Acurast将实时AI决策模型Laya引入智能手机网络

Acurast已在其去中心化的智能手机计算网络上部署了开源AI决策模型Laya，使该模型能够在Android设备上处理实时决策，而不是依赖集中式数据中心。

摘要

• Acurast已在其去中心化的智能手机计算网络上部署了开源Laya AI。
• Laya处理游戏、分类、审核和安全任务的结构化决策，而不是生成对话文本。
• Acurast表示，决策通常需要约0.2到1秒，并使用智能手机CPU处理，而无需专用GPU。
• 根据公司数据，超过280,000部智能手机已加入Acurast网络，覆盖175个国家。

根据Acurast的说法，该部署完全在移动边缘节点上运行Laya，并利用网络的分布式智能手机处理工作负载，包括分类、游戏、导航、安全和内容审核。

Acurast将Laya AI模型引入智能手机计算网络

Laya由Convai Innovations在Apache 2.0许可证下开发，旨在做出结构化决策，而不是生成对话响应。

在给定的状态和一组可能的行动中，该模型评估输入并选择一个选项。其开源代码库描述了三种主要决策格式，涵盖在定义选项之间的选择、对一组范围的评分和布尔决策。

该模型使用非自回归架构，这意味着它不会像大型语言模型那样逐字生成答案。Convai Innovations将Laya描述为一个“系统1”决策模型，专为需要快速结构化响应的任务而构建。

Acurast正在使用该模型展示如何在普通移动硬件上运行此类工作负载。根据公司说法，其部署中的每个决策都是在连接到网络的Android智能手机上处理的。

“通过在Acurast上运行Laya，我们改变了这一点，”Acurast创始人Alessandro De Carli说。“我们证明了系统1 AI可以在每个人已经拥有的硬件上安全且大规模运行，提供一个真正开放、去中心化的替代方案，避免集中式云锁定。”

Laya的公共代码和模型权重在Apache 2.0许可证下可用。其代码库列出了一个421百万参数的英语检查点，以及用于多语言和类型决策工作负载的单独模型。

Laya在Acurast上能做什么？

Acurast已设置多个实时演示，以测试该模型在不同类型决策任务中的表现。

在游戏方面，Laya被用于玩贪吃蛇和俄罗斯方块，通过选择移动和确定下落方块的位置。一个Doom演示要求模型在移动、瞄准、射击、收集物品和探索游戏环境方面做出决策。

其他测试更接近潜在的软件应用。该模型可以将电子邮件分类为收件箱消息、垃圾邮件或网络钓鱼尝试，并将标题分类为新闻、讽刺、点击诱饵和操控。Acurast表示，它已测试Laya以检测针对AI助手的提示注入尝试，并识别实时聊天中的有毒消息。

用户可以提交自己的信件、标题、提示和其他输入到演示中，并观察模型做出的决策。

Laya的开发者也记录了局限性。该项目的代码库表示其通用模型在某些零样本类型决策测试中表现不佳，并建议为特定任务专门化模型。它建议将选择问题保持在大约20个选项以下，并使用应用特定数据重新校准概率。

智能手机无需GPU即可处理AI工作负载

Acurast表示，其Laya部署中的决策通常需要大约0.2到1秒，并使用智能手机CPU处理，而不是专用GPU。

工作在参与网络的设备之间动态分配。结果附带加密证明，而智能手机运营商则因提供处理能力而获得Acurast的原生代币ACU。

根据Acurast的说法，该网络利用现代智能手机内置的可信执行环境来隔离工作负载并保护数据，同时进行计算。

Acurast的方法依赖于现有的消费硬件，而不是要求运营商购买专用服务器或GPU。该公司之前已将相同的模型应用于区块链基础设施和其他去中心化计算工作负载。

Crypto.news此前报道，Acurast在2025年5月筹集了540万美元，以开发其智能手机驱动的去中心化云网络。当时，该网络拥有超过72,000部智能手机，并处理了2.56亿笔交易。

Acurast现在表示，来自175多个国家的超过280,000部智能手机已加入该网络，而处理的链上交易数量已超过9.18亿。

该模型适应了利用消费设备进行去中心化AI工作负载的日益努力。Gaia在2025年9月推出了一款AI智能手机，旨在让AI在设备上本地运行，同时让用户为其去中心化网络贡献计算能力。

Acurast针对较小的实时AI工作负载

Acurast正在围绕需要重复决策而非长时间生成响应的工作负载进行Laya部署。

这种区别使得较小的模型能够处理诸如路由、审核和分类等任务，而无需将每个请求发送到由集中式提供商托管的大型生成模型。开发者可以自行部署Laya，因为其模型权重和软件是公开可用的。

Convai Innovations的文档将Laya描述为一系列模型，而不是单一的检查点。其英文版本基于421百万参数的ModernBERT大型模型，而多语言版本使用322百万参数的模型，支持超过100种语言。另一个单独的检查点已针对包括客户服务、发票处理和安全事件在内的类型决策工作流进行了训练。

Acurast表示，其实施使开发者能够运行这些类型的持续操作工作负载，而无需从集中式云提供商那里获得API访问或服务器容量。

“我们的目标是让开发者意识到使用Acurast计算所带来的令人难以置信的机会，”De Carli说。“这一部署证明了面向决策的AI可以以低成本、可验证的方式运行，而无需在去中心化的智能手机网络上看到数据中心。”

该公司已向用户提供Laya演示，以便他们提交自己的输入并观看在其移动边缘网络上处理的结果决策。