Acurast 将实时人工智能决策模型 Laya 引入智能手机网络

Acurast 已在其去中心化智能手机计算网络中部署了开源人工智能决策模型 Laya，使该模型能够在 Android 设备而不是集中式数据中心上处理实时决策。

摘要 Acurast 已在其去中心化智能手机计算网络中部署了开源 Laya AI。

Laya 处理游戏、分类、审核和安全任务的结构化决策，而不是生成会话文本。

Acurast 表示，决策通常需要大约 0.2 到 1 秒的时间，并且使用智能手机 CPU 进行处理，无需专用 GPU。

据该公司称，超过 175 个国家/地区的 280,000 多部智能手机已加入 Acurast 网络。

据 Acurast 称，该部署完全在移动边缘节点上运行 Laya，并使用网络的分布式智能手机来处理包括分类、游戏、导航、安全和内容审核在内的工作负载。

Acurast 将 Laya AI 模型引入智能手机计算网络

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

给定定义的状态和一组可能的操作，模型评估输入并选择一个选项。其开源存储库描述了三种主要决策格式，涵盖定义选项之间的选择、针对设定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通常生成文本的方式逐个生成答案标记。 Convai Innovations 将 Laya 描述为“系统 1”决策模型，专为应用程序需要快速结构化响应的任务而构建。

Acurast 正在使用该模型来演示此类工作负载如何跨商用移动硬件运行。据该公司称，其部署中的每个决定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。 “我们正在证明 System 1 AI 可以在每个人都拥有的硬件上安全、大规模地运行，为集中式云锁定提供真正开放、去中心化的替代方案。”

Laya 的公共代码和模型权重可在 Apache 2.0 许可证下使用。其存储库列出了 4.21 亿个参数英语检查点，以及用于多语言和类型化决策工作负载的单独模型。

Laya 在 Acurast 上可以做什么？

Acurast 建立了多个现场演示，以在不同类型的基于决策的任务中测试模型。

对于游戏来说，Laya 已被用来玩贪吃蛇和俄罗斯方块，方法是选择动作并确定下落棋子的放置位置。 《毁灭战士》演示要求模型围绕移动、瞄准、射击、收集物品和探索游戏环境做出决策。

其他测试更接近潜在的软件应用程序。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、点击诱饵和操纵等类别。 Acurast 表示，它已经测试了 Laya，以检测针对人工智能助手的即时注入尝试，并识别实时聊天中的有毒消息。

您可能还喜欢：Acurast 筹集了 540 万美元，用于使用智能手机分散云计算

用户可以向演示提交自己的信件、标题、提示和其他输入，并观察模型做出的决策。

Laya 的开发人员也记录了其局限性。该项目的存储库表示，其通用模型在一些零射击类型的决策测试中表现不佳，并建议将模型专门用于特定任务。它建议将选择问题保持在大约 20 个选项以下，并使用特定于应用程序的数据重新校准概率。

智能手机无需 GPU 即可处理 AI 工作负载

Acurast 表示，Laya 部署中的决策通常需要大约 0.2 到 1 秒的时间，并且使用智能手机 CPU 而不是专用 GPU 进行处理。

工作在参与网络的设备之间动态分配。结果带有加密证明，而智能手机运营商则收到 ACU（Acurast 的原生代币）以提供处理能力。

Acurast 表示，该网络使用现代智能手机内置的可信执行环境来隔离工作负载并在计算时保护数据。

Acurast 的方法依赖于现有的消费类硬件，而不是要求运营商购买专用服务器或 GPU。该公司此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 此前报道称，Acurast 于 2025 年 5 月筹集了 540 万美元，用于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，处理了 2.56 亿笔交易。

Acurast 目前表示，超过 175 个国家的超过 28 万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 亿笔。

该模型适合使用消费设备来实现去中心化人工智能工作负载的日益增长的努力。 Gaia 于 2025 年 9 月推出了一款 AI 智能手机，旨在在设备上本地运行 AI，同时让用户为其去中心化网络贡献计算。

Acurast 的目标是较小的实时人工智能工作负载

Acurast 将 Laya 部署定位于需要重复决策而不是长时间生成响应的工作负载。

这种区别允许较小的模型处理路由、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。开发人员可以自行部署 Laya，因为它的模型权重和软件都是公开的。

Convai Innovations 的文档将 Laya 描述为一系列模型而不是单个检查点。其英文版本基于ModernBERT Large，拥有4.21亿个参数，而多语言版本则使用3.22亿个参数模型，支持100多种语言。一个单独的检查点已针对类型化决策工作流程进行了培训，包括客户服务、发票处理和安全事件。

Acurast 表示，其实施使开发人员可以运行这些类型的连续运行工作负载，而无需从集中式云提供商获得 API 访问权限或服务器容量。

“我们的目标是让开发人员看到使用 Acurast 计算带来的令人难以置信的机会，”De Carli 说。 “这一部署证明，面向决策的人工智能可以在当今去中心化的智能手机网络上廉价、可验证地运行，并且无需数据中心。”

该公司已向用户提供 Laya 演示，以提交自己的输入并观看其移动边缘网络上处理的最终决策。