Я к проектам в Crypto, которые каждый раз лепят на себя ярлык AI, отношусь с настороженностью.
За последние два года слишком много проектов, если честно, демонстрируют оценку, которая растет быстрее, чем температура летом, а на деле их суть напоминает сезонное планирование: выглядит привлекательно, а по факту – холодно. Во время рекламы все как в дорогом морском буфете, а на тарелке только крабовые палочки и жареные рыбные шарики. Если присмотреться, из десяти проектов восемь просто хайпуют на трендах, а их основная логика не выдерживает проверки.
Так что, когда друзья упоминают @OpenLedger и его токены $OPEN , моя первая реакция: "Опять новинка на рынке".
Но после того как я несколько раз прочитал их белую книгу и архитектурные решения, признаю: во мне немного изменилось отношение. Не потому, что их видение слишком велико — как раз наоборот. Они занимаются довольно узкой задачей, настолько узкой, что у меня появилось ощущение: эта команда правда думала головой.
Он не пошел соревноваться с Ethereum в экосистеме смарт-контрактов и не стал «крутить» рынок вычислительной мощности вместе с Bittensor. Они нацелились на более базовую — и более головную боль — проблему: право собственности на обучающие данные ИИ и их атрибуцию.
Насколько же искажена сейчас модель работы интернета?
Пользователи каждый день генерируют огромные объемы данных: твиты, загружаемые фото, написанные комментарии, поисковые запросы. Платформы бесплатно забирают всё это, компании по обучению ИИ подбирают данные, обучают модель стоимостью в десятки или даже сотни миллиардов, а затем монетизируют. На всем этом конвейере реальные вкладчики данных не получают ни цента — и даже не имеют права знать, как именно использовали их материалы.
Я вижу, как те AI-компании судятся с медиагигантами, художниками и писателями за нарушение авторских прав. Скажу честно, внутри у меня это вызывает смешанные чувства. С одной стороны — кажется, что создателям нужно защищать свои права. С другой стороны — я понимаю, что логика «бесплатно забрали, упаковали для обучения, молча монетизировали» уже настолько укоренилась, что многим кажется само собой разумеющимся.
То, что хочет сделать OpenLedger, как раз — пролить свет на этот «черный ящик». Они называют это Proof of Attribution, то есть доказательством атрибуции. Переведу своими словами: сейчас обучение ИИ похоже на гигантский котел с огромным количеством ингредиентов, куда накинули несколько тысяч тонн. Насколько бы ни был «свежим» бульон, никто не знает, чьи именно «пельмени с сюрпризом» там были заброшены. OpenLedger хочет построить систему трекинга: когда ИИ снова использует какой-то конкретный «вкус», можно определить первоначального вкладчика и автоматически урегулировать вознаграждение через$OPEN .
Звучит немного похоже на YouTube Content ID: вы используете мои фрагменты видео — реклама автоматически делит доход со мной. Только OpenLedger нужно решать не задачу «видео-отпечатков», а токеновое сопоставление в обучении больших моделей.
Как ветеран, который написал немало кода, я особенно обратил внимание на одну деталь в их техническом маршруте, которую почти не рекламировали: чтобы повысить эффективность атрибуции для больших моделей, они используют токеновую атрибуцию на основе постфиксных массивов (Suffix Array). Этот подход не новый — даже немного старомодный. Но именно эта старомодность заставляет меня чувствовать, что им можно доверять. Параметров у больших моделей часто сотни миллиардов или даже тысячи миллиардов. И если при каждом инференсе пытаться заново сопоставлять все параметры целиком, то вычислительная стоимость и задержка напрямую могут «сломать» ончейн-среду. Идея постфиксных массивов такая: сначала сжать обучающий корпус в эффективные индексы, а когда модель выводит текст, на уровне токенов сопоставлять характерные особенности — по сути, искать в этой фразе конкретный шаблон и определять, в каком DataNet он часто встречается.
Пример: аптекарь в китайской медицине не исследует полную историю выращивания каждой травы — достаточно посмотреть на ярлык, чтобы определить место происхождения и партию. То, что делает постфиксный массив, по сути — навешивает на каждый «вкус» данных онлайно-проверяемый меточный ярлык.
Роль OPEN в этой системе тоже понятна: это топливо для клиринга, залога и верификации. Это не «воздух», созданный ради выпуска токена, а необходимая вещь, чтобы заработала вся сеть атрибуции: вы внесли данные — их использовали, получаете OPEN; вы хотите, чтобы модель запрашивала высококачественные данные — нужен залог$OPEN ; вы хотите, чтобы узлы проверяли, насколько атрибуция точна, — и здесь OPEN выступает стимулом.
На ранней стадии проект привлек примерно 8 миллионов долларов от инфраструктурных фондов вроде Polychain Capital. Почему меня это интересует? Потому что такие фонды обычно предпочитают долгосрочные, «твердокаменные» инфраструктурные решения, а не сюжетные проекты, где нужен лишь всплеск хайпа. Если они готовы вкладывать деньги, по крайней мере это означает, что технический путь — не полностью набор фантазий.
Но не стоит говорить слишком уверенно: хладный душ я могу вылить без проблем. Главный риск — старые болезни Web3: мусорные данные и атаки ради накрутки объемов.
Подумайте сами: как только атрибуция начнет приносить реальные деньги, неизбежно найдутся те, кто ринется туда. Редкие медицинские изображения действительно стоят целое состояние. Но смогу ли я с помощью скрипта сгенерировать 10 миллионов мусорных твитов, в каждый вставить варианты ключевых слов, а потом загрузить их в DataNet и ждать, пока их вызовут? Если алгоритм атрибуции не будет достаточно сильным фильтром качества, OPEN превратится в токен, стимулирующий распространение мусорных данных. Проект, вложив усилия, соберет себе «шведский стол», а в итоге все начнут приносить замороженные рыбные шарики в обмен на лобстеров.
Еще одна реальная проблема — бойкот со стороны крупных компаний. Если OpenLedger действительно превратит атрибуцию в отраслевой стандарт, то, скорее всего, больше всего пострадают не маленькие стартапы, а гиганты, которые сейчас кормят модели данными почти бесплатно. Как только каждый вызов будет требовать подтверждения источника данных и оплаты, расходы на обучение сразу взлетят. Тогда OPEN уже не будет просто практичным токеном — в каком-то смысле это станет «налогом на данные». Возникающая за этим конкуренция и споры гораздо сложнее, чем сама техническая реализация.
Рынок сейчас слишком суетлив. Каждый день появляются новые проекты «AI + Web3», и большинство из них написаны на PPT быстрее, чем код может реально запуститься. OpenLedger, по крайней мере, грызет грязную и тяжелую кость — проблему «черного ящика» права собственности на AI-данные. Даже если белые книги написаны отлично, в итоге все равно важна фактическая внедренность: высокочастотный инференс на миллионах узлов, синхронизация состояния, механизмы антифрода… Все это нужно проверять временем и на реальных сценариях.
Но в долгосрочной перспективе это уже выходит за рамки одного проекта или колебаний цены токена.
Кремний-умный интеллект в бешеном темпе пожирает опыт человека. Если у нас не будет базового протокола, который поможет обычным людям «прикрепить якорем» собственность на свои данные, то каждый клик, каждое нажатие клавиш и каждый оставленный след будут незаметно превращаться в бесплатное топливо для централизованных гигантов.
То, что делает OpenLedger, если сказать широко, — с помощью кода заново фиксировать следы человеческого творчества, чтобы их не смогли «бесплатно присвоить» до конца. Возможно, это лишь небольшое сопротивление, и, возможно, оно даже не увенчается успехом.
Но этому направлению действительно стоит присмотреться внимательно.
В конце концов, конкуренция в будущем ИИ может определяться не только тем, у кого больше размер модели и быстрее инференс, но и тем, кто держит в руках подлинный суверенитет над самыми редкими и качественными данными. (Эта статья — задание платформы и не является какой-либо инвестиционной рекомендацией.)