作者：Arweave Oasis，來源：推特@ArweaveOasis

最近業內知名研究機構 Messari 發布了一篇題爲《Arweave, AO, and AI - 模塊化框架與靈活的安全性》的文章，作者爲 seth bloomberg。內容非常豐富，對理解 AO 與 AR 架構與未來發展前景有較大的參考價值。但由於其有版權問題，所有無法全文翻譯展現給讀者。故筆者希望能從中截取片段，用解讀的方式來展現給各位。原文內容可以去 Messari 獲取（需要付費）。

5 月 30 日，本文的作者 Seth Bloomberg 在 X 上發布了一些對該篇文章的內容總結。具體如下：

• Arweave 歷來依賴外部應用程序和生態系統將數據傳輸到其網絡中。AO是一個建立在 Arweave 上的新網絡，現在將爲 Arweave 創造一致的需求。AO 將成爲 Arweave 的增長催化劑和應用开發的新平台。

• 我認爲 AO 最大的技術價值之一是它將共識機制與應用程序所需的計算分離开來。將這些拆分給 AO 提供了模塊化架構，並允許开發人員擴展其應用程序的安全性和計算能力。

• AO 中的應用會激勵算力提供商處理狀態更新和其他消息。這爲應用程序和算力提供商創造了一個新市場。它確保應用程序按需獲得該有的資源水平。這與大多數智能合約平台有很大不同。

• AO 是虛擬機無關的平台，這爲部署計算密集型應用程序打开了潛力。像 @autonomous_af 這樣的團隊已經在开發 DeFi 自動化。然而，鏈上 LLM（大語言模型）會是一個完全不同的物種。

隨後通讀全文，你會發現對 AO 這種完全以不同形式實現的分布式世界計算機的興趣。總結出的幾點主要 Insight 有：

• AO 是一個建立在永久數據存儲網絡 Arweave 之上的全新協議。AO 的核心價值主張之一是其能夠在沒有擴展性限制之下的完全的並行運行應用程序（在 AO 術語中這種應用程序稱爲進程 Process），並在本地維護相關狀態，而不需要在全網絡中共享全局狀態。

• 所有 AO 上的應用程序通過定義好的消息（在 AO 術語中成爲 Message）標准進行通信，爲進程提供开袋即食的讀寫數據解決方案。

• AO 的一個獨特特性是能夠靈活地擴展進程的安全性。進程开發者可以配置其應用程序所需的安全性，並通過有效支付額外的驗證者（在 AO 術語中稱爲計算單元 CU）來計算應用程序的狀態，從而擴展安全性。

• 由於 AO 的可擴展性特性、虛擬機無關架構（這裏指的是 AO 可以支持多種虛擬機，使开發者可以根據具體需求選擇不同的虛擬機來運行他們的應用程序，而不必局限於單一的虛擬機環境。）和原生 cron 作業功能（指系統原生支持定時任務調度的功能，而不需要依賴外部工具或第三方服務），許多團隊希望在網絡上構建自動化工具和 AI 驅動的產品。

模塊化和靈活安全性

作者總結了在過去幾年中出現的兩個主要基礎設施：模塊化框架與靈活安全性。

模塊化框架：使开發者可以選擇通用區塊鏈模塊化組件（例如，執行、數據可用性、結算和共識），並將它們組合在一起。文中以 Base 的 Rollup 與 Celestia 數據可用性層作爲代表舉例。

靈活且可擴展的安全性：指的是一些網絡能夠通過租賃安全性來更加高效地保護其服務，而不是自己去啓動一個非常重的驗證者網絡。作者用 Eigenlayer 作爲案例進行了相應的解釋。

模塊化框架的目標是鼓勵每個組件的可選性和專業化。例如，开發者可以自由選擇最適合其需求的執行環境。而靈活安全提供者則幫助網絡更好地管理和微調其系統的經濟安全性。

AO 就是同時利用這兩種基礎設施模式的典型範例。這一建立在 Arweave 之上的新系統爲开發者提供了選擇執行環境和安全模型的靈活性。

不同於像以太坊和 Solana 這樣的鏈擁有單一的全球狀態概念（例如，用戶账戶余額、智能合約數據等），AO 將狀態本地化到每個應用程序（在 AO 術語中稱爲進程）。本地化狀態使應用程序更容易並行化計算，與非並行環境相比，完全釋放了總體性能限制，並且可以爲計算定制安全性。

與其他 Rollup 生態系統不同，AO 爲所有應用程序定義了統一全球消息標准（Message）。作者認爲這種方法在概念上類似於 Cosmos 生態系統，後者利用 IBC 進行鏈與鏈之間的通信。因此，AO 可以維持其模塊化框架，並且隨着其生態系統的增長，應用程序將受益於這種原生的通信標准。從長期來看，AO 這種脫離了傳統智能合約平台模型，形成了自己獨特的架構，促進一個繁榮的應用程序發展的生態系統。

AO 的架構

作者認爲 AO 與 Arweave 的關系大致類似於主權 Rollup 與數據可用性層的關系。但 AO 提供了一個類似於智能合約平台的通用框架，主要目標是通過可擴展的計算服務實現這些不同應用程序的信任互操作性。

應用程序之間的互操作性源自 AO 的消息標准。諸如 Optimism、Polygon、Arbitrum 和 zkSync 等生態系統通常先發展鏈上的經濟活動，然後再开發互操作性解決方案以解決碎片化的用戶體驗問題。而 AO 將從原生互操作性开始其旅程。

AO 的架構我們在各種文章中都有介紹，在本文中也同樣做了一些從作者角度的解讀：

進程（Process）

從最終用戶的角度來看，進程可以被視爲一個應用程序。如果消費者在使用基於 AO 構建的產品，它通常會以進程的形式出現。

一個進程也可以被視爲寫入 Arweave 中的一系列有序日志（即消息），代表其在任何給定時間點的狀態。

每個進程相對於 AO 上的其他進程獨立運行，使它們能夠並行化運算，互不影響。進程通過消息相互交互。AO 實際上就是一個消息的傳遞協議，所以消息的概念是其中的核心結構。

消息和消息單元（MU）

無論是由最終用戶發起還是由另一個進程發起的與進程的交互，都表示爲一條消息。AO 中的每條消息都符合 Arweave 生態讀寫數據的 ANS-104 的特定格式。至於 ANS-104 是什么，可以查閱這個鏈接詳細了解。

作者對比了 AO 與以太坊直接的區別。在 AO 中，進程通過消息請求另一個進程的信息並等待數據返回來完成進程之間的交互。但在以太坊上，應用程序（即智能合約）由於 EVM 的全局性，可以直接訪問任何其他應用程序的狀態。

這兩者之間有從根本的區別。從模塊化的角度來看，預先標准化不同進程的互操作性是有利的；大多數模塊化網絡（例如 Optimism 的 Superchain）也在开發類似標准。

調度單元（SU）

作者將調度單元簡單地類比爲許多 Rollup 系統中的排序器。由於排序器在許多 Rollup 中負責一系列操作（例如，交易處理、交易排序、零知識證明生成等），因此調度單元更像是典型排序器的一個子集。

調度單元主要有兩個與其關聯的進程功能：

確保每條消息唯一且按順序排列。這在概念上類似於以太坊等其他區塊鏈環境中的 nonce 遞增。這對於一個進程的正常運行至關重要。

確保每條消息都寫入 Arweave。這使進程能夠訪問彼此的數據。

每個 AO 進程都會有一個關聯的調度單元。

計算單元（CU）

計算單元爲更新 AO 進程提供計算能力。消息單元通知計算單元其服務需要。

在計算單元（供應方）和需要某個特定進程計算的用戶（需求方）之間形成一個市場。再一次，這種架構與傳統區塊鏈模型不同。傳統平台（如以太坊）上的節點需要處理交易，而計算單元可以選擇性地競標其更新的進程。

一旦計算完成，計算單元會將籤名的計算輸出證明返回給原始消息單元。

AO 安全模型

在安全模型的部分，目前相關信息較少，需要等 AO 白皮書發布之後會有更多細節。不過該文作者給出了自己的理解。

他認爲在這個發面，AO 也與以太坊走了截然不同的道路。在以太坊生態中，安全性都是由以太坊 PoS 機制來統一保障，所以無論是簡單的轉账操作，還是復雜的 DeFi 交互，都是共享相同的安全級別，這往往會導致資源浪費。

而在 AO 的安全框架中，雖然所有數據都使用了 Arweave 的 SPoRes 共識機制的安全保障，但在 AO 層面，也有更多的靈活性以此來根據不同需求和目標來定制化安全級別。

目前，雖然沒有確切的信息，但生態內普遍認爲在 AO 的安全機制上大概率會使用 PoS 機制（例如，抵押和懲罰 AO 代幣）。完全去中心化的永久存儲網絡 Arweave 加上以提高擴展性與靈活性的 AO 計算平台，PoS 機制顯然是符合發展需要的。

因此，AO 可以針對每個組件角色提出一定不同的 Staking 質押方案，並設置相應的懲罰機制。

• 計算單元 - 計算單元針對其籤名的輸出證明進行質押。任何人都可以質疑計算單元的輸出，如果證明存在作惡行爲，其抵押可以被 Slash。

• 消息單元 - 消息單元針對其在系統中傳遞的消息進行質押。如果發現其傳遞和籤署無效消息，其質押可以被 Slash。如果無效籤名是由於計算單元的不當行爲導致的，消息單元可以發起針對計算單元的 Slash 事件。

• 調度單元 - 如果調度單元未能正確排序消息或未將消息上傳到 Arweave，則可以被 Slash。後者的 Slash 事件在設計上類似於數據可用性保證。

最終，一個進程可以在某種意義上設計其自己的安全模型。在進程的代碼執行期間，例如，可以決定忽略某個被認爲不可信的計算單元或消息單元。

圖中展示了傳統智能合約平台的安全性一致性，與 AO 平台的安全可定制型。這讓 AO 能夠爲不同業務定制不同級別的安全性，如朋友間的小額轉账不用與 B2B 的大宗交易的安全性一致。

AO 和 AI 的未來

作者進一步對 AO 與 AI 未來的結合表達了自己的觀點。他認爲 AI 的分類可以是兩種：

完全確定性的和完全參數化的，比如說具有可配置設置的機器人；

非確定性的，具有適應能力的，比如 ChatGPT 或 LLM 應用程序。

在 AO 中的發展，作者覺得起點會是前者，比如說 DeFi 自動化工具。

DeFi 自動化

AO 上的一個早期 DeFi 自動化項目是 @autonomous_af。該團隊構建了一個“DCA 代理”，使用戶能夠以美元成本平均法（DCA）买入指定代幣。

DCA 代理產品遵循模式：

用戶定義他們希望 DCA 买入的代幣，以及其他參數，如滑點容忍度、特定的 DeFi 池、DCA 交易的頻率和每筆 DCA 交易的金額。

DCA 代理響應收到的通知（即定時任務）並在滿足預定義條件時執行 DCA 交易。

用戶最終可以暫停 DCA 代理或永久停用它。

需要明確的是，這種代理是以規則爲基礎的方式執行操作，並有效地遵循其底層腳本中定義的指令。這在分類上就是前者 —— 完全確定性和參數化的 AI。

在這點上，其實 Arweave 創始人 @samecwilliams 也曾經表達過相似觀點，在目前主流金融系統中，大量的交易並非由投資者操作，而是各種機器人在自動交易。所以這也天然適用於 DeFi 交互場景。事實上，最安全的實現某些目標的方法是爲代理設置嚴格的規則和操作。這實際上將這些產品拉近到與傳統金融產品和功能的相同水平（例如，設置止損，從銀行账戶設置 DCA 產品等），從用戶體驗角度來看，這是一個好事。

超越 DeFi 自動化

除了上述的較爲簡單的 AI，目前科技屆主流的對 AI 的套路都是集中在非確定性，具有適應能力的 AI 上，比如說 Chatgpt 與 LLM 模型。

顯然，這類系統相較於“DCA 代理”來說會更加高級。但它也非常昂貴。一般來說，LLM 產品需要 GPU 來提供必要的計算能力，而 GPU 計算比典型的 CPU 計算更昂貴。自托管一個 LLM 基礎模型的成本很容易達到每月約 2 萬美元。作者給出了一項 a16z 的數據，一些生成式 AI 初創公司僅在 AI 計算上就花費了 80% 的資金。

所以，如果要想在 AO 上構建使用 LLM 的應用程序，經濟成本的考量是無法避免的。但與其他智能合約平台相比，AO 的架構使开發者能夠擴展和微調其進程的安全級別。這種結構將極大地有利於 AO 开發者，因爲大多數 LLM 生成的消息價值較低。

最後的思考

作者在最後給出了他對 AO 機構的思考：

AO 的獨特架構爲應用程序的开發提供了一個有吸引力的平台，從 DeFi 到 AI 驅動的應用程序。

異步消息傳遞結合並行計算使應用程序比典型的智能合約應用程序更加豐富和復雜。

支持進程的可擴展和靈活的安全性也是 AO 所獨有的，尤其是 LLM 驅動的產品，將利用這一屬性。