CHAPTER 01
Voxel AI Network 介紹
1.1簡介
Voxel AI Network 是一個去中心化三維運算與 AI 渲染基礎設施網路,旨在為全球 AI 訓練、3D 資料處理、數位渲染與空間運算市場提供開放式算力支援。
隨著人工智慧、多模態模型、數位孿生、虛擬實境與空間運算快速發展,全球對於三維體素化資料處理與 AI 渲染算力的需求持續成長。然而,目前高效能 GPU 與三維渲染資源主要集中於少數大型雲端平台與專業機構,中小開發者、獨立創作者以及鏈上 AI 專案,難以低成本獲得穩定運算資源。
Voxel AI Network 引入了以 AI 渲染與體素化運算為核心的去中心化基礎設施,用於協調 GPU 資源、AI 模型訓練、三維渲染任務與鏈上算力市場之間的協同關係。
Voxel AI Network 生態系統的四個核心層面：
- Voxel AI DAO：負責網路治理、生態資金協調與全球節點發展。
- Voxel AI Governance：透過時間加權治理與節點協同,引導 AI 運算資源與生態策略方向。
- Voxel Compute Protocol：面向三維體素化運算與 AI 渲染市場的分散式運算協議。
- Voxel AI Labs：生態擴展與 AI 渲染創新的孵化體系。
Voxel AI Network 作為一個整合式 AI 渲染與三維運算生態運行,由多個核心層共同組成。每一層在網路中承擔不同職責,並共同推動：
- GPU 算力資源協同
- AI 模型訓練與推論
- 三維體素化渲染
- 節點收益與 Token 流通
- 治理協作與生態擴展
隨著 AI 與空間運算產業持續發展,Voxel AI Network 希望建立一個開放、透明且長期可持續的全球三維 AI 基礎設施網路。
1.2核心理念
指導 Voxel AI Network 的基礎理念包括：AI 渲染導向、去中心化治理、結構透明、算力協同與長期基礎設施建設。
Voxel AI Network 的架構與生態發展,圍繞以下核心原則展開。
1）聚焦 AI 與三維運算
Voxel AI Network 專注於 AI 渲染、體素化運算與三維資料處理領域。
網路重點支援：
- 三維體素渲染
- AI 模型訓練
- 數位孿生運算
- 空間資料處理
- 多模態 AI 推論
這一聚焦方向,使整個生態始終圍繞 AI 與空間運算市場構建,而不會偏離核心基礎設施定位。
2）治理驅動方向
Voxel AI Network 的策略方向透過鏈上治理決定。
vAToken 持有者、GPU 節點與長期生態參與者,共同決定：
- 資源分配方向
- 節點協作規則
- 協議升級路徑
- AI 生態合作計畫
治理權透過社群協同流動,而不是集中於單一機構。
3）結構透明
節點收益、任務分配、治理決策以及 DAO 資金流向,均透過鏈上機制公開記錄。
透明度在 Voxel AI Network 中被視為底層基礎設施,而不僅僅是生態宣傳工具。
4）算力協同與資源紀律
所有 GPU 與 AI 資源分配,都透過 Voxel Scheduler 與鏈上驗證體系完成。
資源部署優先考慮：
- 長期 AI 生態價值
- 三維運算需求
- 網路穩定性
- 分散式資源利用效率
而不是短期市場投機行為。
5）模組化協同
Voxel AI DAO、Voxel Compute Protocol、vAToken 與 Voxel AI Labs 作為統一系統中的不同組成部分運行。
AI 訓練、渲染運算、GPU 調度與治理體系相互協同,共同推動整個生態擴展。
6）長期 AI 基礎設施導向
Voxel AI Network 被設計為長期 AI 與空間運算基礎設施。
策略決策更加關注：
- GPU 資源長期協作
- AI 渲染市場成長
- 三維資料基礎設施
- 分散式空間運算生態
而不是週期性市場波動。
1.3三維體素化運算策略
1）市場論點
Voxel AI Network 專注於三維體素化運算與 AI 渲染市場。
隨著 AI 影片生成、空間運算、數位孿生與 XR（擴展實境）生態快速發展,全球市場對於三維空間資料與即時 AI 渲染能力的需求正在快速成長。
Voxel AI Network 的目標,是成為未來空間 AI 基礎設施中的核心 GPU 協同網路。
2）核心論點
體素化運算（Voxel Computing）代表了一種適用於三維空間資料處理與 AI 渲染的新型運算結構。
與傳統二維像素處理不同,體素（Voxel）能夠在三維空間中記錄：
- 深度
- 位置
- 結構資訊
- 動態變化資料
這種結構更適合未來 AI 與空間運算的發展方向。
Voxel AI Network 專注於該領域。
3）為什麼是體素化運算
未來大量 AI 系統都將從二維資訊處理,逐漸轉向三維空間理解。
包括：
- 自動駕駛
- 數位孿生
- XR 空間互動
- AI 影片生成
- 機器人空間感知
- 元宇宙即時渲染
這些場景都需要 AI 能夠理解真實空間結構,而體素化資料正是構建三維 AI 世界模型的重要基礎。
Voxel AI Network 希望透過 GPU 與分散式渲染網路,為這一趨勢提供底層基礎設施。
4）行業範圍
Voxel AI Network 聚焦於 AI 與空間運算生態中的核心基礎設施。
包括：
- 三維體素化渲染
- AI 影片生成
- 空間運算模型訓練
- 數位孿生系統
- GPU 渲染網路
- AI 推論與邊緣渲染
- XR 與即時空間互動
- 三維 AI 資料訓練系統
超出這一範圍的擴展,需要經過 DAO 治理批准。
5）策略導向
三維 AI 與空間運算是長期基礎設施市場。
Voxel AI Network 的長期策略重點包括：
- 全球 GPU 節點擴展
- AI 渲染市場建設
- 多鏈 AI 資源協同
- 分散式三維運算協議
- AI 空間模型訓練生態
6）算力資源階段
GPU 與邊緣渲染資源,將成為未來空間 AI 的核心基礎資源。
Voxel AI Network 將優先推動：
- 高效能 GPU 網路建設
- AI 渲染節點協作
- 分散式推論系統
- 即時空間運算基礎設施
7）資源分配框架
所有 GPU 資源與 AI 渲染任務分配,都將遵循 DAO 與鏈上治理框架。
該結構確保：
- 算力分配透明
- GPU 貢獻可驗證
- AI 渲染收益可量化
- 資源調度長期穩定
並與整個 Voxel AI Network 的長期基礎設施目標保持一致。
1.4AI 渲染與分散式訓練生態
Voxel AI Network 構建了一個面向 AI 渲染與分散式訓練的開放式 GPU 協同生態。
傳統 AI 訓練與渲染系統,通常依賴中心化 GPU 叢集運行。這種結構存在：
- GPU 成本高
- 擴展能力有限
- 算力集中
- AI 資源門檻高
等問題。
Voxel AI Network 透過分散式 GPU 協同結構,使全球 GPU 節點能夠共同參與：
- AI 影片生成
- 三維體素渲染
- 空間 AI 模型訓練
- 多模態資料處理
- AI 推論服務
整個生態由 Voxel Scheduler 動態調度引擎統一管理。
大型 AI 渲染任務會被拆分為多個平行運算單元,並分發至全球不同 GPU 節點同步執行,從而提高整體渲染效率並降低單點資源壓力。
Voxel AI Network 同時支援：
- 多模型平行訓練
- 分散式 AI 推論
- 邊緣渲染網路
- AI Agent 即時運算
- 多鏈 AI 資源協同
所有任務執行結果都會透過鏈上驗證體系進行確認,並映射到 vAToken 收益模型中。
GPU 節點的收益與以下因素綁定：
- AI 渲染貢獻
- GPU 資源消耗
- 在線穩定性
- 驗證成功率
- 空間運算任務參與度
Voxel AI Network 的目標,不僅是建立一個 AI GPU 網路,更是構建未來空間 AI 與三維智慧運算的底層基礎設施。
隨著 AI 影片、XR 與數位孿生市場持續擴展,Voxel AI Network 希望逐步形成全球化的 AI 渲染與空間運算生態系統。
CHAPTER 02
Voxel AI DAO
2.1AI 算力金庫體系
Voxel AI DAO 是 Voxel AI Network 的核心治理與資源協調機構,負責管理整個生態中的 GPU 算力資源、AI 渲染資金、生態擴展預算以及長期基礎設施建設。
隨著 AI 影片生成、空間運算與三維渲染市場持續成長,GPU 與高效能算力已經逐漸成為未來 AI 經濟中的核心資源。傳統 AI 基礎設施主要依賴中心化雲端服務平台控制資源與價格,而 Voxel AI DAO 的目標,是透過鏈上治理與社群協同,建立一個開放、透明且長期可持續的 AI 算力金庫體系。
Voxel AI DAO 的金庫體系主要圍繞以下幾個方向展開：
- GPU 節點激勵
- AI 渲染任務結算
- 空間運算生態擴展
- AI Labs 研發支援
- 多鏈生態協作
- DAO 長期儲備管理
所有金庫資源均透過鏈上結構公開記錄,DAO 金庫錢包、資金流向與資源部署情況,都能夠透過治理入口即時查詢。
Voxel AI DAO 的核心資金來源包括：
- AI 渲染與訓練任務手續費
- Voxel Compute Protocol 資源存取費用
- GPU 節點協同收益
- 跨鏈 AI 服務收入
- 生態合作與協議收益
這些收入不會集中由單一機構控制,而是進入 DAO 金庫體系,並透過治理流程決定後續資源分配方向。
Voxel AI DAO 的金庫結構強調長期 AI 基礎設施導向。
資源分配優先考慮：
- GPU 節點網路擴展
- AI 渲染市場建設
- 三維空間運算生態
- 分散式推論服務
- 開發者工具與協議優化
而不是短期市場行為。
金庫體系同時採用風險分層結構。
部分資金用於：
- 網路安全儲備
- 節點異常賠付
- 協議漏洞修復
- 長期生態穩定基金
另一部分資源則用於推動：
- AI 專案合作
- GPU 基礎設施擴展
- 全球節點成長
- Labs 研發支援
Voxel AI DAO 的長期目標,是形成一個由 AI 渲染需求、GPU 資源協作與鏈上治理共同驅動的開放式 AI 算力金庫體系。
隨著全球 AI 與空間運算市場持續擴大,Voxel AI DAO 希望逐步成為未來 AI 基礎設施中的核心資源協調層。
2.2創世節點與 GPU 接入
創世節點（Genesis Nodes）是 Voxel AI Network 初期網路中的核心 GPU 基礎設施,也是整個 AI 渲染與體素化運算生態的重要組成部分。
在網路早期階段,創世節點負責：
- AI 渲染任務執行
- 三維空間資料處理
- 分散式模型訓練
- 鏈上驗證任務
- 網路穩定性維護
創世節點通常由高效能 GPU 叢集組成,並具備穩定網路環境與長期運行能力。
Voxel AI Network 採用開放式 GPU 接入模式。
任何符合協議標準的 GPU 裝置,都能夠透過 Voxel Node Core 接入網路,並參與 AI 渲染與空間運算任務。
系統會自動檢測：
- GPU 效能
- 顯示記憶體容量
- CUDA 運算能力
- 網路頻寬
- 節點穩定性
並生成鏈上節點檔案。
不同 GPU 節點在網路中的任務等級並不相同。
高效能 GPU 節點通常承擔：
- AI 影片生成
- 大型模型訓練
- 三維體素化渲染
- 多模態空間運算
輕量化 GPU 與邊緣節點則主要參與：
- AI 推論
- 即時渲染
- 邊緣空間運算
- 分散式輔助任務
Voxel Scheduler 會根據節點效能與任務需求動態分配資源,從而保證整個網路 GPU 利用效率最大化。
創世節點在網路中還承擔驗證與穩定性職責。
部分創世節點會作為：
- 驗證節點
- 調度輔助節點
- AI 渲染同步節點
參與網路運行。
為了保證網路長期穩定性,創世節點通常需要進行 vAToken 質押,並接受鏈上信譽系統管理。
長期穩定運行的創世節點,將逐步獲得：
- 更高任務優先級
- 高等級 GPU 任務參與資格
- DAO 治理權重
- 更高收益分配比例
Voxel AI Network 希望透過創世節點體系,逐步建立全球 GPU 渲染與空間運算基礎設施,並推動 AI 渲染資源從中心化平台向開放式協同網路演進。
2.3SubDAO 與區域節點委員會
隨著 Voxel AI Network 全球節點規模不斷擴大,單一治理結構已經難以滿足未來 AI 渲染與空間運算生態的長期發展需求。
因此,Voxel AI DAO 引入了 SubDAO（子 DAO）與區域節點委員會體系,用於推動全球 GPU 節點、區域社群與 AI 生態協作的分層治理。
SubDAO 是 Voxel AI DAO 的區域化與功能化治理擴展結構。
不同 SubDAO 可以圍繞：
- AI 渲染生態
- GPU 節點營運
- XR 與空間運算
- 開發者生態
- 邊緣 AI 網路
- 區域市場擴展
建立獨立治理體系。
每個 SubDAO 都能夠在主 DAO 治理框架下,自主推動本地生態建設與資源協作。
區域節點委員會則主要負責：
- GPU 節點協調
- 區域資源調度
- 本地節點成長
- 社群治理協作
- 網路穩定性維護
不同地區的委員會能夠根據本地 GPU 資源情況與 AI 市場需求,制定更加適合區域發展的節點策略。
Voxel AI DAO 希望透過分層治理結構,讓全球不同地區能夠更加靈活地參與未來 AI 基礎設施建設。
SubDAO 與區域委員會之間採用協同治理模式。
區域委員會負責本地生態運行,而重大協議升級、Token 機制調整以及核心資源治理,仍需透過主 DAO 投票完成。
SubDAO 同時也是未來 AI Labs 與開發者生態的重要擴展方向。
不同技術團隊與開發者社群,能夠圍繞：
- AI 影片生成
- 三維體素引擎
- 空間 AI 模型
- XR 渲染協議
- AI Agent 網路
構建獨立 SubDAO 生態。
這種結構能夠持續增強整個 Voxel AI Network 的擴展能力與全球協作能力。
隨著全球 AI 與空間運算生態不斷成長,SubDAO 與區域節點委員會將逐漸成為推動 Voxel AI Network 長期擴張的重要治理基礎。
2.4鏈上治理與法律結構
Voxel AI Network 採用鏈上治理與多層法律結構,用於保證整個 AI 渲染與空間運算生態能夠在開放協作環境下長期穩定運行。
隨著全球 GPU 節點、AI Labs 與跨鏈生態不斷擴展,網路中的資源規模、治理複雜度與經濟結構都會持續成長。因此,Voxel AI Network 希望透過透明治理與合規結構,建立長期可信的 AI 基礎設施體系。
Voxel AI DAO 的治理核心基於：
- 鏈上提案
- 社群投票
- 節點治理權重
- veToken 模型
- 多簽執行機制
所有治理流程均透過鏈上記錄公開運行。
包括：
- 提案內容
- 投票過程
- DAO 金庫使用
- 節點治理結果
- 協議升級記錄
任何參與者都能夠公開查看與驗證。
Voxel AI DAO 的治理結構強調：
- 去中心化協作
- 長期 GPU 基礎設施建設
- AI 生態透明管理
- 社群共識驅動發展
治理權重不僅與 Token 持有量相關,同時也與：
- GPU 節點貢獻
- AI 渲染參與度
- 節點穩定性
- 長期質押情況
深度綁定。
為了增強協議安全性,Voxel AI DAO 採用多簽治理結構。
核心協議升級、金庫資金使用以及關鍵參數調整,都需要經過多簽驗證後才能執行。
在法律結構方面,Voxel AI Network 將採用分層治理與協議化營運模式。
DAO 負責：
- 社群治理
- 節點協作
- 生態資源協調
而具體 AI 研發、基礎設施營運與區域合作,則可透過獨立實體或區域 SubDAO 推進。
這種結構能夠降低中心化風險,並增強全球生態擴展能力。
Voxel AI Network 的長期目標,是逐步推動整個 AI 渲染與空間運算網路向完全社群自治方向演進。
CHAPTER 03
Voxel AI 治理體系
3.1治理框架
Voxel AI Network 的治理體系,旨在為全球 AI 渲染、三維體素化運算與 GPU 節點網路建立長期穩定的協同管理結構。隨著 AI 基礎設施逐漸向開放式分散式網路發展,傳統中心化治理模式已經難以滿足全球節點協作與多鏈生態擴展需求。因此,Voxel AI Network 採用去中心化鏈上治理框架,讓生態參與者能夠共同推動網路長期發展。
Voxel AI Governance 是整個生態中的核心治理層,負責協調：
- GPU 節點資源
- AI 渲染生態擴展
- DAO 金庫管理
- 協議升級方向
- 多鏈生態協作
- AI Labs 研發支援
治理體系的核心目標,並不僅僅是 Token 投票,而是建立一個長期 AI 基礎設施協作系統。
Voxel AI Governance 的治理結構主要由以下組成：
- Voxel AI DAO
- 區域節點委員會
- SubDAO 生態組織
- GPU 節點治理層
- veToken 持有者治理層
- AI Labs 協同治理層
不同治理層在生態中承擔不同職責,並共同推動整個網路運行。
Voxel AI Governance 的設計理念強調：
1）長期 GPU 基礎設施導向
治理決策優先考慮：
- AI 渲染資源擴展
- 空間運算網路建設
- GPU 節點長期穩定性
- 分散式 AI 訓練生態
而不是短期市場行為。
2）貢獻驅動治理
治理權不僅來源於 Token 持有量,同時與：
- GPU 算力貢獻
- 節點在線穩定性
- AI 渲染參與度
- 長期質押時間
深度綁定。
3）透明治理結構
所有治理提案、投票過程與執行結果,都透過鏈上系統公開記錄。
透明度被視為治理基礎設施的重要組成部分。
4）分層治理協同
主 DAO、SubDAO 與區域委員會之間採用分層協同治理結構。
區域生態能夠自主發展,而核心協議升級仍需透過全局治理完成。
5）長期生態自治
Voxel AI Governance 的最終目標,是推動整個 AI 渲染與空間運算生態逐步實現社群自治。
隨著全球 GPU 節點持續成長,越來越多資源調度與生態發展方向,將由社群共同決定。
3.2鏈上治理流程
Voxel AI Network 的治理流程,採用鏈上提案與社群協同決策結構,用於保證整個生態中的 GPU 資源、AI 渲染市場與協議升級能夠在公開透明環境下運行。
治理流程的核心目標,是讓長期參與生態建設的節點、開發者與社群成員,共同參與未來 AI 基礎設施發展方向。
Voxel AI Governance 的鏈上治理流程主要包括：
- 提案提交
- 社群討論
- 鏈上投票
- 多簽確認
- 協議執行
- 鏈上記錄歸檔
所有治理過程均透過鏈上結構運行,並永久保存記錄。
1）提案提交階段
任何滿足治理資格要求的參與者,都能夠向 DAO 提交治理提案。
提案內容通常包括：
- GPU 節點規則調整
- AI 渲染協議升級
- DAO 金庫分配
- Voxel Compute Protocol 參數修改
- AI Labs 合作計畫
- 跨鏈生態擴展方案
不同類型提案,會根據影響範圍進入不同治理流程。
2）社群討論階段
提案提交後,將進入社群討論週期。
GPU 節點、開發者、SubDAO 與 veToken 持有者能夠圍繞：
- AI 渲染資源影響
- GPU 調度效率
- 網路穩定性
- Token 經濟模型
進行公開討論。
這一階段的目標,是提高治理透明度與社群協同能力。
3）鏈上投票階段
討論結束後,提案會進入鏈上投票流程。
投票權重主要基於：
- vAToken 持有量
- veToken 鎖倉時間
- GPU 節點貢獻
- 節點信譽等級
長期穩定參與生態的節點,通常會擁有更高治理權重。
4）多簽確認階段
涉及核心協議升級、金庫資金使用與跨鏈結構調整的提案,還需要透過多簽機制確認。
該結構能夠有效降低單點治理風險。
5）協議執行階段
治理提案通過後,智慧合約會自動執行對應參數修改與資源調度邏輯。
所有執行結果都會同步記錄至鏈上。
Voxel AI Governance 希望透過鏈上治理流程,建立一個：
- 可驗證
- 可稽核
- 可持續協同
的 AI 基礎設施治理體系。
3.3節點治理類型
隨著 Voxel AI Network 中 GPU 節點、AI 渲染任務與空間運算場景不斷增加,整個網路逐漸形成了多層節點治理結構。
不同節點在生態中的職責並不相同,因此 Voxel AI Governance 將節點治理劃分為多個治理類型,以提升整個 AI 渲染網路的協同效率與穩定性。
1）GPU 渲染節點治理
GPU 渲染節點是整個網路中的核心運算資源。
主要負責：
- AI 影片生成
- 三維體素渲染
- 大型模型訓練
- 空間 AI 推論
GPU 節點治理主要圍繞：
- 算力資源調度
- AI 渲染收益分配
- GPU 節點信譽體系
- 高效能資源管理
展開。
長期穩定運行的 GPU 節點,將逐步獲得更高治理影響力。
2）驗證節點治理
驗證節點負責：
- AI 渲染結果驗證
- GPU 任務校驗
- 鏈上資料確認
- 異常檢測
驗證節點治理更加關注：
- 網路安全
- 驗證效率
- 鏈上可信度
- 風險控制機制
部分高等級驗證節點需要進行長期 vAToken 質押。
3）邊緣節點治理
邊緣節點主要負責：
- 即時空間推論
- XR 邊緣渲染
- IoT 空間運算
- AI Agent 協同
邊緣節點治理強調：
- 低延遲運算
- 區域協同能力
- 分散式穩定性
- 即時 AI 服務效率
隨著空間運算市場發展,邊緣節點的重要性將持續提升。
4）SubDAO 節點治理
不同區域與 AI Labs 社群,可以透過 SubDAO 建立獨立節點治理結構。
SubDAO 節點治理通常圍繞：
- 區域 GPU 資源
- 本地開發者生態
- AI Labs 專案
- 空間運算基礎設施
展開。
SubDAO 在本地治理中擁有較高自治權,但核心協議升級仍需透過主 DAO 完成。
5）治理節點協同
所有節點治理結構之間,並不是孤立運行,而是透過統一治理框架協同工作。
GPU 節點、驗證節點、邊緣節點與 SubDAO 共同組成整個 Voxel AI Network 的治理基礎。
這種多層節點治理體系,使整個 AI 渲染與空間運算生態能夠在全球範圍內長期穩定擴展。
3.4vAToken veToken 模型
vAToken veToken（Vote Escrow Token）模型,是 Voxel AI Governance 中的重要治理與長期協作機制。
veToken 模型的目標,是將：
- 長期 GPU 基礎設施建設
- AI 渲染資源協作
- 社群治理參與
- 節點長期穩定性
結合為統一治理結構。
在傳統 Token 模型中,治理權通常完全依賴 Token 持有數量,這容易導致短期市場行為對治理結構產生過大影響。
Voxel AI Network 希望透過 veToken 機制,增強長期生態參與者的治理影響力。
使用者可以透過鎖倉 vAToken 獲得 vevAToken。
鎖倉時間越長,獲得的 veToken 權重越高。
vevAToken 主要用於：
- DAO 投票
- GPU 節點治理
- AI 渲染資源分配
- SubDAO 權重協同
- AI Labs 提案參與
- 金庫治理決策
veToken 的治理邏輯強調：
1）長期導向
長期鎖倉使用者擁有更高治理權重。
這一機制鼓勵社群長期參與 AI 基礎設施建設。
2）治理與貢獻綁定
治理權不僅與鎖倉數量相關,同時與：
- GPU 節點貢獻
- AI 渲染參與度
- 節點信譽等級
共同作用。
3）生態協同激勵
長期參與：
- GPU 節點運行
- AI Labs 開發
- 空間運算生態建設
的參與者,將逐步獲得更高治理影響力。
4）穩定治理結構
veToken 模型能夠降低短期市場波動對於治理結構的影響,並增強整個生態長期穩定性。
Voxel AI Network 希望透過 veToken 模型,建立一個：
- 長期穩定
- 去中心化協同
- AI 基礎設施導向
的全球治理體系。
隨著生態不斷擴展,vevAToken 將逐漸成為整個 Voxel AI Network 中重要的治理與資源協調基礎。
CHAPTER 04
Voxel Compute Protocol 概述
4.1協議目標
Voxel Compute Protocol 是 Voxel AI Network 中的核心分散式運算協議,負責協調全球 GPU 節點、AI 渲染資源與三維體素化運算任務之間的協同運行。
隨著 AI 影片生成、空間運算、數位孿生與 XR 生態快速發展,未來大量 AI 系統將不再侷限於二維資訊處理,而需要持續處理：
- 三維空間資料
- AI 渲染任務
- 多模態模型訓練
- 即時空間推論
- 邊緣運算協同
傳統中心化 GPU 基礎設施在擴展能力、資源利用率與全球協同方面存在明顯侷限性。
Voxel Compute Protocol 的目標,是建立一個：
- 去中心化
- 可擴展
- 高效能
- 可驗證
的全球 AI 渲染與空間運算網路。
協議的長期使命包括：
- 將全球 GPU 資源整合為統一 AI 運算網路
- 推動三維體素化資料處理標準化
- 建立開放式 AI 渲染市場
- 降低 AI 與空間運算資源門檻
- 推動 AI 與 Web3 基礎設施深度融合
Voxel Compute Protocol 的核心運行方向主要圍繞：
1）GPU 資源協同
協議允許全球 GPU 節點透過統一標準接入網路,並動態參與 AI 渲染與空間運算任務。
2）AI 渲染基礎設施
協議支援：
- AI 影片生成
- 三維場景渲染
- XR 空間運算
- 數位孿生模擬
- 多模態 AI 推論
等場景。
3）分散式任務執行
大型 AI 與空間運算任務將被拆分為多個平行任務單元,並由不同 GPU 節點同步執行。
4）鏈上驗證與收益結算
所有 GPU 任務結果都會透過鏈上驗證體系確認,並映射到 vAToken 收益模型中。
5）長期 AI 基礎設施建設
Voxel Compute Protocol 並不僅僅是 GPU 調度系統,而是未來空間 AI 與三維智慧生態的重要基礎協議。
隨著全球 AI 渲染需求持續成長,Voxel Compute Protocol 希望逐步成為下一代 AI 與空間運算網路中的核心運算層。
4.2Voxel 核心運算架構
Voxel Compute Protocol 採用分散式三維運算架構,用於支援 AI 渲染、體素化資料處理與空間運算任務在全球 GPU 網路中的協同運行。
整個協議架構主要由以下核心層組成：
- GPU Node Layer（GPU 節點層）
- Voxel Scheduler Layer（調度層）
- Voxel Rendering Layer（渲染層）
- Verification Layer（驗證層）
- Settlement Layer（結算層）
- Relay Layer（通訊層）
不同層共同構成完整的 AI 渲染與空間運算基礎設施。
1）GPU 節點層
GPU 節點層是整個網路中的核心運算資源層。
節點可以由：
- 高效能 GPU 叢集
- 雲端 GPU 伺服器
- 邊緣渲染裝置
- AI 工作站
組成。
GPU 節點負責：
- AI 影片生成
- 三維體素渲染
- 空間模型訓練
- 多模態推論
- 即時 AI 渲染
系統會根據 GPU 效能自動劃分節點等級。
2）Voxel Scheduler 調度層
Voxel Scheduler 是協議中的核心調度系統。
其主要職責包括：
- AI 任務切片
- GPU 資源分配
- 平行任務調度
- 負載平衡
- 節點同步
大型渲染任務會被自動拆分,並分發至不同 GPU 節點同步執行。
3）Voxel Rendering 渲染層
Voxel Rendering Layer 負責：
- 三維體素資料處理
- AI 場景生成
- XR 空間渲染
- 數位孿生圖形運算
該層支援：
- 多模態 AI 資料結構
- 即時空間資料同步
- GPU 平行渲染
- 三維空間動態運算
4）驗證層
Verification Layer 負責：
- 渲染結果驗證
- GPU 輸出校驗
- AI 模型結果同步
- 異常檢測
所有任務結果都需要經過鏈上驗證後才能進入結算流程。
5）通訊層與結算層
Relay Layer 用於：
- 節點通訊
- GPU 資料同步
- 渲染任務廣播
Settlement Layer 則負責：
- vAToken 收益分配
- GPU 貢獻結算
- 節點獎勵記錄
整個架構採用模組化設計。
不同 AI 渲染模組與空間運算協議,能夠透過標準化介面持續擴展,而無需修改底層協議結構。
Voxel Compute Protocol 希望透過這一架構,建立全球 AI 渲染與三維運算的長期基礎設施。
4.3AI 渲染與三維資料處理
AI 渲染與三維資料處理,是 Voxel Compute Protocol 的核心運行方向。
未來 AI 系統將逐漸從二維內容生成,轉向：
- 三維空間理解
- AI 影片生成
- XR 空間互動
- 數位孿生模擬
- 空間 AI 推論
這些場景都需要持續消耗大量 GPU 與高效能渲染資源。
Voxel Compute Protocol 透過全球 GPU 網路,實現分散式 AI 渲染與三維資料協同處理。
協議中的 AI 渲染系統主要支援：
1）AI 影片生成
AI 影片生成通常需要：
- 多幀空間建模
- 動態光影運算
- GPU 平行推論
- 大規模模型訓練
Voxel Protocol 能夠將這些任務拆分至不同 GPU 節點同步執行。
2）三維體素化資料處理
Voxel（體素）是三維空間中的最小資料單元。
相比二維像素結構,體素能夠記錄：
- 深度
- 空間位置
- 結構變化
- 三維動態資訊
這種結構更加適用於：
- 空間 AI
- XR 渲染
- 自動駕駛
- 數位孿生
- 機器人空間感知
3）空間 AI 模型訓練
Voxel Protocol 支援：
- 三維空間模型訓練
- 多模態 AI 推論
- XR 空間理解
- 即時場景分析
GPU 節點能夠共同參與大型空間 AI 模型訓練任務。
4）邊緣渲染與即時推論
邊緣節點能夠參與：
- 即時空間渲染
- AI Agent 推論
- XR 邊緣運算
- 行動終端 AI 服務
從而降低中心化 GPU 壓力。
5）AI 資料協同
Voxel Protocol 支援：
- 分散式三維資料同步
- GPU 渲染資料共享
- AI 模型參數協同
- 空間運算任務同步
透過 AI 渲染與三維資料處理體系,Voxel AI Network 正在推動未來 AI 從二維資訊時代逐步進入三維空間智慧時代。
4.4分散式任務驗證機制
為了保證整個 AI 渲染與空間運算網路的可信度,Voxel Compute Protocol 構建了分散式任務驗證機制。
在開放式 GPU 網路中,如果缺乏統一驗證結構,部分節點可能透過：
- 虛假渲染
- GPU 作弊
- 資料竄改
- 異常結果提交
影響整個網路穩定性。
因此,Voxel Protocol 引入鏈上驗證與多節點校驗體系。
所有 GPU 節點完成任務後,都需要提交：
- 渲染結果雜湊
- GPU 資源證明
- AI 輸出記錄
- 任務執行路徑
並進入驗證流程。
分散式驗證體系主要包括：
1）多節點交叉驗證
不同驗證節點會對：
- AI 渲染結果
- 三維資料結構
- GPU 輸出內容
進行同步校驗。
2）鏈上存證
所有關鍵任務記錄都會生成鏈上資料。
包括：
- GPU 貢獻記錄
- AI 渲染任務
- 節點收益
- 驗證結果
任何參與者都能夠公開查詢。
3）異常檢測機制
系統會持續監測：
- GPU 波動
- 異常渲染結果
- 節點行為模式
- 資料一致性
異常節點會受到：
- 收益限制
- 節點降權
- 質押懲罰
等處理。
4）動態驗證權重
長期穩定運行的 GPU 節點與驗證節點,會逐步獲得更高驗證權重。
5）鏈上收益結算
任務驗證完成後,系統會根據：
- GPU 資源消耗
- AI 渲染貢獻
- 節點穩定性
自動完成 vAToken 收益分配。
Voxel Compute Protocol 希望透過分散式驗證體系,建立一個：
- 可驗證
- 可追蹤
- 可量化
的全球 AI 渲染與空間運算網路。
CHAPTER 05
Voxel AI Labs
5.1實驗室定位
Voxel AI Labs 是 Voxel AI Network 中負責 AI 渲染研發、空間運算創新與生態擴展的重要實驗體系,其目標是推動三維 AI、體素化運算與分散式 GPU 網路持續演進。
隨著 AI 影片生成、XR 空間互動、數位孿生與多模態模型快速發展,未來 AI 基礎設施不僅需要 GPU 算力支援,同時還需要持續的演算法優化、空間資料研究與 AI 渲染技術創新。
Voxel AI Labs 正是在這一背景下建立的開放式 AI 實驗與生態協同平台。
Voxel AI Labs 的核心職責包括：
- AI 渲染協議研發
- 三維體素化運算研究
- 空間 AI 模型訓練
- GPU 渲染優化
- AI Agent 系統實驗
- XR 與邊緣空間運算探索
Labs 並不僅僅是單一研發部門,而是整個 Voxel AI Network 的技術創新與生態擴展中心。
Voxel AI Labs 的長期目標,是建立一個圍繞：
- 空間 AI
- AI 影片生成
- XR 渲染
- 三維資料處理
- 分散式 GPU 協同
的全球化 AI 實驗網路。
Voxel AI Labs 的研究方向主要聚焦於：
1）AI 渲染基礎設施
包括：
- AI 影片生成引擎
- GPU 渲染框架
- 分散式圖形運算
- AI 空間推論
2）體素化運算研究
包括：
- 三維空間資料結構
- 體素引擎優化
- 空間 AI 資料處理
- 三維動態場景建模
3）AI Agent 與邊緣智慧
包括：
- AI Agent 協同運算
- 邊緣推論網路
- XR 即時渲染
- IoT 空間運算
4）分散式訓練系統
包括：
- GPU 平行訓練
- 多節點 AI 同步
- 分散式模型訓練
- AI 資料協同結構
Voxel AI Labs 希望透過開放研發與社群協同模式,推動未來 AI 與空間運算基礎設施持續演進。
Labs 中產生的新型 AI 渲染協議與空間運算技術,也會逐步整合進入整個 Voxel AI Network 生態。
5.2AI 渲染與訓練策略
AI 渲染與空間模型訓練,是 Voxel AI Labs 的核心策略方向。
未來 AI 的發展,將逐漸從：
- 文字理解
- 二維圖像生成
演進至：
- AI 影片生成
- 三維空間理解
- 數位孿生模擬
- 空間 AI Agent
這一趨勢意味著,未來 GPU 與空間運算資源將成為 AI 基礎設施中的核心組成部分。
Voxel AI Labs 的策略重點,是圍繞全球 GPU 網路建立開放式 AI 渲染與訓練體系。
Labs 的 AI 渲染策略主要包括：
1）AI 影片生成體系
AI 影片生成需要：
- GPU 平行渲染
- 多幀動態推論
- 三維空間同步
- 高效能模型訓練
Voxel AI Labs 將重點研究分散式 AI 影片渲染結構,並推動 GPU 節點協同渲染能力。
2）空間 AI 模型訓練
未來 AI 將逐漸具備：
- 空間理解能力
- 三維環境推論能力
- 動態場景分析能力
Labs 將推動：
- 三維空間模型訓練
- 體素化資料學習
- XR 場景 AI 推論
- 多模態空間模型
研究。
3）GPU 平行訓練結構
Voxel AI Labs 將持續優化：
- 分散式 GPU 訓練
- 多節點同步結構
- AI 參數共享機制
- 渲染任務切片邏輯
提高整個 Voxel Compute Protocol 的運算效率。
4）邊緣渲染與即時 AI
未來大量 AI 場景將需要：
- 低延遲推論
- 即時 XR 渲染
- 邊緣 AI Agent
Labs 將推動邊緣 GPU 節點與即時空間運算體系建設。
5）開放式 AI 渲染市場
Voxel AI Labs 希望建立一個開放 GPU 渲染生態。
開發者、AI 團隊與空間運算專案,能夠透過 Voxel Network 獲取全球 GPU 資源,並參與 AI 渲染市場協同。
Voxel AI Labs 的長期策略目標,是推動 AI 從二維生成時代進入三維空間智慧時代。
5.3Voxel AI 生態整合
Voxel AI Labs 不僅負責 AI 渲染研發,同時也是整個 Voxel AI Network 生態的重要整合層。
Labs 中研發的協議、AI 引擎與空間運算模組,將逐步整合進入：
- Voxel Compute Protocol
- GPU 節點網路
- Voxel Scheduler
- Voxel AI DAO
- AI Agent 系統
從而形成統一 AI 基礎設施生態。
Voxel AI Labs 的生態整合結構主要包括：
1）GPU 網路整合
Labs 開發的：
- 渲染優化模組
- GPU 調度邏輯
- AI 訓練框架
會逐步進入 GPU 節點網路運行。
2）AI 渲染協議整合
新的：
- AI 影片協議
- XR 渲染結構
- 三維空間資料協議
會透過治理流程逐步進入 Voxel Compute Protocol。
3）AI Agent 系統整合
Voxel AI Labs 同時支援：
- AI Agent 推論系統
- 自動化空間 AI
- 邊緣智慧協同
未來大量 AI Agent 將依賴 Voxel GPU 網路運行。
4）跨鏈生態整合
Labs 會推動：
- AI 與 Web3 協同
- 多鏈空間 AI
- GPU 跨鏈資源共享
- AI 資料協議協作
從而增強整個生態擴展能力。
5）治理體系協同
Voxel AI Labs 的研發方向,並不是孤立運行。
所有重要協議升級與 AI 生態擴展,都需要透過：
- DAO 治理
- veToken 投票
- 節點社群協作
完成。
Voxel AI Labs 希望透過生態整合結構,使 AI 渲染、GPU 網路與空間運算真正形成統一基礎設施體系。
5.4Labs SubDAO 與開發者生態
為了推動全球 AI 渲染與空間運算生態持續擴展,Voxel AI Labs 引入了 Labs SubDAO 與開放開發者生態結構。
隨著 AI 與 GPU 基礎設施快速成長,單一研發團隊已經無法滿足未來空間 AI 與分散式渲染市場的發展需求。
因此,Voxel AI Network 希望透過開放式 Labs SubDAO 體系,讓全球開發者、GPU 社群與 AI 團隊共同參與未來 AI 基礎設施建設。
Labs SubDAO 可以圍繞：
- AI 影片生成
- XR 空間渲染
- 三維體素引擎
- AI Agent 系統
- GPU 調度優化
- 邊緣空間運算
建立獨立研發生態。
不同 Labs SubDAO 可以擁有：
- 獨立開發方向
- 區域 GPU 社群
- 專項 AI 研究計畫
- 獨立治理協作結構
同時與主 DAO 保持生態協同。
Voxel AI Labs 的開發者生態主要包括：
1）協議開發者
負責：
- AI 渲染協議
- GPU 網路邏輯
- 空間資料協議
- 分散式訓練框架
開發。
2）AI 模型開發者
負責：
- AI 影片模型
- 空間 AI 系統
- XR AI 引擎
- 多模態空間模型
研究。
3）GPU 節點開發者
負責：
- GPU 叢集優化
- 邊緣節點結構
- AI 渲染同步
- GPU 負載調度
4）AI Agent 開發者
負責：
- 自動化 AI 系統
- 即時空間推論
- XR 智慧協作
- AI 邊緣服務
Voxel AI Labs 希望透過開放開發者生態,推動：
- 全球 GPU 協作
- AI 渲染創新
- 三維空間運算
- Web3 AI 基礎設施
持續成長。
未來,Labs SubDAO 將逐漸成為整個 Voxel AI Network 中推動 AI 創新與空間運算擴展的重要核心力量。
CHAPTER 06
vAToken 經濟模型
6.1Token 簡介
vAToken 是 Voxel AI Network 的原生功能型代幣,總發行量固定為 500,000,000 枚（5 億枚）,是整個 AI 渲染與三維空間運算生態的重要運行基礎。
vAToken 用於連接全球 GPU、邊緣節點與 AI 渲染任務,使節點貢獻、模型訓練和三維空間運算資源能夠在鏈上形成統一、可驗證和持續流動的經濟體系。
隨著 AI 影片生成、XR 空間互動、數位孿生與體素化運算快速發展,GPU 與高效能 AI 渲染資源正在逐漸成為未來數位經濟中的關鍵基礎設施。vAToken 的目標,是將全球 GPU 算力、AI 渲染任務與空間運算價值映射為統一的鏈上經濟體系。
vAToken 不僅承擔：
- GPU 節點獎勵
- AI 渲染任務結算
- DAO 治理
- veToken 鎖倉
- AI Labs 協作
功能,同時也是連接：
- AI 影片生成市場
- 三維空間運算網路
- 分散式 GPU 節點
- XR 與邊緣渲染生態
的重要價值媒介。
Voxel AI Network 希望透過 vAToken,將原本分散、孤立的 GPU 與 AI 渲染資源,轉化為：
- 可驗證
- 可量化
- 可流通
的 AI 基礎設施資產。
vAToken 採用固定總量發行機制。
Token 總量恆定,不支援無限增發,也不存在中心化無限鑄造權限。
整個 Token 的釋放與流通,將圍繞：
- AI 渲染需求
- GPU 資源協作
- 三維運算任務
- 空間 AI 訓練
逐步展開。
Voxel AI Network 強調：
「真實 GPU 貢獻驅動價值」。
節點必須透過：
- AI 影片渲染
- GPU 平行運算
- 三維空間任務
- XR 渲染服務
- 分散式 AI 推論
獲得對應 Token 收益。
vAToken 的長期目標,並不是單純作為交易型資產存在,而是成為未來：
- AI 渲染市場
- 空間運算網路
- GPU 協同基礎設施
中的核心價值層。
隨著全球 AI 與空間智慧市場持續成長,vAToken 希望逐步成為下一代 AI 基礎設施中的重要數位資源憑證。
6.2Token 應用場景
vAToken 貫穿整個 Voxel AI Network 生態,並承擔 AI 渲染、GPU 資源調度與空間運算網路中的核心流通功能。
隨著 Voxel AI Network 持續擴展,vAToken 的應用場景也將圍繞：
- AI 影片生成
- 三維體素渲染
- XR 空間運算
- GPU 分散式訓練
- AI Agent 協同
不斷成長。
1）AI 渲染資源支付
企業、開發者與 AI 專案,可以透過 vAToken 使用：
- GPU 渲染資源
- AI 影片生成服務
- 三維空間訓練任務
- XR 推論服務
- 分散式 AI 模型訓練
Voxel Scheduler 會根據任務規模與 GPU 消耗自動計算資源成本。
2）GPU 節點收益結算
GPU 節點在完成：
- AI 渲染任務
- 影片生成任務
- 三維資料處理
- AI 推論服務
後,將透過鏈上驗證體系獲得 vAToken 收益。
節點收益與：
- GPU 效能
- AI 渲染貢獻
- 節點穩定性
- 驗證成功率
深度綁定。
3）DAO 治理參與
vAToken 持有者能夠參與：
- AI 渲染協議升級
- GPU 資源治理
- 金庫協同管理
- AI Labs 提案投票
- 多鏈生態協作
治理流程。
4）veToken 鎖倉治理
使用者能夠透過鎖倉 vAToken 獲取 vevAToken。
veToken 可用於：
- 治理投票
- GPU 節點治理
- SubDAO 協同
- AI Labs 生態決策
長期鎖倉使用者將獲得更高治理權重。
5）AI Labs 與開發者生態
開發者與 Labs SubDAO 能夠透過 vAToken：
- 獲取 GPU 研發資源
- 參與 AI 渲染實驗
- 構建 XR 空間協議
- 部署 AI Agent 服務
從而推動整個生態持續擴展。
6）跨鏈 AI 與空間運算
未來不同鏈上的 AI 與 XR 專案,也能夠透過 vAToken 使用 Voxel AI Network 中的 GPU 與空間運算資源。
隨著 AI 與 Web3 持續融合,vAToken 的應用場景將進一步擴大。
6.3節點獎勵與 GPU 激勵
Voxel AI Network 的核心目標之一,是建立一個長期穩定的全球 GPU 渲染與 AI 運算網路。
因此,vAToken 的經濟模型重點圍繞：
- GPU 資源協作
- AI 渲染貢獻
- 空間運算任務
- 分散式訓練服務
建立獎勵體系。
Voxel AI Network 採用 GPU Contribution 激勵模型。
節點透過提供：
- GPU 渲染能力
- AI 影片生成資源
- XR 空間運算能力
- AI 推論服務
獲得對應 vAToken 收益。
不同 GPU 節點在網路中的角色並不相同。
1）高效能 GPU 節點
主要負責：
- AI 影片生成
- 三維體素渲染
- 大型模型訓練
- 多模態空間 AI
該類節點通常能夠獲得更高收益等級。
2）邊緣 GPU 節點
主要負責：
- 即時 XR 渲染
- 邊緣空間推論
- AI Agent 協同
- 行動端 AI 服務
邊緣節點能夠增強整個網路的即時 AI 能力。
3）驗證節點
負責：
- GPU 渲染結果驗證
- AI 輸出校驗
- 鏈上任務確認
長期穩定運行的驗證節點,會逐步獲得更高驗證權重。
4）動態 GPU 激勵結構
Voxel Scheduler 會根據：
- GPU 效能
- 顯示記憶體規模
- AI 渲染貢獻
- 節點在線率
- 網路需求
動態調整任務收益。
該機制能夠提高 GPU 資源利用效率,並避免資源長期閒置。
5）長期節點協作機制
長期穩定運行的 GPU 節點,將逐步獲得：
- 高等級任務優先權
- DAO 治理權重
- veToken 增強收益
- AI Labs 協作資格
Voxel AI Network 希望透過 GPU 激勵體系,推動全球 GPU 資源逐漸形成開放式 AI 渲染網路,並建立長期穩定的 AI 基礎設施生態。
6.4veToken 治理與質押機制
veToken（Vote Escrow Token）機制,是 vAToken 經濟模型中的重要長期治理結構。
Voxel AI Network 希望透過 veToken 模型,將：
- GPU 節點長期穩定性
- AI 渲染資源協作
- DAO 治理能力
- 社群長期參與
深度結合。
使用者能夠透過鎖倉 vAToken 獲取 vevAToken。
鎖倉時間越長,獲得的治理權重越高。
vevAToken 的主要功能包括：
- DAO 提案投票
- GPU 節點治理
- AI Labs 決策參與
- SubDAO 協同治理
- 金庫協同管理
- 協議升級決策
veToken 模型強調：
1）長期生態導向
長期鎖倉使用者,將逐步獲得更高治理權重。
這一機制鼓勵社群長期參與：
- GPU 節點建設
- AI 渲染生態
- 空間運算基礎設施
2）治理與貢獻綁定
治理權不僅與 Token 數量相關,同時與：
- GPU 節點貢獻
- AI 渲染參與度
- 節點信譽等級
共同作用。
3）長期 GPU 穩定性
部分高級 GPU 節點與驗證節點,需要透過：
- vAToken 質押
- veToken 協同
參與高等級任務。
這能夠增強整個網路長期穩定性。
4）SubDAO 與 AI Labs 協作
SubDAO 與 AI Labs 團隊,也能夠透過 veToken 參與：
- GPU 資源調度
- Labs 研發方向
- XR 生態建設
- AI 協議升級
5）長期治理穩定結構
veToken 模型能夠有效降低短期市場波動對治理體系的影響,並增強整個 AI 基礎設施生態的長期協同能力。
Voxel AI Network 希望透過 veToken 與 GPU 激勵體系,逐步形成一個：
- 去中心化
- 長期穩定
- AI 基礎設施導向
的全球治理與算力協同網路。
CHAPTER 07
發展路線圖
Voxel AI Network 的長期目標,是構建一個覆蓋全球 GPU 節點、AI 渲染資源與空間運算網路的去中心化基礎設施體系,並推動 AI 影片生成、XR 空間互動、數位孿生與三維體素化運算逐步進入開放式協同階段。
7.1總體推進方向
整個生態的發展,將圍繞：
- GPU 網路擴展
- AI 渲染市場建設
- 空間運算基礎設施
- DAO 治理自治
- Web3 AI 協同
持續推進。
7.2基礎部署：協議與 GPU 節點網路
在網路初期階段,Voxel AI Network 將完成 Voxel Compute Protocol、Voxel Scheduler 與 GPU 節點系統的基礎部署。全球 GPU 節點能夠透過統一協議接入網路,並開始參與 AI 影片生成、三維體素渲染與空間 AI 推論任務。與此同時,vAToken 經濟模型、鏈上收益結算體系以及基礎 DAO 治理框架也將同步上線,為整個生態建立初步運行結構。
7.3AI 渲染市場擴展
隨著 GPU 節點數量與 AI 渲染需求持續成長,Voxel AI Network 將進入 AI 渲染市場擴展階段。網路會進一步開放：
- AI 影片生成服務
- XR 即時渲染
- 數位孿生運算
- 多模態空間 AI
- 分散式模型訓練
等場景。
Voxel Scheduler 會持續優化 GPU 平行渲染與任務切片能力,使全球 GPU 節點能夠協同完成大型 AI 渲染與空間運算任務。
7.4邊緣空間運算與多鏈協同
在 AI 渲染生態逐漸成熟後,Voxel AI Network 將重點推動邊緣空間運算與多鏈 AI 協同。
未來大量 XR、AI Agent 與空間智慧場景,將需要低延遲 GPU 推論與即時空間運算支援。因此,Voxel AI Network 將逐步擴展：
- 邊緣 GPU 節點
- AI Agent 網路
- XR 空間推論系統
- 多鏈 GPU 資源協同
- AI 資料同步協議
並透過 Quantum Bridge 類跨鏈結構,實現不同鏈上 AI 生態之間的 GPU 資源共享。
7.5完整 DAO 治理自治
隨著全球生態持續擴展,Voxel AI DAO 將逐步開放更加完整的鏈上治理體系。
包括：
- GPU 資源調度
- AI 渲染協議升級
- Labs 研發方向
- DAO 金庫協同
- SubDAO 生態治理
都將逐步交由社群共同決定。
長期穩定運行的 GPU 節點、veToken 持有者與 AI Labs 貢獻者,將在未來治理體系中擁有更高協作權重。
未來,Voxel AI Network 還將持續推動：
- AI 影片生成基礎設施
- XR 與空間 AI 網路
- 三維體素化資料協議
- 分散式 GPU 渲染市場
- 邊緣空間智慧生態
- AI Agent 自動化運算系統
的發展。
Voxel AI Network 的長期願景,是讓全球 GPU 與 AI 渲染資源真正形成開放式協同網路,使 AI 從二維內容生成逐步進入三維空間智慧時代,並成為未來 AI 與空間運算基礎設施中的重要底層協議。
CHAPTER 08
挖礦指南
本章介紹 vAToken 礦池的參與方式，涵蓋 Compute-PoC 算力貢獻、Stake-to-Validate 質押驗證，以及提交鏈上交易前需要完成的檢查。
8.1vAToken 挖礦概覽
vAToken 固定總量為 500,000,000 枚。挖礦獎勵由已部署的礦池合約結算，具體取決於目前合約規則、節點貢獻、任務品質和驗證節點資格。
| 合約 | 地址 |
|---|---|
| 代幣合約 | 0x37dBEC97FD50a89212485656ab37938B5E5D4fcB |
| 礦池合約 | 0xA9E7797cDCc50e64b1224265AB38D458F3Ea6B48 |
使用 ABI 或依賴某個參數前，請先在 Etherscan 開啟已驗證的代幣合約和礦池合約。上面的地址是 vAToken 的標準合約參照。
8.2Compute-PoC
Compute-PoC 是獨立算力貢獻路徑。節點使用 GPU、CPU 或邊緣裝置完成任務，並向礦池提交可驗證證明。獎勵由貢獻驅動，而不是無目標的雜湊競爭。
典型的貢獻流程：
- 使用穩定的以太坊 RPC 將錢包連接至網路。
- 從已部署礦池讀取目前挑戰值、目標值和獎勵。
- 在本地計算證明，並按照已驗證的礦池 ABI 僅提交有效 nonce。
- 等待交易確認，然後重新整理挑戰值和獎勵再開始下一輪。
挖礦參數由合約定義：
| 參數 | 值 | 說明 |
|---|---|---|
| 總量 | 500,000,000 vAToken | 固定總量 |
| 獎勵模型 | 貢獻度驅動 | 以已部署礦池為準 |
| 挖礦目標 | 由合約定義 | 讀取礦池目前值 |
| 礦池 | 0xA9E7797cDCc50e64b1224265AB38D458F3Ea6B48 | vAToken 礦池合約 |
算力證明範例
以下範例展示雙重 Keccak 證明流程。執行礦工前，請確認已部署 ABI、鏈、目標值編碼和交易權限；範例 ABI 不代表目前合約介面一定不變。
import { ethers, keccak256, solidityPacked } from "ethers";
const CONFIG = {
RPC_URL: "https://your-ethereum-rpc-url",
TOKEN_CONTRACT: "0x37dBEC97FD50a89212485656ab37938B5E5D4fcB",
MINER_CONTRACT: "0xA9E7797cDCc50e64b1224265AB38D458F3Ea6B48",
PRIVATE_KEY: process.env.MINER_PRIVATE_KEY,
};
const MINER_ABI = [
"function mint(uint256 nonce) external returns (bool)",
"function getChallengeNumber() external view returns (bytes32)",
"function getMiningTarget() external view returns (uint256)",
"function getMiningReward() external view returns (uint256)",
];
class VATokenMiner {
constructor() {
this.provider = new ethers.JsonRpcProvider(CONFIG.RPC_URL);
this.wallet = new ethers.Wallet(CONFIG.PRIVATE_KEY, this.provider);
this.pool = new ethers.Contract(CONFIG.MINER_CONTRACT, MINER_ABI, this.wallet);
}
async readMiningState() {
const challenge = await this.pool.getChallengeNumber();
const target = await this.pool.getMiningTarget();
const reward = await this.pool.getMiningReward();
return { challenge, target, reward };
}
calculateProof(challenge, nonce) {
const inner = keccak256(
solidityPacked(["bytes32", "address", "uint256"], [challenge, this.wallet.address, nonce]),
);
return BigInt(keccak256(solidityPacked(["bytes32"], [inner])));
}
}
new VATokenMiner().readMiningState().catch(console.error);8.3節點準備
挖礦程式應將私鑰放在原始碼之外，使用專用錢包，並先從唯讀呼叫開始。不要把私鑰貼到公開 issue、聊天或瀏覽器主控台中。
- Linux、macOS 或 Windows，以及 Node.js 16 或更新版本。
- 至少 4GB 記憶體和穩定的以太坊 RPC 連線。
- 用於支付 Gas 的 ETH，以及用於挖礦操作的專用錢包。
- 透過 vAToken 官方管道確認目前 ABI 和參與政策。
安裝 JavaScript 相依套件：
使用 ethers v6，並在礦工專案中鎖定相依版本。以下指令只是本地證明用戶端的起點。
npm install ethers@6唯讀用戶端與證明程式骨架：
import { ethers, keccak256, solidityPacked } from "ethers";
const CONFIG = {
RPC_URL: "https://your-ethereum-rpc-url",
TOKEN_CONTRACT: "0x37dBEC97FD50a89212485656ab37938B5E5D4fcB",
MINER_CONTRACT: "0xA9E7797cDCc50e64b1224265AB38D458F3Ea6B48",
PRIVATE_KEY: process.env.MINER_PRIVATE_KEY,
};
const MINER_ABI = [
"function mint(uint256 nonce) external returns (bool)",
"function getChallengeNumber() external view returns (bytes32)",
"function getMiningTarget() external view returns (uint256)",
"function getMiningReward() external view returns (uint256)",
];
class VATokenMiner {
constructor() {
this.provider = new ethers.JsonRpcProvider(CONFIG.RPC_URL);
this.wallet = new ethers.Wallet(CONFIG.PRIVATE_KEY, this.provider);
this.pool = new ethers.Contract(CONFIG.MINER_CONTRACT, MINER_ABI, this.wallet);
}
async readMiningState() {
const challenge = await this.pool.getChallengeNumber();
const target = await this.pool.getMiningTarget();
const reward = await this.pool.getMiningReward();
return { challenge, target, reward };
}
calculateProof(challenge, nonce) {
const inner = keccak256(
solidityPacked(["bytes32", "address", "uint256"], [challenge, this.wallet.address, nonce]),
);
return BigInt(keccak256(solidityPacked(["bytes32"], [inner])));
}
}
new VATokenMiner().readMiningState().catch(console.error);8.4Stake-to-Validate
Stake-to-Validate 是用於任務接入、驗證和簽名獎勵授權的驗證節點路徑。驗證節點需遵循目前 vAToken 註冊政策，質押規定數量，並在符合任務條件時取得 EIP-712 授權。
註冊前需要準備：
- 準備以太坊錢包，並準備足夠的 ETH 支付 Gas。
- 持有目前驗證節點政策規定的 vAToken 質押數量。
- 透過 vAToken 官方流程申請，並取得目前的 EIP-712 授權。
- 提交簽名獎勵交易前，在鏈上檢查驗證節點狀態。
| 特性 | Compute-PoC | Stake-to-Validate |
|---|---|---|
| 輸入 | 算力貢獻與證明 | 質押與驗證授權 |
| 結算 | 由礦池定義的證明獎勵 | 由任務定義的簽名獎勵 |
| 主要工作 | 計算並提交有效證明 | 接收、驗證或仲裁任務 |
| 參與門檻 | 相容節點與 Gas | 註冊、質押和政策審批 |
import { ethers } from "ethers";
const POOL_CONTRACT = "0xA9E7797cDCc50e64b1224265AB38D458F3Ea6B48";
const provider = new ethers.JsonRpcProvider(process.env.RPC_URL);
const wallet = new ethers.Wallet(process.env.MINER_PRIVATE_KEY, provider);
const validatorAbi = [
"function isFlexUser(address user) external view returns (bool)",
"function registerFlexUser(address user, uint256 deadline, bytes32 nonce, uint8 v, bytes32 r, bytes32 s) external",
"function mintFlex(address miner, uint256 amount, uint256 deadline, bytes32 nonce, uint8 v, bytes32 r, bytes32 s) external returns (bool)",
];
const pool = new ethers.Contract(POOL_CONTRACT, validatorAbi, wallet);
async function submitAuthorizedReward(authorization) {
const registered = await pool.isFlexUser(wallet.address);
if (!registered) {
throw new Error("Complete the validator registration flow first");
}
const { amount, deadline, signatureNonce, v, r, s } = authorization;
const tx = await pool.mintFlex(
wallet.address,
amount,
deadline,
signatureNonce,
v,
r,
s,
);
await tx.wait();
}8.5監控與運行安全
提高吞吐前先讀取礦池統計，並將返回值與已驗證合約進行比對。當已部署 ABI 支援時，監控用戶端可以展示獎勵、難度、epoch、分配量和礦池餘額。
async function getMiningStats(pool) {
const stats = await pool.getMiningStats();
return {
currentReward: ethers.formatEther(stats[0]),
difficulty: stats[1].toString(),
epochCount: stats[3].toString(),
tokensDistributed: ethers.formatEther(stats[6]),
poolBalance: ethers.formatEther(stats[12]),
};
}需要處理的常見狀態：
- NotFlexUser：完成驗證節點註冊後再呼叫驗證節點專用方法。
- AlreadyMinedInBlock：等待下一個可用區塊或挑戰。
- InvalidProofOfWork：重新整理挑戰值並檢查目標值編碼。
- SignatureExpired 或 NonceAlreadyUsed：重新請求官方授權。
- InsufficientPoolBalance：停止提交獎勵請求並確認礦池狀態。
支援與驗證
RPC 端點、驗證節點資格、目前 ABI 和運行公告請以 vAToken 官方管道為準。Etherscan 用於查看已部署位元組碼和交易歷史，不能取代官方挖礦政策。