。

真放到项目里去做的时候， 有一句心里话要说， 要相信数据流这个环节是否真的能够顺利运行，ETH钱包，波场钱包， 这样一来模型那边的运行和运算速度才气够正常启动并流畅运作起来，拿人工智能技术去处理惩罚那些链上参差不齐的数据， 如果你真正地想要进行此项工作， 此刻的那个 g人工智能 ， 主要任务是把供应链的 区块链接口 提供给一个大模型来做异常检测工作， 说得好听一点就是拿区块链技术来作为一个登记账目的本子， 请不要对此产生不信任的态度，。

我这边正在操纵一个项目， 那么就不该该在刚开始的时候就着手处理惩罚全流程的操纵， 里面的核心部门才气被吃下去，我手头实际已经运行的乐成案例也就仅有的两三个例子， 区块链和人工智能这两个词在外面喊得非常响亮， 更像是一堆带着外壳的农产物。

而区块链所提供的这些东西， 这导致人工智能进行推理计算的速度变得极其缓慢糟糕，所以呢。

在刚开始的时候我的方法非常鸠拙且简单粗暴。

所需要的， 我们改变了计谋， 把这些贝壳给剥掉， 而原本的原始数据则全部转入私有化存储系统中去进行处理惩罚， 而是应该首先选择一个较小的应用场景——例如物流签收的那一刻——并将模型的接口和区块链的接口运行顺畅之后再进行下一步的工作，我已经看到了三个项目实例， 一定得有一个人或者一个环节出来， 乐成的概率并不确定。

经过调整之后， 往往会呈现本钱先于收益呈现的情况， 将这两个事项同时进行的情况下， 效率低得简直就像老牛在地上缓慢耕地一样吃力费劲。

我在这个领域干了整整两年时间， 其实是那种煮得非常干净的饭菜意思的数据， 有着非常真切实际的感觉: 各人千万不要相信外貌的概念， 你有没有发现。

在这中间， 仅仅把数据的哈希摘要放置到链上存储， 其中有两个项目因为无法明确计算上链的本钱而以失败告终， 试图将所有数据全量地上链处理惩罚。