ORA：以太坊上的去信任人工智能，重塑区块链 AI 生态
原文题目：《ora: ethereum’s trustlessai》
2026虚拟币交易平台推荐：
- 欧易（OKX）交易平台（>>>进入官网<<<）（下载OKX的Android安装包）
- 币安（Binance）交易平台（>>>进入官网<<<）（下载币安Android安装包）
作者：ORA
编译：Fairy，ChainCatcher
编者按：6 月 26 日，预言机协议 ORA 宣布完成了 2000 万美元的融资，投资方包括 Polychain、SevenX Ventures、HF0 和 Hashkey Capital 等。在区块链和人工智能的交汇点上，ORA 正在开辟新的前沿。ORA 通过结合 AI、丰富的数据源和任意规模的计算能力，不仅打破了智能合约的局限，更赋予了开发者们创新空间。
本篇文章详细介绍了 ORA 的核心技术和产品，包括零知识机器学习 (zkML)、Optimistic 机器学习 (opML) 以及乐观隐私保护人工智能 (opp/ai)。阅读本文将了解 ORA 如何推动链上 AI 的发展。
ORA 简介ORA 是以太坊的去信任的人工智能，可在区块链上实现人工智能和任意规模的计算。
ORA 通过提供 AI、更丰富的数据源和任意计算来打破智能合约的局限性，以便开发人员可以自由创新。
ORA 的工作得到了 Compound、以太坊基金会、Uniswap、Optimism 等机构的信任。
1. 甲骨文ORA链上人工智能ORA 让链上人工智能成为现实。ORA 为链上人工智能领域贡献了一系列前沿研究和产品。产品包括 zkML、opML 和 opp/ai。
a）zkML：零知识机器学习zkML 是一种链上机器学习的加密方法。
ORA 是 zkML 领域的先驱，并且发明了世界上第一个 zkML 库：Keras2Circom。
根据以太坊基金会支持的研究基准，Keras2Circom 的表现优于其他 zkML 框架。
此外，Keras2Circom 已准备好投入生产，并且经过了丰富生态系统的实战测试。
在这里阅读更多内容，并在 GitHub 上查看Keras2Circom 库。
b）opML：Optimistic 机器学习opML 是一种经济高效的机器学习框架，现在可实现链上机器学习。
ORA 是 opML 的发明者和创造者，无论是从学术研究还是开源实现的角度来看。
zkML 可以为 ML 计算生成加密证明，这些证明足够简洁，可以在链上进行验证。然而，目前的计算能力实际上无法高效且经济地生成证明，尤其是对于大型 AI 模型。
与 zkML 相反，opML 可以有效地将 Grok 的 3140 亿参数模型等大型模型带上链，从而将管理成本降低 1,000,000 倍以上。
在我们的论文中了解更多信息：https://arxiv.org/abs/2401.17555。
c）opp/ai：Optimistic 隐私保护人工智能opp/ai，乐观隐私保护人工智能，将用于保护隐私的 zkML 与用于提高效率的 opML 相结合。
opp/ai 是为链上 AI 量身定制的混合模型。
ORA 是 opp/ai 的发明者。
与纯 zkML 相比，opp/ai 的表现更佳，同时保持了与 zkML 相同的隐私特性。
在此处阅读更多内容并在我们的论文中了解更多信息：https://arxiv.org/abs/2402.15006。
2. ORA 链上人工智能预言机（OAO）a) 简介ORA 的 Onchain AI Oracle（OAO）是 ORA 的可验证、去中心化的 AI 预言机。
OAO 使任何人都可以在任何区块链上使用链上 AI 推理。
OAO 使用opML为 ML 计算创建可验证证明，这些证明可在区块链上进行验证。这为区块链中的 AI 开辟了新的可能性。
OAO 一直基于 opML 在以太坊和 Optimism 上运行，以生成可验证的 AI 推理。
上个月，ORA OAO在以太坊主网上部署。
最近，与 Optimism 合作，ORA OAO 已集成到 Optimism 主网。
阅读有关以太坊和Optimism 上OAO 部署公告的更多信息。
c) 使用 OAO 构建作为开发人员，您可以查看以下资源来构建由 AI 驱动的链上应用程序：
OAO 回购：OAO。
OAO 文档：AI Oracle。
使用 OAO 构建的视频教程：如何使用 OAO 进行交互和构建。
使用 OAO 构建的想法以获得灵感：所以您想使用 Onchain AI 构建。
ORA生态系统项目参考：awesome-ora。
3. ORA 初始模型发行（IMO）在AI时代，ORA引入了新的机制IMO（Initial Model Offering）。
a) 简介TL;DR：IMO 在链上将 AI 模型代币化。
对于人工智能模型，IMO 为开源人工智能模型提供可持续的资金。
对于生态系统，IMO 有助于协调分配和持续贡献的价值观和激励措施。
对于代币持有者，IMO 允许任何人都从链上收入和推理资产（例如ERC-7007）等来源获取链上 AI 模型的价值。
许多开源 AI 模型面临着将其贡献货币化的挑战，导致贡献者和组织都缺乏动力。因此，AI 行业目前由闭源的营利性公司主导。开源 AI 模型的制胜秘诀是需要筹集更多资金并公开构建。
有了 IMO，我们就能赢得开源 AI 之战。IMO 可以通过促进长期利益、鼓励参与和资助开源 AI 社区，实现开源 AI 模型生态系统的可持续发展。当我们拥有比专有模型更好的开源模型时，我们就赢了。
IMO 将开源 AI 模型的所有权代币化，并将其利润分享给代币持有者。
b) IMO 的核心组件IMO 是无需许可的，因此任何人和任何社区都可以对其 AI 模型进行 IMO。
在IMO中，有两个核心组件：
具有可验证性的链上人工智能模型
链上使用收益分享
对于 Onchain AI，我们需要将代币与正确的 AI 模型和推理绑定在一起。ORA 正在通过前面提到的 ORA OAO 来实现这一点，这是世界上第一个适用于任何 AI 模型的 AI Oracle。
对于链上使用收益共享，ORA 引入了ERC-7641：内在 RevShare 代币，作为 IMO 的基础，实现公平收益共享。IMO 代币不是 AI meme 币，而是代表 AI 模型的份额。持有者可从 OAO 和推理资产（如ERC-7007：可验证 AI 生成内容代币）中受益于 AI 模型的收益。
IMO 是无需许可的，因此任何人和任何社区都可以对其 AI 模型进行 IMO。
IMO 将特定的 AI 模型代币化，从而提供：
社区能够有效地为开源筹集资金。
激励贡献者继续改进全球可访问的模型。
代币持有者可以通过使用链上模型获得收入机会。
有意义的 IMO 需要 Onchain AI 和 IMO 代币的收益分享机制：
Onchain AI可以通过ORA OAO实现。
收入来源于ORA OAO中的模型使用，以及ORA共同撰写的ERC-7007等推理资产。
收益分享机制可以通过ORA编写的ERC-7641来执行。
请在这里和这里阅读关于 IMO 的更多信息。
观看ORA 在 ETHDenver 上宣布的 IMO。
观看60 秒内讲解 IMO。
4. OpenLM IMO：世界上第一个 IMO主网上的 $OLM：0xe5018913F2fdf33971864804dDB5fcA25C539032LP 主网上的地址：0xB57CFe32dbF5227d9c9A03eF3D2E9E53cb4524B0a) OpenLM 简介
OpenLM 是一个执行性语言建模 (LM) 存储库，旨在促进中型 LM 的研究。
OpenLM 是开放的、高性能的、去中心化的人工智能，而不是由大型科技寡头资助和监督的封闭的、中心化的、许可的 LLM。
OpenLM 是一个由分散团队创建的 MIT 许可证下的开源模型。他们的贡献将通过此次捐赠得到认可，这也将有助于激励和促进任何人都可以访问的开源 LM 的研发。
b) OpenLM IMO4月10日，我们发布了全球首个IMO：OpenLM IMO。
OpenLM IMO 将 OpenLM 的开源模型标记化。
就像普罗米修斯为文明窃取火种一样，ORA 通过 OpenLM 的首个 IMO 展示了 IMO 为开源 AI 社区带来的好处
$OLM 不是 ORA 的代币。它是以太坊上 OpenLM 模型的代币化，所有权由 OpenLM 贡献者和社区共享。尽管如此，ORA 的链上 AI 预言机可以实现人工智能模型的代币化。
IMO 将成为 OpenLM 旅程的基石，提供资金和激励措施来培育可持续的生态系统、实现访问民主化并推动持续发展。
IMO for OpenLM 有望利用开源软件和社区的力量彻底改变 LLM 的格局。
在此处阅读有关 OpenLM IMO 的更多信息。
c) OpenLM IMO 活动OpenLM IMO 全球首届 IMO 取得了巨大成功。
5 亿枚代币全部以 150 ETH（约 50 万美元）的价格售出。这发生在 5 分钟内。这证明了在供应量低的情况下需求量很大。$OLM 继续在 Uniswap 的去中心化交易所上易手。
不幸的是，由于需求远远超过了有限的供应量，绝大多数在销售开始时试图购买 $OLM 的人的交易都没有成功处理。
这是第一次 IMO，以后还会有更多。未来的 IMO 将具有不同的参数，以便让更多有价值的人和钱包参与进来。
d）OpenLM IMO 路线图IMO 的目标是培育开源社区，壮大生态系统。OpenLM IMO 为 OpenLM 开源社区提供了更多资源。
这是 IMO 技术的旗舰演示。这是迈向更可持续、更具竞争力和开源的 AI 未来的开始。
以下是实现 OpenLM IMO 成功的路线图。
1. OAO 集成
为了实现 $OLM 的收益共享，ORA 将 OpenLM AI 模型集成到 Onchain AI Oracle 中。这样，每次用户与 OpenLM 模型交互时都可以产生链上收入，并由 OAO 跟踪。
2. OpenLM 生态系统扩展
对于 AI 模型，IMO 为开源 AI 模型提供可持续的资金支持。借助 OpenLM IMO 的这一努力，各种项目都可以使用 OpenLM 为 $OLM 的收入池做出贡献。
3. 向 OpenLM 社区捐款
正如之前宣布和计划的那样，10% 的 $OLM IMO 代币将归于现有和未来的 OpenLM 贡献者。
我们正在敲定对开放和分散的人工智能社区的支持的所有细节。
4. 收益分享活动
OpenLM RevShare 代币（$OLM）具有以下特点：
收益共享：OAO 或其他来源的部分收益将分配给 $OLM 代币的收益共享池。代币持有者可以在快照后每 90 天领取一次收益。
销毁：OAO 或其他来源的部分收入将分配给 $OLM 代币销毁池。代币持有者可以销毁其代币作为回购机制。销毁机制将支持 OpenLM 代币的“底价”。
相关攻略
Oracle AWR报告深度解读：避开四个经典分析误区 AWR报告生成失败主因是快照不存在或权限不足；CPU time占比高未必异常，需结合DB Time Elapsed比值及绝对值分析；物理读高不等于缺索引，应查Buffer Hit Ratio和执行计划变化；SQL未共享常因大小写、绑定变量类型等
Oracle视图如何提高跨库查询效率：利用DBLINK与视图封装 说到跨库查询，很多朋友的第一反应就是创建DBLINK。但实际操作后，往往会发现一个令人困惑的现象：明明已经建好了链路，查询速度却依然慢得让人难以接受。这背后的症结，通常不在于DBLINK本身，而在于查询的执行方式没有优化到位。 DBL
PL SQL批量查数据不能只用普通LOOP，因逐行FETCH引发高频上下文切换和引擎通信，性能极差；应使用BULK COLLECT配合显式集合类型一次性加载数据，再用FORALL批量DML提升效率。 PL SQL里批量查数据，为什么不能只用普通LOOP？ 原因其实很直接：逐行 fetch 的操作，本
Druid连接池为什么比Hikari更适配Oracle监控需求 说到监控Oracle数据库的连接池，很多开发者可能会发现，事情没那么简单。Oracle的官方JDBC驱动在暴露连接状态、会话级指标（比如SQL执行耗时、等待事件）方面，远不如MySQL那样“友好”。这时候，连接池的选择就变得至关重要了。
RMAN生产备份必须显式配置归档删除策略，否则归档堆积导致闪回区满、数据库hang 在RMAN生产环境备份这件事上，千万别以为一句backup database就能高枕无忧。如果不显式配置归档删除策略，归档日志暴增、控制文件膨胀、闪回恢复区被撑爆，这些麻烦随时可能找上门来。 为什么默认不自动删除归档
热门专题
热门推荐
智能文本处理引擎在文本分类中的优点 提到文本分类，很多人首先想到的是海量数据和繁琐的人工标注。但智能文本处理引擎的出现，正在彻底改变这一局面。那么，它究竟带来了哪些实实在在的优势呢？以下几个方面，或许能给你清晰的答案。 高效性 面对成山堆的文本数据，人工逐篇审阅分类的效率瓶颈显而易见。智能文本处理引
快递面单OCR识别：让物流信息“开口说话”的技术 在现代物流体系中，让一纸面单上的信息快速、准确地“活”起来，是提升效率的关键。这背后，倚赖的正是光学字符识别技术，也就是我们常说的OCR。这项技术的核心任务很明确：把快递面单上印刷或手写的文字信息，通过图像扫描转化为计算机能直接理解和处理的数字格式，
半监督信息抽取 信息抽取这事儿，如果纯靠人工标注，耗时费力；如果全无监督，效果又难以保证。于是，一种折中且高效的策略应运而生——半监督信息抽取。它巧妙地将监督学习与无监督学习的优势结合了起来。 那么，它具体是如何运作的呢？简单说，就是先由人工“播种”。研究者会预先定义好需要抽取的关系类型，并手动添加
超级自动化平台：企业效率革命的核心引擎 如果说单一的工具是解决特定问题的“螺丝刀”，那么超级自动化平台，就是为企业提供的一整套“智能工具箱”。它并非某项孤立的技术，而是集机器人流程自动化、人工智能、机器学习等多种能力于一身的综合性解决方案。更关键的是，它还集成了低代码开发、智能流程编排与数据分析等功
多平台电商店铺财务账单核对指南 在多个电商平台同时运营店铺，财务账单的核对工作是一项不小的挑战。这事儿有多重要，想必各位掌柜都深有体会。今天，咱们就来系统地聊聊，怎么把这份复杂的工作变得清晰、高效。 一、统一数据格式：打好基础第一步 想象一下，面对来自不同平台、格式各异的报表，光是“对齐口径”就能让