Je viens de corriger quelques bugs dans mes contrats intelligents, prêt à prendre une tasse de thé, et je me fais bombarder par des récits grandioses sur les chaînes AI dans mon fil d'actualité. Surtout avec OpenGradient qui fait beaucoup de bruit récemment, où les influenceurs le présentent comme le nerf de la guerre pour la révolution des intelligences sur blockchain, prêt à mettre KO les géants du cloud Web2 et à botter le derrière des réseaux de calcul traditionnels. J'ai pris le temps de consulter leur documentation technique et de faire quelques tests, et je dois dire quelques vérités dérangeantes.
Le point central de ce projet est son architecture de calcul AI hétérogène innovante, mettant en avant un niveau de raisonnement vérifiable sur blockchain. En gros, ils apposent un tampon cryptographique sur les résultats générés par l'IA pour éviter les actes malveillants des nœuds, afin de résoudre le problème que les contrats intelligents ne peuvent pas directement appeler des modèles AI. L'idée touche effectivement un point sensible de l'industrie, mais quand j'ai réellement utilisé leur SDK Python pour connecter un modèle de prévision d'actifs basique, la réalité a été un véritable seau d'eau glacée. La lenteur de la réponse m'a même laissé perplexe. Pour forcer le consensus entre les nœuds distribués et réaliser ce qu'ils appellent l'isolement des calculs, tout le réseau a sacrifié une efficacité d'exécution extrêmement coûteuse. Cette latence élevée, dans des scénarios de liquidation DeFi où chaque seconde compte ou de tarification dynamique haute fréquence, est quasiment équivalente à l'inutilisable @OpenGradient #OPG .
Regardons ensuite leur Model Hub qu'ils vantent tant ; bien qu'il agrége de nombreux modèles open source, l'emballage est plutôt joli, mais en regardant les outils de réglage fins et la logique de recherche sous-jacente, il est évident pour un œil averti qu'il y a de nombreuses traces de bricolage. Par exemple, la partie recherche vectorielle, qui utilise beaucoup de composants de bibliothèques open source déjà existantes comme celles d'Alibaba. Ce type de micro-innovation qui consiste à peaufiner les roues des autres peut-il vraiment justifier une valorisation de plusieurs centaines de millions de dollars ? En comparaison, des vétérans comme Bittensor, bien qu'ils soient également critiqués pour leur efficacité, ont au moins réussi à établir un écosystème d'auto-équilibre relativement fermé sur le plan de l'incitation décentralisée. Et ces nouvelles chaînes AI exclusives, si elles ne parviennent pas à faire des percées dans le recrutement de nœuds sur serveurs bare metal, sans un véritable support de nœuds RPC à faible latence, finiront probablement par devenir une machine à liquidité avec une valorisation complètement diluée et faible dans les échanges $OPG ..
Dans ce marché où les histoires ne manquent pas mais où la liquidité fait défaut, il est plus prudent de prendre un siège et de voir comment ils vont dénouer le nœud entre efficacité et décentralisation.

Que penses-tu de ce secteur ? #特朗普宣布美国入股英特尔10%股权