智能时代，如何构建数据能源供应链网络？

摘要：在未来比特化的世界，数据会成为我们每个企业新的能源。“融数链”（DVN）将作为人工智能的数据供应基础设施，满足其应用开发相关的数据源供给、数据服务采购以及高性能的分布式数据处理能力，为人工智能的未来提供充足的燃料。　　　

数据是智能时代的基础

人工智能技术在大数据分析、预测等领域已经开始崭露头角，展现出了强劲的发展势头，大数据的核心使用价值在人工智能技术的发展与运用下展示了巨大潜力。同时，大数据技术的发展也为人工智能领域带来了大量机遇和挑战,更加激发了该领域的无限发展可能性。曾经有人采访谷歌创始人拉里佩奇时，问道谷歌最宝贵的资产是什么？答曰：数据。阿法狗和沃森的深度学习，其实就是针对大量数据的学习和处理。著名大数据专家涂子沛先生曾经说过：“数据是土壤”。而“人工智能”这颗种子只有在大数据这片土壤之上才可以茁壮成长。所以说未来人工智能的发展依赖于海量数据。

数据产业是具有巨量市场潜力的超级产业集群，然而数据产业也面临直观显性的发展瓶颈。数据源层面，数据获取门槛较高，数据不完整且割裂封闭，每个数据源只能提供部分可用信息；数据误差大，缺乏多重数据源校正，精确度难以保证。数据产品层面，产品化程度低，接口无标准且接入复杂；解决问题方式单一，效果无法衡量。数据安全层面，欠缺合规体系，数据来源难追溯，前置授权难获知。

 构建数据能源供应链网络DVN

智能时代，如何构建数据能源供应链网络？在未来比特化的世界，数据会成为我们每个企业新的能源。对数据新能源的加工、提炼、使用，对每个企业至关重要。在行业经营参与者视角，数据的体量、质量、活性是大数据价值的原生力，而数据的连接、聚合运用则是大数据价值的催化剂。当前，数据孤岛现实未解决，数据安全管控更严格，这种双重担忧反映了一个长期困扰行业的严肃话题——“数据信任体系”尚未且难于建立。区块链技术凭借可信、可追溯、不可篡改和价值共建正在各领域加速应用，构建基于区块链的数据融合价值网络将撬动并重构万亿级大数据市场。基于区块链的数据融合价值链网络就是为了彻底解决上述问题。“榕树网络”从字面上可解释为各个“榕树”相互联系连接形成的网络，从谐音上“榕树”又为“融数”，数据融合；因此引申意义为：“榕树网络”对等概念“融数网络”，即数据融合价值链网络（Data Fusion Value Chain Network ，DVN），简称“融数链”DVN。

DVN去中心化的核心优势之一是避免任何数据被非合规复制、截流、沉淀甚至修改，数据价值不存在被盗用弱化的可能，从而极大降低数据源对DVN的信任成本。另一个优势是突破地缘和时间限制，提高各参与方的透明性、延展性和效率，促使产生更大的数据流动性和更高的数据价值。在此之上，以DVN数据为基础的人工智能产业将获得新生。DVN将作为人工智能的数据供应基础设施，满足其应用开发的几乎所有数据源供给、数据服务采购以及高性能的分布式数据处理能力，为人工智能的未来提供充足的燃料。DVN将大数据技术和区块链技术进行深度融合，支持数据应用生命周期管理。整个数据生命周期中的所有数据行为都通过DVN API与DVN链路进行交互，DVN API接收到数据请求后，通过智能合约将奖励、支付等写入区块链中记录保存。

DVN的实现方式

在治理机制方面，DVN底层区块链基于以太坊并公网运行，以太坊作为目前最成熟的支持智能合约的平台，社区活跃且基金会运转良好。未来不排除采用AntShares、HPB等其他或自主独立开发技术。对网络内通用性强的业务模型与流程，制定通用智能合约模版，并在DVN中绝大多数业务场景统一使用。

针对特定类别或后续新增模式，开发专类的智能合约储备库并公示，供灵活配置高效运行。DVN里任何数据的引入、治理、加工、使用以及与之相关产生的奖励、支付等通证的流通，都通过DPOS（Delegated Proof of Stake）共识机制记录和写入。采用网络共治三方模式，包括数据融合价值链网络（DVN）、治理委员会、参与方，通过合理、适当且有限度的权利分配、运行机制确保整个价值体系运行。其中，治理委员会负责“规则制定”， 参与方负责“规则执行”，DVN负责“规则运行”。 

现行主流的各种数字通证，包括比特币和以太币，均以区块链作为其核心技术，以确保货币交易纪录之验证确认、不可窜改和去中心化区块验证储存。DVN通证（BBT）同样以区块链作为其发行流通的技术支撑，除了确保通证在流通交易时的安全、可信与方便，还能依此客观条件让BBT使用者建立市场需求信心。特别地，BBT有DVN生态体系内丰富、充分的应用场景作为使用支撑，使之有机会能成为如比特币和以太币一样的，大量流通且保值增值的主流数字通证。

以深度学习方法为主流的人工智能是大数据高附加价值应用的热门领域，也是大数据采集、清洗、融合等前端加工过程的利器。DVN一方面将利用成熟数据作为“训练”人工智能的素材基础，发展各种场景的人工智能应用作为市场产品。一方面利用人工智能对数据工程师们实施“人工”数据采集、清洗、融合过程中的人脑判断流程进行模拟，并开发实施上述业务的自动化工具或程序包。以此提升流程效率，并显著降低数据在加工过程的人为影响所产生的泄密安全风险和其他人为疏忽。

（来源：区块链新金融）