Cortex 是一條區塊鏈，旨在讓智慧合約執行機器學習推論。應用程式可以在交易中呼叫受支援的 AI 模型，然後在合約邏輯中使用其輸出。CTXC 是該網路的原生代幣，用於支付運算資源費用。
訓練與推論之間的區別至關重要。訓練是利用資料建立模型；推論則是將已訓練的模型應用於新的輸入。Cortex 的架構將後者導入區塊鏈執行流程。因此，其投資價值取決於有用的運算與持續的應用程式需求，以及代幣供給與交易條件。
當 AI 成為合約的一部分時，會有哪些變化？
許多 AI 應用程式會在外部伺服器上計算答案，再將答案傳給區塊鏈。合約可以記錄或採用該答案，但必須依賴提供該計算結果的一方。Cortex 的架構概覽描述了不同的方法：受支援的模型可透過其儲存層取得，而模型推論則透過網路共識進行驗證。
這會將計算納入規範交易的規則中。以一款使用小型分類器解讀玩家輸入的遊戲為例。如果獎勵取決於分類結果，參與者除了需要一致的獎勵規則，也需要一致的計算結果。重現模型的輸出可以處理計算問題；但無法證明模型設計良好，或獎勵規則合理。
其優勢在於，輸入、計算與合約操作之間的關聯更容易檢視。其實用性取決於額外驗證所需的資源是否值得。
CVM 讓推論可在各節點間重現
Cortex 虛擬機器文件將 CVM 描述為一個與 EVM 相容、並擴充推論指令的環境。它可以在執行模型呼叫的同時，執行一般的智慧合約邏輯。其執行引擎 Synapse 使用確定性操作，讓不同的運算環境能產生一致的推論結果。
一致性之所以重要，是因為區塊鏈節點必須對狀態達成共識。如果數值上的微小差異使結果落在合約門檻的兩側，就會產生重大影響。如果分類器在不同機器上回傳不同類別，便會對應執行哪項合約操作產生分歧。
Cortex 執行環境支援 GPU 加速推論，而網路的Cuckoo Cycle 工作量證明機制則負責區塊產出。在此架構中，執行模型與產出區塊扮演不同角色。
Cortex 的模型表示工具（MRT）會使用整數運算，將受支援的浮點模型轉換為定點表示。因此，模型準備工作會影響區塊鏈能夠執行的內容。開發人員仍須在轉換後測試準確度，並確認所需的運算子受到支援。
| 元件 | 功能 | 重要性 |
|---|---|---|
| CVM | 執行含有推論指令的合約 | 將模型呼叫連結至合約邏輯 |
| Synapse | 執行確定性推論 | 支援各節點間的一致結果 |
| MRT | 準備受支援的模型，以便進行定點執行 | 將模型開發與執行環境需求連結起來 |
| CTXC | 支付網路運算費用 | 讓交易執行產生成本 |
從已訓練模型到鏈上結果
Cortex 的模型開發教學將訓練、量化與上傳分開說明。訓練會在開發人員的機器學習環境中進行。接著，準備好的模型會供 Cortex 使用。每次應用程式要求答案時，區塊鏈不需要重新訓練該模型。
儲存層文件介紹了一個用於確保模型與資料可用性的分散式檔案系統。大型模型檔案與一般帳本記錄具有不同用途；應用程式既需要可靠地存取模型，也需要正確執行交易。
官方的AI 智慧合約教學以手寫數字辨識說明流程：合約會將輸入提供給指定的模型，並儲存推論出的數字。該範例說明了程式設計上的關係，但無法證明目前在商業上的採用情況，或較大型模型的效能。
CTXC 支付運算費用；Endorphin 衡量工作量
CTXC 代幣文件指出，CTXC 是 Cortex 用於支付 CVM 運算資源費用的原生方式。Endorphin 是費用機制中使用的執行資源衡量單位；它不是第二種可交易代幣。
Endorphin 文件說明，交易會設定資源上限與每單位價格，而價格以 CTXC 計價。協議的模型費用核算機制會將部分推論交易費分配給模型提供者。這使模型貢獻與區塊產出一樣，具備經濟上的角色。
這些激勵措施有其實際限制。實用的模型需要呼叫者，而呼叫者需要值得支付模型執行成本的使用理由。開發人員必須比較可驗證結果的價值、執行費用、模型可用性與應用程式的其他成本。技術上受到支援的模型，仍可能不適合頻繁使用。
持有 CTXC 與提供模型或產出區塊是不同的活動。僅持有代幣並不代表持有人有權取得每筆推論費用，也不會產生有保障的收入來源。運算需求可以支持代幣的效用，但市場價格也反映供給、預期與流動性。
實用的 AI 不只需要可重現的輸出
Cortex 的開發者頁面討論了遊戲、借貸與保險中的潛在應用。這些是該架構的可能用途。在評估時，擁有重複使用者的已部署應用程式，比一份可能使用 AI 的產業清單更能提供有力證據。
確定性執行回答的是：相同的模型與輸入是否會產生一致的結果。模型品質則關乎結果是否有用。以品質不佳的資料訓練的模型，可能會可靠地重複犯下相同錯誤。若合約使用該輸出來控制抵押品或付款，就可能放大這項錯誤。
輸入品質是另一項依賴因素。重現計算結果無法證明外部價格、身分聲明或其他提交的事實為真。敏感輸入也需要明確的隱私設計；不應假設可公開驗證的計算能讓個人資料保持機密。
資源限制會在模型大小、支援的運算操作與回應時間之間產生取捨。開發活動、可運作的整合功能與實際付費使用情況，有助於顯示應用程式是否找到了可行的平衡。投資人應將這些營運結果與 AI 代幣整體的普及程度分開評估。
估值也帶來供給問題。KTX 市值與完全稀釋估值指南說明了為何代幣單價不足以進行比較。執行品質同樣重要：市場流動性決定一筆交易能使可取得的價格產生多大變動。
比較加密貨幣市場的讀者，可以探索KTX 市場頁面，並註冊 KTX 帳戶以查看符合資格的使用者可取得的服務。
常見問題
Cortex 會在鏈上訓練 AI 模型嗎？
有文件記載的流程是在區塊鏈執行之外訓練模型，使用 MRT 準備模型，並上傳模型以進行推論。呼叫模型是將現有的學習參數套用至輸入；這與訓練新模型不同。
EVM 相容性是否代表 Cortex 是 Ethereum 的一部分？
不是。相容性涉及執行環境與熟悉的合約工具。Cortex 擁有自己的區塊鏈、原生代幣與推論擴充功能。Cortex 交易不會自動成為 Ethereum 交易，而在移動資產時，網路選擇仍然很重要。
僅供參考；不構成投資建議。加密資產涉及市場、流動性與技術風險。