可快速擴容的去中心化計算能力、超大數據存儲能力、Actor 編程模型和主動觸發交易的能力,使 AO 網路非常適合托管 AI Agent。AO 還支持將 AI 大模型引入區塊鏈智能合約中運行。
AO 網路特性
AO 不對計算過程進行共識,而是對交易順序共識,並默認虛擬機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,轉發給 SU。SU 是 AO 與某存儲鏈的連接點,幫助網路對交易順序排序並上傳至存儲鏈完成共識。目前採用 POA(權限證明)共識機制。交易順序共識完成後,任務分配給 CU 處理具體計算,結果返回 MU 轉發給用戶。
CU 集可視爲去中心化算力網路。在完整的經濟學規劃下,CU 節點需質押資產,通過計算性能、價格等因素競爭,提供算力賺取收益。計算錯誤會導致資產被罰沒,這是標準的經濟學保障機制。
AO網路:基於Actor模型的去中心化世界計算機
去中心化網路的世界計算機夢想
去中心化網路一直追求着世界計算機的夢想:無需信任地執行任意代碼,並能夠與全世界共享。在以太坊之後,許多基礎設施項目都做出了嘗試,而即將推出的 AO 網路也是其中之一。
對於"世界計算機"而言,可以大致分爲數據的計算、訪問和存儲三個部分。某存儲網路一直在扮演"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 的通用計算網路
目前主流的去中心化計算平台分爲兩類:智能合約平台和通用計算平台。智能合約平台以某知名公鏈爲代表,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,從而降低成本,允許網路擴展到更多計算領域。
一些項目基於虛擬機安全假設,將通用計算與智能合約融合。共識只處理交易順序並驗證計算結果,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。Actor 模型下,每個計算單元被視爲獨立處理事務的智能體,單元間通過通訊交互。AO 標準化了 Actor 的消息傳遞,實現了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。
可快速擴容的去中心化計算能力、超大數據存儲能力、Actor 編程模型和主動觸發交易的能力,使 AO 網路非常適合托管 AI Agent。AO 還支持將 AI 大模型引入區塊鏈智能合約中運行。
AO 網路特性
AO 不對計算過程進行共識,而是對交易順序共識,並默認虛擬機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,轉發給 SU。SU 是 AO 與某存儲鏈的連接點,幫助網路對交易順序排序並上傳至存儲鏈完成共識。目前採用 POA(權限證明)共識機制。交易順序共識完成後,任務分配給 CU 處理具體計算,結果返回 MU 轉發給用戶。
CU 集可視爲去中心化算力網路。在完整的經濟學規劃下,CU 節點需質押資產,通過計算性能、價格等因素競爭,提供算力賺取收益。計算錯誤會導致資產被罰沒,這是標準的經濟學保障機制。
AO 與其他網路的區別
作爲通用計算平台,AO 與智能合約平台的區別顯而易見。某存儲網路推出的智能合約平台採用類似傳統智能合約平台的狀態共識架構,體驗上不及傳統平台。
與其他去中心化計算網路不同,AO 保留了智能合約能力,並在存儲層維護全局狀態。
實際上,AO 在架構上與某知名計算網路最爲相似。後者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一設計,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。
最大的不同在於,某知名計算網路基於容器維護狀態,而 AO 具備共享的狀態層。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,某知名計算網路爲保證網路性能,對參與節點有較高硬件要求,造成較高門檻。AO 則採用公平發射、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,降低了開發者進入成本。
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。新計算模式也對開發者提出更高要求。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。
AO 選擇 AI Agent 路線可視爲揚長避短。有趣的是,某知名計算網路也在 2024 年初宣布專注於 AI 領域。
當前,AO 背後的存儲網路總市值爲 22 億美元,與某知名計算網路 50 億美元的總市值相比仍有差距。在 AI 大發展背景下,AO 可能仍存在較大潛力。