


- 进程
- 消息传递单元
- 调度单元
- 计算单元

- 可以在本地并行运行的多个进程
- 进程维护个人主权
- 异步消息传递,允许进程之间的协调和通信
- 计算要求、数据存储和带宽:LLaMA-3 模型需要大量计算资源(RAM、GPU 能力)。以太坊并未针对 LLM 所需的大规模数据存储和高带宽进行优化。
- 延迟和性能:以太坊的交易速度难以满足 AI 模型所需的低延迟、高吞吐量。没有用户愿意等待 12 秒(以太坊的区块时间)才能得到结果。
- 成本:链上 AI 计算非常昂贵。

- 以太坊在执行智能合约时有 48KB 的 RAM
- Solana 有 10MB 的 RAM
- 即使是正在进军人工智能领域的互联网计算机 Internet Computer (ICP),其 RAM 也只有约 3B。
注:cron 是计算机术语,表示在约定的时间执行已经计划好的工作。在我们迈向人工智能无处不在的时代之际,许多人会低估这一突破的重要性。


- Forward Research 收购 Odysee
- Autonomous Finance 推出 AgentFi
- AO 风险投资公司为 AO 生态系统的建设者提供 3500 万美元资金





- Arweave 代币持有者(36%)
- stETH、SOL 等资产质押者(64%)

- 持有 1 枚 AR 将在未来 12 个月内收到约 0.016 个 AO 代币。
- 12 个月内将有约 420 万 AO 流通


- 加密货币领域对人工智能代理和应用的需求很高:鉴于过去两年人工智能的快速发展,这似乎是当前的发展趋势。其他区块链正在开发使用 zkML/OpML 等技术的链下计算,但目前只有 AO 支持直接在链上进行完整的人工智能计算。
- 与主要区块链的可组合性:AO 必须与其他主要区块链紧密集成。期望现有开发人员和应用程序完全迁移到 AO 是不现实的。因此,与现有生态系统建立桥梁和沟通渠道至关重要。
- 开发社交层:归根结底,区块链的成功并不在于交易速度或低费用。培养一个充满热情的开发者社区并吸引用户是广泛采用的关键。
- AO 计算机以与传统区块链截然不同的方式处理去中心化计算。这可能是成功,也可能失败。但在链上执行大型计算的能力是人工智能时代的一大关键。
- AO 采用面向参与者的方法。这类平台用于需要高并发性、模块化和可扩展性的系统。虽然参与者模型具有理论上的优势,但其广泛采用和大规模成功仍有待证明。挑战包括处理意外故障和保持去中心化参与者之间的一致性。
- AO 还处于非常早期的阶段。在测试网上体验时,我发现用户主要在尝试文字聊天和游戏。AO 需要构建工具,这需要时间。由于使用的架构和语言不同,直接从其他链移植应用程序并不容易。总的来说,AO 感觉就像 2021 年初的 Solana,当时它只有少数应用程序,更多的怀疑论者。
- 需要长期信念:AO 需要高度信念。短期交易者可能难以找到即时催化剂,因为该代币要到 2025 年才可交易。
- Arweave 需求:AO 将创造对 AR 的持续需求,既是增长催化剂,也是应用开发的新平台。AO 上的每个流程都将在 Arweave 上写入数据并推动 AR 的实用性。