Розробка маркетплейсу AI-моделей на блокчейні
Розробник AI-моделі вклав місяці в навчання, але на Hugging Face або Replicate отримує лише копійки від підписок. Платформи забирають 30-50% комісії та не надають прозорості розрахунків. Ми будуємо децентралізований маркетплейс на блокчейні, де кожен inference оплачується автоматично через смарт-контракт, а якість моделі підтримується економічними стимулами — стейкінгом і слешінгом. Такі проекти, як Bittensor і Ocean Protocol, вже доводять життєздатність цієї моделі, але продакшн вимагає інженерного опрацювання: оптимізації газу, інтеграції TEE, юзабіліті для розробників.
Розробка маркетплейсу AI-моделей: ключові компоненти архітектури
On-chain: смарт-контракти
Model Registry зберігає метадані моделей — IPFS-хеш ваг, опис, версію, адресу власника, pricing scheme. Самі ваги не зберігаються на ланцюзі (надто дорого), тільки їх хеш для верифікації.
Payment & Royalty Distribution: розрахунки за використання моделі. Кожен inference call ініціює мікроплатіж. Для спільно навчених моделей використовується royalty splitting — автоматично на рівні контракту.
Access Control: NFT або токен-гейтинг для доступу до закритих моделей. Власник NFT отримує право робити inference.
Staking для quality signals: провайдери моделей стейкають токени (від 1000 токенів). При поганій якості моделі — slashing. Створює економічний стимул для підтримки якості.
Off-chain: inference інфраструктура
Виконання AI-моделей відбувається off-chain — обчислення надто дорогі для on-chain. Сполучна ланка — TEE (Trusted Execution Environment) або ZK-proofs для верифікації коректності виконання.
TEE approach (Intel SGX, AMD SEV): модель запускається в захищеному анклаві. TEE генерує attestation — криптографічний доказ, що код виконаний без змін. Attestation верифікується on-chain. Середня затримка inference — 200 ms на GPU-анклаві.
ZK-ML approach: Zero-Knowledge proof того, що inference виконаний коректно. Експериментально, але проекти типу EZKL рухаються в цьому напрямку. Обчислювально дорого (у 1000 разів дорожче за TEE), але не вимагає довіреного обладнання.
Токеноміка та оптимізація газу
Користувач платить USDC/ETH за inference ↓ Payment Contract ├── 85% → Provider моделі ├── 10% → Stakers (quality assurance) └── 5% → Protocol treasury Для високочастотних запитів — subscription модель або pre-paid credits, не per-request on-chain транзакції (gas costs вбивають мікроплатежі). На L2 газ у 100 разів дешевший за mainnet, що робить per-request платежі допустимими.
Як вирішується проблема високих газ-комісій?
Кожен inference call = on-chain транзакція = gas. На mainnet Ethereum це неприйнятно. Рішення:
- Layer 2 (Arbitrum, Optimism, Base) — газ у 100x дешевший
- State channels: пачка платежів між користувачем і провайдером розраховується on-chain однією транзакцією
- ERC-4337 (Account Abstraction) + Paymaster для gasless UX
| Рішення | Зниження газу | Складність реалізації |
|---|---|---|
| L2 rollup | ~100x | Низька (стандартний деплой) |
| State channels | ~1000x | Висока (потрібна фіксація стану) |
| Account Abstraction | ~10x (без плати за gas) | Середня (підтримка ERC-4337) |
Якість та конфіденційність моделей
Як верифікувати якість моделі?
Потрібно переконатися, що провайдер не повернув random output замість реального inference. Оцінка відбувається через challenge-response: кожні 1000 запитів випадковий evaluator відправляє відомий тест-кейс і порівнює відповідь. При неспівпадінні — слешінг стейку (10% від суми). Додатково використовується аудит виходів через ZK-схему.
Data privacy
Користувач може не хотіти розкривати свої вхідні дані. TEE (Intel SGX) дозволяє виконувати inference всередині анклаву, не розкриваючи дані провайдеру. FHE дає шифрування назавжди, але поки повільно — 10-100x повільніше за чисте залізо.
Порівняння методів конфіденційності
| Метод | Рівень захисту | Продуктивність |
|---|---|---|
| TEE (SGX) | Довірене обладнання | Висока (анклав) |
| ZK-ML | Математична гарантія | Низька (у 1000 разів дорожче за TEE) |
| FHE | Повне шифрування | Дуже низька (10-100x повільніше) |
Наприклад, TEE краще ZK-ML за швидкістю у 100 разів.
Стек розробки
- Smart contracts: Solidity + Foundry / Hardhat, деплой на L2
- IPFS: зберігання ваг моделей, метаданих (Pinata або власний node)
- Backend: Node.js або Go для orchestration сервісу
- TEE: Intel SGX SDK або AWS Nitro Enclaves
- Frontend: Next.js + wagmi для Web3 інтеграції
Процес роботи та обсяг
- Архітектура та токеноміка: проектування економічної моделі, розрахунок відсотків, стейкінг, слешінг. Приділяємо увагу стимулам для всіх учасників: провайдерів, стейкерів, користувачів.
- Смарт-контракти: Model Registry, Payment Splitter, NFT Access, Staking — з тестами на Foundry. Покриття тестами критичних шляхів до 95%.
- Off-chain інфраструктура: TEE-інтеграція, API для inference, черга запитів з пріоритезацією.
- Frontend: UI для завантаження/купівлі моделей, гаманець, панель статистики з графіками використання.
- Деплой та аудит: розгортання на L2, код-рев'ю, формальна верифікація критичних контрактів (наприклад, payment splitter на наявність reentrancy).
Приклад конфігурації для TEE
Як приклад: для Intel SGX ми використовуємо SDK 2.21, enclave з 128 MB EPC, модель ONNX, що запускається через OpenVINO. Attestation через Intel DCAP.Що входить в роботу
- Архітектурна документація та специфікація
- Написання смарт-контрактів з тестами (покриття 95% критичних шляхів)
- Інтеграція TEE (Intel SGX або AWS Nitro Enclaves)
- Розробка API для інференсу та веб-інтерфейсу
- Деплой на Ethereum L2 (Arbitrum, Optimism, Base)
- Код-рев'ю та формальна верифікація контрактів
- Навчання команди замовника (3 дні)
- Підтримка та супровід протягом 3 місяців
Про компанію та вартість
Наша командамає 5+ років досвіду в блокчейн-розробці та 30+ успішних проектів у сферах AI та DeFi. Ми спеціалізуємося на децентралізованих маркетплейсах та інфраструктурних рішеннях.
Строки та вартість
MVP (model registry + Payment split + один TEE варіант) — від 2 до 3 місяців, вартість від $30,000. Повнофункціональна платформа з токеномікою, стейкінгом та ZK-верифікацією — від 6 до 12 місяців, вартість від $150,000. Економія на комісіях для замовника — до 40% порівняно з централізованими платформами. Наприклад, при 10 000 інференсах на день, економія може становити до $5,000 на місяць. Зв'яжіться з нами для консультації — оцінимо вашу задачу та запропонуємо архітектурне рішення. Отримайте консультацію інженера по вашому проекту.