項目概況
FLock是一個去中心化的AI模型訓練和驗證網絡，旨在打破科技巨頭對AI模型的壟斷。透過提供模組化的算力、資料和訓練方式，實現了AI模型的去中心化開發。透過激勵社群提供訓練資料和模型回饋，使模型的創建和調整更加民主化。協定和開發者可以使用FLock 的平台來訓練特定於自身用例的模型，如AI伴侶、函數呼叫模型、感測器分析等。
FLock 的核心理念是啟動私域資料的潛力，推動人工智慧邁向新的突破點。它創新了AI 的資料呼叫和模型訓練方式，將傳統依賴公開資料的訓練模式擴展到私有資料領域。
技術及產品層面，專注於去中心化訓練，採用聯邦學習技術，確保訓練資料在模型學習的同時保持去中心化存儲，不洩露資料隱私。同時，它將訓練需求引導至去中心化算力平台，如Akash和IO.net，進一步實現了模型訓練的去中心化。
同時，FLock 團隊在人工智慧領域深耕多年，擁有牛津大學和BCG 等頂尖學術背景和豐富的產業經驗。團隊曾為多個知名開源AI 專案貢獻核心技術，並在皇家學會（Royal Society, NeurIPS 等頂級科學期刊上發表多篇論文，技術實力穩紮穩打。
本月，FLock計畫也在融資方面迎來了重大喜訊，並獲得了許多知名投資機構的青睞與支持。根據官方最新消息，FLock已成功完成了一輪策略融資，由灰階母公司數位貨幣集團（DCG）領投，Lightspeed Faction、Animoca Brands、Fenbushi Capital、GnosisVC、GSR Ventures、OKCoinJapan、Bas1s Ventures和A41等一眾策略夥伴跟投，共同協助FLock的蓬勃發展。共籌集1,100萬美元資金，將專款用於推出FLock的升級版測試網和聯邦學習客戶端，為FLock的未來發展奠定堅實基礎。
FLock始終秉持著民主化創造、治理和擁有AI代理的崇高使命，致力於將權力從全球大型公司的壟斷中奪回，讓決策權和獎勵更多地回歸社區，實現真正的共享與共治。而DCG，作為上一輪牛市中最活躍、最具眼光的投資機構之一，其在AI領域的投資佈局既廣泛又深入，包括TAO、WLD等一眾AI龍頭項目。
這次投資無疑是DCG 在AI 賽道上的另一個重要佈局。新資金將為FLock 在AI 基礎設施領域的創新和發展提供動力，協助其邁向新的階段，共同探索deAI 未來的新可能
FLock架構與產品創新
作為唯一獲得以太坊基金會資助的AI基礎設施項目，FLock允許AI模型在資料本地存留的情況下進行訓練。截至目前，FLock 訓練平台已匯集了1,500位經過驗證的活躍Github AI工程師，共同推動去中心化AI的進步。
FLock的產品套件涵蓋了去中心化AI開發的完整生命週期，包括AI Arena、FL Alliance和AI Marketplace。 AI Arena是一個用於基礎模型訓練的競技平台，開發者可以使用去中心化算力優化模型；FL Alliance是一個隱私保護的協作平台，資料貢獻者和開發者可在保障資料隱私的前提下聯合優化基礎模型；AI Marketplace則是一個模型託管與交易平台，用戶透過數據、運算資源和演算法貢獻獲得收益。 
而FLock Edge Compute是FLock專案的重要組成部分，它強調高品質私有資料的利用、更低的訓練資料延遲以及分散式算力的利用。透過這種創新技術，AI工程師能夠即時從用戶的邊緣設備請求加密數據，用於創建更精確、更豐富的模型。同時，一般用戶在貢獻資料的過程中，不僅能保護隱私，還能透過參與模型最佳化獲得回報。
FLock Edge Compute：啟動私域資料的潛力
FLock堅信，私域資料中，蘊藏著人工智慧發展的巨大潛力。為了充分釋放這一潛力，FLock對AI的資料呼叫與模型訓練方式進行了顛覆性的創新，將訓練觸角延伸到了私域資料領域。
透過融合邊緣運算和聯邦學習技術，FLock開闢了一條全新的模型訓練和資料處理路徑，將訓練任務直接部署到使用者的邊緣裝置上，如手機、平板電腦和筆記型電腦等，同時在分散式算力的加持下，模型能夠從各個邊緣設備獲取加密的模型參數，並進行整合，從而避免了原始資料的直接洩漏。
相較於傳統的中心化模型訓練方式，邊緣運算能夠充分利用高品質的私域數據，提升模型的準確度與豐富性，顯著降低訓練數據的延遲，讓模型更貼近即時、更滿足用戶的需求。同時，分散式算力的靈活運用也使得模型訓練變得更有效率與靈活，為AI工程師提供了無限的創造空間與可能。
假設有一家零售企業希望提升其個人化推薦系統的準確性。在過去，企業或許需要將用戶的購物資料上傳至中心伺服器進行模型訓練，而透過FLock的邊緣運算和聯邦學習技術，企業可以直接在用戶的手機上進行模型訓練，將手機作為邊緣設備，加密處理使用者的購物數據，並將加密後的模型參數上傳到伺服器，在保護使用者隱私的同時，提升模型訓練的效率與準確性。
JIT：革新資料呼叫的新方式
FLock也革新了AI的資料呼叫過程，從提前呼叫（AOT）轉變為點對點即時呼叫（JIT）。 JIT編譯是在程式執行時進行程式碼編譯的方式，具有動態性、效率和最佳化能力強的特性。透過區塊鏈原生的JIT資料調用，AI工程師可以即時存取原始領域資料以改善訓練，而一般用戶則可以透過貢獻資料獲得獎勵，同時仍保有所有權。
應用場景
FLock 在模型訓練方面依賴其獨特的技術優勢，不僅支援資料在本地存留的情況下進行高效訓練，還成功應用於多個前沿領域。
在醫療健康領域，FLock 與University College London Hospital 合作，部署了血糖預測演算法，為糖尿病患者提供更精準的健康管理方案。同時，與Moorfields Eye Hospital 合作優化眼科檢測演算法，利用去中心化算力提升了眼科疾病的早期診斷率。此外，Request Finance 的鏈上信用評分系統以及Morpheus 和Ritual 的交易機器人等應用，也透過FLock 平台實現了模型的快速迭代和效能最佳化。
為簡化模型訓練流程，FLock 提供了一鍵部署模板，方便開發者在Akash 等分散式運算平台上輕鬆訓練和驗證模型。這項創新不僅降低了訓練門檻，也吸引了大量Akash 社群成員參與FLock 挖礦，共同貢獻運算資源。
除了醫療健康領域，FLock 的技術也廣泛應用於其他場景。例如，IO.net 利用PoAI 實現節點共識，並基於此訓練動漫圖像生成模型，為使用者帶來更生動、逼真的視覺效果。同時，FLock 也為Aptos 訓練了專門針對開發者的Move 語言程式設計助手，進一步推動了區塊鏈技術的普及和應用。此外，Animoca Brands 及其產品也透過FLock 訓練內部專用模型，涵蓋盡職調查、投資分析、做市和營運支援等多個領域，充分發揮隱私保護AI 的優勢，助力業務創新和效率提升。
生態構建
FLock 致力於打造一個開放、包容的AI 生態，吸引各類使用者共同參與。透過去中心化的訓練平台和激勵機制，FLock 鼓勵開發者、資料貢獻者和一般使用者積極參與AI 模型的訓練和最佳化。
開發者方面，FLock 提供便利高效的平台和工具，支援模型開發和訓練。開發者可以利用FLock 的邊緣算力和聯邦學習技術進行訓練和最佳化，同時也能獲得豐富的訓練資料和模型回饋資源。此外，FLock 還提供社區資源和支援服務，幫助開發者解決開發過程中的問題和挑戰。
對於Holder，他們可以透過持有FLock 代幣或參與社區治理支持計畫發展，並獲得相應回報。 FLock 的代幣經濟模型經過精心設計，既能激勵參與者，也能保障系統安全和去中心化治理。 Holder 可以透過投票和治理參與專案決策，同時享受代幣分紅等收益。
一般用戶也可以透過FLock AI Arena 參與並獲得收益。他們可以選擇成為Delegator，將自己的FML 委託給表現優異的Training Node 和Validator。這樣不僅能幫助優秀模型更快脫穎而出，還能享受與託管節點接近的收益率。如果眼光精準選中潛力節點，收益也將十分可觀，而且無需親自訓練模型或承擔硬體成本。
最新動態與未來展望
根據官方消息，Web3 AI計畫FLock.io宣布將於12月31日在Bybit推出代幣$FLock並上線為期一週的launchpool。 $FLock是FLock生態的原生代幣，也是整個AI訓練平台的核心，為其AI訓練平台AI Arena、協作節點網路FL Alliance以及AI Marketplace提供支援。
目前，FLock的代幣經濟學已經公佈，總供應量上限設定為10億枚$FLock。
根據代幣經濟模型顯示，有47%的Token將分配給社區，以激勵所有對FLock做出貢獻的用戶，包括參與AI Arena, FL Alliance, AI Marketplace以及未來各項Flock生態的貢獻者。為了表彰測試網階段的積極參與者，$FLock將在主網上線時進行空投，未來的激勵措施將在60個月內系統性地鑄造，並按月1%的比例遞減。
發展前景
FLock 持續優化社群建立和激勵機制，吸引更多用戶積極參與生態發展。隨著用戶規模的不斷增長和生態體系的逐步完善，FLock 預計將在去中心化AI 領域佔據一席之地，推動生態進一步繁榮。
憑藉獨特的優勢和前瞻性的生態佈局，FLock 已在AI 基礎設施賽道初露頭芒。它將邊緣運算和聯邦學習等前沿技術與去中心化理念相結合，為AI 模型訓練和處理提供了創新解決方案。同時，FLock 打造了多元化的應用場景和完善的激勵機制，勢必吸引大量用戶共同參與生態建設與發展。
未來，FLock 將繼續圍繞零售和消費用戶群體，專注研發更多實用且易於操作的產品。這些產品將充分考慮使用者需求和使用習慣，降低參與AI 模型訓練和資料貢獻的門檻，吸引更多使用者和開發者加入AI 生態的建設，推動AI 模型和技術的創新與應用。
