傳統的智能合約只會進行加減運算、檢查條件、轉移代幣，這些簡單的計算都是以太坊虛擬機能夠處理的。如果想要使用AI，合約必須依賴一個oracle來調用外部，獲取已經在某處運行的模型結果，然後再帶回來。這會有一個延遲，一層值得信賴的中介插入其中。
OpenGradient選擇刪除這一中介層，以進行ML推理。透過PIPE，執行ML的引擎在鏈上運行，而NeuroML則是一個幫助合約調用AI模型的Solidity框架，這樣一個智能合約可以直接調用模型以獲取推理結果，並且在同一筆鏈上交易中自然處理支付，而不需要推送到外部再等著回來。
這一決定開啟了有趣的可能性：一個基金管理合約可以在資產配置的邏輯中自動調用風險預測模型，而不需任何中介的off-chain步驟。但代價也顯而易見。合約現在依賴於推理節點是否能在交易需要的時候準備好服務，而調用AI模型的成本成為交易的一部分成本，已經不再是像普通的加減運算那樣便宜了。
OpenGradient下賭注認為將AI推理直接融入合約邏輯的價值超過了依賴額外推理基礎設施的風險。這是一個模糊了鏈上僵硬代碼與本來在鏈外運行的AI之間界限的步伐，而這條界限是大多數其他Web3應用仍在努力試圖通過oracle搭建橋樑的，但尚未敢直接融入單一交易中。
@OpenGradient $OPG #opg
OpenGradient選擇刪除這一中介層，以進行ML推理。透過PIPE，執行ML的引擎在鏈上運行，而NeuroML則是一個幫助合約調用AI模型的Solidity框架，這樣一個智能合約可以直接調用模型以獲取推理結果，並且在同一筆鏈上交易中自然處理支付，而不需要推送到外部再等著回來。
這一決定開啟了有趣的可能性：一個基金管理合約可以在資產配置的邏輯中自動調用風險預測模型，而不需任何中介的off-chain步驟。但代價也顯而易見。合約現在依賴於推理節點是否能在交易需要的時候準備好服務，而調用AI模型的成本成為交易的一部分成本，已經不再是像普通的加減運算那樣便宜了。
OpenGradient下賭注認為將AI推理直接融入合約邏輯的價值超過了依賴額外推理基礎設施的風險。這是一個模糊了鏈上僵硬代碼與本來在鏈外運行的AI之間界限的步伐，而這條界限是大多數其他Web3應用仍在努力試圖通過oracle搭建橋樑的，但尚未敢直接融入單一交易中。
@OpenGradient $OPG #opg