie en het cultiveren en leveren van uitstekende kunstmatige intelligentietalenten. We hebben de missie om het tekort aan talent te vullen en volledig te spelen aan de kracht van kunstmatige intelligentie in het bedrijfsleven.

Gebruikerswaarde

De tokens van het systeem worden gebruikt om rekenkracht te kopen. Wanneer de trainingsgegevens klein zijn, worden de tokens relatief minder geconsumeerd, en wanneer de trainingsgegevens groot zijn, nemen de consumenten overeenkomstig verbruikt toe. De betaalde kosten zijn gerelateerd aan de trainingskosten en de waarde van het huidige token. Bereken het rekenvermogen dat in één minuut wordt gegenereerd voor elke 1080Ti grafische kaart, die 7514 Gflop/s × 60 is.

Gebruikersgebruikscenario's

1. Kwantitatieve handel
Kwantitatieve handel heeft al sinds vroegtijdig machines gebruikt om te helpen bij het werk. Analisten ontwerpen enkele indicatoren via verschillende kwantitatieve modellen, observeren gegevensverdeling en gebruiken de machine als operator. Tot de opkomst van machine learning in de afgelopen jaren, kunnen gegevens snel worden geanalyseerd, gemonteerd en voorspeld in grote hoeveelheden, waardoor de toekomstige trend van financiële producten nauwkeuriger wordt voorspeld. De berekening van deze modellen vereist echter veel kunstmatige intelligentie -rekenkracht. Als de traditionele aanpak wordt toegepast, moet elke handelsafdeling op zichzelf een datacenter bouwen. Gedeelde rekenkracht kan dure onderhoudskosten besparen. Maak financiële handelsbedrijven meer gericht op voorspellingen zelf.
2. Kunstmatige intelligentie leerlingprogramma
Hogescholen en universiteiten bieden momenteel geleidelijk kunstmatige intelligentiecursussen aan, en deze trend zal het volgende jaar populairder worden. Wanneer studenten studeren, zullen ze in het algemeen ervoor kiezen om kleine taken lokaal uit te voeren en tijdrovende taken in de schoolcomputerkamer. Deze gefragmenteerde taken kunnen echter worden opgelost met Blockchain Computing Power Cloud. Goedkope AI Computing Services zijn ideaal voor studenten om verschillende computeroefeningen te voltooien en snel hun eigen modellen aan te passen.
3. Biomedische kunstmatige intelligentie
Vroege screening van tumoren is van groot belang, maar vanwege de kleine gebieden van vroege laesies voor kanker zijn traditionele methoden moeilijk om goedaardig en kwaadaardig te beoordelen, wat moeilijkheden veroorzaakt bij de klinische diagnose. Artsen moeten vaak testen uitvoeren via biopsie, wat niet alleen de medische kosten verhoogt, maar ook veel pijn voor patiënten brengt. De toepassing van kunstmatige intelligentie op medische beeldherkenning en multidisciplinaire samenwerkingsdiagnose kan deze moeilijkheid effectief doorbreken, de diagnostische mogelijkheden van artsen verbeteren, helpen bij het nemen van snelle beslissingen en het bevorderen van de transformatie van medische diensten naar individualisering en precisie.

*De bovenstaande inhoud is samengesteld door de officiële verslag van niet-kleine accounts. Indien herdrukt, geef dan de bron aan.