DeepCloud AI构建人工智能驱动的去中心化云计算平台

DeepCloud AI旨在提供一个人工智能驱动的去中心化云平台，用于运行去中心化物联网和Web 3.0 应用。
云计算行业已经非常成熟，拥有AWS、Google Cloud 和Azure 等大型服务，但它们的云计算基础设施所面向的是中心化应用程序，在大型的中心化数据中心运行关键资源。这些解决方案不适合构建去中心化点对点及物联网应用程序，因为这些应用程序需要在边缘设备附近运行的计算资源，用于处理边缘处不断增加的数据量，或者为p2p 物联网设备在彼此交互并自动执行常见任务时因执行微交易而产生的支付流提供经济实惠的解决方案。
涉及供应链、政府机构、金融机构等组织中复杂多方整合的解决方案也存在类似问题。目前的系统在很大程度上依赖高成本的中介和专有接口，这些接口的搭建和维护成本非常高，使得小规模服务和公司难以进入市场。
近年来Airbnb、Uber 等聚合平台纷纷涌现，并承诺通过共享经济让大众分享财富，但他们很快就会演变成为中心化的巨兽，利用聚合服务抽取高额收益及费用（通常为30% 或更高）。
作为比特币背后的基础技术，区块链已成为解决这些问题的全新颠覆性平台，开创了“价值互联网”对决“信息互联网”的新时代。它使互联网大众化，使消费者和企业在日益全球化的市场中运营时拥有公平的竞争环境。
DeepCloud AI将让云计算基础设施的竞争环境实现大众化，并为资源提供者和应用开发者开辟市场，使其能够以经济实惠的方式运行并部署去中心化应用。和Golem、SONM、iExec 一样，我们正在构建一个去中心化云平台，并且对依托区块链的云解决方案成为去中心化应用的未来充满信心。我们的核心特色是使用人工智能在网络资源提供者和应用开发者之间进行资源匹配。不仅如此，我们的核心团队在打造企业解决方案方面拥有广泛的行业知识和专业技能，能够为企业客户提供深刻的见解和专业知识。
DeepCloud AI商业模式
DeepCloud AI商业模式建立在二分的市场基础上，一方面，“网络资源提供者”为去中心化应用提供计算和存储资源，另一方面，“去中心化应用开发者（物联网、dApp）”消费资源来运行应用程序。

DeepCloud AI-价值主张
DeepCloud AI对两个主要客户群的核心价值主张
网络资源提供者：可以是拥有不同空间容量的计算、存储和相关资源的公司。
去中心化应用开发者（物联网、dApp）。包括：
·物联网开发者
公司需要靠近物联网设备的去中心化计算资源进行本地数据处理
开发者提供此类物联网应用程序服务
物联网应用需要支付流、微交易
·Web3.0 dApp 开发者
寻求可扩展的区块链
交易的确定性

DeepCloud AI-平台

DeepCloudAI依靠网络资源提供者和应用程序市场提供者在云端提供服务。DeepCloudAI的核心平台控制器管理着各类资源并具有人工智能匹配引擎，用于匹配网络资源提供者和应用开发者。
DeepCloud AI 的开发者社区为物联网和DApp 应用开发者提供开源工具。其中-些工具由DeepCloud AI自己提供，其他工具将由更广大的社区提供。

DeepCloud AI通过智能合约处理所有交易，同时对DeepCloud AI区块链上的交易提供完整的审计线索。
所有交易支付都使用DEEP 代币。DEEP 代币是符合ERC20 标准的实用代币。网络资源提供者和应用程序市场提供者通过在DeepCloud AI平台上提供资源获取DEEP 代币。区块矿工根据DeepCloud AI平台提供的验证任务生成新的DEEP 代币，这些任务用于验证新的区块交易。而去中心化应用开发者则使用DEEP 代币消费资源，从而在DeepCloud AI上运行自己的应用程序。
平台的运作方式
DeepCloud AI运用区块链和数据去中心化的核心概念，确保DeepCloud AI的网络在网络或人员的基础上运营。平台将实施桌面网格计算技术（利用节点）。数据通过网络上运行的节点加以管理和处理，节点持有者将获得DEEP 代币。
网络资源提供者
网络资源提供者为网络提供资源并获得DEEP 代币。网络资源提供者需要放置（锁定）一定数量的DEEP 代币来运行节点并向有需要的用户提供服务。这一策略鼓励网络贡献者之间展开竞争，同时，DeepCloud AI的愿景是在平台上提供企业级服务。网络资源提供者的服务质量越高，锁定规模和它们获得的DEEP 数量就越大。
网络用户（应用开发者）
网络用户（即应用开发者）是用DEEP 代币在DeepCloud AI平台上使用服务的人，他们是主要的目标受众。平台提供多种服务，如数据库使用情况、软件使用情况和处理能力使用情况等。最重要的是，在运用计算使用情况时，所有客户都将获得可定制的人工智能功能。
应用程序市场提供者
应用程序市场提供者为打造去中心化应用提供可重复使用的组件并获得DEEP 代币。应用程序市场提供者需要放置（锁定）一定数量的DEEP 代币来提供可重复使用的组件。开发者重复使用其组件的数量越多，其锁定规模和获得的DEEP 数量就越大。
人工智能控制器
每个节点（网络贡献者）在网络中都有一个状态。控制器将各个请求（网络用户）分配给节点。部分请求在网络上的运行可能会更加复杂；控制器会将这些请求分配到侧链或主节点上运行。另外，控制器还会调整任务调度以确保当前任务之间不存在依赖关系。控制器会保存结果，确保每个请求都在正确的集群上并根据实时请求的匹配情况运行。
技术视角
DeepCloud AI的主要理念是通过人工智能构建自组织的分布式网络。DeepCloud AI专注于在区块链基础上构建分布式云基础设施，而不是构建未使用的存储、人工智能计算平台或数据库即服务等特定服务。这些服务分别应用于Filecoin、DeepBrain Chain 和Bluzelle。
去中心化云基础设施的性能受多种挑战的影响。从节点同步算起，匹配算法、调度目标以及给予任何网络贡献者公平激励都在其列。此外，还有网络中的负载均衡和市场供应的成本效益。
DeepCloud AI面临的这些挑战分布在不同的架构级别。使用成员协议和服务证明构建网络，以满足用户dApp、服务和节点配置的要求。选择成员协议是因为该协议允许节点相互发现，快速传播信息，并在应用程序集群中的节点之间保持一致的视图。除了成员协议之外，人工智能控制器还基于以下几个方面（即分片、侧链，匹配算法、任务调度、负载平衡等）。
控制器的主要方面是分片和侧链。由于网络是依托人工智能的自组织网络，用户从每个节点所能获得的信息越多，网络就会更好。这些功能执行以下任务：
1.获取节点状态：网络中的每个节点都向控制器共享其状态。
2.分包分析：主要任务是得出来自不同分片（集群）的节点分包。
3.网络分析：主要目的是分析网络中运行的智能合约。网络用户在网络中执行了什么操作。换言之，当前有哪些应用程序在网络中运行。这将反映至主节点。
4.侧链分析：基于上述步骤，具体应用程序可以在侧链上运行，处理特定问题。使用控制器让侧链状态保持更新非常重要。
因此，我们将部分应用程序按类别分为可以在网络中各分片中运行的不同集群，如下所示：
共享计算能力
多媒体流式传输
存储
物联网应用
游戏
去中心化交易所
下图介绍了主节点（控制器）根据网络用户的应用程序来管理对多个分片的请求。分片A 覆盖计算能力应用程序，分片B 用于多媒体dApp 等。

该网络由三个主要节点（主节点、网络贡献者（工作者）节点和侧链）组成。主节点拥有控制器，计算能力强于一般节点。可以将其视作指挥中心。主节点概念首见于达世币的架构。网络资源提供者提供资源，这些资源作为工作节点添加到网络中。这些节点由控制器根据网络用户的请求进行管理和更新。最后，在网络出现瓶颈时，使用侧链来调度和处理问题。对于按需请求；通过计算几种参数来选择执行请求的最佳节点。网络（工作者）节点将根据dApp分类为不同集群。

1.主要技术特点
1.1网络参与者
网络用户（应用开发者）
网络用户（即应用开发者）通过按需服务在分布式网络中运行自己的去中心化应用。平台中的每个网络用户都可以通过用户控制面板为自己的应用程序定制用户服务（如数据复制、流式传输、加密或计算能力、哈希等）。另外，用户可以从应用程序市场的预定义应用程序中选择dApp。在这些规范的基础上，使用特定的Gossip 协议为此应用程序提供服务。
网络资源提供者
另一方面，网络资源提供者（贡献者）是指为网络提供资源并获得DEEP 代币的人。网络贡献者可以根据网络贡献者控制面板中的节点配置共享存储和特定计算能力。通过网络资源提供者控制面板，贡献者可以根据自己所共享的资源来配置网络中的节点。
主节点
主节点相当于网络的大脑。主节点可以看到网络中的所有资源。使用DeepCloud AI的人工智能匹配引擎，控制器可以根据实时分析动态来配置和分配资源。网络中的任何共识都是通过主节点得出的（即测量网络状态、网络流量平衡等）。如果有任何网络集群需要额外资源，则会通过主节点之间的共识来处理资源分配。
1.2公平激励
在任何分布式系统中，从独立运行的网络资源提供者处获取带宽都具有挑战性。为所有提供资源和共享带宽的节点提供动态按需激励已是当务之急。我们采用让节点充分知情的成比例公平方案来达成此目标。
1.3故障检测
网络资源提供者通过控制面板向平台发送请求，提供自己的节点贡献详情，以此加入网络。随后，平台根据网络配置和负载将其分配至正确的集群。主节点协调集群内全部节点的网络ping，并维持心跳信号以检测故障。当节点无法访问时，将从集群中删除该节点，运行在该节点上的所有应用程序工作都会自动部署到该集群中的其他工作节点上。
1.4分片和侧链
分片是数据库中的一种常用手段，用于将超大型数据库分割为更小、更快、更易于管理的部分，这些部分称为数据分片。在DeepCloud AI中，分片是影响网络性能的重要因素。它主要用于划分网络中的复杂查询，使其在分布式网络中变得更小、更快。区块链/加密货币空间出现了一种全球性趋势，即构建与主链相连的侧链。每个项目的侧链属性各不相同。我们使用人工智能在网络实时监控和历史数据的基础上配置并调整侧链的角色。每个分片的主节点都与侧链相连。根据主节点定义网络中侧链的角色，用于处理任何瓶颈或其他问题。
1.5数据复制和完整性
DeepCloud AI正在构建用于数据存储的API，以便应用开发者能够更轻松地备份数据并与其他去中心化存储服务进行整合。另外，我们还简化了中心化和分布式存储系统之间的数据迁移。
1.6负载平衡
去中心化云的核心是基于人工智能的。网络中发生的每笔交易都有实时数据记录。如前所述，根据网络状态动态配置分片和资源分配。此外，调整运行服务队列优先级，平衡网络流量。
此外，节点按集群分类，如果任何集群中存在问题，主节点会管理网络流量。通常有两种情况：第一种情况，主节点使用侧链节点来处理负载不平衡问题。第二种情况，主节点依赖于网络贡献者。当网络贡献者在网络中共享资源时，网络贡献者可以为特定目的指定节点。或者，可以将节点设置为动态节点，从而获得更多回报。这可以保证根据网络需求实时配置网络中的节点。
1.7 人工智能控制器和匹配算法
所有分布式系统都必须具备匹配算法。此外，去中心化应用需要许多靠近来源的资源。DeepCloud AI的人工智能匹配算法基于包括来自网络用户的请求信息、使用位置以及主节点中网络贡献者的状态等多种参数。此外，每个主节点会将网络贡献者按服务类别分入不同的集群。每个请求都将根据服务、网络状态以及主节点之间的共识进行处理。
我们遵循预测和反应策略。反应式方法会测定当前系统的状态（即当前交易）。预测方法旨在根据历史数据集来预测系统未来的行为。我们运用统计学和人工智能模型作为预测策略。这些算法大多采用ARIMA 等回归、SVM 和统计时间序列技术。我们定义为将要提供的给定任务预测资源使用情况时的问题。模型整合了数种要素（即评分、任务依赖性、任务成本）。然后与适合使用贝叶斯分类等方式进行分类的模型进行比较。
人工智能控制器分析网络中的每笔交易及其对网络的影响（例如延迟、任务丢弃）。人工智能控制器根据这些深入见解为不同的使用场景构建策略。我们使用RNN、CNN 之类的深度学习算法，同时使用持续学习反馈循环的强化学习来分析场景。主要目标是了解交易行为、工作负荷模式并改进系统瓶颈。
1.8多目标调度
DeepCloud AI以服务证明(PoSe) 为基础。在各集群中，主节点在相同集群内的节点之间调度任务，并为节点之间的任务依赖性和执行时间做出安排。
1.9安全
为了满足企业客户的安全需求，DeepCloud AI围绕英特尔SGX 技术构建安全层。我们还在应用程序市场上与安全服务提供商择优合作，为不同类型的应用需求提供一系列服务。
1.10应用程序注册表可重复使用的应用程序组件缩短了应用开发者的开发周期。应用程序市场提供者在应用程序注册表上发布组件，开发者则可以轻松为自己的应用程序搜索并部署这些组件。
2.比较
去年，数个去中心化云计算平台大放光彩。这些项目大体上并不互相竞争，而是相互补充。首先，Golem 旨在成为全球首台去中心化超级计算机，最初的愿景是吸引3D艺术家、动画师和设计师。iExec 紧随其后，希望为用户和dApp 在以太坊上建立一个依靠链下计算的市场。最后，SONM 通过在市场上运行服务而成为弹性工作提供者。
DeepCloud AI对去中心化云计算的未来抱有相同愿景。我们对与Storj、Filecoin 等现有基础设施的既有计算资源相整合抱有信心。同时，我们将定义网络中每个节点的用途，以便根据共享资源在应用程序中提供服务。这保证了激励的公平性。另一方面，我们为去中心化云的多种目的提供服务（即共享存储、运行人工智能代码、数据流等）。云中的所有节点都可配置，我们使用自有的人工智能匹配引擎在提供者和应用开发者（消费资源）之间进行适当的资源匹配。

风险提示：区块链投资具有极大的风险，项目披露可能不完整或有欺骗。请在尝试投资前确定自己承受以上风险的能力。区块网只做项目介绍，项目真假和价值并未做任何审核。