解读FLock：去中心化AI Infra的最后一块拼图？

BlockFocus ｜2024-12-30 16:26

传统模式主要依赖公开数据进行大模型训练，但在细分领域的理解和适应性上存在局限。为了解决这一问题，FLock 推出了去中心化的 AI 模型训练和验证网络，带来了全新的解决方案。

项目概况

FLock是一个去中心化的AI模型训练和验证网络，旨在打破科技巨头对AI模型的垄断。通过提供模块化的算力、数据和训练方式，实现了AI模型的去中心化开发。通过激励社区提供训练数据和模型反馈，使模型的创建和调整更加民主化。协议和开发者可以使用FLock 的平台来训练特定于自身用例的模型，如AI伴侣、函数调用模型、传感器分析等。

FLock 的核心理念是激活私域数据的潜力，推动人工智能迈向新的突破点。它创新了 AI 的数据调用和模型训练方式，将传统依赖公开数据的训练模式扩展到私有数据领域。

技术及产品层面，专注于去中心化训练，采用联邦学习技术，确保训练数据在模型学习的同时保持去中心化存储，不泄露数据隐私。同时，它将训练需求引导至去中心化算力平台，如Akash和IO.net，进一步实现了模型训练的去中心化。

同时，FLock 团队在人工智能领域深耕多年，拥有牛津大学和 BCG 等顶尖学术背景和丰富的行业经验。团队曾为多个知名开源 AI 项目贡献核心技术，并在皇家学会（Royal Society, NeurIPS 等顶级科学期刊上发表多篇论文，技术实力稳扎稳打。

本月，FLock项目也在融资方面迎来了重大喜讯，获得了众多知名投资机构的青睐与支持。据官方最新消息，FLock已成功完成了一轮战略融资，由灰度母公司数字货币集团（DCG）领投，Lightspeed Faction、Animoca Brands、Fenbushi Capital、GnosisVC、GSR Ventures、OKCoinJapan、Bas1s Ventures和A41等一众战略合作伙伴跟投，共同助力FLock的蓬勃发展。共计筹集到1100万美元资金，将专项用于推出FLock的升级版测试网和联邦学习客户端，为FLock的未来发展奠定坚实基础。

FLock始终秉持着民主化创建、治理和拥有AI代理的崇高使命，致力于将权力从全球大型公司的垄断中夺回，让决策权和奖励更多地回归社区，实现真正的共享与共治。而DCG，作为上一轮牛市中最活跃、最具眼光的投资机构之一，其在AI领域的投资布局既广泛又深入，包括TAO、WLD等一众AI龙头项目。

这次投资无疑是 DCG 在 AI 赛道上的又一重要布局。新资金将为 FLock 在 AI 基础设施领域的创新和发展提供动力，助力其迈向新的阶段，共同探索 deAI 未来的新可能

解读FLock：去中心化AI Infra的最后一块拼图？

FLock架构与产品创新

作为唯一获得以太坊基金会资助的AI基础设施项目，FLock允许AI模型在数据本地存留的情况下进行训练。截至目前，FLock 训练平台已汇集了1500位经过验证的活跃Github AI工程师，共同推动去中心化AI的进步。

FLock的产品套件覆盖了去中心化AI开发的完整生命周期，包括AI Arena、FL Alliance和AI Marketplace。AI Arena是一个用于基础模型训练的竞技平台，开发者可以使用去中心化算力优化模型；FL Alliance是一个隐私保护的协作平台，数据贡献者和开发者可在保障数据隐私的前提下联合优化基础模型；AI Marketplace则是一个模型托管与交易平台，用户通过数据、计算资源和算法贡献获得收益。解读FLock：去中心化AI Infra的最后一块拼图？

而FLock Edge Compute是FLock项目的重要组成部分，它强调高质量私有数据的利用、更低的训练数据延迟以及分布式算力的利用。通过这种创新技术，AI工程师能够实时从用户的边缘设备请求加密数据，用于创建更精确、更丰富的模型。同时，普通用户在贡献数据的过程中，不仅能够保护隐私，还能通过参与模型优化获得回报。

FLock Edge Compute：激活私域数据的潜力

FLock坚信，私域数据中，蕴藏着人工智能发展的巨大潜力。为了充分释放这一潜力，FLock对AI的数据调用与模型训练方式进行了颠覆性的创新，将训练触角延伸到了私域数据领域。

通过融合边缘计算和联邦学习技术，FLock开辟了一条全新的模型训练和数据处理路径，将训练任务直接部署到用户的边缘设备上，如手机、平板电脑和笔记本电脑等，同时在分布式算力的加持下，模型能够从各个边缘设备获取加密的模型参数，并进行整合，从而避免了原始数据的直接泄露。

相较于传统的中心化模型训练方式，边缘计算能够充分利用高质量的私域数据，提升模型的准确性与丰富性，显著降低训练数据的延迟，让模型更加贴近实时、更加满足用户的需求。同时，分布式算力的灵活运用也使得模型训练变得更加高效与灵活，为AI工程师提供了无限的创造空间与可能。

假设有一家零售企业希望提升其个性化推荐系统的准确性。在过去，企业或许需要将用户的购物数据上传至中心服务器进行模型训练，而通过FLock的边缘计算和联邦学习技术，企业可以直接在用户的手机上进行模型训练，将手机作为边缘设备，加密处理用户的购物数据，并将加密后的模型参数上传到服务器，在保护用户隐私的同时，提升模型训练的效率与准确性。

JIT：革新数据调用的新方式

FLock还革新了AI的数据调用过程，从提前调用（AOT）转变为点对点即时调用（JIT）。JIT编译是在程序运行时进行代码编译的方式，具有动态性、效率和优化能力强的特点。通过区块链原生的JIT数据调用，AI工程师可以实时访问原始领域数据以改进训练，而普通用户则可以通过贡献数据获得奖励，同时仍然保有所有权。

应用场景

FLock 在模型训练方面依托其独特的技术优势，不仅支持数据在本地存留的情况下进行高效训练，还成功应用于多个前沿领域。

在医疗健康领域，FLock 与 University College London Hospital 合作，部署了血糖预测算法，为糖尿病患者提供更精准的健康管理方案。同时，与 Moorfields Eye Hospital 合作优化眼科检测算法，利用去中心化算力提升了眼科疾病的早期诊断率。此外，Request Finance 的链上信用评分系统以及 Morpheus 和 Ritual 的交易机器人等应用，也通过 FLock 平台实现了模型的快速迭代和性能优化。

为简化模型训练流程，FLock 提供了一键部署模板，方便开发者在 Akash 等分布式计算平台上轻松训练和验证模型。这一创新不仅降低了训练门槛，也吸引了大量 Akash 社区成员参与 FLock 挖矿，共同贡献计算资源。

除了医疗健康领域，FLock 的技术还广泛应用于其他场景。例如，IO.net 利用 PoAI 实现节点共识，并基于此训练动漫图像生成模型，为用户带来更生动、逼真的视觉效果。同时，FLock 还为 Aptos 训练了专门面向开发者的 Move 语言编程助手，进一步推动了区块链技术的普及和应用。此外，Animoca Brands 及其产品也通过 FLock 训练内部专用模型，覆盖尽职调查、投资分析、做市和运营支持等多个领域，充分发挥隐私保护 AI 的优势，助力业务创新和效率提升。

生态构建

FLock 致力于打造一个开放、包容的 AI 生态，吸引各类用户共同参与。通过去中心化的训练平台和激励机制，FLock 鼓励开发者、数据贡献者和普通用户积极参与 AI 模型的训练和优化。

开发者方面，FLock 提供便捷高效的平台和工具，支持模型开发和训练。开发者可以利用 FLock 的边缘算力和联邦学习技术进行训练和优化，同时还能获得丰富的训练数据和模型反馈资源。此外，FLock 还提供社区资源和支持服务，帮助开发者解决开发过程中的问题和挑战。

对于 Holder，他们可以通过持有 FLock 代币或参与社区治理支持项目发展，并获得相应回报。FLock 的代币经济模型经过精心设计，既能激励参与者，也能保障系统安全和去中心化治理。Holder 可以通过投票和治理参与项目决策，同时享受代币分红等收益。

普通用户也可以通过 FLock AI Arena 参与并获得收益。他们可以选择成为 Delegator，将自己的 FML 委托给表现优异的 Training Node 和 Validator。这样不仅能帮助优秀模型更快脱颖而出，还能享受与托管节点接近的收益率。如果眼光精准选中潜力节点，收益也将十分可观，而且无需亲自训练模型或承担硬件成本。