OpenLedger se positionne comme une blockchain dédiée à l’IA (AI Blockchain), mettant en avant la décentralisation : des SLM (petits modèles spécialisés) et l’attestation de contributions on-chain ; le projet appartient à la voie DeAI (IA décentralisée). Le token natif est OPEN.

I. Vue d’ensemble

1. Contexte de la création

Fondée officiellement en 2024. Équipe fondatrice : Pryce Adade-Yebesi, Ashtyn Bell, Ram Kumar. Première levée de 8 millions de dollars, avec des investisseurs incluant notamment Polychain Capital, Borderless Capital et d’autres fonds crypto de premier plan.

Au niveau de la couche de base, il s’agit d’un réseau de couche 2 compatible avec l’EVM, compatible avec les portefeuilles et le système de contrats d’Ethereum.

2. Objectifs clés

Résoudre les problèmes de l’industrie AI traditionnelle : les créateurs de données sont utilisés sans compensation par les grandes entreprises, les contributions aux modèles ne peuvent pas être retracées, et les revenus sont fortement centralisés et accaparés par des monopoles ; s’appuyant sur la blockchain pour établir la propriété (quittance) et permettre la traçabilité et la monétisation des données, des modèles et des agents IA, le projet propose un modèle **Payable AI (AI payante)** : tant que les données sont appelées par l’IA, les contributeurs continuent de percevoir des revenus.

II. Technologies et architecture clés

1. Preuve d’attribution Proof of Attribution (innovation centrale)

Mécanisme de consensus sous-jacent de toute la chaîne ; rôle :

- Suivi précis : tracer le poids de l’impact, pour chaque jeu de données d’entraînement et les paramètres du modèle, sur les résultats de sortie de l’IA

- Calcul automatique de la répartition des contributions sur la chaîne ; distribution des récompenses en jetons en fonction de la fréquence d’utilisation

- Permet une auditabilité et une explicabilité de bout en bout de l’IA ; brise le modèle opaque des grands modèles

2. Réseau de données spécialisé dans le domaine Datanets

Abandonner la voie des vastes ensembles de données généralistes ; répartir des sous-réseaux de données indépendants par secteur et par scénario. La communauté collecte, nettoie et annote ensemble des données verticales destinées spécifiquement à entraîner des SLM dédiés ; par comparaison avec les grands modèles généralistes, la précision métier est plus élevée et les coûts d’entraînement plus faibles.

3. Model Factory (usine à modèles)

Plateforme de visualisation et de faible code : les développeurs ordinaires n’ont pas besoin de capacités informatiques profondes ni de base en algorithmes ; ils peuvent, à partir du jeu de données Datanets, faire du fine-tuning sur des modèles SLM dédiés, et tous les processus d’entraînement sont consignés et prouvés on-chain.

4. Moteur de déploiement léger OpenLoRA

Basé sur la technologie d’adaptation à faible rang LoRA : un seul GPU peut prendre en charge simultanément des milliers de petits modèles de fine-tuning, réduisant considérablement les coûts d’inférence ; jusqu’à compresser 99 % des coûts d’inférence, facilitant le déploiement distribué de vastes modèles spécialisés.

III. Système économique OPEN du jeton

Offre totale : 1 milliard d’unités OPEN

Structure de répartition des jetons :

- Communauté : 51,71 % (plus grande part : utilisateurs d’écosystème, nœuds, contributeurs de données)

- Investisseurs précoces : 18,29 %

- Développement de l’équipe : 15 %

- Incitations à l’écosystème : 10 %

- Pool de liquidité : 5 %

Utilisation du jeton :

1. Paiement des frais de Gas on-chain, d’entraînement des modèles et d’inférence IA

2. Fournisseurs de données de récompense, validateurs de nœuds, développeurs de modèles

3. Vote de gouvernance communautaire : détermine les paramètres du réseau et les règles des sous-réseaux

IV. Rôles clés de l’écosystème

1. Contributeurs de données : téléversement, annotation de données verticales ; tant que les données sont utilisées, il est possible de continuer à extraire des récompenses de partage

2. Développeurs de modèles : construire des SLM dans ModelFactory ; les modèles génèrent une répartition des revenus issus des appels

3. Vérificateurs de nœuds : exécuter les nœuds pour vérifier l’authenticité des données PoA et obtenir des récompenses de mise

4. Utilisateurs des applications : appeler le service SLM on-chain, payer en jetons OPEN, utiliser des capacités d’IA à faible coût et spécialisées par domaine

V. Caractéristiques du projet et différences

1. Modèle SLM dédié : ne vise pas les modèles généralistes de type GPT ; se spécialise dans des scénarios de secteurs spécifiques ; léger, faible coût, facile à prouver et faire reconnaître ;

2. Revenu durable : un téléversement unique des données ; par la suite, chaque appel d’IA permet d’obtenir une part, contrairement à la vente unique de données ;

3. Décentralisation de bout en bout : collecte des données, entraînement, inférence, et répartition des revenus sont exécutés entièrement on-chain, sans plateforme centralisée pour capter les profits.

VI. Avertissements sur les risques potentiels

1. La voie relève d’une direction émergente de DeAI ; la mise en œuvre à grande échelle dans des cas d’usage commerciaux reste encore à un stade précoce ;

2. Le prix du jeton crypté dépend fortement du marché, de l’exploitation du projet et des politiques de régulation ; la participation au trading de jetons comporte un risque élevé ;

3. La conformité des données et la reconnaissance de droits d’auteur hors chaîne dans des scénarios réels présentent certains seuils.