发行时间：2018-05-02
白皮书：
最大供应量：
总供应量：
核心算法：
激励机制：
NebulaAI致力于构建去中心化的人工智能计算基础链（智云链），通过将GPU矿机转化成人工智能计算服务来减少传统工作量证明的能源耗费。NBAI代币用于购买计算能力，例如：开发者测试；DAI应用的使用；DAI训练服务购买等等。
项目目标为了改善⽬前中⼼化云计算的现状，我们利⽤区块链技术的去中⼼化特性将⼈⼯智能机器在全球范围内进⾏计算能⼒的租⽤和分配。区块链加密技术有效规避了内部泄密问题的存在，⽽分布式的AI计算单元的维护则交给了⼤⼤⼩⼩的⼈⼯智能计算单元的拥有者，极⼤地减少了维护的⼯作量。这个总⽬标，可以拆分成以下⼏个⼦⽬标：1.共享AI计算平台共享AI计算设备平台将解决AI设备的拥有者和使⽤者之间的不平衡的需求状况。AI计算设备的拥有者⽆法100%得发挥其计算潜⼒从⽽导致了部分计算资源的闲置。与此同时，⼤量需要⼈⼯智能的计算能⼒的⽤户又⽆法得到经济⾼效的AI计算资源。通过区块链技术完成的点到点⽀付以及区块链记账技术可以让共享AI算⼒以最便捷的⽅式完成⽀付和共享。2.AI物理计算单元⼤量的GPU计算矿机可以转换成AI计算单元，从⽽从单纯的哈希计算转换成更有意义的AI任务计算。由于AI计算的特殊性，需要预装指定的系统并且定期更新客户端，包括记账系统，才能更好的发挥硬件的性能以及分享AI计算能⼒。3.去中⼼化AI应用去中⼼化AI应⽤（DecentralizedAIApplication）接⼊系统时需要对应的接⼜让DAIApp程序员以便捷的⽅式进⾏开发调⽤以使⽤平台中强⼤的计算能⼒。主要包含⽀付API，计算能⼒估算API，⼯作量预估API等等，从⽽加快AI应⽤的开发速度。4.集成IPFS分布式存储去中⼼化应⽤需要使⽤⽂件存储系统来存储数据，⼀个选项就是IPFS的存储系统来替代传统的中⼼化云存储或者本地⽂件存储，从⽽实现更好的分布式存储。IPFS星际⽂件系统（InterPlanetaryFileSystem，缩写IPFS）是⼀个旨在创建持久且分布式存储和共享⽂件的⽹络传输协议。它是⼀种内容可寻址的对等超媒体分发协议。在IPFS⽹络中的节点将构成⼀个分布式⽂件系统。未来的IPFS⼤部分会使⽤跨链技术调⽤，关于跨链技术，请见跨链服务调⽤。5.AI⼯程师培养中心NebulaAI将建⽴系统的⼈⼯智能培养中心，提供⼈⼯智能实践领域的基础知识，⼯程师们通过系统学习，项⽬实操，逐步在产品设计中建⽴和训⼈⼯智能模型。我们致⼒于传播⼈⼯智能⾏业最新应⽤和知识、培养输送优秀⼈⼯智能⼈才。以填补⼈才缺⼜、充分发挥⼈⼯智能在商业中的⼒量为使命。
BiKi ETF专区SUSHI3L/USDT 24H最高涨幅100.54%:据BiKi平台ETF专区行情显示，截至今日18：00，ETF3L专区SUSHI3L/USDT 24H最高涨幅100.54%，现净值0.0085USDT; UNI3L/USDT 24H最高涨幅50.24%，现净值0.2565USDT; COMP3L/USDT 24H最高涨幅42.16%，现净值0.0291USDT。
ETF3L/3S是一种锚定标的3倍做多和3倍做空某种数字资产的指数基金，相比合约有操作简单、永不爆仓、无保证金等特点，BiKi ETF管理费为0.1%。[2020/11/15 20:52:21]
使用价值系统的代币⽤于购买计算能⼒，当训练数据⽐较⼩的时候，消耗的代币⽐较少，当训练数据⼤的时候消耗的代币相应增多。⽀付的费⽤与训练成本和当前代币的价值有关。为每个1080Ti的显卡计算⼀分钟产⽣的计算能⼒，也就是7514GFLOP/s×60。
EOS突破2.9美元关口 日内涨幅为0.46%:火币全球站数据显示，EOS短线上涨，突破2.9美元关口，现报2.9001美元，日内涨幅达到0.46%，行情波动较大，请做好风险控制。[2020/9/4]
用户使用场景1.量化交易量化交易从很早开始就运⽤机器进⾏辅助⼯作，分析师通过各种量化模型，设计⼀些指标，观察数据分布，将机器当做⼀个运算器来使⽤。直到近些年机器学习的崛起，数据可以快速海量地进⾏分析、拟合和预测，从⽽更加精确预⾔未来⾦融产品的⾏情⾛向，然⽽这些模型的计算需要⼤量的⼈⼯智能计算能⼒。如果采⽤传统的⽅式，每个交易部门都需要⾃⾏建⽴⼀套数据中⼼。⽽共享计算能⼒可以省去昂贵的维护费⽤。让⾦融交易公司更加专注于预测本⾝。2.人工智能学习者计划⾼校⽬前开始逐渐开设⼈⼯智能课程，这种趋势在未来⼏年将会更加流⾏，学⽣学习的时候⼀般会选择在本机运⾏⼩任务，在学校机房运⾏耗时的任务。然⽽这些碎⽚化的任务，完全可以⽤区块链算⼒云解决。低成本的AI计算服务⾮常适合学⽣完成各种运算练习，快速修改⾃⼰的模型。3.生物医学人工智能肿瘤的早期筛查意义重⼤，但由于早期癌症病变区域⼩，传统⽅法难以判断良恶性，给临床诊断造成了困难，医⽣往往需要通过活检的⽅式进⾏检测，不仅增加了医疗成本，也给病⼈带来巨⼤痛苦。⽽将⼈⼯智能运⽤于医学影像识别和多学科协作诊断，可以有效突破这⼀难点，提⾼医⽣诊断能⼒、帮助快速决策，促进医疗服务向个体化、精准化转变。
*以上内容由非小号官方整理如若转载请注明出处。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。