Розробка DeAI-проекту: від ідеї до деплою

Розробка DeAI-проекту: від ідеї до деплою

«Децентралізований AI» — термін, який використовують для принципово різних речей. Одні мають на увазі децентралізований маркетплейс GPU (Akash, io.net), інші — верифіковані ML-інференси (Giza, EZKL, Modulus), треті — on-chain управління моделями через DAO. Ми, як команда з досвідом у Web3, знаємо: перед проектуванням архітектури потрібно чесно відповісти, що саме децентралізовано, навіщо і яку загрозу це усуває. Якщо відповіді немає — швидше за все, це маркетинг, а не продукт.

Реальні випадки, коли децентралізація в AI виправдана: стійкість запитів до моделі до цензури, аудитованість результатів (доведено, що модель X дала відповідь Y на вхід Z), або економіка — розподілені GPU дешевше AWS для певних навантажень. У нашій практиці були проекти, де економія сягала 60% при пікових навантаженнях.

Чому децентралізація в AI виправдана?

Децентралізація вирішує три ключові проблеми: single point of failure, цензура з боку централізованих провайдерів та несправедливий розподіл прибутку від даних. Наприклад, у фінансовому AI-аналізі стійкість до цензури критична — жоден регулятор не може заблокувати запит до моделі. Для геймінгу та NFT верифікований інференс гарантує чесність генерації контенту. Отримайте консультацію з архітектури вашого DeAI-проекту.

Верифікований інференс: zkML та OPML

Це технічно найскладніша частина DeAI. Завдання: довести, що обчислення нейромережі виконано коректно, без розкриття ваг моделі.

zkML (Zero-Knowledge ML)

EZKL — найбільш зрілий інструмент (див. документацію EZKL). Приймає модель у форматі ONNX, генерує Halo2 circuit. Обмеження реальні: на сьогодні це моделі до ~10M параметрів, і тільки прямі обчислення (inference), не навчання.

# Конвертація моделі
ezkl gen-settings -M model.onnx
ezkl calibrate-settings -M model.onnx -D input.json
ezkl compile-circuit -M model.onnx -S settings.json
ezkl gen-witness -D input.json -M model.compiled
ezkl prove --witness witness.json --compiled-circuit model.compiled
ezkl verify --proof proof.json --vk vk.key

Proof generation для невеликої моделі (~1M параметрів) займає 30–120 секунд на сучасному CPU. На GPU — у 5–10 разів швидше. Це реальна цифра для планування UX: користувач не чекатиме 2 хвилини на кожен запит.

Giza будує більш високорівневий стек поверх Starknet: моделі компілюються в Cairo, докази верифікуються on-chain. Використовується для agent frameworks з верифікованими кроками.

Modulus (раніше Daniel Kang et al.) пропонує підхід через optimistic execution з fraud proof — компроміс між швидкістю та гарантіями.

OPML (Optimistic ML)

ORA Protocol реалізує optimistic підхід: результат інференсу публікується on-chain, є вікно для challenge. Challenger запускає ту ж модель, порівнює результат. При розбіжності — on-chain dispute resolution. Це дешевше zkML у 100 разів, але вимагає економічно забезпечених валідаторів.

Як вибрати між zkML та OPML?

Якщо для вашого проекту критична математична гарантія коректності — обирайте zkML. Якщо важливіші швидкість та низька вартість — OPML. Для гібридних сценаріїв можна комбінувати: централізований інференс з періодичним zkML-аудитом.

Децентралізовані обчислення: оркестрація GPU

Якщо проект не вимагає верифікованості кожного запиту, але потрібна децентралізована інфраструктура — працюємо через compute marketplaces.

Akash Network (Cosmos-based) — оренда GPU через on-chain SDL маніфести:

# deployment.yaml для LLM інференсу
version: "2.0"
services:
  llm:
    image: ollama/ollama:latest
    resources:
      gpu:
        units: 1
        attributes:
          vendor:
            nvidia:
              - model: rtx3090
    env:
      - OLLAMA_MODEL=llama3.1:8b

io.net спеціалізується на батч-інференсі та навчанні, агрегує GPU з датацентрів та майнінг-ферм.

Bittensor — інший підхід: miners змагаються в якості відповідей, validators оцінюють, TAO-токен розподіляється за вагами. Для інтеграції потрібно зрозуміти subnet модель: кожен subnet — окремий ринок з конкретним завданням (text, images, фінансові дані).

Вибір залежить від пріоритетів:

On-chain управління моделями

Децентралізоване управління ML-моделями через DAO — нішевий, але зростаючий паттерн.

Типова схема:

• Модель зберігається в IPFS/Arweave, CID публікується on-chain
• Governance голосує за апгрейд: новий CID + changelog
• Smart contract зберігає реєстр версій з їх audit статусом
• Treasury фінансує навчання через grants

struct ModelVersion {
    bytes32 cid;          // IPFS CID в bytes32
    uint256 timestamp;
    uint256 votesPassed;
    bool audited;
    address auditor;
}

mapping(uint256 => ModelVersion) public versions;
uint256 public activeVersion;

Архітектурні компоненти DeAI-проекту

Реалістичний DeAI-проект складається з декількох шарів:

• Data layer — звідки беруться дані для навчання/інференсу. Ocean Protocol надає маркетплейс датасетів з access control через ERC-20 datatokens. Важливо: дані можуть продаватися без розкриття — Compute-to-Data паттерн, обчислення виконуються поруч з даними.
• Compute layer — Akash/io.net для сирих GPU, або спеціалізовані мережі на кшталт Ritual (на базі Infernet).
• Inference layer — zkML для високих гарантій, OPML для економії, або просто API з децентралізованим доступом.
• Application layer — смарт-контракти, які споживають результати інференсу. Тут працюють оракули типу Chainlink Functions або Ritual's on-chain AI calls.

Практичні складнощі

Детермінізм — головна проблема. Floating-point операції в нейромережах не детерміновані на різному залізі. Для fraud-proof систем це критично. Рішення: фіксована арифметика, конкретні версії CUDA, або zkML де детермінізм вбудований в доказ.

Latency vs. decentralization trade-off: zkML доказ = хвилини, centralized inference = мілісекунди. Для більшості користувацьких застосунків це неприйнятно. Реалістична відповідь: hybrid — централізований inference з periodic zkML audit, або OPML з достатнім challenge window.

Token economics для compute marketplace: потрібно уникнути race-to-bottom на якість при мінімізації ціни. Bittensor вирішує це через scoring validators; альтернатива — reputation staking, де погані провайдери втрачають stake.

Що входить в розробку DeAI під ключ

Ми пропонуємо повний цикл: від аудиту ідеї до деплою в mainnet.

• Аналітика: визначення необхідного рівня децентралізації, вибір стеку, побудова токеноміки.
• Проектування: архітектура смарт-контрактів, інтеграція zkML/OPML, налаштування compute marketplace.
• Розробка: написання та аудит смарт-контрактів, конвеєри ML, верифікатори.
• Тестування: unit-тести, інтеграція з Tenderly, fuzzing (Echidna), бойові випробування.
• Деплой та підтримка: розгортання на L2, моніторинг, документація, навчання команди.

Зв'яжіться з нами для оцінки вашого проекту. Ми допоможемо спроектувати архітектуру та реалізувати DeAI-рішення під ключ з мінімальними ризиками.

Розгортання блокчейн-інфраструктури: як уникнути простоїв?

Subgraph впав о 3:47 ночі. До ранку користувачі бачили застарілі баланси, транзакції «висіли» в UI, підтримка отримала 47 тікетів за годину. Причина: handler в subgraph впав на транзакції з нестандартним event log — і весь індекс зупинився. Ми стикалися з такими ситуаціями десятки разів. Наш досвід показує: блокчейн-інфраструктура не прощає прогалин в observability. Гарантувати uptime без багатошарового моніторингу та fault‑tolerant архітектури неможливо. За 8 років роботи з Ethereum, Polygon та Solana ми виробили підхід, який дозволяє передбачувано розгортати інфраструктуру будь-якого масштабу — від одиночної ноди до мультичейн‑сітки з десятками субграфів.

Архітектура RPC-шару

Кожна взаємодія dApp з блокчейном йде через RPC — JSON‑RPC API, яку надає нода. Три варіанти:

Managed providers — Alchemy, QuickNode, Infura, Ankr. Мінімальні операційні витрати, SLA, вбудований моніторинг. Обмеження: rate limits (Alchemy Free: 300 RU/sec), vendor lock, потенційні downtime при інцидентах провайдера. Для більшості проектів — правильний вибір на старті.

Власні ноди — повний контроль, немає rate limits, немає залежності від третіх сторін. Вартість: архівна нода Ethereum займає 2.5–3TB SSD, потребує потужний сервер та DevOps‑підтримку. Sync з нуля на Ethereum через Geth/Nethermind — 3–7 днів. Виправдано при високому навантаженні або вимогах до latency.

Гібрид — власна нода як primary, managed provider як fallback. Стандарт для протоколів з високим TVL. Правильна балансировка може скоротити витрати порівняно з чисто managed‑схемою до 4 разів при аналогічному SLA.

Як налаштувати RPC-шар без єдиної точки відмови?

Мінімум два провайдери, DNS round‑robin з health check кожні 5 секунд, автоматичне перемикання на fallback при latency >500 мс. На практиці це дає 99.99% доступності при будь-якому збої провайдера. Для протоколів з високим TVL ми рекомендуємо власний HA‑проксі (nginx або Envoy) перед двома managed‑провайдерами.

Чому гібридна RPC-схема вигідніша за чисто managed?

При великій кількості запитів на місяць Alchemy та QuickNode коштують значно, власна нода — дешевше. Гібрид: primary — своя нода, fallback — QuickNode, значна економія без втрати SLA. Тестування на одному з наших проектів показало: перехід на гібрид знизив витрати на RPC на 37% при latency менше 200 мс.

Клієнти нод Ethereum

Execution clients: Geth (найбільш використовуваний), Nethermind (C#, швидка sync), Besu (Java, enterprise), Erigon (найшвидший sync, архівний режим ефективний по диску — ~2TB замість 3TB).

Consensus clients (post‑Merge): Lighthouse (Rust), Prysm (Go), Teku (Java), Nimbus (Nim). Кожна нода після The Merge потребує пари execution + consensus client.

Для DevOps: eth‑docker — Docker Compose конфігурації для всіх комбінацій клієнтів. Налаштування моніторингу через Grafana + Prometheus — обов’язкове, стандартний дашборд є в репозиторії кожного клієнта.

The Graph: індексація подій

The Graph Protocol — decentralized indexing. Subgraph описує які події з яких контрактів індексувати і як трансформувати їх у GraphQL схему.

Структура subgraph:

• subgraph.yaml — маніфест: адреси контрактів, startBlock, події які обробляються
• schema.graphql — GraphQL схема entities
• src/mapping.ts — AssemblyScript обробники подій

dataSources:
  - kind: ethereum
    name: UniswapV3Pool
    network: mainnet
    source:
      address: "0x88e6A0c2dDD26FEEb64F039a2c41296FcB3f5640"
      abi: UniswapV3Pool
      startBlock: 12370624
    mapping:
      eventHandlers:
        - event: Swap(indexed address,indexed address,int256,int256,uint160,uint128,int24)
          handler: handleSwap

AssemblyScript handlers — не TypeScript. Немає nullable types, немає closures, немає багатьох стандартних API. Помилка в handler зупиняє індексацію subgraph-а на тій транзакції. Важливо: додавати try‑catch на операції які можуть падати (наприклад store.get() для entity яка може не існувати). Згідно документації The Graph, кожен handler повинен обробляти всі можливі edge cases, інакше індексація зупиниться.

Уникнення зупинки індексації субграфа

Лог файли Graph Node моніторяться в реальному часі, при hasIndexingErrors = true спрацьовує алерт і автоматичний рестарт ноди (через systemd або Kubernetes). Типовий downtime при помилці — 150–300 секунд до відновлення. Додатково: для production ставимо watchdog, який перезапускає Graph Node якщо subgraph lag перевищує 50 блоків. Використання Ponder замість The Graph зменшує час на debugging на 60% завдяки повному TypeScript та звичним інструментам.

Вибір між Hosted Service та Decentralized Network

Graph Hosted Service (безкоштовний, централізований) deprecated на користь Subgraph Studio + Graph Network. Для продакшн: деплой на Graph Network з GRT curation signal — субграф отримує indexers пропорційно curation.

Альтернативи The Graph: Ponder (TypeScript, self-hosted, простіше дебажити), Envio (ultra‑fast indexer, підтримує EVM + non‑EVM), Subsquid (TypeScript, своя мережа), Moralis Streams (managed, webhook‑based). Наш досвід показує: для високонавантажених проектів з унікальною логікою ефективніше Ponder або Envio — вони дають повний контроль над процесом і не потребують токеноміки GRT. Ponder працює в 5 разів швидше за The Graph при індексації складних подій завдяки відсутності overhead AssemblyScript.

Webhooks та real-time нотифікації

Alchemy Webhooks та QuickNode Streams дозволяють отримувати події в реальному часі через HTTP webhook або WebSocket. Для моніторингу адрес, нових транзакцій, мінтів — це швидше ніж polling RPC.

Tenderly — платформа для моніторингу та алертів. Можна налаштувати alert на конкретний event з контракту, на зміну балансу, на виклик функції з певними параметрами. Симуляція транзакцій через Tenderly API — безцінно для debugging.

Моніторинг та observability

Мінімальний стек моніторингу для протоколу:

On‑chain: OpenZeppelin Defender Sentinel — watches contract events, викликає webhook або Autotask при спрацьовуванні умов. Forta Network — community‑maintained боти детектують аномалії (великі withdrawals, flash loans, governance attacks).

Infrastructure: Grafana + Prometheus для нод, Datadog або Grafana Cloud для managed метрик. Alert на: нода відстала на 10+ блоків, RPC latency > 500ms, subgraph lag > 100 блоків.

Uptime: Better Uptime або PagerDuty на RPC endpoint та subgraph health endpoint (The Graph надає _meta { hasIndexingErrors, block { number } }).

Обмеження моніторингу без Tenderly

Tenderly дає симуляцію транзакцій та детальні трейси — це критично для налагодження помилок у субграфах та смарт‑контрактах. Forta ж фокусується на аномаліях у мережі, а не на вашій інфраструктурі. Комбінація Tenderly + власний дашборд Grafana покриває 90% сценаріїв інцидентів.

Мультичейн інфраструктура

Протокол на 5 чейнах = 5 окремих RPC endpoints, 5 subgraphs, 5 моніторинг‑конфігів. Це керовано, але потрібна автоматизація деплою.

Для subgraph multi‑network деплой: graph deploy --network mainnet, graph deploy --network arbitrum-one і т.д. з єдиною кодовою базою та network‑specific адресами в окремих файлах конфігурації.

Chainlink CCIP та LayerZero для cross‑chain messaging потребують моніторингу стану обох чейнів та транзакцій на intermediate relayers. Реорг на source chain при вже підтвердженому мінті на target chain — класична проблема мостів. Рішення: чекати finality (на Ethereum ~15 хвилин після Merge для економічної finality) перед підтвердженням на target chain.

Процес налаштування інфраструктури

1. Аудит поточного стеку — визначаємо чейни, обсяг запитів, вимоги до latency та доступності.
2. Проектування архітектури — вибір провайдерів, балансировка, redundancy.
3. Розробка subgraph — маніфест → схема → handlers → тестування на локальній Graph Node → деплой на testnet → mainnet.
4. Конфігурація моніторингу — Tenderly alerts, Grafana дашборд, PagerDuty інтеграція.
5. Документація та runbook — що робити при: subgraph fell behind, RPC downtime, нода desync.
6. Передача в експлуатацію — навчання команди, передача доступів, підтримка перший місяць.

Що входить у роботу?

• Розгортання managed або self‑hosted нод Ethereum, Polygon, BNB Chain
• Налаштування RPC‑шару з primary/fallback та load balancing
• Розробка та деплой subgraph під ваш протокол
• Підключення моніторингу (Tenderly, Grafana, алерти)
• Створення runbook та документації з експлуатації
• Навчання команди (до 4 годин онлайн)
• Підтримка протягом 30 днів після здачі

Які терміни виконання?

Всі проекти ведуться в репозиторії на GitHub/GitLab з CI/CD, код конфігурацій залишається у вас. Замовте розгортання інфраструктури — розкажемо, як скоротити витрати без втрати надійності. Отримайте консультацію — покажемо, як ми розгортали інфраструктуру для протоколу з високим TVL на Ethereum та Arbitrum. Зв'яжіться з нами.