暴雪带您了解构成 Sp4c3 的技术架构

为了更好的让大家了解SP4C3架构，我们简单地将架构分为五层来描述。

一、算力层：由硬件设备组成，构建AI算力池和分布式存储数据池。

为了计算力层的物理成分，我们建议三种主要方法：

1：敏捷部署，由小算力组成，主要解决当前网络传输限制导致的实时数据处理延迟问题。

同时，多个敏捷部署节点也通过算力管理和算力调度单元连接到算力池。当算力空闲时，他们可以获得算力任务分配，处理一些低实时性的计算任务。

2.区域节点部署。我们将根据各地区AI算力需求，提供一体化基站式集中部署，提供集中计算，减轻网络传输带来的压力。

3、集群部署，也是我们打造的超级AI计算中心，AI云计算的核心大脑，可以高效地为同一节点或算力需求者提供更快、更低成本的AI云计算服务，处理不同的数据人工智能终端。

在这里，我们可以简单的了解道场，特斯拉制造的超级计算机系统，以及不同的智能终端，包括特斯拉制造的汽车，一些用于宇宙科学研究的智能终端，机器人，以及其他用于人工智能芯片的需要人工智能计算的智能终端。这也使人们更容易理解端云协同的概念是什么。

我们还将在近期公布单个AI计算单元的最低配置，以便技术人员更好地参与SP4C3第一阶段的内测和公测。后期我们还会将SP4C3架构下的各个AI计算单元划分为推理计算单元和训练计算单元。

其次，传输层：基于以太坊网络，构建底层传输协议。Stub用于完成与不同主网的交互，实现数据传输。后面会详细介绍底层传输协议SP4C3。

三、平台层：SP4C3的平台层主要包括算力与数据管理调度平台、算力算法集成及相应算法适配、应用网关、AI工具等。

而且我们是在3个月左右的时间里第一次上线测试网，主要是针对平台层和计算力之间的数值积分，计算力方面的分布和相互调节，并在开放测试之前，我们将完成封闭并部署相应类的视频结构化AI推理算法，为开放测试做好充分准备。

四、应用层：这里提供算法池，也接受第三方算法的部署。并结合算力层形成对不同应用的支持。

应用层将通过消息网关和API网关链接平台层，根据不同的业务需求对平台层进行管理。它将主要分为私有云和公共云，金融和非金融应用。

五、激励层：为了推动SP4C3生态的发展，我们构建了一个激励层来驱动。对于SP4C3 AI云算力的需求者，我们收集相应的SP4提供算力，对于AI算力和存储的提供者，我们支付相应的SP4获得算力，形成SP4C3的经济生态。