Dulu saat pertama kali dengar orang membahas AI yang dijalankan di rantai (on-chain), saya malah mengernyit; sebagian besar proyek cuma isapan demo. Sampai saya menyelidiki HACA milik @OpenGradient sampai tuntas, barulah saya merasa jalur ini benar-benar bisa dijalankan.
Kesulitannya tidak rumit, tetapi berat. Inferensi makan GPU, Agent harus mengambil data lintas-chain, statistik perlu perhitungan stabil dalam waktu lama—memaksa satu node mengerjakan semuanya. Akhirnya, hasilnya atau jadi terlalu lambat untuk dipakai, atau terlalu mahal untuk dilihat. Mayoritas proyek di pasaran macet di langkah ini; dari pengujian, hanya tiga kali inferensi sudah bisa membuat node tumbang.
Ambil analogi lintas bidang: ini mirip dengan rumah sakit yang serius membagi spesialisasi. Rumah sakit tidak akan meminta dokter umum membuat operasi bypass jantung, atau membiarkan direktur bedah menangani flu; IGD, radiologi, ruang operasi, apotek—masing-masing kerja sendiri, dengan koordinasi. Gagasan HACA mengikuti cara itu: Full Nodes sebagai The Judge yang bertugas memverifikasi dan memutuskan, Inference Nodes khusus menjalankan inferensi AI, juga ada peran khusus untuk menjalankan inferensi Agent dan analisis statistik. Lalu, GPU terdesentralisasi dan akselerator khusus menjadi fondasi daya komputasi. Setiap tugas diserahkan ke node yang paling cocok, supaya rantai tidak tersumbat hanya karena satu kali inferensi.
$HEI
Dulu saya mengira pembagian kerja yang heterogen hanyalah optimasi rekayasa—sampai didorong sampai ekstrem barulah saya sadar, itulah kunci apakah AI on-chain bisa diskalakan. Web2 sudah lama membentuk cluster heterogen: GPU untuk inferensi, CPU untuk statistik—masing-masing sesuai tugasnya. Di rantai, AI masih dipaksa menanggung semuanya dengan lingkungan generik EVM; itu seperti meminta dokter umum melakukan operasi sambil tidur tidak cukup—bukan berarti tidak bisa, tetapi tidak akan bisa dilakukan dengan baik dan dalam jangka waktu lama. HACA untuk pertama kalinya membuat komputasi on-chain menjadi sistem yang jelas pembagian perannya. Lebih dari 4.500 model, lebih dari 2 juta kali inferensi yang bisa diverifikasi, dan tidak sampai runtuh.
Saya tidak mengklaim bisa menggenggam semuanya. Biaya dari arsitektur heterogen adalah kompleksitas koordinasi yang meningkat: sinkronisasi node, insentif, setiap celah dalam skema hukuman atas tindakan jahat—kalau satu saja berantakan, seluruh pembagian kerja akan membalikkan dan menurunkan performa. Di fase testnet, kurva reward masih disetel; di awal, developer harus menanggung drift versi. Stabilitas GPU terdesentralisasi juga masih belum pasti.
$BTW
Beberapa hal yang juga ingin saya lihat sendiri sangat realistis. Saya ingin melihat setelah $OPG diluncurkan di mainnet, bagaimana distribusi berbagai node HACA di seluruh penampang; saya juga ingin melihat latensi end-to-end saat satu tugas Agent yang kompleks selesai “satu putaran”; dan saya ingin tahu bagaimana pencatatan on-chain terjadi ketika node yang berbuat jahat benar-benar diciduk dan diberi pengurangan hak oleh The Judge. Selama poin-poin ini belum terlihat, saya lebih memilih menguak AI on-chain perlahan-lahan, tidak terburu-buru berteriak “ini jagoan”.
#opg