#OPG @OpenGradient $OPG
很長一段時間以來，區塊鏈應用一直將 AI 視爲一種外部依賴。

某個模型在鏈下運行，生成輸出，隨後該輸出被智能合約消費。問題在於，這種架構會造成信任鴻溝。用戶可以驗證交易，但卻不容易驗證支撐該交易的智能是如何被生成的。

讓我關注 OpenGradient 的 PIPE 架構的不在於 AI 本身，而在於它試圖將模型推理更靠近執行層。

如果模型推理成爲交易流程的一部分，而不是外部預言機式的響應，那麼就可能出現全新的應用類別。動態風險評估、可自適應的貸款參數，以及由 AI 驅動的市場邏輯，理論上都可以在與其所影響的資產相同的執行環境中運行。

經濟層面的影響也很有趣。如今，許多 DeFi 協議依賴靜態規則，因爲動態決策會引入額外的信任假設。原生 AI 執行可能讓協議在不必將智能外包給外部系統的情況下，更迅速地響應不斷變化的市場環境。

不過，我認爲真正的挑戰在於：在可驗證的約束下實現可組合性。

將用於數學可驗證輸出的 ZKML，與用於複雜推理的基於 TEE 的推理結合，聽起來很強大，但它也會在單筆交易中引入一系列不同的信任假設。隨着這些系統變得更復雜，理解哪些組件是無需信任（trustless）的，哪些組件只是被信任（trusted）的，可能會變得越來越重要。

更廣泛的問題是：鏈上 AI 主要是用來改進現有應用，還是會帶來全新的金融原語——這些原語僅憑確定性智能合約是無法構建的。

如果 AI 推理成爲區塊鏈執行的原生組成部分，哪個應用將創造最大的全新價值？🤔