洗盡鉛華，迴歸IT本質。在過去兩年，區塊鏈、去中心化概念盛行，而我們卻看到相關公鏈上的DAPP（Decentralized Application）數量增加而活躍度偏低，遊戲、社交等熱門方向也未出現里程碑式的應用，市場一直要問，區塊鏈發展的根本動力在哪裡？完全的去中心化是否合理？我們認為，區塊鏈仍應放到IT發展的大趨勢中觀察，而5G的興趣、邊緣計算的壯大，為此提供了基礎設施，在此之上，區塊鏈+AIoT+5G將會誕生出不一樣的網際網路世界，此文對區塊鏈的未來發展做些許展望。
隨著智慧手機和物聯網智慧終端的普及，在區塊鏈、人工智慧和5G的推動下，算力、演算法和資料三個層面重構網際網路商業模式。我們預期，在區塊鏈、AI和5G融合的推動下，網際網路將呈現新商業模式。網際網路公司對資料的控制力下降，出現演算法模式供應商；區塊鏈網路為資料隱私和資料市場治理提供基礎協議，使用者分享更多資料價值；5G邊緣網路的算力平臺將承載更多終端流量，改變先有網路構架，廣義智慧終端（攝像頭、小基站、物聯網模組等）計算及儲存能力提升；移動終端的硬體構架向GPU傾斜。
未來演算法可以預想呈現模組化、產品化的趨勢，網際網路公司由資料和網路效應的壟斷者逐漸蛻變為演算法模組的產品商。未來，資料上鍊、隱私保護下，IT巨頭不必掌握使用者的行為資料，只提供演算法工具，透過區塊鏈網路得到授權、完成資料使用權的費用支付，訓練AI機器人。屆時，網際網路公司也許不再是資料和網路效應的壟斷者，蛻變為演算法產品化模組的供應商——別忘了，區塊鏈網路重塑了資料市場的治理，網際網路公司並不直接掌握資料。而背後皆有大規模算力支援AI、區塊鏈的運轉。
區塊鏈實現資料確權和資料市場治理，資料資源的價值分享將向使用者傾斜。在“無主”的壟斷狀態下，個人使用者產生的資料被廣泛用來訓練AI機器人，又產生各類網際網路服務推送給使用者或其他客戶。大資料是基礎的資源，其挖掘出的價值使用者往往得不到任何回報——同時還要承擔隱私被侵犯和洩露的風險。未來，分佈在網路中的資料將得在區塊鏈賬本中得到確權，資料的使用利用區塊鏈Token授權和支付交易。網際網路的價值分享將向使用者傾斜。
5G邊緣計算：“硬核”算力之基。3G/4G時代，資料陸續透過接入層、承載匯聚層、承載核心層，業務資料在核心網集中處理、終結，顯然這種中心化工作方式難以滿足5G應用場景對時延、大頻寬和多連線的要求。5G時代，針對不同的業務場景，業務將在不同節點終結；以去中心化的工作方式提高效率和可靠性。分散式AI的崛起，5G邊緣網路平臺將承載更多的算力和資料流量。
催化劑：分散式AI應用的快速普及。
風險提示：分散式AI產品推廣展不達預期、區塊鏈基礎研發不達預期。
1. 科創未來的情景暢想
過去兩年，區塊鏈試圖改造什麼？在BTC之後，陸續出現了ETH、EOS等更為開放的公鏈平臺，以此為基礎吸引開發者進行DAPP開發，但現實的情況是，DAPP數量上升迅速，但活躍度卻很低，有些幾乎24小時沒有活躍使用者。其背後的原因，首先是基礎設施不完善，公鏈的效能無法與中心化系統相比，開發的DAPP本就沒有APP STORE裡的好用，二是使用門檻高，對於公鑰、私鑰等一些列概念，使用者無法按照過往使用APP軟體的習慣直接遷移，三是商業模式並未成型，包括大家一致在探討的經濟模型問題BUG不斷。
迴歸到區塊鏈技術本身，我們看到EOS、TRON等公鏈活躍的背後，是其相對中心化的設計理念，現實應用需求與比特幣本身的理想化場景正在分道揚鑣，對於前者，我們將放到更大的IT發展浪潮中去審視，5G、AIoT的發展本身推動邊緣能力強化，將為其應用提供強大的網路、IT支撐。
當前網際網路商業模式下，巨頭壟斷了資料、價值和網路效應，使用者處於弱勢地位。網際網路已經極大改變了人們的生活方式，網際網路大資料越來越成為巨大的價值寶藏，由此造就了一批網際網路巨頭，包括Amazon、Google、Facebook和蘋果公司，其中不乏市值萬億的。當下的網際網路構架下，我們要依賴於網際網路公司提供的服務進行購物、搜尋和社交，賬戶管理和資料資訊由網際網路公司的平臺來管理。網際網路公司成功的秘訣是壟斷了資料和網路效應——網際網路公司雲伺服器中儲存大量的資料，其中很多是使用者的隱私資料。雖然網際網路公司聲稱會保護好使用者的隱私，但資料洩露時有發生。
還有一方面容易被忽視的就是資料的權益——資料是極具價值潛力的資源，隨著人工智慧演算法的快速進步，大資料這個寶藏的價值不斷被挖掘出來——但問題是，這些價值權益該屬於誰呢？顯然，使用者並沒有得到太多的好處，僅僅是因為自己的資料託管在網際網路公司的伺服器內，便冒著洩露的風險拿去被各種大資料工具挖掘價值，給網際網路公司創造收益。網際網路帶來各種便利的同時人們不應該忘記自身資料處於洩露風險之中，同時資料還在“餵養”網際網路公司的AI機器人，然而使用者沒有得到任何好處。
區塊鏈、AI和5G的不斷融合，網際網路商業模式將更加去中心化，從演算法、算力和資料三個層面重構資料價值、硬體和網際網路構架。移動裝置和物聯網智慧裝置遍佈整個網際網路，個人的行為產生海量資料，這些資料極具價值潛力。過去我們要依賴於網際網路公司提供的服務進行購物、搜尋和社交等服務，賬戶管理和資料資訊由網際網路公司的平臺來管理——畢竟分散的海量個人終端無法像雲伺服器那樣提供管理資料的平臺，這是網際網路公司壟斷資料的根源。區塊鏈提供了一個大規模點對點的對等賬戶網路，管理資料和賬戶不再依賴於中心伺服器，使得海量個人終端聯合管理資料和賬戶系統成為可能。區塊鏈的加密特徵，確保了個人對資料享受所有權，網際網路公司再也不能隨意從個人終端裝置拿走使用者的隱私資料——無論資料存在在哪裡。5G通訊網路為海量資料傳送和終端算力提供了基礎支撐，網際網路去中心的趨勢下，離不開5G網路的推動。
使用者因資料收益、網際網路公司變成演算法供應商，整個產業鏈利益分配被重構。我們暢想一下，未來的使用者在網路裡購物、社交聊天或者打遊戲，產生的資料和用和賬號都透過區塊鏈網路來確保所有權不被侵犯；提供服務的網際網路公司再也不能像過去那樣隨意訪問使用者的資料、更不能用自己的AI機器人進行資料價值挖掘——網際網路公司不再掌控使用者資料。網際網路公司開發的AI演算法機器人可以在使用者終端進行機器學習訓練，但只能得到最終的模型反饋——使用者的資料不會免費使用，網際網路公司需要透過區塊鏈Token進行支付像使用者購買資料使用權（用以訓練機器人）。演算法模型會輸出很多有價值的服務——包括精準營銷、信用評估服務、家庭智慧機器人等等，網際網路公司和使用者都可以分享這些價值的收益。
比如，網際網路公司變成了演算法模組的供應商（並不掌控使用者的隱私資料），為零售商提供使用者精準營銷的演算法模組而獲利，使用者透過出售個人資料的使用權（用來訓練機器人，但並不會洩露出去）獲得了作為資料上游的收益。
2. 結論：算力、演算法和資料——5G、AI和區塊鏈融合之道
隨著智慧手機和物聯網智慧終端的普及，在區塊鏈、人工智慧和5G的推動下，算力、演算法和資料三個層面重構網際網路商業模式。如今，人類社會活動從未如此依賴移動裝置，算力由個人PC、伺服器端向移動終端遷移，人工智慧演算法處理海量的資料，這些資料越來越多由使用者移動端本地產生。人類資料的生產量和儲存量呈指數級增長，過去5年裡資料量已經從TB(1024GB=1TB)級別躍升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至於ZB (1024EB=1ZB)級別。過去20年網際網路巨頭們依靠享受大量資料的支配權（實際上使用者一直強調資料是屬於他們）和強大的網路效應掌控了網際網路的主要資源和價值。在技術的快速發展過程中，網際網路的商業經歷了計算機的開源、軟體的開源和資料的開源，曾經的巨頭壟斷被不斷打破。如今，隨著區塊鏈、人工智慧和5G等資訊科技的崛起，整個網際網路加速由巨頭網際網路公司中心走向分散式和去中心化，價值壟斷正在被打破。在5G通訊技術和人工智慧演算法的驅動下，網際網路大資料的價值潛力不斷被挖掘，大資料的世界需要一個市場規則和經濟激勵制度——這真是區塊鏈的價值所在。區塊鏈完美地解決個人資料確權和授權交易，為大資料這列高速列車提供了規範的軌道。
我們認為，在區塊鏈、AI和5G融合的推動下，網際網路將呈現新商業模式。網際網路公司對資料的控制力下降，出現演算法模式供應商；區塊鏈網路為資料隱私和資料市場治理提供基礎協議，使用者分享更多資料價值；5G邊緣網路的算力平臺將承載更多終端流量，改變先有網路構架；移動終端的硬體構架向GPU傾斜。
2.1. 演算法：由中心封閉到開源化、模組化
移動端分散式人工智慧機器人將是未來主流。人工智慧的要素包括算力、演算法和資料。它的發展需要算力的支撐，而資料是“餵養”人工智慧機器學習的資料。作為基礎資源的資料越來越多由移動端產生，伴隨著資料隱私保護的呼聲愈烈，掌握演算法工具的網際網路公司在挖掘“資料金礦”的時候只會越來越受到限制。產品級分散式機器學習的推廣已經指日可待，網際網路巨頭們並不必要將移動終端的使用者隱私資料上傳至雲中心，而終端只需輸出學習模型結果。
區塊鏈網路實現了資料市場治理，可以有效打破過去個人資料的“無主”壟斷狀態。個人的隱私資料實際上是被網際網路公司掌控，洩漏的風險的危險下，個人資料資源被網際網路公司的演算法工具進行分析處理，而使用者並不能分享資料產生的價值——當某家網際網路公司根據你的行為資料給你推薦商品廣告時，你有沒有想過這個服務價值來自於本屬於你的個人資料？區塊鏈很好地解決了資料的隱私問題——資料的確權是屬於使用者的，其他人或公司若想使用這些資料或利用這些資料作為資料訓練AI機器人的話，都將在區塊鏈網路中申請得到使用者本人的授權，在區塊鏈賬本中完成交易支付。
5G邊緣網路和霧計算作為網路通訊基礎，催生新的商業模式。不久全球將進入5G網路的時代，廣泛分佈的移動端、雲中心之間的資料交換方式產生著深刻的變革——更多的資料交換將在終端之間發生。5G的邊緣網路和霧計算將為資料下次提供網路通訊的基礎，同時邊緣網路的構架和資料通訊模型催生新的產品和商業模式。
未來演算法可以預想呈現模組化、產品化的趨勢，網際網路公司由資料和網路效應的壟斷者逐漸蛻變為演算法模組的產品商。未來，網際網路巨頭不必掌握使用者的行為資料，只提供演算法工具，透過區塊鏈網路得到授權、完成資料使用權的費用支付，訓練AI機器人。屆時，網際網路公司也許不再是資料和網路效應的壟斷者，蛻變為演算法產品化模組的供應商——別忘了，區塊鏈網路重塑了資料市場的治理，網際網路公司並不直接掌握資料。
2.2. 算力：從集中雲算力走向終端分散式算力
移動端和物聯網智慧裝置的迅猛發展，勢必需要算力從集中向終端分散式部署，最終在中心化和分散式兩者間取得平衡。人工智慧在演算法最佳化階段需要投入大量的算力，Google的明星機器人AlphaGo在擊敗李世石之前，DeepMind團隊使用了48顆TPU對AlphaGo進行了數個月的3000多萬盤對弈訓練。顯然移動時代，大量的資料在本地儲存的模式不在適合。因此，算力一定會隨著移動裝置和物聯網智慧裝置的發展而向邊緣傾斜，實現算力的分散式部署。服務端與客戶端分離的結構，移動端的分散式機器學習就成為重要的方向，Google在這方面已經獲得產品級突破——Google基於TensorFlow構建了全球首個產品級可擴充套件的大規模移動端聯合學習系統，目前已在數千萬臺手機上執行。分散式算力的瓶頸還在於有效的經濟激勵機制的施行，而區塊鏈的激勵機制正好提供很好的市場激勵制度。
2.3. 資料：由“無主”的壟斷走向確權治理
網際網路資料處於“無主”壟斷的混亂狀態，資料隱私將是未來的最“痛點”。據BM Security和Ponemon Institute此前釋出的《2018資料洩露損失研究》評估顯示，2018年全球資料洩露的平均成本為386萬美元，比2017年的報告高出6.4%。該研究還首次計算了與“超大型洩露(超過100萬條記錄)行為相關”的成本。評估顯示，大型資料洩露代價高昂，百萬條記錄可致損失4000萬美元，5000萬條記錄可致損失3.5億美元。網際網路帶來各種便利的同時人們不應該忘記自身資料處於洩露風險之中，同時資料還在“餵養”網際網路公司的AI機器人。
資料隱私的真諦是確權和使用權的交付，區塊鏈的機制提供了資料市場的治理規則。移動時代資料隱私的保護呼聲愈烈，一方面是人們對資料作為一種潛力巨大的價值資源的認識越來越清晰，另一方面大量資料天然跟移動端的行為關聯，使用者越來越注意資料隱私的保護。過去的網際網路模式，資料主要儲存在網際網路公司的雲端，使用者很難宣告對資料的所有權；另外，網際網路不斷產生的龐雜資料的確權也是出於模糊的“無主”狀態，但所有資料實際上都是掌控在網際網路公司手中——無論他們如何宣告不會洩露資料，不洩露資料不代表我們享有所有權。越來越多的智慧服務背後都是來自於網際網路公司AI機器人利用個人隱私資料進行機器學習的結果，這個過程中，使用者是被動的，利益上存在受損的嫌疑。
我們認為，資料隱私的真諦是確權和授權——即用程式碼合約明確資料的所有權，透過程式碼合約完成資料使用權的授權和支付交易。區塊鏈天然就是去中心化和分散式的賬本機制，具有資料加密、不可篡改、來源可溯的特點。大量移動端的資料，將由過去“無主”壟斷狀態，被區塊鏈網路確權給使用者，而AI所需要的個人資料，可以由使用者向使用方授權完成，相關費用用Token完成支付。在資料領域，AI與區塊鏈的結合，一方面是資料層，兩者可以互相滲透，完全資料確權；另一方面是從應用層面入手，兩者各司其職，AI負責自動化的業務處理和智慧化的決策，區塊鏈負責在資料層提供可信的授權。
移動端分散式學習技術的推廣將成為打破資料壟斷的關鍵一環。今年2月谷歌宣佈實現了全球首個產品級的超大規模移動端分散式機器學習系統，目前已經能夠在數千萬部手機上執行。此產品利用聯合學習（FL，Federated Learning）方法，可以對儲存在行動電話等裝置上的大量分散資料進行訓練，是“將程式碼引入資料，而不是將資料引入程式碼”的更加通用化的一個實現。使用者的裝置會下載一個當前模型，這個模型會從手機資料中學習不斷得到改善，然後將變化總結為一個小的關鍵更新。只有這個關鍵更新會以加密的方式被傳到雲端，之後這一更新會在雲端迅速被其他使用者對共享模型提交的更新平均化（averaged）。簡單說，所有的訓練資料都留在使用者的裝置上，而且上傳到雲端的個別更新也不會儲存到雲端。新方法將機器學習與雲端儲存資料的需求脫鉤，讓模型更聰明、延遲更低、更節能，而且保護使用者隱私不受威脅。聯合學習方法將使得移動終端資料的隱私得到充分的保護，網際網路公司雲端伺服器並不需要上傳使用者本地資料，將成為打破資料壟斷的關鍵一環。
2.4.市場激勵：經濟利益向使用者傾斜
資料資源的價值分享，將向使用者傾斜。在“無主”的壟斷狀態下，個人使用者產生的資料被廣泛用來訓練AI機器人，又產生各類網際網路服務推送給使用者或其他客戶。大資料是基礎的資源，其挖掘出的價值使用者往往得不到任何回報——同時還要承擔隱私被侵犯和洩露的風險。未來，分佈在網路中的資料將得在區塊鏈賬本中得到確權，資料的使用利用區塊鏈Token授權和支付交易。網際網路的價值分享將向使用者傾斜。
接踵而來的問題是，如何構建合理的激勵體系？區塊鏈在TOKEN激勵機制上的討論一直不絕於耳，最初的BTC構建了通縮模型，即總量一定，產量四年減半一次，用算力保證系統的運轉及激勵分配的公平性。此後很多與現實相關聯的激勵體系卻遇到了很大的問題，比如迅雷的玩客幣體系，拋開監管問題，但從系統本身的可持續性也有待商榷。
用過迅雷下載的朋友都知道，當電腦執行迅雷終端的時候，PC即成為網路中的儲存節點，這個點對點系統非常契合區塊鏈的去中心化理念，但使用者在這其中貢獻了硬體及頻寬，為了鼓勵線上，迅雷也有過積分獎勵，而其本質增加推廣費用去“獲客”，直到玩客幣的推出。假設為系統做出貢獻可以獲得玩客幣（俗稱“挖礦”），而玩客幣既可以從生態中購買服務，也可以二級市場交易，使用者自然有動力投入硬體和費用去挖礦，生態體系建設加速，且公司不需要投入費用，而當幣價走高時，由於回本週期縮短，使用者有更強的慾望加大投入，當然，其更傾向於將玩客幣用於二級市場交易而非獲得生態中的服務，相反，當幣價下跌時，激勵機制就會出現問題，畢竟生態中所能提供的服務不能實時地與幣價相匹配。
目前，網際網路巨頭作為主體獲得並使用大資料，不存在激勵問題，而未來在5G時代，面向個人資料、版權的確權和使用，同樣需要構建有效交易市場，激勵體系的構建仍是關鍵。
3. 分散式AI崛起：移動端硬體構架向GPU傾斜
谷歌釋出全球首個產品級移動端分散式機器學習系統，移動端算力被充分調動。今年2月谷歌宣佈實現了全球首個產品級的超大規模移動端分散式機器學習系統，目前已經能夠在數千萬部手機上執行。谷歌基於TensorFlow構建了全球首個產品級可擴充套件的大規模移動端聯合學習系統，目前已在數千萬臺手機上執行。這些手機能協同學習一個共享模型，所有的訓練資料都留在裝置端，確保了個人資料安全，手機端智慧應用也能更快更低能耗更新。研究人員表示，該系統有望在幾十億部手機上執行。聯合學習能產生更智慧的模型，更低的延時和更少的功耗，同時確保使用者的隱私。Google開放的聯合學習演算法，使得移動端分散式機器學習成為現實；AI演算法分佈在大規模的移動端，協同輸出一個學習模型，而不必上次使用者本地資料。Google的研究團隊克服許多演算法和研究挑戰，使聯邦學習成為可能。諸如隨機梯度下降（SGD）之類的最佳化演算法（通常在許多機器學習系統中使用）在大型資料集上執行。在移動端特定環境中，資料以高度異構的方式分佈在數百萬個移動和蜂窩裝置上，這些裝置具有明顯更高延遲，更低吞吐量的連線，並且只能間歇性地用於訓練。這一切都依賴於聯合學習（FL）方法，聯合學習是一種分散式機器學習方法，可以對儲存在行動電話等裝置上的大量分散資料進行訓練，是“將程式碼引入資料，而不是將資料引入程式碼”的更加通用化的一個實現，並解決了關於隱私、所有權和資料位置等基本問題。
根據谷歌官博介紹，使用者的裝置會下載一個當前模型，這個模型會從手機資料中學習不斷得到改善，然後將變化總結為一個小的關鍵更新。只有這個關鍵更新會以加密的方式被傳到雲端，之後這一更新會在雲端迅速被其他使用者對共享模型提交的更新平均化（averaged）。簡單說，所有的訓練資料都留在使用者的裝置上，而且上傳到雲端的個別更新也不會儲存到雲端。谷歌研究人員表示，新方法將機器學習與雲端儲存資料的需求脫鉤，讓模型更聰明、延遲更低、更節能，而且保護使用者隱私不受威脅。這一方法還有一個間接好處：除了實現共享模型的更新，使用者還能立刻使用改善後的模型，根據個人使用手機方式的不同，得到的體驗也會不同。
聯合學習（FL，Federated Learning）系統已經在非常流行的谷歌鍵盤Android上的Gboard中進行測試。每當Gboard顯示建議的查詢時，移動裝置本地儲存有關當前上下文的資訊以及您是否使用了該建議。聯合學習處理裝置上的歷史記錄，以建議改進Gboard的查詢建議模型的下一次迭代。諸多移動裝置的學習模型將透過一種聯合學習演算法聚合成為一個更簡潔的模型，最後只需要將這個模型上傳至雲端即可。
要將這樣的系統部署到數百萬執行Gboard的異構電話，需要相當先進的技術堆疊。 裝置上培訓使用TensorFlow的最小化版本。上傳速度通常比下載速度慢得多，研究人員還開發了一種新方法，透過使用隨機旋轉和量化壓縮更新，將上傳通訊成本降低到100倍。
複雜的人工智慧演算法訓練與計算經常涉及上億的引數，這些引數的計算需要大量的計算能力，目前在深度學習領域，GPU計算已經成為主流。使用GPU運算的優勢如下：目前，主流的GPU具有強大的計算能力和記憶體頻寬，同時GPU的thousands of cores的平行計算能力也是一大優勢。只要資料足夠小，就適合在一臺GPU效能優於其它架構的機器上執行，因為它不具備處理網路開銷問題的功能，可以充分利用GPU的優勢為數學運算。由於所有的資料集足夠小，可以適應記憶體，網路成為了分散式實現的瓶頸，而移動端本地GPU沒有這樣的瓶頸，得到了兩全其美。
可以預期，未來的IT基礎設施將向“兩端走”，一方面是超大規模IDC，用作集中式資料處理、搜尋和機器學習，而移動裝置和物聯網智慧裝置未來將越來越依賴GPU的運算能力，硬體中的GPU算力將會得到進一步提升。
4. 區塊鏈：給大資料賦予經濟動能
4.1. 區塊鏈：下一代智慧網際網路的基石2008年10月31日一個名為“中本聰”的網路ID發表了9頁的比特幣白皮——名為《Bitcoin: A Peer-to-Peer Electronic Cash System》（《比特幣：一種點對點的電子現金系統》），為人類社會第一次帶來去中心化的財富世界。中本聰在設計比特幣的時候，遵從了經濟學規律。比特幣（Bitcoin）是一種電子現金系統，或者說比特幣本身是一個給電子現金記賬的去中心化、點對點的記賬系統。比特幣網路是首個成功應用了區塊鏈技術的支付交易系統，沒了中心化機構信用背書，該系統的“信任價值”由其加密演算法和共識機制創造。賬本每個節點都有相同的一份副本，節點之間對等、互相監督。
同時中本聰天才地引入了首個區塊鏈通證（Token）——Bitcoin（比特幣，這裡的比特幣指的是可交易的coin，而非指同名的網路系統），通證作為系統的唯一財富表達——在比特幣網路中進行電子現金（比特幣）轉賬，需要支付比特幣作為手續費。而支撐網路安全可靠運作的計算機算力資源則由礦工提供，手續費作為獎勵支付給礦工——這個過程叫做挖礦。“挖礦”行為則激勵了更多網路節點加入進來，維護並增加該系統的“信任價值”。比特幣挖礦，用一句話的解釋即為“爭奪系統的記賬權，獲得比特幣作為獎勵”。在共識機制的約束下，礦工的算力自由競爭對系統構成了安全壁壘（隨著算力的競爭，攻擊系統賬本的成本會在競爭中提高），通證（Token）獎勵則為系統安全可信運轉提供了經濟激勵，形成一個良性的經濟市場。這一切的核心技術基礎是區塊鏈技術。關於區塊鏈的經濟學解釋詳見我們之前發表的《區塊鏈經濟學脈絡》系列文章。
區塊鏈（Blockchain）是一種將資料區塊按照時間順序組合成鏈式資料結構，並以密碼學方式保證的不可篡改和不可偽造的分散式賬本。簡單說，如果我們想要一個完全點對點實現支付/兌換的市場（這個市場不需要任何中介機構，如銀行、服務中介等），區塊鏈可以提供去中心化記賬方案。以支付轉賬為例，傳統的支付轉賬系統需要由銀行作為第三方（對應概念“中心化”、“第三方信任背書”），根據交易雙方提出的請求，劃轉相應金額——即更改資料庫中雙方名下的賬戶餘額，這個過程中記賬權完全歸屬於銀行。而在搭載了區塊鏈技術的支付轉賬系統中，使用者之間可以直接進行點對點的交易（對應概念“去中心化”）。我們不需要中心化機構來替使用者記賬，取而代之，系統中每一個使用者都可以按照特定規則參與競爭記賬。在某個時間段內，爭奪到記賬權的使用者把這段時間的交易寫到一個區塊當中，就像寫到一張賬頁。系統中其他使用者確認該賬頁不是假賬後，對它進行備份，完成整個動作。在下一個時間段週而復始，每一個區塊首尾相連，構成一個完整的鏈條。透過密碼學原理，新的區塊對之前的區塊天然形成了防篡改保護。
區塊鏈開啟了去中心化市場。傳統社會的資產都是登記在各種中心結構的賬本上，最後以銀行的法幣為核心進行流通。比特幣誕生後，區塊鏈技術和區塊鏈專案的快速發展，自此，開闢了人類歷史上成規模的去中心化市場。數字貨幣總市值於2017年 12 月 21 日達到全年最高點的 6422.56 億美元，一度超越當日的亞馬遜和匯豐控股市值。
由於沒有中心化的機構存在，區塊鏈完全根據事先設定的程式自動執行，能夠極大降低成本和提高效率，並且保證資料記錄過程和結果公開透明。在支付交易之外，區塊鏈還可以用於更加廣闊的領域，比如醫療、供應鏈管理、物聯網、安全認證、社交以及人工智慧等領域，其對社會結構會產生深遠影響。
以區塊鏈技術為基礎的去中心化財富世界被開啟，區塊鏈構築價值網際網路。自2008年中本聰釋出比特幣白皮書後，區塊鏈行業快速發展，人們逐漸意識到，區塊鏈不僅僅是一項分散式資料庫技術，而是與TCP/IP、HTTP一樣重要的網際網路基礎協議，基於區塊鏈可以構建一個去中心化（分散式）的網際網路世界。利用區塊鏈技術實現資料結構來驗證與儲存、利用分散式節點共識演算法來生成和更新資料、利用密碼學的方式保證資料傳輸和訪問安全、利用由自動化指令碼程式碼組成的智慧合約來程式設計和運算元據，構建一個新的分散式基礎構架與計算正規化，成為新一代智慧網際網路的基礎設施。
4.2. 區塊鏈將建立一個規範健康的資料市場
區塊鏈的執行機制成為資料市場確權和交易的市場規則，解決資料隱私“痛點”。在區塊鏈網路中，使用者的隱私可以在區塊鏈賬本中進行確權，他人難以突破區塊鏈網路的加密規則侵犯使用者隱私資料；在使用者的授權下，透過區塊鏈Token完成資料使用的支付交易。區塊鏈解決了當下資料隱私的行業“痛點”。無論是移動端本地資料，還是儲存在分散式節點的其他資料，在區塊鏈網路管理下，使用者享受對資料的所有權和控制權。
區塊鏈解決了資料的確權，資料市場的規範交易成為可能。一旦區塊鏈解決了資料的確權問題，移動端的本地資料和託管在中心的伺服器內的資料都不能被他人公開“免費”地訪問和使用。使用者可以授權網際網路公司的AI演算法使用資料進行訓練，移動端的本地資料將不會被上傳至雲伺服器，這既規範了資料市場又解決了資料隱私問題。使用者將在未來的網際網路世界，因自身的資料而受益。
5.5G邊緣計算：“硬核”算力之基
5.1. 分散式系統的崛起催生邊緣計算平臺和新的網路構架分散式AI會在最後一英里網路中增加更多的計算、智慧和處理/儲存能力，將引發移動端硬體和算力變革。在這種配置中，人工智慧引擎將依賴於大量物聯網(IoT)感測器和執行器，收集和處理大量的操作現場資料。海量資料將為“本地化”的邊緣計算AI引擎提供燃料，這些引擎將執行本地程序並在現場做出決策。因此網路需要另一種水平的實時邊緣計算、資料收集和儲存，將推動人工智慧處理到網路邊緣。這將完成雲邊緣智慧和網路化計算機的迴圈, 並透過基於區塊鏈的智慧合約來完成資料授權和業務運轉。
5G網路中不同業務在不同節點終結，顛覆通訊網路工作模式。3G/4G時代，資料陸續透過接入層、承載匯聚層、承載核心層，業務資料在核心網集中處理、終結，顯然這種中心化工作方式難以滿足5G應用場景對時延、大頻寬和多連線的要求。5G時代，針對不同的業務場景，業務將在不同節點終結；以去中心化的工作方式提高效率和可靠性。分散式AI的崛起，5G邊緣網路平臺將承載更多的算力和資料流量。
5G時代，終端間快速崛起的橫向流量和極低延時要求將依賴邊緣網路實現。5G時代基站之間的橫向流量將遠遠超過LTE時代的流量，延時要求甚至在1ms內，遠遠低於3GPP定義的LTE基站間理想時延（10ms）。LTE時代，核心網一般集中部署在匯聚骨幹節點或核心層之上。5G時代，一方面，三層下掛基站將更多，路由條目數量將更大，三層裝置流量排程任務中，如果還將核心網集中部署，其裝置將不堪重負，一旦節點故障，影響範圍很大；另一方面，核心網集中高置橫向流量時延大，將不能滿足5G時代基站間橫向流量時延需求。核心網邊緣分佈帶來兩個好處：一，核心網裝置下掛基站減少，流量減少，路由條目減少，壓力大大降低，安全效能增加，故障影響範圍也大大減少；二，基站間的橫向流量跳數減少，時延減少，滿足低時延場景要求。
未來超過50%資料將在邊緣網路處理、分析與儲存，5G將大量部署邊緣網路計算。根據華為與第三方機構合作預測，到2025年全球網路聯接數將達到1000億，增長幅度超過10倍。未來超過50%的資料需要在網路邊緣側分析、處理與儲存,邊緣網路將面臨極大的挑戰：業務的實時性挑戰。對實時性要求高的領域，例如在生產控制領域，業務控制時延必須小於10ms甚至更低，車聯網應用甚至要求時延低於1ms，如果資料分析和控制邏輯全部在中心雲端實現，難以滿足業務的實時性要求。
5G網路切片的實現需要部署邊緣雲。5G面向不同的應用領域，需要網路切片的支撐不同的需求。就是將一個物理網路切割成多個虛擬的端到端的網路，每個虛擬網路之間，包括網路內的裝置、接入、傳輸和核心網，是邏輯獨立的，任何一個虛擬網路發生故障都不會影響到其它虛擬網路。每個虛擬網路就像是瑞士軍刀上的鉗子、鋸子一樣，具備不同的功能特點，面向不同的需求和服務。部署網路切片，需要邊緣雲的支撐。
風險提示
1. 分散式AI產品推廣展不達預期。打破網際網路公司對資料的壟斷的關鍵技術就是分散式AI，分散式AI演算法尚處於開發初期，解決大規模移動端資料協同通訊是難點，能否在移動端的推广部署存在不達預期的風險。2. 區塊鏈基礎設施開發不達預期。區塊鏈是解決資料隱私問題的核心技術，目前區塊鏈基礎設施尚不能支撐高效能網路部署，去中心化程度和安全都會對高效能存在一定的牽制，區塊鏈基礎設施存在開發不達預期的風險
