ChainOpera是什么？ChainOpera代币分配、ChainOpera融资背景、以及未来前景介绍！
近期，AI Agents 在市场中掀起一股热潮，各种AI Agents 如雨后春笋般冒出来，而结合区块链技术的AI 平台ChainOpera 也在此背景下应运而生，由强大的技术团队开发和支持，并顺利获得1,700 万美元的融资。
本篇文章将详细介绍ChainOpera 的技术架构、团队背景和生态现状，使读者充分了解是什么原因使ChainOpera 在众多AI Agents 协议中脱颖而出，并在最后与当前市场最受欢迎的AI Agents 发射平台Virtuals Protocol做对比，比讲两者之间的优劣。有需要的朋友一起看看吧！
ChainOpera 是一个去中心化的AI 平台，旨在结合AI 和区块链技术，打破AI 资源和数据被Web2 企业垄断的状况，建立一个开放式的AI 生态系统促进模型和AI Agents 的共同训练，并利用底层的Layer 1 协议优化AI 的训练效率、可扩展性和安全性，同时也用于纪录和验证每个参与者的贡献，提供公平的激励机制。该平台使用联邦AI (Federated AI) 的设计架构，这是一种去中心化的机器学习模型，允许多个第三方实体在不直接提供自身数据的前提下共同训练模型，充分整合来自数据提供者、 AI 模型、算力和云服务商的资源，也减少隐私泄漏的风险，确保用户对个人数据和模型拥有完全的控制权。透过这种方式，ChainOpera 的联邦 AI 平台展现出以下几点优势：
共同训练 (Co-Training)
参与者能够在不直接提供数据的情况下参与模型训练，且共享最终的模型成果
共同服务 (Co-Serving)
平台支持生成式 AI 的即时部署，用户可以快速将模型应用于实际场景，例如自然语言处理、图像生成等应用。
数据隐私和安全
参与者的数据会在本地处理并加密保存，个人的数据隐私和安全获得保护。
开放的 AI 应用市场
平台内建的市场允许任何人上架他们自己开发的 AI 应用，促进生态系统的多元与繁荣。
藉由底层Layer 1 和联邦AI 的协作系统，ChainOpera 不仅只是一个AI Agents 的发射平台，还利用区块链技术整合了AI 的开发资源，并对参与者的贡献给予适当的奖励，建构了一个公正的AI 生态系统。
ChainOpera 的联合创始人Salman Avestimehr 和Aiden He 在AI 领域皆有深厚的知识背景和行业经验，前者为南加州大学电机与计算机工程系和计算机科学系的院长，并担任USC-Amazon 安全和可信机器学习的主任，同时也是国际电机电子工程师学会(Institute of Electrical and Electronics Engineers，简称IEEE) 在AI 和去中心化计算领域的院士；后者则为机器学习和AI 应用的专家，在Meta、Google、AWS和腾讯等公司累积了丰富的研发经验，并深度参与多个Web3 专案。而在 ChainOpera 之前，Salman Avestimehr 和 Aiden He 就已经共同创立了两家 AI 公司 TensorOpera 和 FedML，为企业和开发者提供 AI Agent 和 GenAI 模型服务。
此外，其他团队成员也都具有世界顶尖机构的背景，包括加州大学伯克莱分校、史坦福大学、南加州大学、麻省理工学院、清华大学、Google、Amazon、腾讯、Meta 和Apple，且是由横跨欧美 亚三洲的人才组成，在AI 和Ｗeb3 应用的开发和营运上具有丰富经验。
2024 年 12 月 25 日，ChainOpera 宣布完成 350 万美元种子轮融资，总融资金额达到 1700 万美元。参投机构包含Finallity Capital、Road Captial、IDG Capital、Amber Group、ABCDE Capital 等等，同时亦有多位知名的天使投资人如David Tse (Babylon 联合创始人)、Sreeram Kannan (EigenLayer 创始人兼执行长) 和Jeff Ren (AI 和Web3 领域的早期投资人) 参与本轮融资。
ChainOpera AI的开发团队
ChainOpera AI目前拥有40多名来自顶尖大学和科技公司的成员。他们在开发和运营AI和Web3社区方面拥有丰富的经验,为大规模消费应用程序提供支持。ChainOpera AI的两位创始人是:
ChainOpera AI的投资者
ChainOpera AI已经筹集了1700万美元,参与投资的包括Finality Capital、Road Capital和IDG Capital等知名投资机构。
ChainCatcher 消息，ChainOpera 联合创始人 Salman 与 Aiden 打造的另一家公司 TensorOpera AI 与三星电子（Samsung Electronics）达成战略合作，展示了多模态生成式 AI 应用在移动设备上的突破性创新。
在 CES 2025 展会上，TensorOpera AI 宣布与三星电子达成战略合作，基于 Exynos 处理器实现移动端多模态 AI 突破性应用。该技术通过优化 Android 应用与 C++ 推理管道，在智能手机端实现低延迟、高性能的 AI Agent 运行，同步保障隐私安全与个性化服务。
作为 ChainOpera 生态企业，TensorOpera 与其共享创始团队与技术架构，采用端云协同技术将 AI 服务成本压缩至行业标准的 10%。目前 ChainOpera 的 AI Terminal 已服务超百万用户，通过 LLM 驱动网络实现云端-边缘-设备三级联动。
"我们正将端云协同的潜力推向极致。"联合创始人 Salman 表示。两家公司依托混合式边缘云架构，结合区块链与去中心化 AI 技术，持续拓展端侧智能的边界。此次合作标志着移动端 AI Agent 技术进入规模化应用新阶段。
（图 1、ChainOpera 的运作架构，来源：ChainOpera）
ChainOpera 的生态系统围绕着联合式 AI 平台为核心，整合来自数据端、AI Agents 和 AI Chain 的资料并分配工作，接下来将介绍其生态系中的几个核心组件：
ChiainOpera 的运作流程大致如下：首先，ChainOpera 在手机端开发了一款应用作为 AI Terminal，用户可以下载该应用和 ChainOpera 生态系统中的 AI Agents 进行互动，并自由地进行代币的交易。在互动过程中，用户会提供个人资料以参与 LLM 和 GenAI 的训练，透过「Type to Earn」的形式从中获得奖励。
（图 2、ChainOpera 的 AI Terminal，来源：ChainOpera）
除了跟单一的 AI Agents 互动之外，用户也可以创建自己的 AI Agent 「LinkedIn」，让多个 AI Agents 在里面进行对话和互动，以此整合不同 AI Agents 的功能为自己工作。
(图 3、联邦 AI 平台的架构图，来源：ChainOpera）
联邦AI 平台是ChainOpera 生态系中的核心组件，由其自行开发的联邦AI OS 作业系统(Federated AI OS) 支持，是一个去中心化的机器学习平台，通过AI Ternminal、AI Agents 和AI Agents LinkedIn 等数据源接受来自不同用户和应用场景的即时资料，并利用这些资料在多个节点之间进行分散式的模型训练，在保护用户数据隐私的同时优化模型的性能。
其中，系统提供的CoAI SDK 允许任何人都可以轻松在平台上创建、部署和管理自己的AI Ageant，该工具包不仅支持ChainOpera 自行开发的技术框架，亦兼融市面上主流的AI Agents 架构，提供多元的模型服务，让开发者可以根据不同的应用场景设计出符合需求的解决方案，包括：
财 政部歌剧院
ChainOpera 专为生成式 AI 训练和推理而优化的高效框架。
联邦机器学习
一种功能强大的联邦学习工具集，用于分散式模型训练。
规模法学硕士
支持大规模语言模型（Large Language Model, LLM）的训练与运行，可以满足生成式 AI 领域日益增长的需求。
边缘云混合服务
结合边缘运算与云端运算的优势，实现高效资源分配和低延迟的 AI 应用程序部署。
除此之外，CoAI SDk 亦结合了加密货币的功能，开发者在部署 AI Agent 的同时发行代币。代币不仅能够代表用户对不同 AI Agent 参与程度，也可以作为一种奖励机制，鼓励更多用户和 AI Agent 互动以贡献更多数据，促进模型的训练和优化。而平台内建的AI Agent 市场为使用者提供了交易代币的渠道，一般用户可以在市场中寻找适合自己的AI Agents 并与之互动，开发者亦能从其创建的AI Agent 中获得奖励，于此建构一个互惠的经济系统。
ChainOpera AI Chain 是支持联邦AI 平台的底层Layer 1 协议，由ChainOpera 团队自主开发，采用了PoI (Proof of Intelligence) 共识机制，以去中心化的方式公平验证和纪录系统中每个参与者提供的计算资源或数据，并根据贡献值发放相对应的代币奖励。此外，ChainOpera AI Chain 整合了联邦AI OS 作业系统，以此优化AI 模型的推理效率、可扩展性和安全性，以期能够突破传统区块链的性能限制，为各种AI 应用提供低延迟、高吞吐量的运行环境。
ChainOpera AI Chain 总共会采三个阶段渐进式部署：
阶段一
阶段二
阶段三
ChainOpera AI正在解决当前人工智能领域的一些重要问题,包括:
ChainOpera AI旨在建立一个去中心化的AI生态系统,任何人都可以参与创造AI Agent、使用AI应用程序并从中获利。该平台利用区块链技术来确保透明度,并公平地分享价值给所有参与方,包括数据提供者、AI模型和GPU。
ChainOpera AI通过允许用户从移动设备贡献个人数据来训练Web3和AI专用语言模型,解决了数据隐私权问题。作为回报,用户将获得相应的奖励。这种方法不仅确保了用户完全控制自己的个人数据,还有助于推动先进AI模型的发展。
ChainOpera AI通过提供一个AI Agent模型市场来促进AI领域的合作和共享。在这里,开发者可以分享他们的模型并从中获利,从而推动AI社区的创新和合作。
ChainOpera AI的产品生态系统
这是一个与AI OS集成的layer-1区块链,允许去中心化地共同拥有和创造AI Agent和应用程序。该区块链使用一种称为"智能证明"(Proof of Intelligence)的专有共识算法,以优化AI推理的效率、可扩展性和安全性,取代了智能合约。
这是世界上第一个去中心化的机器学习平台,允许任何人贡献AI资源(数据、AI模型、GPU等)来支持AI Agent和应用程序,并获得相应的奖励。该平台建立在TensoOpera.ai和FedML.ai项目多年的经验之上。
这是一个允许创建、部署和管理AI Agent的平台,同时为每个人开放发行AI代币的机会。该平台包括Launchpad、ChainOpera AI (CoAI) SDK、AI Agent Framework和AI Agent Template Marketplace等组件,简化了AI代币发行的过程。
这是一款"Type to Earn"形式的移动应用程序,允许用户分享个人数据并在参与训练LLM和GenAI模型时获得奖励。此外,AI Terminal还可以作为一个AI Agent,简化在ChainOpera及其他平台上的AI代币交易。
这是一款集成了ChainOpera AI产品的智能手机。该设备具有管理DID账户、加密货币钱包、代币等功能,并将提供对个人数据(包括聊天、图像等)的贡献进行代币奖励的机制。
(图 4、ChainOpera 的去中心化 AI 平台，来源：ChainOpera ）
目前 ChainOpera 的平台仅有少部分功能上线，用户可以在其去中心化的 AI 平台部署一些 AI 模型，并和这些模型进行对话，或是让他们生成照片和影片。目前测试的第一阶段刚结束，正准备要进入第二阶段，也就是发行 AI Terminal 给用户，让用户开始提供个人的资料作为模型训练的数据来源。虽然尚未推出，但有兴趣的用户可以先行注册进入等待清单。
整体而言，ChainOpera 和近几个月来相当火红的 Virtuals Protocol 非常相似。两者都是低门槛的AI Agent 发射平台，旨在让没有技术背景的一般用户可以透过平台创建自己的AI Agent 并发币，同时也支援多元的AI 模型，让开发者可以根据需求建构出各式各样的AI 应用，而不仅只有单一的功能。然而，在一些细节上 ChainOpera 和 Virtuals Protocol 仍存有一些差异，因此接下来将就两者的市场定位、 AI Agent 的创建方式和代币的经济模型来做比较。
在市场定位上，和Virtuals Protocol 不同，ChainOpera 要做的不仅是利用CoAI SDK 工具简化AI Agents 的创建流程，还有整合所有AI 相关的资源，包括让一般人参与模型的训练、整合分散式节点的算力资源和搭建高性能的Layer 1 以提升AI 的运作效能，让AI 的开发和进步不再只是大公司的专利，而是能够透过区块链技术统合一般用户的资源，进一步推动AI 的发展，并让参与的人都能够从中受惠，而不是由少数群体独揽所有利润。因此，在愿景上，ChainOpera 想做的更像是让AI 「大众化」，从一开始的模型训练到创建AI 应用，人人都可以在过程中提供数据、训练AI 模型和自由创建各种AI Agent ，让整体的AI 技术成为一个更公正透明的市场。
(图 5、G.A.M.E 的运作流程，来源：Virtuals Protocol）
相较之下，Virtuals Protocol 没有开发自有链，而是将协议建构在 Base 上，并专注于优化对使用者友好的 AI Agents 创建流程。对于任何想要发射 AI Agents 的用户，Virtuals Protocol 提供了一种模块化的开发框架 G.A.M.E (Generative Autonomous Multimodel Entities，生成式自主多模态实体)，由五个核心组件构成：
感知系统 (Perception Subsystem)
定义 AI Agent 如何接收和处理环境输入，支援文本、语音、图像等多模态处理。
战略策划引擎 (Strategic Planning Engine)
制定 AI Agent 的决策逻辑。
对话处理模块 (Dialogue Processing Module)
开发自然语言的处理能力，可以理解上下文的含义并据此生成合适的回应。
长期记忆处理器 (Long Term Memory Processor)
储存过往的数据和资料集，并根据情况读取过去的经验、反思、动态人格、世界观和工作记忆以提升决策能力。
链上钱包操作器 (On-chain Wallet Operator)
嵌入链上钱包，设定交易规则以进行资产管理和奖励分发。
开发者可以从预定义好的模块中选择适合的功能并调整反应速度、生成内容的水平、个性特征、行为模式和语调等参数，然后将不同功能的模块进行组合使AI Agents 具有多元的复合功能和鲜明的个人特色，并藉由使用者的反馈持续进行优化。
由上述可知，Virtuals Protocol 致力于让AI Agents 的创建和管理更容易上手，而ChainOpera 则提供「一体化」的AI 服务，除了AI Agent 的创建外，更鼓励一般用户参与模型的预训练，建构一个更广泛的AI 生态系统。
ChainOpera 仍处于开发早期，因此尚未展示如何在其平台上创建 AI Agent，但可以参考 Virtuals Protocol 的流程去推断 ChainOpera 未来可能的执行方案以及面临的问题。
在Virtual Protocol，部署一个新的AI Agent 需要花费一定数量的$VIRTUAL，并在替欲创建的AI Agent 取名、设定头像、填写代币名称和附上一段关于AI Agent 的描述(如功能和个性) 后即可创建。接下来，类似于pump . fun 的玩法，当有足够多的人购买该AI Agents 的代币使其市值达到42,000 美元后，AI Agent 就会正式上线并成为一个完全独立运作的个体，并拥有一个专属的X 帐号，而早期购买代币的资金将会有35,000 美元在Uniswap 上创建池子并成为永久流动性。
ChainOpera 多多少少会参考 Virtual Protocol 的做法，但两者有一个最大的差别在于前者是建构在自己的 Layer 1 上。众所周知，一条 Layer 1 的发展，尤其在基础设施方面，往往需要一段时间的成长才能逐渐完善。因此，ChainOpera 首先要确保底层的 Layer 1 协议可以正常运作，承载一定的交易吞吐量。
其次，相比于 Uniswap 经过多年的发展累积了丰沛的流动性和成熟的协议架构，ChainOpera 在 DeFi 生态的弱势有可能会让 AI Agent 代币面临流动性短缺的问题。而除了流动性问题之外，DeFi 相关的基础建设如预言机、跨链桥、稳定币、借贷和交易聚合器的不足亦会影响到用户的交易体验，难以吸引更多外部资金流入。从ChainOpera 的测试网智能合约部署在以太坊或Solana 上来看，其Layer 1 未来很有可能会支持EVM 或SVM，因此解决上述问题最快的方式就是将流动性池部署在Uniswap 或Raydium 上，利用现有协议去弥补生态系不成熟的问题。
尽管如此，ChainOpera 的其中一个优势是其产品不仅仅只是 AI Agent 的发射平台而已，而是要建构一个庞大的链上 AI 产业生态。因此，除了 AI Agent 外，一般用户亦可以透过 AI Terminal 贡献数据资料参与模型的训练，或是成为节点提供算力以促进 AI 的运算效能，甚至在其 Layer 1 上部署其他 AI 的应用程序。即便在冷启动阶段，AI Agent 的发射平台上难以在短时间内和 Virtuals Protocl 并驾齐驱，但就长远的角度而言，ChainOpera 有更大的想像空间。
不同于大多数协议的代币只有治理功能，ChainOpera 和Virtuals Protocol 都赋予了代币更多的实际应用价值，让代币的持有者可以捕捉到协议的内在价值，让币价能够随着协议的发展而逐渐增长。
（图 6、$VIRTUAL 的代币分配，来源：Virtuals Protocol Whitepaper）
首先，在Virtuals Protocol 的部分，其原生代币$VIRTUAL 的总供应量为10 亿枚，60％ 已经公开流通，5% 提供流动性，剩余35% 则用于生态建设，由Virtiuals DAO 的多签钱包管理，未来三年每年的释放量不超过10%。 $VIRTUAL 在其生态中有诸多应用场景：
一言以蔽之，在 Virtulas Protocol 内牵涉到交易的所有行为，都必须使用 $VIRTUAL 作为交易媒介。从创建 AI Agent 开始，购买 Agents 的代币必须使用 $VIRTUAL，Uniswap 的池子也仅支援和 $VIRTUAL 组成流动性池，进而可以将更多流通的 $VITRTUAL 锁在流动性池中。 LP 代币可以进一步做质押，不仅可以赚取额外收益，还可以获得投票代币，并将代币委托给验证者。除此之外，Virtual 亦充当路由代币，也就是当使用者欲将不同的 AI Agents 代币做兑换时，会先将代币换成 $VIRTUAL 后再作转换。由此可知，$VIRTUAL 可说是 Virtuals Protocol 维持运作的重要枢纽。
至于ChainOpera 虽然还没公布实际的代币经济和应用范畴，但在赋能上除了于I Agents 平台的使用场景外，还可以作为Layer 1 运行的交易手续费，以及其他AI 资源提供者的奖励，以此促进代币的需求，从而捕捉协议价值。
1.币安
币安【官方注册 官方app下载】是国际领先的区块链数字资产交易平台，它向全球提供广泛的数字货币交易、区块链教育、区块链项目孵化、区块链资产发行平台、区块链研究院以及区块链公益慈善等服务，目前用户覆盖了全球190多个国家和地区。
2.火币
火币【官方注册 官方app下载】集团是知名数字经济领军企业，自2013年创立以来，一直致力于区块链领域的核心技术突破以及区块链技术和产业融合。围绕区块链产业上下游，发展包括产业区块链、公链、数字资产交易、数字资产安全钱包、矿池、投资、孵化、研究等多业务板块，先后投资60+上下游企业，已形成全面的数字经济产业生态体系。
3.欧易OKX
欧易OKX【官方注册 官方app下载】创立了统一交易账户等全球领先的Crypto交易系统，推出了MetaX，提供多链none-custody钱包、欧易NFT市场、DEX、Dapps等产品，OEC作为其自研公链，生态建设也初露头角，能够满足用户多种数字资产业务需求。后续欧易OKX将持续向元宇宙、Web3.0、GameFi等领域进发，OKX Ventures已在全球投资了数百个区块链项目，推动加密经济的繁荣。
4.Gate.io
Gate.io交易平台【官方注册 官方app下载】成立于2013年4月，注册地为开曼，它已于2020年7月更名为“芝麻开门”。该平台有多年的稳定运营经验，积累了众多行业领先的技术，它通过中心化和去中心化双重手段保障了用户的资产安全，为用户提供了高效便捷的实时交易服务系统。作为全球历史最长和交易量最大的交易平台之一，芝麻开门严格遵循行业规则，不参与市场运作。
5.Bitget
Bitget交易所【官方注册 官方app下载】支持500+个虚拟货币在线实时交易，持有加拿大MSB牌照M20179708、美国MSB、澳大利亚DCE等牌照，在2022年陆续新增理财、半价买币、投票上币、合约策略交易以及为SBGB增加更多赋能,是适合各面向投资人使用的一站式加密货币交易所。
6.Bybit
Bybit交易所【官方注册 官方app下载】是一款为初学者和专业人士设计的加密货币交易应用程序。它简化了热门加密货币的购买过程，提供现货和衍生品交易对，并具有多种特色功能，如统一侧栏字段的衍生品交易、高级限价单设置、新手轻松交易选项等，还包括资产管理、复制交易、NFT 市场等功能。
| 重要提醒: 需要先注册才可以享受20%返佣 | ||||
| 序号 | 交易所 | 邀请码 | 返佣比例 | 官方链接 |
| 1 | 欧易 OKX | jbzj999 | 20% | 官方注册 官方下载 |
| 2 | 币安 Binance | A0Y8K980 | 20% | 官方注册 官方下载 |
| 3 | 火币 HTX | b6yq8223 | 20% | 官方注册 官方下载 |
| 4 | 芝麻开门 gate.io | VLIWUGTFAA | 20% | 官方注册 官方下载 |
| 5 | bybit | jbzj999 | 20% | 官方注册 官方下载 |
| 6 | bitget | good9999 | 20% | 官方注册 官方下载 |
关于 AI Agents 的这波热潮是否只是又一个转瞬即逝的泡沫，市场的观点不一。但不可否认地是，AI Agents 的出现可以替使用者自动化处理大量的工作需求，开发者可以更快速地部署协议和产品迭代，交易者可以利用AI Agents 优化交易策略，甚至为投资者提供有深度的市场分析，大幅降低Web2 用户进入Web3 领域的门槛。 ChainOpera 站在这波浪潮的尖端，它不仅意识到了 AI Agents 的应用潜力，更为 AI 的发展建构了稳固的生态设施，有望推动 AI 未来在 Web3 实现大规模的应用落地。
以上就是开拓者奇点小编给大家分享的是ChainOpera是什么？代币分配、融资、团队、运作机制、前景介绍了，希望此篇文章能够帮助大家更好的了解ChainOpera！
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
浏览量
