构建更多传统的基于CPU的数据中心不足以满足人工智能的迅速增长。这些中心的CPU不足以应对人工智能、视频渲染和预测分析的指数增长。此外，这些数据中心是最耗能的建筑类型之一，其每层空间耗能是一个典型商业办公楼的10至50倍。总体而言，这些空间能耗约占美国用电总量的2％。
这不是容量问题 – 可以使用数十亿台消费者电脑 – 而是全球计算能力尚未完全实现。而且，我们还没有完全利用GPU能力。
对于AI、预测分析和视频渲染来说，我们必须以安全、环保和高效的方式利用GPU支持型计算机的巨大计算能力，从而找到一种有效的方式来提升云服务。
AI对计算能力的需求日益增长，可以通过创建一种解决方案来有效地满足这一增长需求，这种方案不但利用基于大规模并行图形处理单元（GPU）的计算来提高速度并减少能源消耗，而且利用分布式处理，以可持续方式利用可用计算机，从而减少计算增加引起的环境足迹。
Tatau系统可以就AI对计算能力日益增长的需求提供解决方案。Tatau平台是一个基于区块链的平台，可提供先进、环保的云服务，专门针对利用GPU处理AI和视频渲染而设计。Tatau建立于以太坊之上，使任何人都可以在其分散的市场上购买和销售计算能力。这有望利用基于GPU的人工智能和3D渲染效率算法的新进展，并满足对更加环保计算解决方案的需求。此外，通过利用使用次线性内存成本训练深度网络提出的深度神经网络训练算法， Tatau平台上的计算节点将能够使用消费者GPU来拟合比当前CPU能够处理的模型大10倍的模型。使用一小部分的成本，Tatau将利用这种AI分布平台在内存使用方面取得相同的结果。
技术概述
Tatau平台将计算资源与计算请求连接起来。它通过使用区块链和加密承诺方案来实现计算、信息和支付的安全性。
Tatau建立在以太坊之上，利用预先验证的智能合约代码库，并将IPFS用作链外存储。该平台能够连接并利用3D渲染公司的闲置GPU以及其他高性能个人设置，如消费者游戏电脑。
平台组件
存储节点
存储节点是IPFS网络上的一个节点，其中包含模型训练数据。使用IPFS，数据可以很容易地被分解成一组不同的文件。数据所有者可以在向Tatau网络提交计算请求时访问计算节点。也可以在这一执行过程中使用集中式数据存储，但选择IPFS是因为允许数据自动组织到文件以及高吞吐量数据传输。需要注意的是，存储节点不在区块链上，但数据的散列可以在区块链上表示。
计算节点
计算节点负责接收计算请求并在模型上训练数据。
计算节点具有：
● 与特定属性（库、操作系统、容量和计算要约）相对应的标识。这些信息被存储在链外。
● 与其标识相对应的地址以及用于付款的Tatau代币地址。
计算请求
计算请求用于承载正在请求的计算相关信息以及有关数据的信息，用于计算的软件依赖项以及与所请求计算相关的支付。
计算请求包含几个关键组件：
● 与请求方相对应的公共地址。公共地址用于支付和跟踪网络中的计算请求。
● 模型可以被认为是每个计算节点将在其特定数据集上执行的一组算法和操作。
● 模型的一组软件需求，以及所使用的依赖项和语言列表。
● 训练模型的一个数据集或多项观测。这个数据集将被拆分成几个小数据集并使用IPFS进行存储。
托管合约
托管合约连接请求方和计算节点，并促进计算节点的连接和支付。
托管合约包含：
● 指向计算请求的IPFS地址。
● 请求方指定的支付要约。
● 请求方的地址。
● 分区计算请求的地址及其相关的加密计算指纹，每个请求的支付、接受要约的计算节点的地址以及解决方案的IPFS地址。
计算节点接受计算请求后，由请求方决定给出计算节点分区。这可以通过私人消息或通过共享IPFS地址来完成，该IPFS地址为各个用公钥加密的计算节点显示文件散列。
验证器
验证器是负责解决请求方和计算节点之间争议的持仓账户。如果发生争议，请求方可以通过托管合约联系一组验证器。这些验证器可以检查计算的正确性，并通过托管合约解决相应的支付款项问题。
Tatau API
Tatau API负责与生态系统其他组件的交互。该API使每个人都可以轻松访问并使用Tatau平台。该API的功能包括：
● 向IPFS分发数据。
● 添加计算指纹并提供库来检查有效性。
● 与IPFS存储节点进行交互以尽可能多地执行链外计算。
请注意，Tatau API中的功能和特性将扩展或收缩以适应Tatau平台的需求。
计算验证
视频渲染的计算正确性
视频渲染的计算正确性通过检查每个计算节点对其渲染方程组的解决方案进行验证。请求方可以开始在托管联系人之外发生的验证检查。验证器处理并解决有关计算正确性的任何问题。
AI模型的计算正确性
保证AI计算的正确性，要求它至少由两个计算节点运行。为了避免对每个操作进行多次计算，Tatau平台使用计算指纹，该指纹使用概率方法来激励计算节点以输出正确的计算。
数据集的每个分区都有一个与计算节点运行的模型阶段单独关联的计算指纹。随着Tatau团队进行的研究被整合，计算指纹正在不断发展，但目前的实施情况将利用随机性来确定适当的答案。
请求方将预先计算模型上的数据子集的解决方案，并将这些解决方案散列在一起以用于每个分区。
捕捉错误计算的概率
一旦计算节点生成其解决方案，就必须对计算指纹进行计算。这是通过运行模型中存在的一个预编译二进制代码来完成的。这个预编译代码将从解决方案的随机集中生成一个散列。
使用这种计算指纹的方法，仅通过运行更小的数据子集就极有可能捕捉不正确的计算。
计算请求生命周期
将请求分发到网络
请求方可以使用Tatau API将其数据分割到IPFS节点上，并创建一个计算指纹作为其模型的一部分。将模型上传到IPFS后，请求方可以利用要约和其他相关信息设置托管合约。一旦托管合约处于Tatau生态系统中，计算节点就可以接受合约。
计算节点计算请求
接受合约后，计算节点接着会在其数据集上运行该模型，并将该数据保存在另一个不包含在用数据的存储节点中。
共同得出结果
一旦得到了计算结果，计算节点将与合约共享数据的散列，通知合约他们完成了这批计算。
验证计算的正确性
在完成计算请求之后，计算节点可以将计算指纹提交给托管合约，这样可以验证这是否确实是正确的，方法是检查计算指纹是否对应于计算请求公钥的私钥。然后托管合约可以支付计算节点。如果这是正确的，那么计算节点将更新模型，否则将由验证器处理争议。
更新模型
验证步骤完成后，计算节点可以使用其计算来更新模型。更新可以按任何顺序完成，因为它将包含所有数据。当所有计算节点都编辑了模型合约时，则更新完成。可以通过托管合约或模型本身来进行跟踪，同时请求方发起呼叫以继续下一步。验证过程可以为请求方自动完成，但其最初旨在使请求方可以控制整个操作。
结束托管合约
迭代和更新模型的过程将一直进行，直到模型符合其规范或托管合约用完计算节点支付资金为止。一旦请求完成，托管合约会退还请求方任何未使用的资金并结束计算请求。
处理争议
在围绕计算正确性存在潜在问题的情况下，计算节点将从工作队列中移除，并将调用一组验证器来解决争议。验证器将检查计算指纹是否匹配，并确定请求方是否在计算中产生任何错误。一旦这个过程完成，验证器就采取措施：将计算节点放入托管合约，并从合约中移除计算节点。在必要时可能会产生进一步的影响。
第三方依赖项
行星际文件系统（IPFS）
行星际文件系统（IPFS）的分布式存储功能将用作引导存储和跟踪的一种方法。IPFS使用文件的Base58散列作为其存在位置的地址。它是该领域最有前途、最高效且最可靠的分散存储协议之一。此外，IPFS允许数据的高吞吐量，因为数据可以在网络中的许多不同节点之间分割，并且可以同时从所有节点中流出。
Tendermint/Ethermint
由于以太坊网络处理交易数量缩放的问题，因此将有必要把该平台连接到具有更快共识的链。这可以很容易地完成，同时仍然使用Tendermint的Ethereum Ethermint硬分区来保存合约的状态。
Microraiden
Microraiden允许在以太坊平台上进行单向状态渠道支付。目前正在实施，并在交易过程中提供了一种以私有和快速方式进行交互的方式。
实施注意事项
数据的存储
由于在某些计算请求中数据量将非常大，因此可能需要重新考虑数据传输过程。一种可能的解决方案是让请求方将数据分割到多次出现的IPFS上，以允许计算节点并行加载信息。虽然集中式存储系统可能会产生有利的影响，但选择IPFS是因为一旦将相同的数据添加到网络后，可以更快地加载相同的数据。
计算的正确性
尽管Tatau提供了多种障碍和阻碍来阻止人们错误地进行计算，但是恶意行为者仍然可能向数据中添加虚假的观测并破坏最终的模型。如果不正确的计算在Tatau平台上成为重大问题，则有可能增加被多次计算的样本数量，从而增大抓住恶意行为者的可能性。值得注意的是，确保计算正确完成而不必多次计算相同结果是绝对不可能的。
数据的隐私
每当涉及大数据时，一个潜在的问题是确保被分析的数据保持隐私。数据隐私问题可以通过清理数据（将分类转换为数字和正常化数据的正常操作）来补救。
验证器节点
令人担忧的可能是验证器节点会恶意行为，这就是为什么赋予其相关身份，要求定桩限界并且以组验证纠纷的原因。这些预防措施使得恶意攻击变得困难，恶意行为者可以作为网络验证器识别并禁止。
计算节点
有关计算节点的一些实施考虑事项：
有关计算指纹的事项
计算节点可能会对执行计算检查的预编译二进制进行解码。虽然可能会发生这种情况，但要对这些二进制码进行反编译很困难，而且，如果确实发生了这种情况，会在计算完成后添加另一个验证检查。此验证会涉及在模型上测试随机数量的样本，并确保其与计算节点提供的样本相同。
及时完成计算请求
计算节点有可能会放弃请求，或者不会在正确的时间内完成请求。这种情况的解决方法是，确保把处理器或计算能力作为各计算节点身份的一部分来对其进行跟踪。
不同的操作系统和库
一定有办方法让节点与当前的分布、库和代码库保持同步，共享必须相同。此外，由于某些软件（尤其是对于3D渲染）并不是开源的，因此可能需要通过其支持的软件和软件包来限定计算节点。
由于这两个实施考虑因素都依赖于将信息保持为一种身份，因此可能需要对身份和信誉作为Tatau实施的一部分进行追踪。这可以在脱链项目中实施或在Tatau仪表盘中实现。
竞争格局
人工智能计算
分布式AI计算的“验证挑战”
分布式计算平台面临的挑战，特别是在计算像人工智能这样的非确定性任务时，需要验证以下事实：（a）已经进行了计算，并且（b）已经正确完成了计算。这种验证是必需的，这样，请求方（买方）就知道它仅针对作为工作一部分已经有效执行的计算进行支付，从而触发请求方的付款并且实现正确完成工作的满意度。
Tatau解决方案
Tatau是第一个本机执行“人工智能处理”等非确定性任务“计算证明”的平台。Tatau通过使用位于作业输出内的代码指纹来实现这一点，并且只能由请求方和Tatau平台进行验证。在竞争对手的解决方案中，验证是请求方任务的一部分，无法针对非确定性任务进行验证。要验证的话，会需要重复任务，至少需要比Tatau平台多两倍的资源。这就意味着Tatau是唯一可以实现分布式AI处理高性价比和商业可行性的分布式平台。就相同的非确定性任务而言，其他解决方案比使用像Amazon这样的简单云解决方案的成本还要高。
渲染
使用商业级软件访问分布式渲染
进行渲染时，要求现成的商业软件被许可并安装在进行渲染任务的各个节点上。不同的渲染任务需要不同的渲染软件。因此，不同的请求方将需要使用具有不同渲染软件的分布式硬件来访问分布式处理。
Tatau的平台将管理分布式资源和节点，并将请求方的工作与仅为那项工作运行必要的渲染软件的分布式节点相匹配。
Tatau将在其数据中心部署商业渲染软件，并将其他渲染农场连接到Tatau平台，以使用所需的商业软件实现分布式渲染。
Tatau的竞争对手只提供开源软件和专有软件服务，这不适合大规模商业渲染。只有Tatau使用商业软件提供对分布式渲染的访问。
GPU访问的操作系统不可知性
许多分布式GPU节点（无论是在大型农场还是单个站点中）都使用Windows版本的操作系统。Tatau的竞争对手仅支持基于Linux的系统，无法利用大规模的Windows部署。
Tatau是操作系统不可知性的，因此它有能力利用可用分布式计算资源的更大市场，因此Tatau将涉及更大的用户群，而用户群早之前已被早期市场参与者剥夺了特权。
利用大规模的分布式平台
挑战
独特的分布式异构节点成千上万，分布在全球各地，采用不同的操作系统、不同的GPU和不同的软件， 所以面临的挑战就是如何在平台中实际管理和利用这些节点。
在其他平台上，请求方（买方）需要自己查找、设置和运行单独的“实例”，必须谨慎处理并行计算等。这是相当复杂费力的，所以实际上只能由极小部分的潜在客户实现。
Tatau解决方案
Tatau将提供软件即服务以支持请求方（买方）透明地访问分布式资源。因此，请求方（买方）不需要管理每台机器。他们将在Tatau平台上运行任务并获得结果，而不需要额外的管理步骤来将管理变量和多个实例和节点作为设置计算/渲染任务的一部分。
Tatau代币（TUT）
Tatau代币在Tatau生态系统中有两种使用方式：
1. 支付
Tatau代币在购买和销售网络上的计算输出之时使用。它也将用于向网络中的各方（即验证器）支付费用。
2. 铸币
Tatau代币用于在网络中加入计算节点和验证器。当与削减协议混合在一起时，这种铸币方法强烈激励诚实参与网络。
Tatau云市场策略
需求方面
● 战略伙伴关系/直接方法
● 电影/视频游戏公司
● 其他行业公司，包括：
○ 金融科技
○ 医疗（成像、药物发现等）
○ 防御
● 空投/间接市场刺激
供应方面
● 直接通过现有渠道
○ 大型挖矿软件的价值选择
○ 个人挖矿软件的重要长尾
○ 大型现有玩家，例如渲染农场、GPU数据中心等
● 刺激新的供应
○ 加密空投
○ 社交媒体市场营销
○ 通过直接登录关注业务（例如闲置容量）和消费者（使用PlayStation和/或Xbox）在发行之前通过更广泛的营销方法来打造市场和品牌
● TGE五管齐下的营销策略
○ 平衡报告
○ 清晰透明的团队观
○ 过度投资社区风采
○ 根据需要进行“线上”PR曝光
● Tatau将参与项目、会议、博客和组织，以提高关键社区（例如AI（专业分布式AI）绿色数据中心、渲染公司等对我们平台的认识。
● 我们将提供学术研究计划（顶尖大学的人工智能实验室）代币。这将支持研究，在AI社区中产生良好影响，并确保Tatau代币的消耗性使用。
Tatau云软件发布计划
