La semaine dernière, un ami m'a parlé du produit IA qu'il est en train de construire.
Il voulait tout vérifier sur la blockchain. Chaque inférence, chaque sortie, avec la preuve la plus solide possible.
J'ai demandé : « Y a-t-il quelque chose sur cette liste que tu as décidé de ne pas vérifier de cette manière ? »
Il est resté silencieux.
Ça pourrait être l'une des questions les plus difficiles dans AI x crypto.
La plupart des projets IA-blockchain échouent non pas parce que la cryptographie est incorrecte. Ils échouent parce qu'ils vérifient tout de la même manière, jusqu'à ce que rien ne fonctionne assez rapidement pour être réellement utilisé — et à ce moment-là, personne ne remarque que ça s'est produit.
C'est pourquoi je trouve l'architecture HACA @OpenGradient intéressante.
Les preuves à connaissance nulle en sont un exemple. Une preuve ZKML peut être de 1 000 à 10 000 fois plus lente que l'exécution du modèle — une propriété de la cryptographie, pas quelque chose qu'OpenGradient peut optimiser.
Au lieu de cela, ils se concentrent sur ce qu'ils contrôlent : la spécialisation des nœuds HACA, le spectre de vérification TEE/ZKML, la passerelle x402, MemSync, et le Hub de Modèle.
Cela ressemble à un compromis au départ. Mais c'est la discipline la plus difficile : savoir quelles parties doivent vraiment être sans confiance, au lieu de se fier à ce qui semble le plus impressionnant.
La retenue ne garantit pas l'adoption. Mais la plupart des échecs IA-crypto ne provenaient pas d'une cryptographie faible — ils provenaient du fait d'avoir rendu tout maximally trustless jusqu'à ce que ce soit trop lent pour construire.
C'est la même chose avec l'investissement. Nous sommes attirés par tout ce qui semble techniquement maximal. Mais le plus grand risque est de soutenir une équipe qui n'a pas encore trouvé cette ligne.
Peut-être que c'est ce qu'OpenGradient teste vraiment avec HACA. Pas s'ils peuvent vérifier plus — mais s'ils savent exactement ce qui en a besoin.
Tout le monde appelle ça un jeu d'infrastructure AI.
C'est le mauvais cadre.
L'infrastructure, c'est la capacité. OpenGradient ne vend pas de capacité. Il vend de la vérifiabilité.
Chaque appel d'inférence produit une preuve cryptographique. Le modèle a tourné. Le résultat est correct. Enregistré sur la blockchain.
Cela compte dans des endroits spécifiques — Des contrats intelligents réagissant aux sorties AI. Des agents autonomes qui ont besoin de décisions auditables. Des protocoles qui ne peuvent pas faire confiance à une API centralisée.
C'est un marché plus petit que "tous les calculs AI". C'est aussi un marché que personne d'autre n'a encore exploité.
2M d'inférences avant le TGE. 500K preuves vérifiées. 2 000 modèles en ligne. Des applis déjà en production. 9,5M$ de a16z, Coinbase Ventures. 12 mois de blocage avant que les insiders puissent bouger l'offre.
$OPG lancé à 0,48 $ en avril. ATL la semaine dernière.
Je pensais que le pari sur l'infrastructure AI était lié à la croissance du calcul.
Maintenant, je pense que le pari ici est plus étroit et spécifique : La vérifiabilité de l'AI sur la chaîne devient-elle une exigence, pas une fonctionnalité ?
Si oui — OpenGradient est en avance dans une catégorie peu fréquentée. Si non — c'est un produit bien construit pour un petit marché.
Je pensais que le restaking multi-actifs était surtout un jeu de distribution pour des protocoles comme $BR .
Plus d'actifs supportés = audience plus large. Simple.
Cette hypothèse semble incomplète maintenant.
J'ai vu plusieurs protocoles de restaking se lancer avec un large soutien d'actifs au début... mais finalement, le même problème est apparu. Le capital a afflué pendant les périodes d'incitation, puis s'est discrètement retiré au moment où les rendements étaient compressés ailleurs. La liste des actifs s'est agrandie. Le capital stable ne l'a pas été.
Pas de réelle utilité inter-actifs. Pas de raison de rester en mode composé. Pas d'économie se formant sous le rendement.
Alors maintenant, je regarde autre chose.
Interconnexion.
Pas le genre technique — le genre économique.
Est-ce que soutenir plusieurs actifs crée réellement des relations entre eux à l'intérieur du protocole ? Le comportement des restakers BTC affecte-t-il les résultats des restakers ETH de manière significative ? Le système peut-il construire une interdépendance entre les actifs, pas juste les héberger côte à côte ?
Parce qu'en l'absence d'interconnexion, le soutien multi-actifs n'est qu'une liste de fonctionnalités.
Et sans une économie se formant en dessous, le restaking reste un produit de rendement au lieu de devenir une infrastructure.
C'est la couche que je commence à surveiller de plus près avec $BR .
Pas assez pour l'appeler résolu. Mais assez pour rester intéressé.
Je l'aborde toujours avec précaution.
Je regarde juste si les actifs à l'intérieur commencent à interagir… n'ont pas juste à coexister.
Honnêtement, je pensais que le plus grand risque avec l'IA était de se tromper.
Parier sur le mauvais modèle.
La mauvaise architecture.
La mauvaise approche.
C'est simple.
Mais plus je regarde le secteur, plus je pense que le plus grand risque est d'avoir raison trop tôt.
Parce que l'IA évolue à travers des phases.
Une idée peut être correcte…
et pourtant échouer à créer de la valeur si le marché n'est pas prêt.
Nous avons vu cela se produire à maintes reprises dans la technologie.
De bonnes idées arrivent avant que l'écosystème existe pour les soutenir.
Puis des années plus tard, quelqu'un d'autre exécute la même idée dans de meilleures conditions et capture la plupart de la valeur.
C'est pourquoi j'ai commencé à prêter plus attention au timing qu'aux prédictions.
Avoir raison compte.
Mais avoir raison au bon moment compte encore plus.
C'est en partie pourquoi je continue à surveiller $GENIUS .
Non pas parce que je sais exactement comment évolue le paysage de l'IA.
Mais parce que dans des marchés à évolution rapide, la survie appartient souvent à des projets qui restent pertinents assez longtemps pour que leur thèse devienne évidente.
Et ces projets ne sont pas toujours les mêmes que ceux qui ont vu cela en premier.
Mais après avoir observé quelques cycles, j'ai commencé à prêter moins attention à ce qu'un réseau peut faire et plus à ce que les gens choisissent de construire dessus.
Cette distinction est importante.
Parce que les avantages technologiques s'estompent plus vite que la plupart des gens ne s'y attendent.
Ce qui a tendance à durer, c'est la confiance des builders.
La raison pour laquelle Bedrock continue d'attirer mon attention, c'est que la thèse semble moins axée sur le fait de gagner de l'attention et plus sur le fait de devenir une infrastructure fiable.
Ce n'est pas l'histoire la plus excitante.
Mais l'infrastructure ne gagne que très rarement en étant excitante.
Elle gagne quand les gens cessent de se demander si elle sera là demain.
Je considère toujours $BR comme un trade.
Je commence juste à penser que le véritable signal n'est pas la chaîne elle-même — c'est de savoir si les builders continuent de la choisir quand personne ne regarde.
OpenLedger et le problème de construire pour un avenir qui n'est pas encore arrivé
Une chose que j'ai apprise dans le crypto, c'est que d'être en avance et d'avoir tort semble souvent identique pendant très longtemps. C'est ce qui rend $OPEN difficile pour moi d'y penser. Parce qu'OpenLedger donne l'impression de construire autour d'un avenir qui a du sens en théorie, mais qui n'est pas encore pleinement visible en pratique. Et c'est un endroit inconfortable où être. La plupart des marchés récompensent la résolution des problèmes d'aujourd'hui. OpenLedger semble se concentrer sur les problèmes de demain. Propriété des résultats de l'IA. Coordination des contributeurs. Distribution de la valeur à travers les réseaux d'intelligence.