Tra i gadget, questo pigiama è il mio preferito, la qualità è davvero ottima! Fammi avere qualche altro gadget, magari qualcosa che posso portare in giro facilmente, ahah #币安周边大使
币安Binance华语
·
--
🎾 La quinta edizione #币安周边大使 è aperta alle iscrizioni
Il nuovo arena è in gioco! Questa volta è il tuo momento di brillare 🏌️♀️
Il tema sportivo di quest'edizione: "Pronti a scendere in campo!"
📸 Mostra il tuo merchandise Binance / outfit sportivi in diretta
🎬 Oppure crea un video di trasformazione sportiva AI relativo al giocatore numero 9
👉 点击填写表单, e porta #币安周边大使 e il tuo lavoro RT a questo post e seguici per partecipare
La settimana scorsa ho aiutato un amico che fa trading quantitativo, voleva verificare l'autenticità di un lotto di registrazioni di inferenze dei modelli. Ho passato due giorni a controllare i log, ma non sono riuscito a trovare nulla — le registrazioni delle chiamate possono essere modificate, le versioni dei modelli possono essere cambiate, puoi solo scegliere di fidarti o meno.
In quel momento ho realizzato che ciò che l'AI produce non è poi così importante; ciò che conta è su cosa basi la tua fiducia in essa.
OpenGradient fa esattamente questo: ribalta questa idea. La sua architettura HACA separa completamente esecuzione e verifica — i nodi di inferenza si occupano solo di eseguire i modelli e generare i risultati in millisecondi, mentre i nodi completi non ricalcolano, ma verificano solo se la prova crittografica è corretta. Non sembra niente di eccezionale, ma pochissimi sono in grado di farlo davvero sul mercato.
Fino al lancio della mainnet di aprile, la rete ha già ospitato oltre 2000 modelli, gestito oltre 2 milioni di inferenze verificabili e convalidato oltre 500.000 prove. Dietro ci sono 9,5 milioni di dollari di finanziamenti guidati da a16z crypto e Coinbase Ventures, con Binance e Upbit che sono entrati nel mercato. Questi numeri non sono esagerati, ma in un'infrastruttura decentralizzata di AI che è appena agli inizi, almeno dimostrano che non è un vuoto.
I metodi di verifica sono divisi in tre livelli: TEE si basa sulla fiducia nell'hardware SGX di Intel, sufficiente per l’uso quotidiano; ZKML utilizza prove matematiche, con un limite di sicurezza massimo ma anche il più alto ritardo; Vanilla si occupa delle situazioni a basso rischio autonomamente. Il white paper non ha promesso “assoluta sicurezza”, ma ha fornito un “menu di fiducia” — scegli se vuoi efficienza o sicurezza, la decisione è tua.
Ma i conti devono tornare. TEE dipende dalla fiducia nell'hardware di Intel, e SGX è stato colpito da attacchi tramite canali laterali diverse volte. Basare la sicurezza dell'AI verificabile su un firmware closed source di un produttore di chip è già di per sé un compromesso. ZKML è assolutamente sicuro ma lento — anche il team del progetto lo sa, forzare ZKML in scenari su larga scala rischia di bloccarlo.
La quantità totale di token è di 1 miliardo, dopo il TGE circolano circa 190 milioni di token. Il 21 giugno ci saranno circa 9,13 milioni di token della fondazione che si sbloccano, del valore di circa 1,62 milioni di dollari. L'offerta continua a crescere, mentre la domanda di inferenza a pagamento è ancora lontana dal raggiungere una scala significativa.
Credo nella direzione dell'AI verificabile. Ma la vera sfida in questo settore non è se la tecnologia può funzionare, ma se ci saranno persone disposte a pagare un premio per la parola “verificabile”. Quando inizierà a generare casi d'uso reali in scenari di audit dei contratti e gestione del rischio finanziario dove “senza verifica non ci si fida di usare”, solo allora si potrà fare un bilancio chiaro.
Ho pianto tutta la notte per aver venduto in fretta 10000! Da quando ho ricevuto quei 2 airdrop ante ieri, non ho più dormito bene; appena li ho presi, li ho subito venduti, e adesso il prezzo è schizzato in alto! Appena ho dato un'altra occhiata, mi è venuto da svenire, è partito come un razzo, ho perso due o tremila, probabilmente ho venduto in fretta airdrop per almeno 10000 in più!
Ora ho solo OPG che ho preso durante il TGE qualche tempo fa; stavo pensando di venderlo quando il prezzo è salito qualche giorno fa, ma ero troppo ingordo e adesso è tornato indietro! @OpenGradient Ma ho letto con attenzione il suo whitepaper e sono molto fiducioso nella sua tecnologia principale; utilizza un'architettura mista HACA per risolvere i maggiori problemi dell'AI on-chain: lentezza nei calcoli, costi elevati, impossibilità di verificare i risultati, ecc. $OPG In poche parole, separa i calcoli AI dalla verifica on-chain: l'utente fa una richiesta AI, riceve risultati in millisecondi nella zona sicura dell'hardware TEE e genera contemporaneamente un certificato hardware esclusivo, che viene poi inviato in modo asincrono alla blockchain per la verifica, senza dover rieseguire il modello su tutti i nodi della rete, riducendo direttamente i costi di calcolo on-chain. Inoltre, l'uso di OPG è molto pratico: pagamento delle commissioni per inferenze AI, distribuzione dei ricavi ai creatori di modelli, staking dei nodi per guadagnare ricompense, partecipazione alla governance della rete. Questo mi ha dato una forte determinazione a detenere a lungo! #OPG La mia opinione personale è che, anche se sono sempre sulla strada delle vendite affrettate, se riesco a tenere un token con potenziale, il ribaltamento è solo una questione di tempo, e OPG è la mia scelta più fiduciosa al momento!
团队出身确实硬。CEO Matthew Wang之前在Two Sigma做研究工程师,CTO Adam Balogh是Palantir AI平台前技术负责人。a16z crypto领投950万美元,Coinbase Ventures、SV Angel都在里面。4月21日主网在Base链上线,目前托管超4400个模型、处理超200万次推理、验证超50万份证明。6月15日Upbit也跟进了上线。
L'anno scorso ho aiutato una compagnia di amici a integrare un modulo AI per il risk management, è andato online e ha funzionato per due settimane, poi però sono sorti dei problemi. Durante il controllo, ho scoperto che il modello usato dall'altra parte non corrispondeva affatto a quello scritto nel contratto — ma nei log non c'era alcuna traccia, non potevi dimostrare che avessero "cambiato chip". Alla fine il servizio clienti ha alzato le mani: "Il modello è interno, non puoi vederlo."
In quel momento mi sono reso conto di una cosa: ciò che l'AI produce non è importante, ciò che conta è su che basi puoi fidarti di essa.
Questo è ciò che OpenGradient vuole risolvere.
La sua logica fondamentale non è complessa: esegue l'inferenza AI off-chain, trasmettendo solo la "prova crittografica" del risultato sulla blockchain. Puoi interpretarlo come — ogni volta che l'AI termina un calcolo, automaticamente ti fornisce una "certificazione di calcolo".
Il modo specifico in cui funziona è tramite un'architettura a strati chiamata HACA. In termini semplici: i nodi di inferenza si occupano di eseguire il modello e generare risultati, mentre i nodi completi si occupano solo di verificare se la prova crittografica è corretta. Le due cose sono separate, l'inferenza AI non deve essere eseguita sulla blockchain, quindi la velocità è simile a quella di ChatGPT; ma la verifica e la liquidazione rimangono on-chain, ogni calcolo può essere tracciato.
Il metodo di verifica è anche suddiviso in livelli. TEE si basa su garanzie hardware, con costi contenuti, adatto alla maggior parte degli scenari quotidiani; ZKML si basa su matematica per garantire la sicurezza, con il livello di sicurezza più alto, adatto a scenari estremamente sensibili come quelli medicali e finanziari. Gli sviluppatori possono scegliere in base alle necessità, senza dover usare metodi complessi per ogni situazione.
In definitiva, OpenGradient non è un altro progetto AI mascherato. È la base per tutte le applicazioni AI di livello superiore. Altri progetti si affrettano a lanciare token raccontando storie, mentre loro stanno costruendo le strade — rendendo il processo di calcolo dell'AI non più una black box. #opg $OPG @OpenGradient