几个月前参投了 @Mira_Network ，最近看到它们推出了Kaito Yaps活动，也刷到了很多相关推文，就来写一写我选择投资Mira的理由。 项目介绍 要弄清楚Mira的用途，首先需要了解AI模型的幻觉问题，也就是AI会产生完全捏造的信息，导致不准确也不真实的结果。这种现象产生的原因可能是训练数据有缺陷、推理过程缺乏适当的依据、模型本身存在偏见等。 而相应的，研究人员也提出了多种方法用于减缓幻觉问题，从而提高AI输出的可靠性，例如引入人工审核、基于规则的过滤器、自我验证、集成模型等等，但这些方法也都存在着相应的限制。 对此，Mira结合了区块链的共识机制，提出了一种解决方案：将每个AI输出分解成更小的事实主张，并由Mira网络中的多个验证节点独立评估，每个节点都运行各自的AI模型，通过投票决定该主张的真伪，最后根据多个模型的判断是否存在分歧，来决定同意、标记或拒绝该主张。 在这个过程中，每个经过验证的输出都存在一份链上可追溯的记录，因此，Mira的核心功能是一个去中心化的审计/信任层。 如果想更深入了解Mira在AI验证中起到的作用，可以阅读这篇 @MessariCrypto 的研究报告： 团队及融资背景 创始人 @karansirdesai 和首席增长官 @stone_gettings 都来自知名风投机构 @Accel ，这家VC最知名的投资是Facebook，凭借这一层关系，Mira也成为了Accel三年来首次投资的Web3项目。Karan在Accel担任过近三年的Investor，此前则是波士顿咨询公司（BCG）的顾问： 而首席产品官Ninad Naik之前是Uber的产品总监，并且曾经在Amazon AI就职接近10年，领导产品、管理等方面的协作组织： 融资方面，Mira获得了来自Framework, Mechanism Capital, Bitkraft等机构的900万美元种子轮投资。 此外，Mira也入选了AI数据服务公司CB Insights @CBinsights 评选的2025年Top 100 AI初创公司： 合作伙伴 在与Mira达成合作关系的项目中，已经登录币安的有： - @kernel_dao ：将Mira的共识机制集成到BNB生态系统中。 - @PhalaNetwork ：Mira是Phala Network人工智能代理的官方模型提供商，提供可验证的LLM和无需信任的推理。 - @lagrangedev ：Lagrange的zkML证明器支持了Mira的验证层。 - @plumenetwork ：Mira的验证基础设施将于Plume的AI框架相结合。 此外，Mira的节点运营商包括 项目进展 在五月项目方公布的数据中，Mira已经取得了以下成果： - 通过共识验证机制，将AI回答的准确率从70%提升到96% - 平均每天处理5B个token的验证请求 - 整体生态覆盖超过450万用户 而在六月份也有以下进展： - 与Delphi合作提升AI生成内容的验证能力 - 启动Kaito排行榜 - 与GoPlus合作 目前参与Mira的方法包括和AI对话机器人Klok交互，参与Kaito yaps等等，继续期待Mira下一步的进展。