DeepCloud AI：人工智能驅動的去中心化云平臺 | ONETOP評級區塊鏈
聲明：本測評內容僅供參考，任何依本測評內容作出的投資行為，與本測評內容無關。項目有風險，投資須謹慎。 Statement: the contents of...
聲明：本測評內容僅供參考，任何依本測評內容作出的投資行為，與本測評內容無關。項目有風險，投資須謹慎。
Statement: the contents of this assessment are for reference only. Any investment behavior made according to the contents of this assessment is not related to the contents of this assessment. The project is risky and the investment must be prudent.
DeepCloud AI旨在提供一個人工智能驅動的分布式云平臺，用于運行去中心化物聯網和Web 3.0應用。該項目為公司和個人提供計算與存儲資源的現貨市場，供其在分布式云上共享多余容量，并通過人工智能匹配引擎將這些資源與應用開發者配對。
云計算是繼1980年代大型計算機到客戶端-服務器的大轉變之后的又一種巨變。它可以提供可用的、便捷的、按需的網絡訪問， 進入可配置的計算資源共享池（資源包括網絡、服務器、存儲、應用軟件、服務），使用者可以快速獲得所需資源。自2009年以來，云計算支出增速為IT支出增速的4.5倍，2015年至2020年間，預計將超過IT支出增速的6倍。Gartner預測，云計算市場將從2015年的670億美元增長到2020年的1620億美元，年復合增長率為19%。
新分布式云網絡的出現使得分布式云平臺數量激增。這些平臺通過利用最終用戶、私人數據中心或企業基礎設施的閑置資源，能以較低成本為用戶提供分布式計算、存儲和網絡資源，讓應用的部署比傳統供應商更經濟實惠。然而現有的中心化和分布式平臺缺乏對資源的智能分配。例如，當用戶提供云資源來部署應用程序時，他們通常不知道自己需要多少資源才能用最低的成本實現其應用程序目的或實現其使用場景。而使用由AI/ML管理的云，則可以根據用戶的需求和豐富的歷史數據為用戶提供智能建議。
因此，DeepCloud AI利用云計算、人工智能和區塊鏈技術，使用人工智能在網絡資源提供者和應用開發者之間進行資源匹配。DeepCloud AI還在應用程序市場為開發者提供經過預先驗證的應用程序，以便加速其端到端解決方案的開發。
目前分布式云平臺賽道已有MIOTA、WTC、IUFF、SMT和ITC等項目，它們已上線交易所，失去了先發優勢的DeepCloud AI能否后來者居上成為該領域的重要應用存在很大不確定性。人工智能賦能分布式云平臺，效果仍未可知。
1. 法律政策和監管風險
由于區塊鏈技術仍處于初期階段，目前在任何司法管轄區的籌資過程中都沒有關于界定、交易、信息披露和鎖倉要求的具體規定，并且相關政策將如何實施尚無明確的定論。所有這些因素都可能導致項目開發不確定。
2. 技術風險
區塊鏈技術正在不斷發展，密碼學也在不斷演化，研發團隊無法保證絕對的安全性，平臺有可能受到網絡攻擊致使持有人的數字貨幣有被盜、失竊、消失、毀滅或者貶值的風險。
3. 項目落地風險
目前人工智能還在研究發展中，市場炒作概念的比較多，實現巨大突破帶來變革的應用比較少，因此DeepCloud AI定位人工智能賦能分布式云平臺，是否比其他分布式云平臺更便捷也是不確定的。
4. 項目執行風險
項目屬于早期階段，雖然客服告知MVP已完成，但是DeepCloud AI代碼庫目前只有3個合同項目，沒有找到MVP代碼。共有482行代碼的情況也很值得注意。
【token名稱】DEEP
【token類型】ERC-20
【token總量】2億
【是否KYC】是
【是否鎖倉】是
【代幣分布情況】
DEEP token在DeepCloud AI平臺上的用途包括：
用戶可以通過三種方式獲取DEEP token用于訪問DeepCloud AI平臺：
1. 故障檢測
主節點協調集群內全部節點的網絡ping，并維持心跳信號以檢測故障。當節點無法訪問時，會從集群中刪除該節點，運行在該節點上的所有應用程序工作都會自動部署到該集群中的其他工作節點上。
2. 分片和側鏈
在 DeepCloud AI中，分片主要用于劃分網絡中的復雜查詢，使其在分布式網絡中變得更小、更快。DeepCloud AI使用人工智能在網絡實時監控和歷史數據的基礎上配置并調整側鏈的角色。每個分片的主節點都與側鏈相連，根據主節點定義網絡中側鏈的角色，用于處理任何瓶頸或其他問題。
3. 數據復制和完整性
DeepCloud AI正在構建用于數據存儲的API，以便應用開發者能夠更輕松地備份數據并與其他去中心化存儲服務進行整合，還簡化了中心化和分布式存儲系統之間的數據遷移。
4. 負載平衡
根據網絡狀態動態配置分片和資源分配。調整運行服務隊列優先級，平衡網絡流量。此外，節點按集群分類，如果任何集群中存在問題，主節點會管理網絡流量，保證根據網絡需求實時配置網絡中的節點。
5. 人工智能控制器和匹配算法
DeepCloud AI運用統計學和人工智能模型作為預測策略。這些算法大多采用 ARIMA 等回歸、SVM 和統計時間序列技術。模型整合了數種要素（即評分、任務依賴性、任務成本），然后與適合使用貝葉斯分類等方式進行分類的模型進行比較。使用 RNN、CNN 之類的深度學習算法，同時使用持續學習反饋循環的強化學習來分析場景。主要目標是了解交易行為、工作負荷模式并改進系統瓶頸。
6. 應用程序注冊表
可重復使用的應用程序組件縮短了應用開發者的開發周期。應用程序市場提供者在應用程序注冊表上發布組件，開發者則可以輕松為自己的應用程序搜索并部署這些組件。
DeepCloud AI代碼是開源狀態，代碼庫共3個項目，其中兩個星云合同、一個token合同。目前共有482行代碼，有1人觀看了項目的代碼，最近一次代碼更新發生在6月13日。整體來看，DeepCloud AI代碼更新頻次偏低。
DeepCloud AI由團隊自行研發，項目定位于人工智能驅動的分布式云平臺，目前人工智能和云平臺都屬于技術難度比較大的，兩者結合開發難度比較高。
2017年屬于DeepCloud AI的籌備階段，項目正式啟動于2017年11月，預計2019年底項目基礎工作基本完成，項目時間跨度約為2年，目前屬于前期階段。
按計劃2018年5月DeepCloud AI架構開始MVP設計和開發，7月開始MVP測試。客服告知MVP已完成，目前還在測試完善中，執行狀況良好，項目按照線路圖正常推進中。
官網顯示DeepCloud AI核心團隊共有11人，除了管理人員外，在執行方面人員配置有4位技術人員和3位管理營銷類人員，團隊配置較為合理。核心團隊人員技術專業較為匹配，有專研云計算、AI和區塊鏈領域的人員，符合項目定位。
Max Rye：CEO
加利福尼亞大學戴維斯分校計算機科學學士。擁有15年云計算行業經驗，有企業級云基礎架構經驗。也是AI研究員。
Geeta Chauhan：CTO
加利福尼亞大學生命科學。工程領導者，擁有25年以上建設大規模分布式平臺的經驗。
Joseph Vargas：主要人工智能/云架構師
圣何塞州立大學計算機科學碩士。有13年企業云建立和AI系統的經驗。精通軟件架構和企業級應用程序和解決方案。
Miroslav Sala：COO
有12年的企業管理經驗。曾在Ebay工作了6年，擔任業務經理。
Felix CastroRodriguez：南美洲地區開發團隊負責人
有18年的研發項目負責人和全棧應用開發經驗。在區塊鏈集成方面是專家流工程師。目前，他正在為DeepCloudAI企業合作伙伴測試網站（如Azteca和其他南美地區的測試網站）在DeepCloudAI結構的邊緣實施中協調物聯網。
顧問團隊四人，有1位區塊鏈顧問，3位云計算顧問在云架構領域有10年以上經驗，可以為項目技術落地提供支持。沒有商業顧問。
Hitters Xu：區塊鏈顧問
Nebulas的創始人兼首席執行官，AntShares（NEO）的創始人，中國區塊鏈先驅，AntFinancial的區塊鏈平臺（阿里巴巴的金融部門）的前任董事，也是Google的搜索和反欺詐團隊的成員。自2013年以來，Hitters創立了比特創業營、ICO365和FBG Capital。
Vishwas Manral：云安全顧問
NanoSec首席執行官兼CSA副主席。IPSec和ADVPN的發明者，擁有超過30個RFC。有10年的云架構經驗。
Dr. Ahmed Sayed：AI云計算顧問
計算機科學博士，精通云計算和人工智能。有10年云計算架構研發經驗。
Dr. Hengky Susanto：云計算顧問
計算機科學博士。擁有10年云計算架構經驗，至今有超過30種計算機網絡出版物。
合作機構有星云鏈、tv azteca和blockchain techteam，合作機構偏少，對項目發展推動作用較弱。
DeepCloud AI旨在提供一個人工智能驅動的分布式云平臺，用于運行分布式物聯網和Web3.0應用。項目時間跨度為2年，目前還處在前期階段，項目信息披露不多，運營建設力度不夠。所在領域已有幾個競爭對手布局，與先發項目比較DeepCloud AI的創新點在于以人工智能賦能分布式云平臺。
綜上，DeepCloud AI總分5.97分，評級等級B+級，綜合能力一般。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
