DeepCloud AI商業模式建立在二分的市場基礎上，一方面，“網路資源提供者”為去中心化應用提供計算和儲存資源，另一方面，“去中心化應用開發者（物聯網、dApp）”消費資源來執行應用程式。
DeepCloud AI-價值主張
DeepCloud AI對兩個主要客戶群的核心價值主張
•網路資源提供者：可以是擁有不同空間容量的計算、儲存和相關資源的公司。
•去中心化應用開發者（物聯網、dApp）。包括：
·物聯網開發者
▪公司需要靠近物聯網裝置的去中心化計算資源進行本地資料處理
▪開發者提供此類物聯網應用程式服務
▪物聯網應用需要支付流、微交易
·Web3.0 dApp 開發者
▪尋求可擴充套件的區塊鏈
▪交易的確定性
DeepCloud AI-平臺
DeepCloudAI依靠網路資源提供者和應用程式市場提供者在雲端提供服務。DeepCloudAI的核心平臺控制器管理著各類資源並具有人工智慧匹配引擎，用於匹配網路資源提供者和應用開發者。
DeepCloud AI 的開發者社羣為物聯網和DApp 應用開發者提供開源工具。其中-些工具由DeepCloud AI自己提供，其他工具將由更廣大的社羣提供。
DeepCloud AI透過智慧合約處理所有交易，同時對DeepCloud AI區塊鏈上的交易提供完整的審計線索。
所有交易支付都使用DEEP 代幣。DEEP 代幣是符合ERC20 標準的實用代幣。網路資源提供者和應用程式市場提供者透過在DeepCloud AI平臺上提供資源獲取DEEP 代幣。區塊礦工根據DeepCloud AI平臺提供的驗證任務生成新的DEEP 代幣，這些任務用於驗證新的區塊交易。而去中心化應用開發者則使用DEEP 代幣消費資源，從而在DeepCloud AI上執行自己的應用程式。
平臺的運作方式
DeepCloud AI運用區塊鏈和資料去中心化的核心概念，確保DeepCloud AI的網路在網路或人員的基礎上運營。平臺將實施桌面網格計算技術（利用節點）。資料透過網路上執行的節點加以管理和處理，節點持有者將獲得DEEP 代幣。
網路資源提供者
•網路資源提供者為網路提供資源並獲得DEEP 代幣。網路資源提供者需要放置（鎖定）一定數量的DEEP 代幣來執行節點並向有需要的使用者提供服務。這一策略鼓勵網路貢獻者之間展開競爭，同時，DeepCloud AI的願景是在平臺上提供企業級服務。網路資源提供者的服務質量越高，鎖定規模和它們獲得的DEEP 數量就越大。
網路使用者（應用開發者）
•網路使用者（即應用開發者）是用DEEP 代幣在DeepCloud AI平臺上使用服務的人，他們是主要的目標受眾。平臺提供多種服務，如資料庫使用情況、軟體使用情況和處理能力使用情況等。最重要的是，在運用計算使用情況時，所有客戶都將獲得可定製的人工智慧功能。
應用程式市場提供者
•應用程式市場提供者為打造去中心化應用提供可重複使用的元件並獲得DEEP 代幣。應用程式市場提供者需要放置（鎖定）一定數量的DEEP 代幣來提供可重複使用的元件。開發者重複使用其元件的數量越多，其鎖定規模和獲得的DEEP 數量就越大。
人工智慧控制器
•每個節點（網路貢獻者）在網路中都有一個狀態。控制器將各個請求（網路使用者）分配給節點。部分請求在網路上的執行可能會更加複雜；控制器會將這些請求分配到側鏈或主節點上執行。另外，控制器還會調整任務排程以確保當前任務之間不存在依賴關係。控制器會儲存結果，確保每個請求都在正確的叢集上並根據實時請求的匹配情況執行。
技術視角
DeepCloud AI的主要理念是透過人工智慧構建自組織的分散式網路。DeepCloud AI專注於在區塊鏈基礎上構建分散式雲基礎設施，而不是構建未使用的儲存、人工智慧計算平臺或資料庫即服務等特定服務。這些服務分別應用於Filecoin、DeepBrain Chain 和Bluzelle。
去中心化雲基礎設施的效能受多種挑戰的影響。從節點同步算起，匹配演算法、排程目標以及給予任何網路貢獻者公平激勵都在其列。此外，還有網路中的負載均衡和市場供應的成本效益。
DeepCloud AI面臨的這些挑戰分佈在不同的架構級別。使用成員協議和服務證明構建網路，以滿足使用者dApp、服務和節點配置的要求。選擇成員協議是因為該協議允許節點相互發現，快速傳播資訊，並在應用程式叢集中的節點之間保持一致的檢視。除了成員協議之外，人工智慧控制器還基於以下幾個方面（即分片、側鏈，匹配演算法、任務排程、負載平衡等）。
控制器的主要方面是分片和側鏈。由於網路是依託人工智慧的自組織網路，使用者從每個節點所能獲得的資訊越多，網路就會更好。這些功能執行以下任務：
1.獲取節點狀態：網路中的每個節點都向控制器共享其狀態。
2.分包分析：主要任務是得出來自不同分片（叢集）的節點分包。
3.網路分析：主要目的是分析網路中執行的智慧合約。網路使用者在網路中執行了什麼操作。換言之，當前有哪些應用程式在網路中執行。這將反映至主節點。
4.側鏈分析：基於上述步驟，具體應用程式可以在側鏈上執行，處理特定問題。使用控制器讓側鏈狀態保持更新非常重要。
因此，我們將部分應用程式按類別分為可以在網路中各分片中執行的不同叢集，如下所示：
•共享計算能力
•多媒體流式傳輸
•儲存
•物聯網應用
•遊戲
•去中心化交易所
下圖介紹了主節點（控制器）根據網路使用者的應用程式來管理對多個分片的請求。分片A 覆蓋計算能力應用程式，分片B 用於多媒體dApp 等。
該網路由三個主要節點（主節點、網路貢獻者（工作者）節點和側鏈）組成。主節點擁有控制器，計算能力強於一般節點。可以將其視作指揮中心。主節點概念首見於達世幣的架構。網路資源提供者提供資源，這些資源作為工作節點新增到網路中。這些節點由控制器根據網路使用者的請求進行管理和更新。最後，在網路出現瓶頸時，使用側鏈來排程和處理問題。對於按需請求；透過計算幾種引數來選擇執行請求的最佳節點。網路（工作者）節點將根據dApp分類為不同叢集。
1.主要技術特點
1.1網路參與者
網路使用者（應用開發者）
網路使用者（即應用開發者）透過按需服務在分散式網路中執行自己的去中心化應用。平臺中的每個網路使用者都可以透過使用者控制面板為自己的應用程式定製使用者服務（如資料複製、流式傳輸、加密或計算能力、雜湊等）。另外，使用者可以從應用程式市場的預定義應用程式中選擇dApp。在這些規範的基礎上，使用特定的Gossip 協議為此應用程式提供服務。
網路資源提供者
另一方面，網路資源提供者（貢獻者）是指為網路提供資源並獲得DEEP 代幣的人。網路貢獻者可以根據網路貢獻者控制面板中的節點配置共享儲存和特定計算能力。透過網路資源提供者控制面板，貢獻者可以根據自己所共享的資源來配置網路中的節點。
主節點
主節點相當於網路的大腦。主節點可以看到網路中的所有資源。使用DeepCloud AI的人工智慧匹配引擎，控制器可以根據實時分析動態來配置和分配資源。網路中的任何共識都是透過主節點得出的（即測量網路狀態、網路流量平衡等）。如果有任何網路叢集需要額外資源，則會透過主節點之間的共識來處理資源分配。
1.2公平激勵
在任何分散式系統中，從獨立執行的網路資源提供者處獲取頻寬都具有挑戰性。為所有提供資源和共享頻寬的節點提供動態按需激勵已是當務之急。我們採用讓節點充分知情的成比例公平方案來達成此目標。
1.3故障檢測
網路資源提供者透過控制面板向平臺傳送請求，提供自己的節點貢獻詳情，以此加入網路。隨後，平臺根據網路配置和負載將其分配至正確的叢集。主節點協調叢集內全部節點的網路ping，並維持心跳訊號以檢測故障。當節點無法訪問時，將從叢集中刪除該節點，執行在該節點上的所有應用程式工作都會自動部署到該叢集中的其他工作節點上。
1.4分片和側鏈
分片是資料庫中的一種常用手段，用於將超大型資料庫分割為更小、更快、更易於管理的部分，這些部分稱為資料分片。在DeepCloud AI中，分片是影響網路效能的重要因素。它主要用於劃分網路中的複雜查詢，使其在分散式網路中變得更小、更快。區塊鏈/加密貨幣空間出現了一種全球性趨勢，即構建與主鏈相連的側鏈。每個專案的側鏈屬性各不相同。我們使用人工智慧在網路實時監控和歷史資料的基礎上配置並調整側鏈的角色。每個分片的主節點都與側鏈相連。根據主節點定義網路中側鏈的角色，用於處理任何瓶頸或其他問題。
1.5資料複製和完整性
DeepCloud AI正在構建用於資料儲存的API，以便應用開發者能夠更輕鬆地備份資料並與其他去中心化儲存服務進行整合。另外，我們還簡化了中心化和分散式儲存系統之間的資料遷移。
1.6負載平衡
去中心化雲的核心是基於人工智慧的。網路中發生的每筆交易都有實時資料記錄。如前所述，根據網路狀態動態配置分片和資源分配。此外，調整執行服務佇列優先順序，平衡網路流量。
此外，節點按叢集分類，如果任何叢集中存在問題，主節點會管理網路流量。通常有兩種情況：第一種情況，主節點使用側鏈節點來處理負載不平衡問題。第二種情況，主節點依賴於網路貢獻者。當網路貢獻者在網路中共享資源時，網路貢獻者可以為特定目的指定節點。或者，可以將節點設定為動態節點，從而獲得更多回報。這可以保證根據網路需求實時配置網路中的節點。
1.7 人工智慧控制器和匹配演算法
所有分散式系統都必須具備匹配演算法。此外，去中心化應用需要許多靠近來源的資源。DeepCloud AI的人工智慧匹配演算法基於包括來自網路使用者的請求資訊、使用位置以及主節點中網路貢獻者的狀態等多種引數。此外，每個主節點會將網路貢獻者按服務類別分入不同的叢集。每個請求都將根據服務、網路狀態以及主節點之間的共識進行處理。
我們遵循預測和反應策略。反應式方法會測定當前系統的狀態（即當前交易）。預測方法旨在根據歷史資料集來預測系統未來的行為。我們運用統計學和人工智慧模型作為預測策略。這些演算法大多采用ARIMA 等迴歸、SVM 和統計時間序列技術。我們定義為將要提供的給定任務預測資源使用情況時的問題。模型整合了數種要素（即評分、任務依賴性、任務成本）。然後與適合使用貝葉斯分類等方式進行分類的模型進行比較。
人工智慧控制器分析網路中的每筆交易及其對網路的影響（例如延遲、任務丟棄）。人工智慧控制器根據這些深入見解為不同的使用場景構建策略。我們使用RNN、CNN 之類的深度學習演算法，同時使用持續學習反饋迴圈的強化學習來分析場景。主要目標是瞭解交易行為、工作負荷模式並改進系統瓶頸。
1.8多目標排程
DeepCloud AI以服務證明(PoSe) 為基礎。在各叢集中，主節點在相同叢集內的節點之間排程任務，併為節點之間的任務依賴性和執行時間做出安排。
1.9安全
為了滿足企業客戶的安全需求，DeepCloud AI圍繞英特爾SGX 技術構建安全層。我們還在應用程式市場上與安全服務提供商擇優合作，為不同型別的應用需求提供一系列服務。
1.10應用程式登錄檔可重複使用的應用程式元件縮短了應用開發者的開發週期。應用程式市場提供者在應用程式登錄檔上釋出元件，開發者則可以輕鬆為自己的應用程式搜尋並部署這些元件。
2.比較
去年，數個去中心化雲端計算平臺大放光彩。這些專案大體上並不互相競爭，而是相互補充。首先，Golem 旨在成為全球首臺去中心化超級計算機，最初的願景是吸引3D藝術家、動畫師和設計師。iExec 緊隨其後，希望為使用者和dApp 在以太坊上建立一個依靠鏈下計算的市場。最後，SONM 透過在市場上執行服務而成為彈性工作提供者。
DeepCloud AI對去中心化雲端計算的未來抱有相同願景。我們對與Storj、Filecoin 等現有基礎設施的既有計算資源相整合抱有信心。同時，我們將定義網路中每個節點的用途，以便根據共享資源在應用程式中提供服務。這保證了激勵的公平性。另一方面，我們為去中心化雲的多種目的提供服務（即共享儲存、執行人工智慧程式碼、資料流等）。雲中的所有節點都可配置，我們使用自有的人工智慧匹配引擎在提供者和應用開發者（消費資源）之間進行適當的資源匹配。
關於更多DeepCloud AI資訊：
更多區塊鏈專案：http://www.qukuaiwang.com.cn/news/xiangmu
風險提示：區塊鏈投資具有極大的風險，專案披露可能不完整或有欺騙。請在嘗試投資前確定自己承受以上風險的能力。區塊網只做專案介紹，專案真假和價值並未做任何稽覈。
