Ritual 是另一个专注于软件的去中心化人工智能协议，旨在结合区块链和人工智能的优势，将自己描述为去中心化人工智能的主权执行层。其诞生源于传统人工智能领域存在的结构性问题，如组织寡头垄断、计算成本高昂、大型人工智能实验室的中心化API以及模型输出和结构的不可验证性。
他们的解决方案是 Ritual Infernet，这是网络的第一个版本，通过“一系列可执行层模块套件”将人工智能引入链上应用，使区块链上的任何事物都能将Ritual用作协处理器。Infernet架构较为复杂，涉及数据可用性（DA）层、路由器、节点集和存储组件。
仅从图表中难以完全理解其工作原理，但简而言之，Ritual通过智能合约请求、利用链下计算、对模型输出进行链上验证以及无缝集成到去中心化应用（dApps）中，使区块链更易与人工智能连接。若数据和用户逐渐向链上迁移，Ritual这类技术有望助力这一转变。这可能与一些人描述的开放世界 discourse 存在重叠，尤其是像Parallel或Wayfinder这样的团队。
Infernet的即插即用基础设施模型是一个不错的优点，因为他们可以根据需要选择加入或退出现有和未来的技术，而不会破坏系统。该平台目前可通过Infernet SDK访问，团队已与Nillion及其多方计算（MPC）技术建立合作伙伴关系。
我们总是乐于见到团队思考其技术的潜在用途，Ritual也不例外，他们列出了一些可使用其技术栈构建的潜在初创项目：
-
多智能体交易框架
-
启用机器学习的借贷
-
启用机器学习的自动做市商（AMM）
-
模因币+启用机器学习的技术
Ritual的最终目标是作为去中心化人工智能的基础层运行，假设他们能够提供既实用又易于集成的基础设施，他们可以作为将部分人工智能引入链上的渠道。
Grass我们在此讨论的最后一个与去中心化人工智能相关的项目是Grass，一个重视数据的协议。
Grass 旨在帮助个人掌控数据，为新一代人工智能模型做出贡献。参与者允许 Grass 利用其闲置带宽，将其出售给人工智能实验室，用于模型训练或其他研究。为了推动大型语言模型（LLM）的发展，需要大量独特的数据。虽然现有的网络数据可以利用，但人工智能实验室已经在探索合成数据等替代方案，以获取更多独特的数据。
Grass的解决方案很简单：用户下载Grass扩展程序，创建账户，并在后台运行，同时继续在线活动。目前，该网络已经吸引了超过两百万的贡献者。Grass 是该领域的早期进入者，产品简单，早于大型语言模型（LLM）数据重要性凸显之前推出。