经济模型

Sahara AI 的经济系统旨在为所有参与者提供公平的回报。无论是通过运行节点、贡献数据、优化模型，还是构建 AI 代理，平台都确保参与者获得合理的报酬，并保证交易的透明性和公开性。通过利用 Sahara 区块链和 SAPs，平台构建了一个支持公平合作的系统，增强了信任并为每个参与者提供了机会。

Sahara 提出的 AI 资产投资模型，允许用户通过投入资本、数据、计算资源或 AI 技术专长，换取 AI 模型、代理或应用的股份。这与微软、亚马逊等公司类似，它们通过为基础模型公司（如 OpenAI）提供计算资源换取利益（如：股份）。然而，Sahara AI 的投资模型涵盖了整个 AI 生命周期，降低了参与门槛，让具备专业能力的人都能参与到 AI 的共建中，推动了一个更加包容的协作经济系统。

整个经济系统中的重要参与角色，被分为了以下几类

• 开发者 (Developer)：开发者在 Sahara AI 平台上创建 AI 模型、工具和应用。他们的激励包括通过使用费、授权和创作销售获得收入。
• 知识提供者 (Knowledge Provider)：知识提供者包括注释员和审查员。注释员提供个性化的数据和专业知识，审查员确保数据质量。知识提供者根据其贡献的数据的质量和实用性进行补偿。
• 消费者 (Consumer)：消费者是最终用户和企业，他们使用平台上的 AI 模型、工具和应用，并根据使用情况支付费用，从而确保经济系统的可持续性。消费者受益于访问尖端的 AI 解决方案，提升运营并推动创新。
• 投资者 (Investor)：投资者提供资本和资源（如 GPU、云服务器、RPC 节点等）来支持 AI 资产的开发和部署。作为回报，投资者获得 AI 资产的股份，并通过 AI 资产带来的收入及其潜在价格升值获益。
• 运营商 (Operators)：运营商负责提供存储和计算能力，并维护链上和链下的网络基础设施。他们确保平台的平稳运行和安全，因维护网络稳定性和性能而获得奖励。
• 验证者 (Validators)：验证者负责维护 Sahara 区块链的完整性和安全性，验证交易并确保网络的可信性。通过确保区块链的可靠性，验证者获得奖励。

在此之上，Sahara AI 将 AI 与 Web3 经济融合，意图打造了一个双向赋能的经济增长闭环。

Sahara AI通过双重增长飞轮模型推动Web3生态系统和AI生态系统的可持续和可扩展增长。这个双重模型确保了两个生态系统能够在自我维持的循环中无缝协作，共同促进平台的长期发展。

AI生态系统

AI生态系统的增长飞轮始于开发者，他们发布并参与AI相关任务。这些任务吸引知识提供者与开发者合作，共同创建AI资产。AI资产的创建吸引了消费者，推动了AI资产收入的增长。这种收入的增长吸引了投资者，进一步推动了股份升值。股份的升值反过来又提高了开发者的净利润，吸引更多开发者进入生态系统。开发者的持续涌入带来了更多创新，推动了更多有价值的AI资产的创造，从而形成了AI生态系统的持续增长循环。

Web3生态系统

Web3生态系统的增长飞轮从开发者开始，他们通过在Sahara区块链上构建应用来推动产品创新。这种创新加速了用户参与，吸引了更多用户加入平台。用户参与的增加促进了生态系统的繁荣，带动了交易量的增长。随着交易量的增加，基础服务的收入提升。这种收入增长吸引了更多的运营商和验证者加入生态系统，进一步增强了基础设施的稳定性。稳定的基础设施反过来吸引更多开发者，推动了更多的产品创新，继续推动Web3生态系统的增长。

协同效应

AI和Web3生态系统密切相连，开发者是两者的核心。在AI生态系统中，开发者通过参与AI相关任务创建AI资产，推动创新并吸引投资，从而促进开发者的进一步增长。这些具有AI进展的开发者随后被引入Web3生态系统，提升产品创新和用户参与度。增加的用户参与推动了Web3生态系统中的交易和收入增长，这又为更多AI开发提供了稳定的平台，吸引更多开发者。两大生态系统的相互协同，确保了它们在各自增长的同时，互相支持与加速，从而形成强大的相互促进的增长循环。

目前看下来，Sahara AI 的愿景在经济正循环的模型逻辑上是可以说通的，不过其中涉及的环节和参与方很多，实际落地的挑战不小。

架构设计

由于 Sahara AI 当前代码尚未开源，其项目的架构设计方面只能从其官方发布的白皮书以及技术博客中窥探一二。

Sahara AI 的整体架构分为四层：

• 应用层：作为用户界面和主要的交互点，提供内置应用程序，帮助用户构建AI资产并协作盈利或者交易。
• 交易层：基于Sahara区块链的Layer 1基础设施，管理AI生命周期中的来源追踪、访问控制、归属等交易操作。
• 数据层：提供数据存储、访问和传输的抽象与协议，整合链上和链下组件，实现AI生命周期中的数据管理。
• 执行层：提供AI所需的离线基础设施，支持各种AI功能，动态分配计算资源，提升性能、可扩展性和鲁棒性。

应用层

应用层中比较核心的三个功能性组件分别是

• Sahara ID：是 Sahara AI 平台中的身份管理核心，作为每个参与者（无论是AI实体还是人类用户）的唯一标识符。它提供身份验证和声誉管理，确保平台内的交互安全透明。通过Sahara ID，用户可以安全地访问自己拥有或许可使用的AI资产，并跟踪管理自己的贡献和声誉。
• Sahara Vaults：是用于存储和管理AI资产的安全存储库，支持本地存储和云存储。它提供高级安全功能，保护数据和资产免受未经授权的访问和潜在威胁，确保AI资产的隐私、安全性和完整性。
• Sahara Agent：是 Sahara AI 平台中的AI驱动实体，由三个核心模块组成：
  • Brain（大脑）：负责思考、记忆、规划和推理的模块，处理信息并做出决策，具备个性化回应和终身学习功能。
  • Perceptor（感知器）：负责接收和分析来自各种来源的数据，帮助大脑做出决策，支持多模态感知，能够处理视觉、听觉等多种数据输入。
  • Actor（执行器）：根据大脑的决策执行相应的动作，使用多种工具和资源，如网络搜索等，来完成任务

除此之外，应用层还有一些交互性组件，促进用户与其他用户及AI实体之间的互动，使用户能够主动使用和利用平台上的AI资产，分别是 Sahara Toolkits（开发和部署工具套件）和 Sahara AI Marketplace（资产交易市场）。

交易层

交易层基于 Sahara 区块链，这是一个Layer 1区块链，是支撑 Sahara 开放、公平、可信、透明的基础。它提供管理所有权、归属和AI相关交易的协议，确保AI资产的主权和来源追踪。

Sahara Chain 的特点在于，作为一条 AI 原生链，它针对 AI 集成了一些特定的设计

• Sahara AI-Native Precompiles (SAPs)：一些内置 AI 相关函数的预编译合约。目的是将这部分执行放到原生执行层中去，从而提速。其分为两类 Training  Execution  SAPs 和 Inference Execution SAPs 两类。
• Sahara Blockchain Protocols (SBPs)：一些 AI 相关的协议设计，分为 AI Asset Registry SBPs，AI  Licensing  SBPs，AI Ownership SBPs 以及 AI Attribution SBPs 。主要是一些与资产记录和贡献记录相关的协议。

而在区块链 Layer1 层本身的设计上，是一条比较常规的基于 PoS+Tendermint 共识的 EVM 兼容链，在共识和性能上暂时没有看到太多的优势点。计划采用 Layer2 Rollup 的方案来解决性能扩展的问题，并计划打造 SCC (Sahara Cross-chain Communication) 跨链协议来构建链原生桥，从而促进和外部链的互操作性。

数据层

由于 AI 构建的生命周期中存在大量的数据，为了提高数据源存储的效率和降低成本，Sahara AI 将数据分割为了 on-chain (链上) 和 off-chain (链下) 两个部分。

其中 on-chain 部分主要负责存储一些归属、摘要、承诺、证明等比较简短的信息。而 AI 训练的数据集、模型等信息会在链下进行存储。

简单来说，在数据层中，Sahara AI 对数据进行了分级处理。

同时还提到

• 为了提高不同层级之间的数据检索效率，还采用了一些索引相关的技术方案
• 为了提高数据管理的安全性，采用了一些加密，访问控制相关的前沿技术方案

但以上的相关细节暂未披露。

执行层

执行层是 Sahara AI 平台的链外 AI 基础设施，它与交易层和数据层无缝互动，执行和管理与AI计算和功能相关的协议。

其关键的功能特点包括：

• 数据交互与资源分配：执行层根据任务需求，从数据层安全地获取数据，并动态分配计算资源，确保最优的执行性能。
• 高效、私密和完整性保护的协议：执行层利用多种协议来确保计算过程的高效性、隐私保护和数据完整性。
• 与区块链的互动：执行层与Sahara区块链连接，记录所有执行活动和证明，确保过程的来源和信任。
• 高性能支持：确保能够处理复杂的AI任务并应对不同负载，具有
  • expedient (快捷) ：提供快速且可靠的性能
  • elastic (高弹性) ：具备强大的自动扩展机制
  • resilient (韧性)：具有容错能力，确保系统的稳定性和可靠性。即使在发生故障时，系统也能迅速恢复。

总结来说，执行层通过高效、私密、且具有完整性保障的协议，动态管理计算资源，支持高性能计算，并与区块链密切结合，确保AI计算过程的透明、可追溯与可信。

同时为了协调执行层和数据层以及交易层之间的互动协作，无缝集成，执行层处还进行了抽象、协议等相关的设计。