详解Viralmind：利用大型行动模型的去中心化AI训练

　　不要只寻找那些最流行的 AI 加密项目，还要寻找那些有基本面支撑的项目。以下是对 Viralmind 的详细分析，包括其提供的服务、基本原理以及对 VIRAL 代币的财务和市场分析。

　　Viralmind 构建了大型行动模型（LAM），可以有效增强数字环境中的人机交互。可以把 LAMs 看作是一种数字工具，其可以实际使用计算机、网站和文档来执行与您完全相同的操作。

　　Viralmind 正构建一个去中心化的 AI 训练生态系统，允许对其 AI 代理进行训练。这可以消除中心化 AI 训练模型的固有偏见，并为这些代理提供高度原生化和高度集中的数据集来进行训练。

　　Viralmind 的核心是 VIRAL 代币，可以通过 DEX 获得，也可以在 Viralmind 上训练 LAM 时获得。

　　Viralmind 正处于预计将达到万亿美元的 AI 生态系统和市场的边缘。人工训练的 AI 模型的价值为每年 6000 万美元甚至更多。

　　Viralmind 是一个开源的、去中心化的集体智能平台，旨在真正将 AI 代理转变为人类助手。简而言之，它是一种可以在任何数字环境中以类似人类的方式运行的代理。Viralmind 的 LAM 被设计为以类似人类的方式导航和操作数字环境。通过利用键盘输入、鼠标移动和点击，这些 AI 代理可以在游戏、生产力和其他创意领域执行广泛的任务。

　　为了训练 AI 代理，用户可以通过 Trading Gym 进行训练，其可以有效地将屏幕上的动作作为训练数据。然后，这些信息被转换成详细的轨迹，使 AI 代理能够随着时间的推移进行学习和改进。Viralmind 还引入了一个数据市场，用户可以在其中交易这些数据集，以进一步增强系统的整体学习能力。Viralmind 的一项关键创新是一键微调功能，使用户能够使用小型数据集自定义 GPT-4o 等模型。这种方法简化了 AI 培训，使大量用户（甚至没有深厚技术专业知识的用户）也能从中受益。该系统生成结构化的 .jsonl 文件，这些文件可以捕捉人类行为和综合推理，为模型改进提供高质量数据。

　　Viralmind 的 LAM 旨在弥合 LLM（大语言模型）与计算机直接交互之间的差距，取代过时的基于 OCR 技术。Viralmind 计划在链上和 desktops 上部署代理，旨在无缝集成到游戏、企业软件和区块链应用程序中。Viralmind 由其原生代币 VIRAL 支持，该代币激励用户提供高质量的训练数据、参与竞赛并促进 Viralmind 不断增长的 AI 生态系统的发展。

　　Viralmind 将大型模型产生的收入再投入到营销和开发，创造了一个高效且自给自足的经济，奖励贡献者并支持平台的长期增长。

　　Viralmind 的主要产品是 VM-1，这是一种可反应数字环境中人类行为的 LAM。作为一个先进的 LAM， VM-1 使 AI 代理能够玩游戏，完成任务，并通过流畅的、类似人类的交互浏览复杂的界面。

　　开源小型模型：这些模型紧凑而高效，可满足希望通过替换 OCR 模块来增强现有管道的开发人员需求。它们可作为任何 LLM 的即插即用扩展，无需进行全面的 LAM 培训即可增强其功能。

　　通过 API 的基础 LAM：通过 API 提供的大型 VM-1 模型经过数百万的训练，适用于从游戏和工作自动化到流媒体的各种应用程序。其使用由 VIRAL 代币提供支持，费用将重新投资于营销和增长，确保生态系统自我维持。

　　Viralmind 还与游戏工作室、企业软件提供商和加密平台建立了战略合作伙伴关系，以扩大 VM-1 的覆盖范围。这些合作将把 VM-1 的功能集成到更广泛的 AI 生态系统中，从而增强代理框架的采用和潜力。

　　对于游戏玩家：VM-1 代理可无缝地与用户一起玩游戏，参与合作、竞争或创造性的游戏。用户可以使用个性化数据训练他们的代理掌握特定的游戏、类型或策略。

　　对于专业人员：VM-1 可以取代重复的手动任务，例如表单填写和文档处理，简化实际场景中的工作流程。

　　对于开发人员：缺乏资源来训练完整 LAM 的开发人员可以利用 VM-1 的较小模型来升级现有的工具和框架。此外，Viralmind 允许用户训练自己的 AI 代理，从而弥合基于文本的 LLM 与现实世界计算机交互之间的差距。

　　拥有大型数据集是训练 AI 模型的基础。Viralmind 是这种训练的核心，同时激励用户参与，有效地允许训练在更广泛的范围内进行，同时也将其高度原生化到个人用户。 AI 代理和模型通常可以通过集中式方法进行训练，但这限制了 AI 理解用户高度集中需求的能力。此外，集中式 AI 训练模型还会吸收构建它的机构/组织/个人的偏见。这就是需要像 Viralmind 这样的去中心化 AI 训练模型的地方。Viralmind 并不是唯一一个构建分布式 AI 训练的项目。

　　FLock.io 也在构建可由用户训练的自定义和高度集中的 AI 模型。他们有一个类似的、社区参与的 AI 训练模型，用户可以帮助在 Flock 上训练 AI 模型。然后，这些模型可以由个人或组织委托。在这种情况下，FLOCK 代币具有与 VIRAL 代币类似的实用性。

　　Sapien AI 还提供了基于参与用户训练 AI 模型的能力。作为回报，这些用户能得到奖励。但与 Viralmind 不同，Sapien 提供面向机构/企业的 AI 培训 LLM。

　　Prime Intellect 类似于将研究人员、用户和任何对训练 AI 模型感兴趣的人聚集在一起。它允许任何人贡献资本、计算或代码来构建这些模型。然而，与 Viralmind 相反，Prime Intellect 似乎限制了可以加入训练 AI 模型的用户。

　　DecentrAI 也提供去中心化培训。用户可以承担训练模型、质量检查等职责。DecentrAI 仍处于开发阶段。

　　Prometheus-X 也有助于去中心化 AI 培训。但这种解决方案不是基于区块链技术。它们还处于依赖用户进行去中心化 AI 培训的非常初级的阶段。

　　纵观现有的小型 AI 培训格局，可以了解到去中心化 AI 培训模型的需求和重要性。甚至一些规模较大的 LLMs 项目也与 Reddit 达成协议，使用其内容和数据来训练模型。这些交易金额每年在 6000 万美元以上。因此，AI 训练模型的市场规模巨大，需求不断增长。

　　虽然整个 AI 市场价值数万亿美元，但 Viralmind 只占据了其中相对较小但非常重要的一部分——培训。其 LAM 还将在塑造人类未来与 AI 互动的方式方面发挥关键作用，尤其是与 AI 代理的互动。到 2030 年，AI 代理市场预计将增长到 470 亿美元。

　　即使只占有该市场的 1%，也意味着 4.7 亿美元。此外，去中心化 AI 生态的市值仅为 60 亿美元，预计将快速增长。

　　Viralmind 协议的核心是 VIRAL 代币。以下是其两个主要功能：

　　作为训练这些模型的一部分，发行的 VIRAL 代币可进一步用于参加免费或质押竞赛。在前者中，用户从 Training Gym 库中获得奖励。然后，这些奖励将分发给完成任务的用户。在质押竞赛中，用户可获得：

　　奖励 =（用户存入的总质押 + 输掉的用户被没收的质押）- 5-10% 的协议费用，该费用将发送到他们的金库。

　　此外，用户必须在钱包中保留一定数量的 VIRAL 代币才能参加免费竞赛。这为 VIRAL 代币增加了另一层效用。

　　考虑到其在更广泛的 AI 生态中的份额有限，在项目刚启动的情况下，2.4% 的市场比率是“健康”的。此外，非流通代币的抛压仅占总抛压的 3-4%。这凸显了 VIRAL 代币的强劲基本面，进一步增强了其在未来几周/几个月的表现。

　　相关阅读：AI Agent赛道强势反弹，一览10个备受关注的新兴AI Agent项目