Allora：实现去中心化AI基础架构，推动区块链生态dApp的AI整合与发展

但是，由于大量信息培训的较高进入障碍以及专业人工智能技术的高入口障碍，因此建立专门针对特定功能的AI模型仍由几家大型企业和AI专家垄断。

因此，其他行业和小型初创公司在采用AI方面面临着很大的困难，区块链生态DAPP也面临着相同的限制。由于DAPP必须维护不需要对第三方信任的“无信任”核心价值，因此它们必须具有分散的AI基础架构，以便更多的协议可以采用AI来提供用户可以信任的服务。

在此背景下，Allora的目标是实现自我灌输的分散AI基础架构，并支持希望将AI安全性集成到其服务中的项目。

2。Allora，分散推理合成网络

Allora是一个分散的推理网络，可预测并为不同实体要求的特定主题提供未来的价值。有两种实施分散AI推论的主要方法：

在这两种方法中，Allora都采用多模型/推理合成方法，其中AI模型运算符可以自由参与Allora网络，对特定主题的预测请求执行推断，该协议将基于得出的推论值这些操作员由单个预测结果综合响应请求者的请求。

当综合AI模型的推断值时，Allora不仅可以简单地计算每个模型获得的推论的平均值，而是通过将权重分配给每个模型来绘制最终推断值。然后，Allora将每个模型获得的推理值与主题的实际结果进行比较，并通过将更高的权重和奖励分配给具有相似推理值的模型与实际结果的模型来进行自我完善以提高推理。。

通过这种方法，与单个模型/分散方法相比，Allora可以执行更专业和特定于主题的推论。为了鼓励更多的AI模型参与协议，Allora提供了开源体系结构Allora MDK（模型开发套件），以帮助任何人轻松构建和部署AI模型。

此外，Allora还为想要使用Allora推理材料，Allora Network Python和TypeScript SDK的用户提供了两个SDK。这些SDK提供了一个环境，用户可以轻松地集成和使用Allora提供的信息。

Allora的目标是通过为AI模型运营商提供机会生成收入的机会，同时为服务和协议构建非偏差的数据基础结构，从而将需要推理数据的AI模型和需要推理数据的协议的协议中间层。

接下来，我们将探索Allora的通信协议体系结构，以了解Allora的操作和功能。

2.1。通信协议体系结构

在Allora中，任何人都可以设置和部署特定主题，并且在执行推论并获得特定主题的最终推理值的过程中有四个参与者：

Allora网络的结构分为推理执行者，评估人员和验证者，并以网络令牌$ Allo为中心。 $ Allo被用作推理请求和推理执行的奖励，在确保通过Staking确保安全性的同时连接网络参与者。

然后，我们将根据每一层的功能，包括推理消耗层，推理合成层和共识层进行详细研究单个参与者之间的相互作用。

2.1.1。推断消耗层

推理消费者层处理协议参与者与Allora之间的交互，包括主题建立，主题参与者管理和推理请求。

想要建立主题的用户可以与Allora的主题协调员互动，支付一定数量的$ allo并制定规则以定义他们想要推断的内容，如何验证实际结果并评估工人的收入。推理值。

建立该主题后，工人和记者可以使用$ Allo支付注册费，并注册为该主题的推理参与者。记者必须在该主题上投入额外的$ Allo，以使自己面临恶意结果可能带来的资产的风险。

建立该主题后，工人和记者注册，消费者可以向主题支付$ allo来请求推断，工人和记者将收到这些主题请求费作为推断的奖励。

2.1.2。推理和合成层

推论和合成层是Allora用于生成分散推论的核心层。在这里，工人将进行推断，记者将评估绩效，并根据这些评估进行重量设置和推理综合。

Allora网络中的工人不仅需要针对消费者要求的主题提交推理价值，而且还需要根据这些评估来评估其他工人推断的准确性，并根据这些评估提出“预测损失”。这些预测损失将反映在推理合成所需的重量计算中。当工人的推论是准确的，准确地预测其他工人的推理准确性时，工人将获得更高的奖励。通过这种结构，Allora可以得出全面的推理，这些推理考虑了各种情况，而不仅仅是工人过去的表现。

工人的推理准确性预测上下文意识

资料来源：Allora文档

例如，在一个小时后预测比特币价格的主题中，我们假设工人A和B如下：

如果当前的市场高度波动，并且多名工人预测“工人B在波动情况下的优势，他们将在此预测中只有大约5％的错误”，并且还预测“在这种波动状况下的工人A在这种波动状态下的错误，预计会有15％的错误，尽管工人B的平均历史表现较低，但Allora在这一预测中的推论将更高。

主题协调员使用通过此过程得出的最终加权综合推断，并为消费者提供了最终推断价值。此外，将根据工人提交的推论值计算并提供置信区间。随后，记者将实际结果与最终推理值进行了比较，以评估每个工人的推理表现，并预测其他工人的推理准确性的准确性，并根据承诺共识比调整工人的体重。

Allora使用此方法进行推理综合和评估，尤其是其“情况认知”结构，使每个工人能够评估其他工人的推理准确性，从而使Allora能够为各种情况得出最佳的推理值。，有助于提高推理的准确性。此外，随着工人的推理绩效数据的积累，情境感知功能的运行效率也将得到改善，从而使Allora的推理功能更有效地改善了自身。

Allora的推理综合过程

资料来源：Allora文档

Allora的共识层是主题体重计算，在线奖励分布和参与者活动的地方，该活动基于COMETBFT和DPOS共识机制建立在Cosmos SDK上。

用户可以通过铸造$ allo代币和操作节点来参与Allora网络作为验证者，并收取Allora参与者提交的交易费用，作为操作网络和确保安全性的补偿。即使没有操作节点，用户也可以通过将其$ Allo委派给验证者来间接获得这些奖励。

此外，Allora功能分配$ Allo奖励向在线参与者分发，有75％的新解锁和分布式$ Allo分配给参与主题推断的工人和记者，其余25％分配给验证者。当发出所有$ Allos时，这些通货膨胀奖励停止并遵循一个结构，即解锁的数量逐渐减少一半。

当将75％的通货膨胀奖励分配给工人和记者时，分布比不仅取决于工人的绩效和记者的积分，而且还取决于主题的体重。主题权重根据参与该主题的记者的承诺和费用收入计算，从而激励工人和记者继续参与需求较高和稳定性高的主题。

3。从链到各行各业3.1。即将到来的Allora主网络

Allora于2025年1月10日成立了Allora基金会，并在完成了超过300,000名参与者的公共测试网络后加速了Mainnet的发布。截至2月6日，Allora通过进行Allora Model Forge竞争来为即将到来的Mainnet选择AI模型创建者。

Allora模型Forge竞争类别

资料来源：Allora模型Forge竞争

此外，Allora还在主网发布之前与大多数项目建立了合作关系。 Allora的主要合作伙伴关系及其特征如下：

当前，Allora的合作伙伴主要集中于AI/加密货币项目，这反映了两个关键因素：1）对加密货币项目进行分散推断的需求，以及2）需要对AI模型执行推论所需的链链数据。

对于早期的Mainnet版本，预计Allora将分配大量的通货膨胀奖励来吸引参与者。为了鼓励通过这些通货膨胀奖励吸引的参与者继续活动，Allora需要为$ Allo保持适当的价值。但是，随着通货膨胀奖励随着时间的流逝逐渐减少，长期挑战将是通过增加推理需求来激励持续参与该协议来引起足够的在线交易费用。

因此，评估Allora的潜在成功在于Allora的短期$ Allo赞赏策略以及促进推断需求以确保稳定和长期支出收入的能力。

4。结论

随着AI技术的发展和实际增长，AI推理的应用和实施也在大多数行业中积极发展。但是，采用AI所需的资源强度正在扩大成功进口AI和尚未成功进口的小型公司的大型企业之间的竞争差距。在这种环境中，预计对Allora功能（提供主题优化的推论和提高数据准确性的需要）的需求将逐渐增加。

Allora的目标是成为一个分散的推理基础设施，所有行业都可以广泛采用，并实现这一目标，需要证明功能的有效性和可持续性。为了证明这一点，Allora需要在释放主网后获得足够的工人和记者，并确保这些网络参与者获得可持续的奖励。

如果Allora成功地解决了各行各业的这些挑战和收益，它不仅可以证明区块链作为重要的AI基础设施的潜力，而且还成为如何将AI和区块链技术结合在一起的重要例子真正的价值。