在加密領域，AI面臨的最大問題不是智能，而是信任。#OPG
當一個AI代理執行DeFi交易、管理頭寸或做出協議決策時，用戶目前必須接受結果，而不知道幕後的情況。
到底哪個模型在運行？輸入是否被更改？輸出是來自模型，還是其他地方？
這是一個在以驗證爲基礎的領域中存在的重大缺口。
OpenGradient的方案專注於通過將AI執行與AI驗證分開來解決這個問題。
一個普通的區塊鏈通過讓驗證者重複計算以達成共識來工作。這對於交易是有效的，但將這個理念擴展到大型AI模型意味着每個驗證者都要一次又一次地運行昂貴的模型推理。成本不斷增加，卻沒有增加有意義的價值。
相反，OpenGradient將過程分開。
一部分處理AI執行並快速交付結果。另一層創建加密證據，顯示哪個模型運行了，處理了哪些輸入，以及在記錄之前結果是否被更改。
一個簡單的例子：想象一個DeFi借貸協議使用AI模型來計算借款風險。如果沒有驗證，用戶只能信任操作員。通過可驗證的AI基礎設施，系統可以證明特定模型處理了特定數據併產生了該結果。
有趣的是速度與信任之間的平衡。
零知識證明提供強有力的保證，但對於大型模型仍然昂貴。受信執行環境通過基於硬件的證明提供更快的驗證。不同的工作負載可以選擇不同的安全級別。
OpenGradient正在探索Web3中AI採用的重要缺失層：不僅讓AI具備能力，還讓AI承擔責任。
@OpenGradient #opg $OPG
當一個AI代理執行DeFi交易、管理頭寸或做出協議決策時，用戶目前必須接受結果，而不知道幕後的情況。
到底哪個模型在運行？輸入是否被更改？輸出是來自模型，還是其他地方？
這是一個在以驗證爲基礎的領域中存在的重大缺口。
OpenGradient的方案專注於通過將AI執行與AI驗證分開來解決這個問題。
一個普通的區塊鏈通過讓驗證者重複計算以達成共識來工作。這對於交易是有效的，但將這個理念擴展到大型AI模型意味着每個驗證者都要一次又一次地運行昂貴的模型推理。成本不斷增加，卻沒有增加有意義的價值。
相反，OpenGradient將過程分開。
一部分處理AI執行並快速交付結果。另一層創建加密證據，顯示哪個模型運行了，處理了哪些輸入，以及在記錄之前結果是否被更改。
一個簡單的例子：想象一個DeFi借貸協議使用AI模型來計算借款風險。如果沒有驗證，用戶只能信任操作員。通過可驗證的AI基礎設施，系統可以證明特定模型處理了特定數據併產生了該結果。
有趣的是速度與信任之間的平衡。
零知識證明提供強有力的保證，但對於大型模型仍然昂貴。受信執行環境通過基於硬件的證明提供更快的驗證。不同的工作負載可以選擇不同的安全級別。
OpenGradient正在探索Web3中AI採用的重要缺失層：不僅讓AI具備能力，還讓AI承擔責任。
@OpenGradient #opg $OPG