Блокчейн-маркетплейс AI-моделей: смарт-контракты и TEE

Разработка маркетплейса AI-моделей на блокчейне

Разработчик AI-модели вложил месяцы в обучение, но на Hugging Face или Replicate получает лишь копейки от подписок. Платформы забирают 30-50% комиссии и не предоставляют прозрачности расчётов. Мы строим децентрализованный маркетплейс на блокчейне, где каждый inference оплачивается автоматически через смарт-контракт, а качество модели поддерживается экономическими стимулами — стейкингом и слэшингом. Такие проекты, как Bittensor и Ocean Protocol, уже доказывают жизнеспособность этой модели, но продакшн требует инженерной проработки: оптимизации газа, интеграции TEE, юзабилити для разработчиков.

Почему блокчейн — подходящая основа для маркетплейса AI-моделей?

Блокчейн даёт три ключевых свойства: неизменяемую запись об использовании модели, автоматические расчёты через смарт-контракты и децентрализованное управление доступом. Это позволяет создать рынок, где каждый inference прозрачно оплачивается, а качество моделей поддерживается экономическими стимулами. В отличие от централизованных платформ, комиссия минимальна (5-10% против 30-50%), а распределение доходов происходит в реальном времени.

Ключевые компоненты архитектуры

On-chain: смарт-контракты

Model Registry хранит метаданные моделей — IPFS-хэш весов, описание, версию, адрес владельца, pricing scheme. Сами веса не хранятся на цепочке (слишком дорого), только их хэш для верификации.

Payment & Royalty Distribution: расчёты за использование модели. Каждый inference call инициирует микроплатёж. Для совместно обученных моделей используется royalty splitting — автоматически на уровне контракта.

Access Control: NFT или токен-гейтинг для доступа к закрытым моделям. Владелец NFT получает право делать inference.

Staking для quality signals: провайдеры моделей стейкают токены (от 1000 токенов). При плохом качестве модели — slashing. Создаёт экономический стимул для поддержания качества.

Off-chain: inference инфраструктура

Выполнение AI-моделей происходит off-chain — вычисления слишком дороги для on-chain. Связующее звено — TEE (Trusted Execution Environment) или ZK-proofs для верификации корректности выполнения.

TEE approach (Intel SGX, AMD SEV): модель запускается в защищённом анклаве. TEE генерирует attestation — криптографическое доказательство, что код выполнен без изменений. Attestation верифицируется on-chain. Средняя задержка inference — 200ms на GPU-анклаве.

ZK-ML approach: Zero-Knowledge proof того, что inference выполнен корректно. Экспериментально, но проекты типа EZKL движутся в этом направлении. Вычислительно дорого, но не требует доверенного железа.

Токенэкономика

Пользователь платит USDC/ETH за inference ↓ Payment Contract ├── 85% → Provider модели ├── 10% → Stakers (quality assurance) └── 5% → Protocol treasury 

Для высокочастотных запросов — subscription модель или pre-paid credits, не per-request on-chain транзакции (gas costs убивают микроплатежи). На L2 газ в 100 раз дешевле mainnet, что делает per-request платежи допустимыми до 0.001 USD за транзакцию.

Как решается проблема высоких газ-комиссий?

Каждый inference call = on-chain транзакция = gas. На mainnet Ethereum это неприемлемо. Решения:

• Layer 2 (Arbitrum, Optimism, Base) — газ в 100x дешевле
• State channels: пачка платежей между пользователем и провайдером расчётывается on-chain одной транзакцией
• ERC-4337 (Account Abstraction) + Paymaster для gasless UX

Как верифицировать качество модели?

Нужно убедиться, что провайдер не вернул random output вместо реального inference. Оценка происходит через challenge-response: каждые 1000 запросов случайный evaluator отправляет известный тест-кейс и сравнивает ответ. При несовпадении — слэшинг стейка (10% от суммы). Дополнительно используется аудит выходов через ZK-схему.

Data privacy

Пользователь может не хотеть раскрывать свои входные данные. TEE (Intel SGX) позволяет выполнять inference внутри анклава, не раскрывая данные провайдеру. FHE даёт шифрование навсегда, но пока медленно — 10-1000x медленнее чистого железа.

Сравнение методов конфиденциальности

Стек разработки

• Smart contracts: Solidity + Foundry / Hardhat, деплой на L2
• IPFS: хранение весов моделей, метаданных (Pinata или собственный node)
• Backend: Node.js или Go для orchestration сервиса
• TEE: Intel SGX SDK или AWS Nitro Enclaves
• Frontend: Next.js + wagmi для Web3 интеграции

Процесс работы

1. Архитектура и токеномика: проектирование экономической модели, расчёт процентов, стейкинг, слэшинг. Уделяем внимание стимулам для всех участников: провайдеров, стейкеров, пользователей.
2. Смарт-контракты: Model Registry, Payment Splitter, NFT Access, Staking — с тестами на Foundry. Покрытие тестами критических путей до 95%.
3. Off-chain инфраструктура: TEE-интеграция, API для inference, очередь запросов с приоритизацией.
4. Frontend: UI для загрузки/покупки моделей, кошелёк, панель статистики с графиками использования.
5. Деплой и аудит: развёртывание на L2, код-ревью, формальная верификация критических контрактов (например, payment splitter на наличие reentrancy).

Сроки ориентировочно

MVP (model registry + Payment split + один TEE вариант) — от 2 до 3 месяцев. Полнофункциональная платформа с токеномикой, стейкингом и ZK-верификацией — от 6 до 12 месяцев. Стоимость рассчитывается индивидуально под проект. Свяжитесь с нами для консультации — оценим вашу задачу и предложим архитектурное решение. Получите консультацию инженера по вашему проекту.