#opg $OPG Die meisten AI+Blockchain-Projekte werfen nur die Modellergebnisse auf die Chain, aber niemand kann die Ergebnisse validieren. Das Whitepaper von OpenGradient beleuchtet den Kernkonflikt – traditionelle Blockchains verlassen sich auf „jede Node führt die Transaktionen erneut aus“, um Konsens zu erreichen. Logisch gibt es bei der Bearbeitung von Überweisungen keine Probleme, aber bei der KI-Inferenz funktioniert das überhaupt nicht.
Warum? Um LLMs auszuführen, werden GPUs benötigt. Wenn 100 Validierungsnodes alle einmal laufen, sind das 100-fache Kosten; die Ausgabe eines LLM hat Zufälligkeiten, die Validierungsnodes können die Antworten nicht einfach vergleichen; eine Inferenz dauert einige Sekunden, bis alle Nodes durch sind, ist die Chain längst blockiert. KI als Orakel zu verwenden – die Ergebnisse außerhalb der Chain zu laufen und dann auf die Chain zu speisen – bleibt das „umgekehrte Orakel-Problem“: Am Ende musst du dem einzigen Datenlieferanten vertrauen.
Die Lösung von OpenGradient: Ausführung und Verifizierung sind getrennt. Die Inferenznodes verarbeiten Anfragen in TEE und generieren Hardwarebeweise – sie beweisen, dass der Code nicht verändert wurde, die Eingaben nicht manipuliert wurden und die Ausgaben nicht verfälscht sind. Vollnodes verifizieren nur die Beweise (reine kryptographische Operationen) und müssen nichts über die Eingabeaufforderungen, Modelle oder Rückgabewerte wissen. ZKML funktioniert ähnlich, nur dass es sich um Zero-Knowledge-Beweise handelt. Die Verifizierungsschicht führt niemals AI-Berechnungen erneut aus; die Verifizierung eines Beweises dauert nur wenige Millisekunden.
Das Netzwerk besteht aus vier Arten von Nodes: Inferenznodes (GPU-Ausführung), Vollnodes (Verifizierung von Beweisen + CometBFT-Konsens), Daten-Nodes (TEE zur Beschaffung externer Daten) und Speicherebene. EVM-kompatibel, Entwickler können Hardhat, Foundry direkt verwenden.
Die Gesamtversorgung von OPG beträgt 1 Milliarde Token, Verteilung: Ökosystem 40%, Stiftung 15%, Kernbeitragende 15%, Investoren 10%, Staking-Belohnungen 10%, Liquidität 6%, Airdrop 4%. Diese werden verwendet, um Inferenzgebühren zu zahlen, Nodes zu staken, Modelle zu incentivieren und Governance.
Risiken: TEE hängt von Hardwareanbietern ab; wenn es Schwachstellen gibt, sinkt die Vertrauenswürdigkeit der Beweise; die Kosten für die Generierung von ZKML-Beweisen sind für Szenarien mit niedriger Latenz immer noch nicht freundlich; die langfristige Freigabe von 1 Milliarde Token könnte Verkaufsdruck erzeugen.
Persönliche Meinung: OpenGradient rekonstruiert die Verifizierungsschicht basierend auf den tatsächlichen Bedürfnissen der KI, die Logik ist konsistent. Aber die tatsächliche Leistung muss durch Mainnet-Daten validiert werden; die Richtung ist wert, verfolgt zu werden.
Kann TEE+ZKML das KI-Schwarzbox-Problem lösen? Lass uns im Kommentarbereich diskutieren. @OpenGradient
Warum? Um LLMs auszuführen, werden GPUs benötigt. Wenn 100 Validierungsnodes alle einmal laufen, sind das 100-fache Kosten; die Ausgabe eines LLM hat Zufälligkeiten, die Validierungsnodes können die Antworten nicht einfach vergleichen; eine Inferenz dauert einige Sekunden, bis alle Nodes durch sind, ist die Chain längst blockiert. KI als Orakel zu verwenden – die Ergebnisse außerhalb der Chain zu laufen und dann auf die Chain zu speisen – bleibt das „umgekehrte Orakel-Problem“: Am Ende musst du dem einzigen Datenlieferanten vertrauen.
Die Lösung von OpenGradient: Ausführung und Verifizierung sind getrennt. Die Inferenznodes verarbeiten Anfragen in TEE und generieren Hardwarebeweise – sie beweisen, dass der Code nicht verändert wurde, die Eingaben nicht manipuliert wurden und die Ausgaben nicht verfälscht sind. Vollnodes verifizieren nur die Beweise (reine kryptographische Operationen) und müssen nichts über die Eingabeaufforderungen, Modelle oder Rückgabewerte wissen. ZKML funktioniert ähnlich, nur dass es sich um Zero-Knowledge-Beweise handelt. Die Verifizierungsschicht führt niemals AI-Berechnungen erneut aus; die Verifizierung eines Beweises dauert nur wenige Millisekunden.
Das Netzwerk besteht aus vier Arten von Nodes: Inferenznodes (GPU-Ausführung), Vollnodes (Verifizierung von Beweisen + CometBFT-Konsens), Daten-Nodes (TEE zur Beschaffung externer Daten) und Speicherebene. EVM-kompatibel, Entwickler können Hardhat, Foundry direkt verwenden.
Die Gesamtversorgung von OPG beträgt 1 Milliarde Token, Verteilung: Ökosystem 40%, Stiftung 15%, Kernbeitragende 15%, Investoren 10%, Staking-Belohnungen 10%, Liquidität 6%, Airdrop 4%. Diese werden verwendet, um Inferenzgebühren zu zahlen, Nodes zu staken, Modelle zu incentivieren und Governance.
Risiken: TEE hängt von Hardwareanbietern ab; wenn es Schwachstellen gibt, sinkt die Vertrauenswürdigkeit der Beweise; die Kosten für die Generierung von ZKML-Beweisen sind für Szenarien mit niedriger Latenz immer noch nicht freundlich; die langfristige Freigabe von 1 Milliarde Token könnte Verkaufsdruck erzeugen.
Persönliche Meinung: OpenGradient rekonstruiert die Verifizierungsschicht basierend auf den tatsächlichen Bedürfnissen der KI, die Logik ist konsistent. Aber die tatsächliche Leistung muss durch Mainnet-Daten validiert werden; die Richtung ist wert, verfolgt zu werden.
Kann TEE+ZKML das KI-Schwarzbox-Problem lösen? Lass uns im Kommentarbereich diskutieren. @OpenGradient
