透明、公平、共创：Devolved AI 如何赋能 AI 技术新格局?

人工智能的未来会是什么样？在隐私、安全和扩展性挑战日益突出的背景下，传统的集中化 AI 模型是否还能满足发展的需求？Devolved AI 给出了它的答案。凭借突破性的 Athena2 模型，Devolved AI 将尖端自然语言处理、分布式推理和无缝区块链集成融为一体，展现了去中心化人工智能的巨大潜力。不仅如此，其真正的跨链兼容性更为智能生态的构建开辟了全新路径。Devolved AI 正以独特的方式引领着人工智能走向去中心化的未来，为行业带来颠覆性的价值和全新的可能性。

1 月 9 日晚 20:00，第 27 期 TinTinAMA 活动准时举办。直播邀请了 Devolved AI 创始人 Nathan Peterson，与想要了解 Devolved AI 的伙伴们共聚直播间一起畅聊 Devolved AI 的技术奥秘。本次线上活动共吸引了 2.1W 名观众的参与，不少观众还在直播间与嘉宾们近距离交流互动。

错过直播的小伙伴们可点击回放：

🕹️ Twitter Space：https://x.com/i/spaces/1BRJjwZWMeRxw

摆脱集中化 AI 的局限性 Devolved AI 项目定位与初衷

我决定启动 Devolved AI，希望构建一个由社区掌控、完全透明的 AI 平台。我们的愿景是让每个人都能参与到 AI 技术的发展中，让 AI 成为一项能够真正造福全人类的技术，而不是仅为某些机构或个人服务。

—— 创始人 Nathan Peterson

摆脱企业利益导向重新定义 AI 的发展逻辑

传统的集中化 AI 系统，如 OpenAI 等行业巨头，通常依赖专有数据、封闭算法和独占系统。这种模式以市场竞争为核心驱动力，旨在为股东创造最大利润。然而，这种集中化模式将权力牢牢掌控在少数公司手中，限制了技术的公平性和普惠性。相比之下，去中心化 AI 则完全颠覆了这种运行逻辑。正因如此，Nathan Peterson  决心推动 Devolved AI 的目标是将技术从这些集中控制的系统中解放出来，把 AI 的发展权交还给社区和个人。

当前，Devolved AI 已经成功部署了自主研发的大型语言模型（LLM），目前有两个主要版本——一个是拥有 8 亿参数的模型，另一个则是采用 One-Bit 技术 的 70 亿参数模型。这种创新技术使得 AI 的效率大幅提升，为未来的去中心化 AI 发展奠定了基础。

此外 Devolved AI 的技术进步离不开其强大的团队支持。Nathan Peterson 提到，他的团队由 20 名技术专家组成，涵盖全栈开发、机器学习和区块链开发等多个领域。从 AI 模型研发到去中心化技术的落地，Devolved AI 的团队都具备丰富的经验和专业知识，能够确保愿景的全面实现。

去中心化 AI：从资本服务到社区驱动的转变

去中心化 AI 为用户和开发者带来的最大优势在于真正实现了“人人有话语权”。在这种模式下，普通用户和开发者都可以通过贡献资源、参与讨论或提出改进建议，直接影响 AI 的发展方向。这种社区驱动的方式摒弃了传统由少数 CEO 或董事会主导决策的模式，更加民主和开放。

Nathan Peterson 强调去中心化 AI 系统真正让每个人都有机会参与技术的演进，无论他们的背景如何。这种模式极大地激发了人们的积极性和创新能力。

此外，去中心化 AI 还克服了集中化系统的固有缺陷，尤其是过度关注投资者利益而导致技术方向偏离用户需求的问题。Nathan Peterson 指出传统 AI 系统的重点往往是取悦投资者，而不是服务用户和社区。去中心化 AI 则完全不同，它以透明性和公信力为核心原则。

通过开放数据和技术，去中心化 AI 不仅减少了技术滥用的风险，还能满足更广泛的社会需求。这是一场从“服务资本”向“服务社区”的变革。Peterson 相信，去中心化的未来将为 Web3 生态注入新的活力，赋予用户和开发者更大的自主权，推动技术向更加开放、共享和公平的方向发展。

1-bit 技术：让 AI 模型效率提升 20 倍

在处理器优化方面，Devolved AI 聚焦于去中心化训练系统，同时在模型优化上实现了重要创新。Nathan Peterson 强调， Devolved AI 很高兴成为首个公开采用 1-bit 技术 的大型语言模型（LLM）项目。Peterson 介绍说，1-bit 技术显著提升了大语言模型的运行效率。例如，通过这一技术，一块 A100 GPU 可以高效运行 80 亿参数的模型，其效率是传统 16-bit 技术模型的 20 倍。这种技术的引入极大地减少了计算资源需求，使得运行复杂模型变得更加经济和高效。

目前，Devolved AI 已将基于 1-bit 技术的 Athena Titan 模型 应用于其网络平台。这一创新让复杂的 AI 模型变得更加可访问，为个人开发者和小型团队降低了技术门槛。Peterson 表示：“1-bit 技术不仅提升了性能，还让更多开发者能够轻松使用这些高效模型。” 尽管 1-bit 技术仍处于初期阶段，Peterson 对其未来充满信心。他相信，随着技术的成熟，越来越多的企业将采用这一方法，进一步提升 AI 模型的可用性，并为更广泛的应用场景服务。“我们的目标是推动这一技术的大规模应用，让高效 AI 成为每个人都能使用的工具。

 Devolved AI 的核心动力 Argochain 与 Athena AI

Substrate 和 EVM：Argochain 的双重保障

集中化 AI 最大的问题之一在于其系统的高度不透明性。为了实现真正的透明，区块链技术是最理想的解决方案之一。Nathan Peterson 介绍道，在 Argochain 中，Substrate 层 成为 Athena 平台透明性的核心保障。任何对模型的更新都会存储在 IPFS 中，并将其文件哈希记录在 Argochain 上，作为模型状态的不可篡改证明， 这种方法不仅确保了数据的完整性和可追溯性，还显著提升了 AI 系统的透明度。Nathan Peterson 进一步补充道，Substrate 层不仅用于追踪和记录模型更新，还支持 Devolved AI 的 AI 模型和训练系统逐步向公众开放。除了 Substrate 层，Argochain 的 EVM 层为开发者提供了强大的支持。Nathan Peterson 表示，EVM 层的设计使开发者能够灵活构建和部署去中心化应用，满足多样化需求。

为了进一步推动去中心化 AI 的发展，Devolved AI 也在积极扩展其区块链网络。Peterson 提到 Devolved AI 已经在 Base 上取得了初步成果。Base 链为 AI 代理提供了巨大的发展潜力，Devolved AI 计划进一步利用其优势，围绕 AI 代理和其他相关应用展开更多工作。

Athena AI：全球首个去中心化 AI 应用

作为全球首个去中心化、社区驱动的 AI 系统，Athena AI 正在逐步展示其技术优势与广泛的应用潜力。Nathan Peterson 透露，目前 Athena 仍处于测试阶段，团队正在进行最后的优化工作。同时，他们正致力于研发一套全新的去中心化训练系统，为大型语言模型（LLM）的发展开辟新路径。这一系统预计将在下个月完成，并计划于 2 月正式上线。

Athena 的核心技术之一是采用了 One-Bit 技术 的 LLM，这使得模型运行效率提高了 10 到 20 倍。Peterson 指出，这项技术不仅显著降低了成本，还让 Devolved AI 能够在相同资源下部署 10 到 20 倍数量的 AI 代理（AI agents）。基于这一高效性能，Athena 的应用重心正逐步转向 AI 代理的开发与部署。

Athena 的去中心化架构和高效性能使其特别适合复杂的多任务环境。Peterson 表示，Athena 很快将被集成到多个大型项目中，用于支持 AI 代理及其他应用场景。例如，它可以为分布式网络提供智能支持，或者作为独立智能体执行数据分析、自动化服务等任务。

Nathan Peterson 进一步分享了 Athena 在未来可能带来的重大突破，尤其是在以下领域：

1. 去中心化商业应用：Athena 的 AI 代理能够在去中心化商业场景中提供服务，例如去中心化金融（DeFi）中的数据预测和交易策略优化。

2. 智能自治系统：凭借其高效率和低成本，Athena 可以支持大规模自主系统的部署，例如物联网中的自治设备或分布式供应链管理。

3. 社区驱动的 AI 应用：Athena 的开放性和社区驱动属性使其能够快速适应不同的行业需求，例如教育领域的个性化学习助手或医疗领域的分布式诊断系统。

随着 Athena 的技术逐步成熟，Nathan Peterson 相信它将在多个领域展示其去中心化 AI 的独特优势，为 Web3 生态系统注入更多可能性。

 人人参与：让社区成为 AI 发展的主导力量

我们的目标是打造一个开放的生态系统，让每个人都能在 AI 技术的发展中找到归属感和成就感。

—— 创始人 Nathan Peterson

社区驱动是 Devolved AI 去中心化框架的核心特色。创始人 Nathan Peterson 强调，这一模式赋予社区成员真正的决策权，让每个人都有机会直接参与 AI 系统的进化与发展。

与传统集中化系统不同，Devolved AI 鼓励每个人贡献资源和想法。例如，社区成员可以提供 GPU 计算能力支持模型训练，或上传对 Athena 模型 有帮助的数据集。这种开放生态与依赖专有数据和封闭算法的传统企业形成了鲜明对比。Peterson 指出，传统模式通常由企业单方面决定模型的发展，而 Devolved AI 的模型进化由整个社区共同推动。

谈及生态取舍，Peterson 表示，Devolved AI 致力于为所有贡献者提供一个平等、公平的参与平台。无论是贡献计算资源、数据集，还是提出建设性意见，Devolved AI 都欢迎不同形式的参与，共同构建一个开放包容的去中心化 AI 生态系统。

 迎接 2025，Devolved AI 的未来战略蓝图

当前，AI 技术领域正迅速发展，各种新技术和产品层出不穷。为了在这场技术革新中占据有利地位，Devolved AI 的战略规划主要集中在以下三个关键方向：

竞争式训练

现有的去中心化训练体系面临着计算和通信效率的瓶颈，尤其是在多个子网间的网络通信方面。对此，Devolved AI 引入了一种全新的 竞争式训练模式，通过设立训练竞赛，激励社区成员参与模型改进。

在这一模式下，参与者通过提升模型性能获得 Devolved AI 的加密货币 AGC 作为奖励。每次竞赛结束后，系统会整合所有有效改进，并对 Athena 模型进行大规模更新。这种方法不仅提升了训练效率，还大大激发了社区的积极性。Nathan Peterson 表示，这一系统未来将向其他语言模型（LLMs）开放，让开发者能够在平台上优化模型。按效果付费的方式降低了开发门槛，为整个 AI 生态注入了更多活力。

优化 AI 代理的基础设施

随着 AI 代理需求的快速增长，Devolved AI 正将 Athena 和去中心化训练系统与这一领域深度结合。其目标是为开发者提供灵活的训练和微调工具，满足多样化需求。通过 Devolved AI 的平台，开发者可以发起针对特定任务的竞赛，例如优化 AI 代理的执行效率或解决具体问题。社区成员则可参与竞赛，贡献改进方案。这种模式不仅降低了开发成本，还显著加快了技术优化的速度，为 AI 代理的快速迭代提供了强有力的支持。

AI 代理应用的关键节点

Nathan Peterson 预测，2025 年将成为 AI 代理技术的爆发之年，大量商业场景将对高效且灵活的 AI 代理提出迫切需求。为此，Devolved AI 正通过整合 Athena 和去中心化训练系统，为开发者提供快速迭代和高性价比的支持。

同时，Devolved AI 通过社区驱动的模式推动整个生态的发展，其战略目标是将去中心化 AI 打造成行业标杆。通过满足多样化的技术需求，并赋予社区更多的参与权和掌控力，Devolved AI 正在引领 AI 技术迈向更加开放与共享的未来。

📢 Devolved AI 更多资讯：

• LLM-Athena2：https://athena.devolvedai.com/chat

• Web：https://www.devolvedai.com/

• X（Twitter）：https://x.com/devolvedai

• Discord：https://discord.com/invite/devolvedai

• TG：https://t.me/devolvedai