O OpenLedger é posicionado como uma blockchain dedicada à IA (AI Blockchain), com foco em SLMs (small language models) especializadas e descentralizadas + titulação de contribuições on-chain. Faz parte da vertente DeAI (IA descentralizada), e seu token nativo é o OPEN.

1. Visão geral básica

1. Contexto de fundação

Fundada oficialmente em 2024. Equipe fundadora: Pryce Adade-Yebesi, Ashtyn Bell, Ram Kumar. Primeira rodada de financiamento de US$ 8 milhões, com investidores incluindo Polychain Capital, Borderless Capital e outros fundos cripto de ponta.

A base é uma rede de camada 2 compatível com EVM, compatível com carteiras e ecossistemas de contratos do Ethereum.

2. Objetivos principais

Endereça as principais dores do setor tradicional de IA: criadores de dados são usados sem remuneração pelas grandes empresas, as contribuições de modelos não podem ser rastreadas e os ganhos ficam altamente centralizados e monopolizados. Ao utilizar blockchain, permite a atribuição (titulação), rastreabilidade e monetização de dados, modelos e agentes de IA, propondo o modelo **Payable AI (IA pagável)**: enquanto os dados forem chamados por uma IA, os contribuidores continuam recebendo recompensas.

II. Tecnologia central e arquitetura

1. Prova de atribuição (Proof of Attribution) PoA (inovação central)

O mecanismo de consenso de base de toda a cadeia; função:

- Rastrear com precisão o impacto de cada dado de treino e dos parâmetros do modelo no resultado da saída da IA

- Cálculo automático on-chain da proporção de contribuições; distribuir recompensas de tokens automaticamente de acordo com a frequência de uso

- Tornar toda a cadeia de IA auditável e explicável, quebrando o modelo de caixa-preta

2. Rede de dados específica da área Datanets

Abandonar a rota de conjuntos de dados genéricos e em grande escala; dividir sub-redes de dados independentes por indústria e cenário. A comunidade coleta, limpa e rotula dados verticais de domínio em conjunto, usados especificamente para treinar modelos pequenos de linguagem SLM dedicados; em comparação com modelos genéricos, têm maior precisão no domínio e menor custo de treinamento.

3. Model Factory (Fábrica de Modelos)

Plataforma visual de baixo código; desenvolvedores comuns não precisam de base profunda em computação ou algoritmos para, a partir do conjunto de dados Datanets, fazer fine-tuning de modelos SLM dedicados. Todo o processo de treinamento é registrado e comprovado on-chain.

4. Motor de implantação leve OpenLoRA

Com tecnologia de adaptação de baixa hierarquia (LoRA), um único GPU consegue suportar simultaneamente milhares de modelos pequenos para fine-tuning, reduzindo significativamente o custo de computação de inferência; é possível comprimir até 99% do custo de inferência, facilitando implantações distribuídas de enormes quantidades de modelos especializados.

III. Sistema econômico do OPEN

Oferta total: 1 bilhão de tokens OPEN

Estrutura de alocação do token:

- Comunidade: 51,71% (maior parcela, usuários do ecossistema, nós e contribuições de dados)

- Investidores iniciais: 18,29%

- Desenvolvimento da equipe: 15%

- Incentivo ao ecossistema: 10%

- Pool de liquidez: 5%

Uso do token:

1. Pagamento on-chain de Gas, custos de treinamento do modelo e despesas de inferência de IA

2. Provedores de dados de recompensa, validadores de nós e desenvolvedores de modelos

3. Governança comunitária por votação, decide parâmetros da rede e regras de sub-redes

IV. Principais papéis do ecossistema

1. Contribuidores de dados: enviam e rotulam dados verticais; quando os dados são chamados, continua sendo possível minerar e receber dividendos

2. Desenvolvedores de modelos: configurar SLM na ModelFactory; divisão das receitas geradas pelo uso do modelo

3. Validadores de nós: executam a validação dos dados PoA quanto à veracidade, e recebem recompensas de staking

4. Usuários de aplicações: chamam os serviços SLM on-chain, pagam em tokens OPEN e utilizam capacidades de IA de baixo custo para domínios específicos

V. Características do projeto e diferenças

1. Foco em modelos pequenos dedicados a SLM: não compete com GPT e outros modelos genéricos; aprofunda cenários de indústrias específicas, com leveza, baixo custo e fácil confirmação de direitos;

2. Receita sustentável: envio único de dados; a cada chamada de IA subsequente também é possível obter uma divisão, diferente de vender dados uma única vez;

3. Totalmente descentralizado na cadeia: coleta de dados, treinamento, inferência e distribuição de receitas são executados integralmente on-chain, sem retenção de lucros por plataformas centralizadas.

VI. Avisos sobre riscos potenciais

1. A trilha pertence a uma direção emergente do DeAI; a implementação de cenários de uso em larga escala para comércio ainda está no início;

2. O preço do token criptografado é extremamente volátil, influenciado por mercado, operação do projeto e políticas de regulação; participar de negociações de tokens envolve alto risco;

3. Conformidade de dados e confirmação de direitos autorais no off-chain: há certas barreiras para implementação em cenários reais.