EMC: Treibt die Fusion von AI-Technologie und Blockchain voran

1. Einleitung

Inmitten des rasanten technologischen Fortschritts wird die Fusion von künstlicher Intelligenz und Blockchain-Technologie zu einem neuen Schwerpunkt, während die Erzählung über die Konstruktion von Rechenleistung DePin auf Grafikprozessoren (Graphics Processing Unit, GPU) eine neue Welle im Web3-Bereich auslöst.

In den letzten Jahren hat die weit verbreitete Anwendung von KI-Technologie den Bedarf vieler Branchen an Rechenleistung erhöht. Jedoch führt das Monopol hochleistungsfähiger GPUs auf dem Markt dazu, dass viele kleine und mittlere Unternehmen Schwierigkeiten haben, die benötigte Rechenleistung zu erhalten. Das EMC (Edge Matrix Computing) Projekt entstand genau aufgrund dieses Bedarfswachstums und zielt darauf ab, das Problem der unzureichenden Zuweisung von Rechenleistung durch die Integration ungenutzter Grafikressourcen weltweit zu lösen.

Das EMC-Team leistete Pionierarbeit beim Konzept von “DeAI”, das sich von herkömmlichen GPU-Cloud-Services unterscheidet, und das Projekt bietet ein effizientes KI-Trainingsmodell über seine Planungsplattform Rechenleistung, die es Entwicklern ermöglichen soll, Rechenressourcen zu geringen Kosten zu erhalten. Diese Innovation fördert die Integration von KI und Blockchain in Bezug auf die Ressourcennutzung und den Datenaustausch, was nicht nur die Entwicklung des Web3-Ökosystems ermöglicht, sondern auch einen realen Anwendungswert schafft.

2. EMC-Projektübersicht

2.1 Projektgrundlagen

EMC (Edge Matrix Computing) wurde 2022 gegründet und ist ein hochleistungsfähiges Dezentralisierung AI Rechenleistung Netzwerk, das darauf abzielt, die Reibung zwischen der Entwicklung von KI-Technologien und der GPU Rechenleistung zu lösen. Bis Oktober 2024 wurden bereits Rechenleistung Netzwerke und AI+Web3-Communities in über 30 Ländern und Regionen weltweit aufgebaut, um Unternehmern und Entwicklern gleiche und offene Chancen zu bieten.

Als erste Plattform im Web3-Bereich, die eine nahtlose Verbindung von GPU-Rechenleistung und KI-Anwendungen bietet, hat EMC Kernprodukte für verschiedene AI- und Web3-Anwendungsszenarien entwickelt und einen verteilten Hochleistungs-Rechenleistungsservice namens DePIN aufgebaut. EMC Hub beispielsweise ist für die Dezentralisierung von Rechenleistung zuständig und bietet weltweite Rechenleistungressourcen, um AI-Entwicklern zu helfen, Aufgaben effizient zu erledigen. JarvisBot konzentriert sich auf umfangreiche AI-Serviceanwendungen und optimiert das Benutzererlebnis durch Tiefe-Lernen und bietet intelligente Unterstützung für verschiedene Geschäftsszenarien. OmniMuse als Innovationsplattform zielt darauf ab, die Forschung und Entwicklung sowie die Verbreitung von KI-Technologie voranzutreiben.

In diesem Kontext bemüht sich EMC um den Aufbau eines dezentralisierten KI-Ökosystems, das nicht nur Entwicklern kostengünstige und effiziente Rechenressourcen bietet, sondern auch neue Möglichkeiten für innovative Anwendungen in verschiedenen Branchen eröffnet. EMC strebt an, eine wichtige treibende Kraft für die Fusion von KI und Blockchain in der Zukunft zu sein, indem es verteilte Rechenleistung, Smart Contracts und KI-Dienste integriert und eine breitere Entwicklungsplattform für Entwickler und Unternehmer weltweit schafft.

2.2 Gründungsteam

Hauptgründer des EMC-Projekts (Bildquelle: Edge Matrix Chain (emc.network))

Das EMC-Kernteam besteht aus einer Vielzahl erfahrener Experten mit umfangreichem Hintergrund in den Bereichen Cloud Computing, Künstliche Intelligenz und Marketing.

• Alex Goh

Mitbegründer von MC, Präsident der EMC Foundation, mit einem MBA-Abschluss von der Macquarie University. Er verfügt über mehr als 20 Jahre Erfahrung in der Entwicklung globaler Märkte und war zuvor General Manager für Greater China bei Improbable.io und globaler GM bei AWS (Amazon). Derzeit ist er hauptsächlich für die Kommerzialisierung und weltweite Vermarktung von EMC in Singapur verantwortlich.

• BK Khur

EMC Mitbegründer und CTO, Absolvent des College of Engineering der Nanyang Technological University (NTU), ehemaliger Forscher an der Nanyang Technological University. Mit reichhaltigem technischem Hintergrund war er bei Deloitte für die digitale Transformation verantwortlich und ist Mitbegründer von Unternehmen wie JuzToday und ShopperBoard, mit umfangreicher Erfahrung in der Leitung und Technologie von mehreren Innovationsprojekten.

• Allen Foo

Mitglied des Verwaltungsrates der EMC-Stiftung und Produkt- und Technologieberater, Gründer und CEO von UCCVR Early-Stage-Risikokapitalfonds und VooX, der zuvor für die Geschäftsentwicklung von Unity und Microsoft Greater China verantwortlich war, mit umfangreicher Führungserfahrung im Bereich Cloud-Services.

• Terrence Ngu

Mitglied des Vorstands der EMC Foundation und Berater für weltweite Marketingstrategien, Gründer von Hashmeta, ehemaliger Chief Community Officer bei StarNgage und leitende Positionen in mehreren High-Tech-Unternehmen. Spezialisiert auf globale Marktstrategien und Community-Building.

2.3 Aktueller Finanzierungsstatus

Bis heute hat das EMC-Projekt mehrere wichtige Finanzierungsrunden abgeschlossen und zeigt sein starkes Entwicklungspotenzial im globalen AI- und Web3-Bereich. Die erste Finanzierungsrunde wurde im Januar 2024 abgeschlossen und umfasste hauptsächlich Investoren wie die Swiss Bochsler Group, Future3 Campus, 1783 Labs, Frontier Research, DMC, VOFO Corp, Exabits.ai, Hashm ta, CEEX Labs und andere Institutionen und Unternehmen.

Im Februar 2024 gab das EMC-Team bekannt, dass die zweite Runde der strategischen Finanzierung in Millionenhöhe abgeschlossen wurde, angeführt von der Faculty Group und Flow Capital. Die Mittel stammen aus der globalen Web3-Community, DAOs und der KI-Entwickler-Community, was die EMC-Rechenleistungsknoten erneut beschleunigt und den Ausbau und die Entwicklung vorantreibt.

Am 30. August 2024 gab EMC bekannt, dass es erfolgreich eine Series A-Finanzierungsrunde in Höhe von 20 Millionen US-Dollar abgeschlossen hat. Das Angebot wurde von Amber Group und P2 Ventures angeführt, weitere bekannte Investoren wie One Comma, Kapley Judge and Associated Corporations und Cyberrock Venture Fund beteiligten sich ebenfalls. Dies stärkt weiterhin die Position von EMC als Plattform für die Dezentralisierung der Rechenleistung und als Innovator im Bereich Künstliche Intelligenz.

2.4 Verwandte Ressourcen

3. Projektvorteile

3.1 Verteilte GPU

Angesichts der Dominanz von Branchengrößen wie Nvidia auf dem Markt für leistungsstarke GPUs hat EMC mit seinem einzigartigen verteilten Rechenleistungsnetzwerk, das auf ungenutzte GPU-Ressourcen weltweit zurückgreift, das Problem des Ungleichgewichts von Rechenleistung Angebot und Nachfrage effektiv gelöst. Insbesondere nach der Zusammenführung von ETH führte die Schließung zahlreicher Mining Farmen zu einer großen Anzahl ungenutzter GPU-Geräte, was EMC die Möglichkeit bietet, kostengünstig Rechenleistungsunterstützung für KI-Entwickler bereitzustellen.

Derzeit sind auf dem EMC-Netzwerk über 100 GPUNodes in verschiedenen Ländern und Regionen weltweit im Einsatz, hauptsächlich Modelle wie A100, H100, RTX 4090 und 3090. Diese Rechenleistungsressourcen werden von Internet-Rechenzentren (IDC), Cloud-Service-Providern (CSP), Mining Farm (Mining Farm) und der speziell für die AI-Entwicklung konzipierten EMC AI Workstation gemeinsam bereitgestellt. Das EMC-Netzwerk verwendet einen Mechanismus, der Proof of Work (PoW) und Proof of Stake (PoS) kombiniert, wobei die Teilnehmer Token-Belohnungen durch Beitrag von Rechenleistung und Staken’ erhalten, um doppelte Einkünfte aus Mining und Staken’ zu erzielen.

In terms of user experience, the design of the EMC AI Workstation focuses on plug-and-play. The first batch of products is equipped with high-performance hardware such as Intel Core i7 CPU, 2TB solid-state drive, 32GB DDR5 6400Hz memory, and RTX 4090 graphics card, ensuring sufficient computing resources and data processing capabilities required for complex AI tasks, and providing users with an efficient working environment to promote innovation and development of the entire ecosystem.

Weltweite Verteilung der GPU-Rechenleistung (Quelle: Geomap）

3.2 Innovatives DeAI-Ökosystem

EMC hat mit seinem einzigartigen Dezentralisierungs-KI-Ökosystem (DeAI) ein vollständiges System von Infrastruktur bis hin zur Anwendungsentwicklung aufgebaut, das auf den Grundprinzipien der Offenheit, Transparenz und Demokratisierung beruht. Ziel ist es, die Probleme der zentralisierten traditionellen KI mithilfe von Dezentralisierungsmodellen, Daten und Rechenleistung zu lösen. Beispielsweise werden traditionelle KI-Modelle oft von wenigen Unternehmen kontrolliert, was zu einer Abschottung von Daten und Algorithmen führt. Im DeAI-System von EMC hingegen werden Algorithmen und Daten über ein verteiltes Netzwerk geteilt, wodurch Benutzer ihre Daten eigenständig verwalten können. Dies bereichert das Datenökosystem erheblich und stärkt die Nutzerbeiträge und Kontrolle über KI-Modelle.

Inmitten des Bull Runs ist die Nachfrage des Marktes nach neuer Technologie und innovativen Modellen besonders dringend. Die Kombination von KI und Web3 ist ein wichtiger Trend auf dem zukünftigen Markt. Durch die Integration dieser beiden heißen Bereiche hat EMC eine neue Marktgeschichte geschaffen und den Anlegern neue Investitionsmöglichkeiten geboten, insbesondere im dezentralen Markt für KI-Entwicklung und -Anwendungen, wo eine neue Investitionswelle erwartet wird.

3.3 Doppel-Token + Doppeldeflation

EMC verwendet das “Doppel-Token + Doppel-Deflation”-Modell: Ein Token wird zur Governance und Teilnahme an Entscheidungen im Ökosystem verwendet, während ein anderes Token als hauptsächliches Medium des Handels dient. Dieses Design stärkt die Flexibilität des Projekts und ermöglicht es den Tokens, in verschiedenen Funktionen jeweils ihre eigene Rolle zu spielen.

Darüber hinaus reduziert der Dual-Deflationsmechanismus von EMC durch spezifisches wirtschaftliches Design das Umlaufangebot von Token und gewährleistet deren Knappheit. Konkret umfasst dies regelmäßige Rückkäufe von Token zur Verringerung des Umlaufangebots auf dem Markt und die weitere Verringerung des Umlaufangebots durch die Zerstörung einer bestimmten Anzahl von Token (z.B. durch Gebühren, die im Handel erhoben werden). Dieser Mechanismus erhält nicht nur die Knappheit des Tokens, sondern steigert auch dessen langfristigen Wert.

In der EMC-Community können Benutzer auf vielfältige Weise in das EMC-Ökosystem eingebunden werden, indem sie Einzahlung-Token verwenden, an echten weltlichen Vermögenswerten (RWA) handeln und KI-Modelle verkaufen, um den Umlauf und die Verwendung von Token zu fördern. Kurz gesagt, dieses Modell von “Doppel-Token + Doppel-Verknappung” legt eine solide wirtschaftliche Grundlage für EMC und motiviert durch vielfältige Ertragsmodelle mehr Entwickler und Benutzer, sich am EMC-Ökosystem zu beteiligen.

EMC-Wirtschaftsmodell-Design (Bildquelle: Edge Matrix Chain (emc.network)

3.4 Niedrige technische Einstiegshürde

EMC hat mit der Einführung des EMC Hub-Tools die technische Hürde für die Entwicklung von KI-DApp deutlich gesenkt. Entwickler können die reichhaltigen SDKs und Toolsets nutzen, um KI-Anwendungen einfach zu erstellen und bereitzustellen. Diese offene und benutzerfreundliche Entwicklungsplattform zieht nicht nur mehr Entwickler in das EMC-Ökosystem, sondern fördert auch die Verbreitung von KI-Technologien im Web3-Ökosystem und ebnet den Weg für die schnelle Anwendung intelligenter KI-Technologien.

4. Einführung in das EMC-Ökosystem

Als Projekt, das künstliche Intelligenz und Web3-Technologie kombiniert, ist das gesamte Ökosystem von EMC in vier Schichten unterteilt: Protokollschicht, Netzwerkschicht, Anwendungsschicht und Asset-Layer. Technisch gesehen bietet es den Benutzern eine effiziente AI-Rechenleistungslösung durch eine einzigartige Netzwerktopologie, Rand-Rechenleistungsplanung und mehrstufige Node-Designs. EMC-Ökosystemstruktur (Bildquelle: Edge Matrix Chain (emc.network) )

4.1 EMC-Protokoll

EMC Protocol ist ein dezentrales KI-Rechenleistungsplanungsverfahren, das auf der EVM-Ökologie basiert. Mit der leistungsstarken Infrastruktur von Arbitrum Onemainchain werden der Zustandsautomat übermittelt und überprüft, um die hohe Berechnungsanforderungen von KI-Trainingsaufgaben zu erfüllen und ungenutzte Rechenleistungsressourcen weltweit zu planen.

Wie im folgenden Diagramm dargestellt, kann die Netzwerktopologie von EMC in vier Arten von Knoten unterteilt werden: Berechnungsknoten (Computing Nodes), Relaisknoten (Router Nodes), Validierungsknoten (Validator Nodes) und Transaktionsspeicherschicht (Transaction Storage). Diese Knoten sind für verschiedene Funktionen verantwortlich und werden einheitlich geplant, um Transaktionen zu übermitteln und zu bestätigen sowie gemeinsam Aufgaben wie das Training und die Inferenz von KI-Modellen auszuführen. Schließlich werden alle Transaktionszustände und Rechenaufgabenergebnisse in der Transaktionsspeicherschicht von Arbitrum One gespeichert, um die langfristige Verfügbarkeit der Daten zu gewährleisten.

EMC-Netzwerk-Topologie (Bildquelle: https://cryptoviet.info/edge-matrix-chain-la-gi)

Die Kernimplementierung der EMC-Protokolltechnologie basiert auf seinem effizienten Übermittlungs- und Bestätigungsmechanismus, der ihm bei der Planung der Rechenleistung und der Verwaltung von Node eine einzigartige Stärke verleiht. Zunächst ermöglicht der Übermittlungsmechanismus das Verpacken des Zustandsautomaten in einer Commit-Struktur, die zur Aufzeichnung auf der Hauptkette von Arbitrum gesendet wird. Dies wird als “Commit” bezeichnet. Benutzer können in diesem Stadium sofort mit dem nächsten Schritt fortfahren, ohne auf die tatsächliche Abschlussbestätigung warten zu müssen. Sobald eine Transaktion in den Smart Contract eingereicht wurde, gilt sie als abgeschlossen. Der gesamte Vorgang erfolgt asynchron und obwohl einige Zeit benötigt wird, wird die Latenzzeit für die Benutzererfahrung erheblich reduziert.

Im Pos-Mechanismus erfüllt der Validierungsnode seine Aufgaben, indem er EMC-Token staked, um Fairness und Zuverlässigkeit zu gewährleisten. Wenn die Validierung fehlschlägt, können die gestakten Vermögenswerte eingezogen werden, was die Sicherheit des Systems weiter stärkt. Das Anreizsystem ist mit der Anzahl der gestakten EMC-Token verbunden, wobei Nodes mit den meisten gestakten Vermögenswerten priorisiert werden, um Prüfer zu werden. Die intelligente Routenführung hängt ebenfalls von den gestakten Vermögenswerten ab, um eine priorisierte Zuweisung und Stabilität der Aufgaben zu gewährleisten. Für Berechnungsnodes gibt es zwei Optionen: Staken’ EMC für höhere Belohnungen oder die Ausführung von Aufgaben, die keine langen Rechenleistungen erfordern, um Betriebsflexibilität und Gewinne zu erhöhen, insbesondere für kleinere Nodes.

Gleichzeitig verbessert das EMC-Protokoll die Effizienz der Rechenleistung erheblich durch die Zuordnung von Edge-Rechenleistung. Im Vergleich zu herkömmlichen zentralisierten Rechenzentren ruft das EMC-Netzwerk ungenutzte GPU-Ressourcen weltweit ab und optimiert die Zuweisung von Rechenleistung. Durch die Zusammenarbeit mit dem EMC Partner Network (EPN) bietet EMC eine dezentralisierte Unterstützung für Rechenleistung auf globaler Ebene, um die Stabilität und Skalierbarkeit des Systems bei großem gleichzeitigen Betrieb zu gewährleisten. Diese Gestaltung ermöglicht es dem EMC-Protokoll, den Herausforderungen der heutigen komplexen Berechnungsumgebung effektiv zu begegnen und eine solide Grundlage für KI und Echtzeitanwendungen zu bieten.

4.2 EMC Hub

Die EMC HUB-Plattform macht die Entwicklung und Bereitstellung effizienter, indem sie die KI-Modellbibliothek mit Rechenressourcen integriert. Entwickler können KI-Modelle als Docker-Container verpacken und auf die Plattform hochladen, zusammen mit Beispielscode und Parametererklärungen, um Plattformbelohnungen zu erhalten. Dieser Mechanismus reduziert die Belastung der Entwickler erheblich bei der Veröffentlichung und Verteilung von Modellen. Für Benutzer reicht es aus, einen Knoten zu abonnieren, um Docker-Container dieser Modelle über eine Ein-Klick-Bereitstellungsmethode auszuführen und eine vollständige KI-Instanz schnell zu starten. Das System konfiguriert automatisch die entsprechenden APIs.

EMC Hub Website-Einführung (Bildquelle:EMCHub）

Bei der Rechenleistungsschedulerung verlässt sich EMC Hub auf die intelligente Router- und Node-Zusammenarbeit: Ersteres optimiert den Pfad und den Datentransfer, während Letzteres Berechnungsaufgaben ausführt, GPU-Ressourcen im Rechenpool dynamisch plant und diese intelligent je nach Arbeitslast und Priorität zuweist. Im Vergleich zur herkömmlichen Methode vermeidet dieses Modell den mühsamen Prozess des Cloud-Service-Erwerbs, der Modellauswahl und der Umgebungsbereitstellung und hilft Entwicklern, sich stärker auf Innovationen zu konzentrieren.

In terms of security and efficiency, EMC Hub adopts a hybrid consensus algorithm of PoS+PoW. The entire network is maintained by 3F+1 validation nodes, and verification is completed through the Byzantine Fault Tolerance (IBFT) algorithm in a 2/3 confirmation manner. PoS ensures the security of nodes and prevents malicious attacks, while PoW is responsible for verifying the completion of computational tasks. This hybrid mechanism not only enhances the security of the platform but also shortens the AI training cycle. According to statistics, the cost of this method is only 30% of the traditional method, and the workload can be reduced to within a few hours.

EMC-Multilevel-Framework und Anwendungsdistribution (Quelle: EMCprotocol (EMC) · GitHub)

4.2.1 JarvisBot

EMC AI-Assistent Jarvis ist eine revolutionäre AI-Entwicklungsplattform, die auf der Architektur des EMC-Netzwerks und der Dezentralisierung basiert und tiefe Lernalgorithmen kombiniert, um nicht nur ein AI-Chatbot zu sein, sondern auch die Genauigkeit der Rechenleistungszuweisung durch tiefe Lernalgorithmen zu verbessern. Dabei behält er seine starke Gesprächsfähigkeit bei und automatisiert die Bearbeitung komplexer Berechnungsaufgaben und Modelltrainings, um den AI-Bereitstellungsprozess zu optimieren.

In terms of functionality, JarvisBot implements various AI applications, including generating copy, images, translations, and article rewrites, etc. At the same time, users can create customized bots for customer support, lead generation, order updates, personalized recommendations, etc. By combining the Web3 economic model, users can not only enjoy AI services but also earn profits by contributing resources. This setting distinguishes JarvisBot from traditional AI applications that can only be subscribed to by users, truly achieving the sharing of AI development and creation. This model has made it widely followed in the market.

Darüber hinaus vereinfacht JarvisBot das Bereitstellen von AI-Modellen erheblich durch sein Design. Entwickler können seine Funktionen leicht über die von JarvisBot bereitgestellten Web3-Tools aufrufen und AI-Modelle schnell online stellen, ohne mühsame manuelle Konfigurationen durchführen zu müssen. Dies verbessert nicht nur die Effizienz des Modelltrainings, sondern bringt auch effizientere und wirtschaftlichere Lösungen für die Bereiche AI und DeAI-Entwicklung. JarvisBot wird zur “ChatGPT”-Version der Dezentralisierung.

Jarvis Bot verwenden Sie die Seite (Bildquelle: https://docs.jarvisbot.ai/)

4.2.2 OmniMuse

OmniMuse ist eine innovative Plattform, die die Entwicklung von KI-Technologien durch Dezentralisierung künstlicher Intelligenz (DeAI) fördern soll. Die Plattform bietet eine Reihe von Funktionen, darunter anpassbare Smart Contract-Vorlagen und Rahmen, die speziell für das Minten’ von Modellen, den Handel und den Datenaustausch entwickelt wurden, um den Entwicklungsprozess von KI-Anwendungen erheblich zu beschleunigen. Gleichzeitig integriert OmniMuse beliebte Blockchain-Entwicklungstools, um die Erstellung von dezentralen Anwendungen zu vereinfachen.

OmniMuse nutzt Dezentralisierungslösungen wie FIL, um die Unveränderlichkeit und Unveränderlichkeit von Datenvermögen zu gewährleisten und gleichzeitig sicheren Datenaustausch und -transaktionen zu fördern, während die Datensicherheit gewährleistet wird. Dank fortschrittlicher Verschlüsselungstools wie homomorpher Verschlüsselung, sicherer Multi-Party-Berechnung und verifizierbarer Berechnung profitiert OmniMuse von fortschrittlichen Datenschutz- und Sicherheitsfunktionen und verbessert die Sicherheit der Plattform weiter.

Darüber hinaus wird der fortlaufende DeAI Store von OmniMuse eine innovative Plattform für DezentralisierungsAI-Anwendungen sein, die den Nutzern hilft, die neuesten intelligenten Technologieanwendungen zu entdecken und darauf zuzugreifen. Der DeAI Store bietet die KI-Datenspeicherung, Smart-Contract-Vorlagen und das Entwicklungsframework von Dezentralisierung und integriert Verschlüsselungstools, um die Privatsphäre der Benutzer zu gewährleisten. Die Plattform zielt darauf ab, eine kollaborative Umgebung ohne technische “Grenzen” für alle zu schaffen, um das enorme Potenzial von KI freizusetzen und viele KI-Entwickler, -Schöpfer und -Nutzer dazu zu bringen, mitzumachen und gemeinsam die Innovation und Entwicklung der KI-Technologie voranzutreiben.

OmniMuse Homepage (Image Source:OmniMuse）

4.3 Openverse Framework

Aufbauend auf dem EMC Hub erweitert Openverse seine Fähigkeiten durch die Integration mehrerer Entwicklertools und SDKs, erweitert die Fähigkeiten von Entwicklern in der Dezentralisierungsumgebung und erleichtert die nahtlose Integration mit EMC Hub, sodass Entwickler KI-Anwendungen schnell bereitstellen können.

In Bezug auf die Funktionen ist Openverse eine Plattform, die eine Vielzahl von SDK-Tools für Web3-Entwickler integriert, einschließlich EMC SDK, Web3 SDK, 3D Scene SDK und DID SDK. Diese Tools unterstützen Kernfunktionen von Web3, wie z.B. das schnelle Erstellen virtueller 3D-Welten mit dem 3D Scene SDK und die Bereitstellung einer blockkettenbasierten Identitätsverifizierung mit dem DID SDK, um die Sicherheit der Datenprivatsphäre zu gewährleisten.

Entwickler können nicht nur AI-Modelle auf die Plattform hochladen, sondern auch AI-Instanzen einfach über die One-Click-Bereitstellungsfunktion von Openverse starten und verwalten, um den Entwicklungsprozess zu vereinfachen. Diese integrierte Plattform senkt deutlich die Einstiegshürden für die Web3-Entwicklung und ermöglicht es Entwicklern, sich auf Anwendungsinnovationen und Geschäftswachstum zu konzentrieren.

Hauptnutzungsschritte von Openverse (Bildquelle: EMCprotocol (EMC) · GitHub)

5. Token-Übersicht

5.1 Tokenverteilung

$EMC ist ein Token, das auf der Arbitrum One-Blockchain ausgegeben wurde, mit einer Gesamtversorgung von 1 Milliarde. Die Zuteilung dieser Token umfasst mehrere Zwecke, einschließlich Community-Belohnungen, Entwicklungsfonds und Liquidität, und ihr Designkonzept zielt darauf ab, Entwicklern und Benutzern die Möglichkeit zu bieten, an der dezentralen Rechenleistung-Ökosystem teilzunehmen, Benutzer zur aktiven Beteiligung am Aufbau des Ökosystems zu motivieren und eine effiziente Nutzung und wirtschaftliche Zirkulation der Rechenleistung zu ermöglichen.

EMCToken初始分配模型（图源：Token分配 | White Paper von EMC）

5.2 Einkommensdeflationsmodell

EMC hat das Dual-Coin-Wirtschaftsmodell eingeführt, das neben der grundlegenden $EMC Coin auch den Stable CoinCredits einführt, der als Medium für den Handel auf dem EMC-Markt dient. Der Kern dieses Mechanismus liegt darin, dass Benutzer $EMC kaufen müssen, um Credits zu erwerben, wobei $EMC in diesem Prozess vollständig zerstört wird, was seine Knappheit und seinen Wert erhöht. Dieses Design trägt nicht nur zur Stabilität des Preises von $EMC bei, sondern zieht auch mehr Benutzer in das EMC-Ökosystem.

EMC的收益通缩模式，包含具体收益通缩和Rechenleistung消耗通缩两种，用于保持Token供需平衡。

1. Im Einkommensverknappungsmechanismus verwenden Handel stabile Münzen oder andere Token und vermieten dann Rechenleistung durch das Rechenleistungsprotokoll. Die Transaktionsgebühren der RWA-Plattform werden in $EMC umgewandelt und zerstört, wobei 80% der Mieteinnahmen dem Vermieter gehören und 20% zerstört werden. Gleichzeitig erhalten die Handelsparteien $EMC als Belohnung, um die Verwendung und Zerstörung von Token weiter voranzutreiben.
2. Unter dem Mechanismus des Rechenleistungsverbrauchs bietet EMC Hub umfangreiche Rechenleistung und Abonnementdienste an. Benutzer müssen andere Kryptowährungen staken, um diese Dienste zu erhalten. In diesem Fall wird das gestakte Vermögen in $EMC umgewandelt und in das $EMC-Konto eingezahlt, ohne dass es abgehoben werden kann. Stattdessen wird es nach der Nutzung der Dienste zerstört, was den Verbrauch von $EMC erhöht und seinen Wert steigert.

5.3 Modellfreigabe

Das Erste EMCToken-Generierungsereignis (TGE) startet am 9. November 2023 und der gesamte Token-Freigabeprozess dauert 24 bis 48 Monate und umfasst Investoren und Projektteams. Bei der Token-Allokation machen Ökosystembelohnungen (einschließlich Governance-Token) 47% des Gesamtangebots aus. Darüber hinaus sind im EMC-Wirtschaftssystem eine Deflationsmechanismus und ein Vernichtungsplan integriert, um den langfristigen Wert des Tokens durch diese Maßnahmen zu verbessern.

$EMCToken36-Monats-Umlauftrenddiagramm (Quelle: Token bekommen | EMCWhite Paper）

6. Zukunftswertanalyse

Das EMC-Projekt ist eine Kombination aus traditionellem Web2 und Web3. Im Vergleich zu Web2-Projekten besteht der Vorteil darin, dass es die verteilte GPUNode nutzt, um die verteilten Rechenleistungsressourcen effektiv zu bündeln und das Ungleichgewicht von Angebot und Nachfrage, das durch zentralisierte Systeme verursacht wird, zu lindern; im Vergleich zu anderen Web3-Projekten bietet EMC durch die Kombination von KI und DePINTiefe eine kostengünstige Lösung für das Training von KI-Modellen, und es hat einen Markt für den Austausch von Wissen, Daten und Rechenassets aufgebaut, zusammen mit dem einzigartigen Credits-Mechanismus, der den wirtschaftlichen Kreislauf beschleunigen kann und den Anlegern neue Einkommensströme und Chancen bietet.

In terms of future applications, EMC makes high-performance computing accessible and economical, and also opens the door to more AI applications in a variety of industries.

Zum Beispiel kann EMC im medizinischen Bereich seine starke Rechenleistung nutzen, um große Mengen medizinischer Daten zu verarbeiten und die Umsetzung personalisierter Medizin und präziser Diagnosen voranzutreiben. Durch die Analyse von Patientenhistorien und Geninformationen kann das KI-Modell auch effektivere Behandlungspläne erstellen. In der Finanzbranche kann die Rechenleistung von EMC für die Verarbeitung komplexer Finanztransaktionen und Risikobewertungen genutzt werden, um die Kosten zu senken und gleichzeitig die Sicherheit und Transparenz der Daten zu gewährleisten.

Die vielversprechendsten Anwendungen konzentrieren sich auf Smart Cities und das Internet der Dinge IoT. Die verteilte Architektur von EMC ermöglicht die Echtzeit-Datenverarbeitung einer großen Anzahl von Geräten und fördert die Optimierung von Systemen wie intelligentem Verkehr und Energiemanagement, um die Betriebseffizienz und Nachhaltigkeit von Städten zu verbessern.

Derzeit ist die Engineering-Technologie großer Modelle relativ ausgereift, aber die Stabilität der Rechenleistung und die Zuverlässigkeit der Code-Verpackung müssen weiterhin eng folgen und kontinuierlich optimiert werden. Angesichts der Beliebtheit des DEP-Projekts im DEP-Rennen scheint die Machbarkeit der CX (Kundenerfahrung) vorläufig gegeben zu sein. Andererseits deutet die offengelegte Information darauf hin, dass das Projekt einen deutlichen chinesischen Hintergrund hat, sodass möglicherweise eine diversifizierte Strategie für die zukünftige Markterschließung erforderlich ist, um die globale Reichweite zu stärken.

1. https://docs.emc.network/whitepaper
2. https://docs.jarvisbot.ai/
3. https://twitter.com/EMCprotocol
4. https://linktr.ee/emcnetwork
5. https://emchub.ai/#/home
6. https://coinmarketcap.com/currencies/edge-matrix-computing/