去年7月写的，当时0.15，当时就说在一个低估区间

今天我们继续我们的AI专场，我们已经讲了几个AI项目了，先来回顾下，第一个是AGIX,他是一个AI平台，还不错，然后是TAO，就是bitsensor专注ML领域也还不错，团队一直在默默努力，然后FET，我觉得他的定位比较模糊，比较一般，然后是NMR，非常不错很有奇思妙想的一个对冲基金全新的管理模式，然后就是Unibot，一个比较像MASK的Telegram项目，如果说要对标MASK2.7亿，而它已经3.3亿了，但是Telegram上的用户比twitter多，多亿这么来看也在正常区间了。言归正传我们今天讲的这个项目是一个机器学习平台，就是

Cortex-CTXC，目前它的市值比较低，只有3000万美金，排名380+了，所以如果他很有潜力，那么涨10倍，到3亿美金，是非常简单的一个事情对吧，涨100倍也就30亿美金，是非常有想象力空间的一个项目。

 

1简介

当前在传统区块链上执行机器学习程序的挑战是，当运行任何重要的机器学习模型时，虚拟机的效率极低。因此，大多数人认为在区块链上运行AI是不可能的。

 

Cortex 的目标是打造一个真正去中心化人工智能自治系统，在区块链上提供最先进的机器学习模型，用户可以使用Cortex区块链上的智能合约来推断该模型。 Cortex的目标之一还包括实现一个机器学习平台，允许用户在平台上发布任务，提交AI DApps。

 

Cortex 项目通过扩展智能合约底层指令集、增强存储层等技术，为智能合约增加人工智能算法的支持，使得任何人都可以为智能合约增加人工智能的能力。同时，Cortex 还提出了一种集体协作的激励机制，使得任何人都可以提交和优化 Cortex 上的模型，而模型的贡献者可以得到奖励。

Cortex 项目  在 Ethereum 的基础上更进一步，打破了区块链系统和人工智能之间的障碍，为区块链系统引入了 AI 模型的分类、预测、生成等前所未有的功能。更大的突破带来了更多的挑战，为了应对区块链系统中的人工智能应用在计算、存储、网络等方面的负担，Cortex 提出了一系列方案进行解决：

• 实现 MRT 模型转换技术，将传统 AI 模型定点化；

• 提出 Cortex 虚拟机 CVM 实现链上 AI 推断计算；

• 引入 TorrentFS P2P 文件存储系统解决 AI 模型和数据的存储问题;

 

另一方面，由于 AI 技术需要的大规模数据和海量算力，而这两者具有聚集效应并主要掌握在大公司手中，可以预见的未来会形成垄断趋势并现已具雏形。为此，Cortex 系统提供了去中心化的 AI 模型市场，用户通过分享 AI 模型并从中获取收益，也使得更多人能自由享受 AI 技术的力量。

 

2核心架构

为了构建更加完善的支持 AI 模型的公链，Cortex 2.0 需要优化 AI 模型推断以及公链两个方面，一方面需要满足 AI 模型在链上执行的正确性以及功能的完备性，另一方面需要在共识、性能方面对现有 Cortex 链进行优化。Cortex 2.0 核心架构如图1所示，主要包含以下方面的技术突破：

1. 形式化验证: 通过 Z3 证明器 [10] 完成 AI 算子的形式化以及正确性验证，保证 Cortex 系统中所有节点对 AI 模型的推断结果保持一致以及正确。

2. AI 算子库：进一步完善 Cortex 支持的 AI 模型底层算子库，使得 Cortex能实现更多 AI 模型的推断工作。

 

3. 共识算法：设计 RandomAI 工作量证明算法，进一步提升 Cortex 的去中心化程度。

4. 性能提升：通过零知识证明技术，逐步实现转账交易、智能合约以及AI 推断的打包，提升 Cortex 主链性能。

2.1形式化验证: Z3­Prover

由于区块链上智能合约虚拟机中的指令执行和计算结果属于共识机制，这要求虚拟机中指令操作是确定性和可复现的，Cortex 1.0 将 AI 模型推断操作作为一条基本指令（INFER | IFNERARRAY）集成到虚拟机执行引擎（CVM）中，由此引申出 AI 推断操作在区块链上应具备的两大重要特性：确定性和可复现。

 

2.2链上 AI 推断引擎：更完善的算子库

CVM Runtime 项目库中定义了一系列算子集及其实现，并给出了严格的数学描述定义，规定算子在给定输入的情况下，按算子计算逻辑，输出确定性的结果。已支持的算子集合参考现有主流深度学习框架架构，结合常用 AI 模型涉及到的网络结构，囊括了诸如卷积，全联接，激活函数等必要算子集。目前，Cortex Labs 研发的 CVM Runtime 模型执行框架能够支持图像分类，物体识别等计算机视觉 CV 研究以及部分自然语言处理 NLP 的任务。

 

 

2.3公平的工作量证明：RandomAI

一直以来，一机一票的加密数字货币社区设想并未实现。原因是 ASIC的特殊设计使得计算加速比得到大幅提升。社区和学术界探索了很多内存瓶颈算法来对显卡和 CPU 挖矿更加友好，而无需花费大量资金购买专业挖矿设备。近年来社区实践的结果显示，以太坊的 Dagger­Hashimoto  和Zcash 的 Equihash 是比较成功的显卡优先原则的算法实践。

Cortex 链将进一步秉承一机一票优先，Cortex 1.0 版本采用基于 CuckooCycle [18] 的工作量证明方案，缩小 CPU 和矿机之间加速比的差距。Cortex2.0 版本中，将考察并设计 RandomAI 工作量证明算法，进一步保证共识算法的公平性。

 

2.4主链扩容: 零知识证明三部曲

区块链领域中，为了保障区块链系统的去中心化程度以及安全性，性能瓶颈一直困扰着相关研究者。为了提升区块链性能，目前主要有更换共识协议、DAG、zkRollup、分片、侧链等方案 。由于分布式系统 CAP 定理的限制，直接对区块链进行扩容将是一种权衡，在系统一致性、可用性和持久性之间进行折衷选择。Cortex Labs 通过对扩容问题进行了深入研究，希望在不牺牲核心安全假设的前提下提升网络的性能，最终选定了 zkRollup 扩容方案。

整体架构

为了更好地服务 AI 模型开发者以及 AI 应用开发者，Cortex 2.0 除了核心框架之外，还提供更加丰富的技术组件，构成一个完善的 AI 框架和应用生态，帮助用户更好享受 AI 区块链带来的便利。

 

项目团队

目前来看是一个中国人的项目，CEO 陈子祺，清华大学土木工程系本科，后留美获卡耐基梅隆大学土木工程系硕士和加州大学圣克鲁斯分校计算机系硕士。在早期 AdaBoosting 和 Online Learning的发源地，师从 David P. Helmbold 研究机器学习理论和各种算法应用，包括围棋算法。曾经在美国 SFTC 公司担任主研究科学家，负责有限元网格生成法，用于航天和武器研发。具有一线的电商创业经验和区块链全行业经验，Waterhole.io 北京遂视科技有限公司创始人，精通矿池、算力、钱包等业务，深度理解矿机、共识算法和公有链生态。在比特币、以太坊、Zcash等加密货币提供算力。

CTO物理和生物竞赛保送至清华大学计算机系，获本硕学位，分布式系统方向专家。曾在百度、阿里巴巴工作，日PV过亿的搜索引擎 (so.com) 和推荐引擎架构师。连续创业者，先后在多家创业公司任职，涉足搜索引擎、推荐引擎、人工智能、金融科技等方向。第一家公司卧龙云被阿里巴巴收购，后加入北京机器学习信息技术有26限公司担任CTO ，研发recsys 、chatbot 、医疗影像识别等系统，后又加入Pony.ai无人车创业公司，天使轮已得到红杉、IDG投资。曾担任比特基金首席科学家，区块链研究者，在多家区块链技术公司任顾问，比特币、Zcash早期投资人，世界最大比特币交易所Bitfinex投资人。对量子计算、核聚变和计算神经学有浓厚兴趣。

 

 

融资情况

也就是在今年的时候，Cortex获得3500万美元B轮融资。A轮融资目前没查到。

Token分配

 

最大供应量 299,792,458 CTXC，流通率 68.39%。首次发行时间 2018-04-17，众筹价格$0.5800，目前币价在0.15美金，最高峰的时候在18年的时候，有2.4美金。他们团队拿了差不多15%，运营推广10%，也就是差不多25%，这个比例不多也不少了。

最后我们总结下，果然的AI区块链项目，目前市值还是比较低的，融资他们就拿了4000万美金，而现在市值只有3000万美金，然后目前的价格也是币18年的ICO价格还要低，但是目前来看进展比较缓慢，目前的AI项目普遍都是进展缓慢，给与一定的时间把，至少目前来看这个是处于价值洼地的。