深脑链：区块链+GPU算力共享，为AI企业降低成本

人工智能训练本质上是对人的学习过程的模拟。如特拉斯做无人驾驶时，首先会采集海量的路况数据，对它进行标注，然后将数据输入算法，在大量算力的支持下进行模型训练，再将训练好的模型装入无人驾驶汽车，汽车就会自动识别路况。这个过程犹如我们学习拼音文字，然后根据存储的词汇量来辨识文字信息。

因此，算力、数据和算法是人工智能模型训练的三要素。

在当前的模式中，公司主要自建服务器或者在中心化云算力平台采购算力。据专注于人工智能GPU算力共享的区块链项目深脑链（DeepBrain chain）CEO何永透露，很多人工智能企业融资额的近10%到30%都会投入到算力建设中。这成为企业沉重的负担，制约了技术研发投入。

深脑链想通过区块链技术来解决人工智能企业的成本问题。它用区块链技术让人工智能神经网络运行，去中心化地分布在全世界海量节点之上，将闲置资源再利用，通过发行token在智能合约中完成交易。

在以前的算力采购模式中，算力采购者和算力提供者站在对立面，算力提供者的算力来源只有单一的支付费用，但在深脑链上，每个节点的收入由70%的挖矿奖励+30%的用户支付费用构成。收入结构的改变，将导致算力成本下降。也不再有买家和卖家的对立关系，而是社区成员。

深脑链的网络节点可以是大型挖矿节点，比如大型矿池，也可以是中型挖矿节点或者利用Azure、阿里云进行挖矿，也可以是高性能GPU服务器。矿工只需要安装深脑链挖矿软件及基础人工智能运行环境，即可成为一个节点参与挖矿赚取token。深脑链采用AIPOC机制,参EOS的DPOS机制，通过投票选出见证人节点。

与其他算力共享平台不同之处在于，DeepBrain chain是GPU算力共享平台，专注于人工智能这一垂直领域。因此深脑链的设计具有行业特性。如针对高性能运算需求，DeepBrain chain通过负载均衡技术实现每一个节点容器相互配合分摊并发压力。再比如，人工智能厂商的用户请求并不是均匀的，很可能会出现高峰期的时候是平常的数十倍，这就需要能够对突发流量进行有效的应对，深脑链通过弹性扩容技术，当sharding（分片）片内性能达到瓶颈的时候，会resharding，增大分片个数。这样可以使容器自动化部署，在流量高峰的时候快速复制部署到多个空闲节点，同时实现节点自动化运维，当某个节点容器出现故障时及时报警提醒，并且将故障节点移除，同时增加一个正常节点。

目前团队已有50多人，核心团队均是人工智能行业背景，如CEO 何永是国内第一批人工智能领域的创业者， CAO & VP 兼深脑链硅谷研究院院长王冬岩，拥有在人工智能、商业智能和数据科学方面近20年的经验。高级架构师Jason Pai 曾主导过多项AI产品。