Ajaz Ahmad11

DeFi 裏的 AI 代理讓我又興奮又緊張，我覺得這纔是正確的反應。

興奮部分很明顯。能夠自動對衝/再平衡投資組合、管理金庫倉位、執行治理投票、處理收益策略——而且不需要有人每一次都手動點“確認”。這確實很有力量，效率提升也是真實存在的。

緊張部分則是讓我夜不能寐的原因。因爲一個在鏈上運行、而沒有足夠護欄的 AI 代理，並不只是比人類更快地做決定。它可能會比人類更快地產生潛在災難性的決策。被攻破的代理、幻覺模型、代理在任何人實際上都未授權的範圍之外執行——這些都不再是假設性的風險了。它們會在任何人察覺出問題之前，就把一個金庫“掏空”。

這也是爲什麼 Newton Protocol 的時序/執行機制對我來說很重要。Newton 正在構建的策略層位於“代理的意圖”和“實際執行”之間。在任何一筆交易完成結算之前，它都會先根據有人刻意定義的規則進行檢查——也就是這個代理被允許做什麼、最多可以移動多少、它可以和誰進行交易。超出這些邊界，就不會通過這筆交易。不會被標記等待人工複覈。它就不會通過。

隨着 Mainnet Beta 已上線，這種強制執行現在就是真實發生的，而不是停留在理論層面。

AI 代理可以讓 DeFi 變得更安全。但前提是它們周圍需要有正確的基礎設施。@NewtonProtocol $NEWT #Newt

這個問題一直困擾着我，時間比我願意承認的更久。

如果你想在鏈上做合規——實際上去核驗一個錢包是否被制裁、用戶是否已通過 KYC、某筆交易是否滿足某些監管要求——你就需要證據。但證據意味着數據。而在公開區塊鏈上的數據意味着：任何人、任何地方、永遠都能讀取它。

那麼，如何在不把公開賬本變成每個人個人信息數據庫的情況下，真正做到合規呢？在一段時間裏，我確實沒有一個令人滿意的答案。

Newton Protocol 的做法是我遇到的第一種方案，它真正把我腦海裏的問題解決了，而不是敷衍地帶過。

關鍵在於——在 Newton 上鍊的從來都不是實際的敏感數據。不是你的姓名，也不是你的文件，更不是你的 KYC 細節。寫入鏈上的只是一個加密哈希。可以理解爲一種“指紋”。它證明驗證確實發生了，以及結果是什麼；但它絕對不會告訴你任何關於該人或其背後信息的內容。真正的評估發生在鏈下，由 Newton 的運營商網絡完成；唯一公開的記錄是證明（attestation）——證明這項檢查確實正確運行。

因此，你能獲得完整的可驗證性，同時又不會暴露全部信息。不是因爲有人承諾會保護你的數據。而是因爲這種架構讓暴露在結構上根本不可能。

這種區別對我來說非常重要。承諾可能會被打破。數學不會撒謊。

主網 Beta 已上線。此刻就是實時運行。

@NewtonProtocol $NEWT #Newt

坦白說，當我第一次在 Newton Protocol 的文檔裏看到諸如“policies（策略）”、“intents（意圖）”、“tasks（任務）”和“attestations（證明/認證）”這類詞時，我的眼睛有點發直。聽起來就像企業話術。但當我真的慢下來，把每一部分在做什麼理清楚之後，才很快就明白過來了。

所以我現在是這樣理解的。

意圖（intent）本質上就是你想要做的事情。發送資金、執行交易、移動抵押品——這些都是意圖。策略（policy）就是決定你的意圖是否被允許的規則手冊。比如：支出額度限制、制裁審查、欺詐過濾等。任務（task）則是當 Newton 的運營者網絡真正接收到這個意圖，並把它依據策略執行/評估時所發生的事情。認證（attestation）是網絡爲了確認評估確實正確完成而生成的加密證明。

因此整體流程是：你想做某件事，Newton 會先檢查是否被允許；網絡會證明它確實執行了這項檢查；只有在那之後，交易纔會繼續。

我欣賞這個設計的一點是：每一步都會留下可驗證的記錄。沒有人會靠誰“口頭說了算”來讓你相信。認證就是那張收據。

如今 Mainnet Beta 已經上線，這套架構正在生產環境中運行。不再只是概念。

@NewtonProtocol $NEWT #Newt

當我第一次進入 Newton Protocol 時，我不斷追問自己一個問題——好吧，但到底是誰在做驗證？如果你是在交易尚未結算之前就根據策略進行檢查，那麼一定有某個東西在運行這些檢查。而這個東西必須是可信的。

答案是 EigenLayer AVS。等我弄明白它是怎麼運作的，我對整個模式就放心多了。

用最簡單的話來說：EigenLayer 讓那些已經在爲以太坊提供安全保障的驗證者，把同一份質押的 ETH 用到其他網絡上。Newton 以一種“主動驗證服務”（Actively Validated Service）的形式接入，這意味着它的運營者網絡由真實的以太坊再質押（restaking）支撐。這些運營者會根據策略評估交易，然後生成 BLS 證明——也就是證明檢查確實被正確執行的加密證明。

這在實踐中意味着：Newton 不需要從零開始自己構建驗證者集合，也不需要讓你去信任某種沒人聽說過的新共識機制。它是在借用加密領域裏最經受戰火考驗的安全性。正是同樣那份用於保障以太坊的經濟權重，使得 Newton 的策略決策更具可信度。

隨着主網 Beta 已上線，以及面向開發者的 VaultKit 已推出，這套架構目前正在生產環境中運行，而不僅僅停留在紙面上。

這就是讓我覺得它與衆不同的原因。@NewtonProtocol $NEWT #Newt

我最近有了一個領悟，某種程度上改變了我對智能合約的思考方式。

我們通常把它們當作這些不可阻擋、無所不知的代碼。但在某些方面它們確實如此。可關鍵是——沒人真正談論的一點是：它們完全看不到自身小世界之外發生的任何事情。它們不知道發送資金的錢包是否已被制裁。它們不知道自己依賴的價格預言機是否剛剛被操縱。它們也不知道是否有某個 AI 代理正在做一個它絕不應該做的決定。合約不會提問。它只負責執行。

多年來，“解決方案”基本都是在前端加一個過濾器。在網站層面攔截壞人。在交易所側運行合規檢查。我明白爲什麼這會成爲默認做法——因爲這是最容易做到的事。但它總讓我覺得像是在把前門鎖上，卻把後面的窗戶大開着。因爲如果你跳過前端，直接去調用合約——而機器人、聚合器、AI 代理一直都在這麼做——那麼這些過濾器就根本毫無意義。

說真的，正是這一點把我引向了深入閱讀 Newton Protocol。因爲他們並不是在修補前端，而是把強制執行放進了交易本身。制裁檢查、花費限額、欺詐規則等策略，會在任何東西完成結算之前先被評估。而結果會附帶一個帶密碼學證明的憑證，用來證明這項檢查確實發生了。沒有人要求你去相信任何人的話。

主網 Beta 最近已上線。VaultKit SDK 現已可用。RedStone 的實時價格數據現在已接入策略引擎，因此風險檢查能夠基於準確且抗篡改的數據運行。

智能合約多年來一直“盲跑”。感覺像是終於有人爲此做了點什麼。

@NewtonProtocol $NEWT #Newt

我注意到一個關於人工智能公司的普遍現象：它們幾乎都從一個小而可信的實驗室開始。少數聰明的人在做一些令人印象深刻的事情，你之所以信任他們，是因爲——他們看起來確實知道自己在做什麼。問題在於，隨着公司規模擴大，這種信任並不會變得“更值得”，它只是變得“更自動”。當一家實驗室變得巨大且資金充足時，人們更是出於習慣而信任它，而不是真正基於他們已經覈實過的事實。

閱讀 @OpenGradient 時，我感覺他們在有意識地避免陷入這種模式。

目前，它仍然有點像可信實驗室：封閉內測、一個受控的節點集合、核心團隊在塑造整體架構。但它正在走向的方向不一樣。把 TEE 軟件開源，讓任何人都可以運行節點；把鏈上推理歷史公開，讓人們能夠真正覈查自己過去的請求；再建立一個註冊表，讓聲譽來自可見的實際履歷，而不只是品牌帶來的“信任”。

我認爲，這纔是他們真正想要的轉變。不是“讓你更不信任我們”，而是“你不需要再那麼信任我們”。OpenGradient Chat 已經在小範圍內實現了這種方式：你的隱私不是某種你在“期待公司會尊重”的東西，而是被加密內建在設計裏——不管你信不信任他們都一樣。

很多項目都會談到“有朝一日變得無需信任”。但真正把“如何走到那一步”講清楚的少之又少。這裏感覺像是少數真的有可行計劃的項目，而不僅僅是一句口號。

$OPG #OPG @OpenGradient

過去幾天我一直在深入研究 Newton Protocol，說實話，看的越多，對我來說就越“對上了”。

關鍵是——沒人談得足夠清楚的一點：智能合約基本上是在“盲跑”。它們當然能把代碼執行得分毫不差，但它們完全不知道對面這個錢包是否被制裁，價格數據源有沒有被操縱，或者從風控角度看，這筆交易是否本身就合理。我們一直在用前端過濾器和集中式 API 校驗去補這個洞，而老實說，這對我來說一直像是“臨時貼的創可貼”。

Newton 的做法不一樣，這也是吸引我注意的地方。它在鏈上作爲授權層運行，基於 EigenLayer 作爲一個 AVS，藉助以太坊的安全性來驗證鏈下發生的事情：制裁檢查、防欺詐、風險管理——等等。而且這不再是紙上談兵，Mainnet Beta 現在已經上線並在運行。

真正讓我眼前一亮的是他們隨之推出的 VaultKit SDK。開發者現在可以編寫真正可強制執行的規則——比如支出上限、抵押品要求、以及你被允許與誰進行交易——並在任何結算之前就完成檢查。然後還有與 RedStone 的聯動：價格預言機的數據可以直接喂入 Newton 的策略檢查中，這樣抵押規則就不再依賴過期或僞造的數據了。

我總會回到這個想法：合規不應該存在於任何人都能繞開的前端裏。它應該成爲交易本身的一部分。這就是 Newton 正在押注的方向，我也很好奇等未來更多協議接入後，它會如何落地。

從這裏繼續盯着 @NewtonProtocol 。$NEWT #Newt @NewtonProtocol

將核心基礎設施開源確實是一次非常有風險的舉措，而且我認爲當人們爲此歡呼時，並沒有足夠多人意識到這一點。

當 @OpenGradient open-sources TEE 節點軟件時，任何人都可以查看它、分叉它並運行它。目的就是如此。但這也意味着競爭對手可以精確研究它是如何工作的，惡意者可以探尋薄弱環節，而項目就會失去對其之上會構建什麼的直接控制。該領域的大多數公司之所以將核心執行層保持專有，正是因爲這些風險。

那爲什麼還要做呢？

坦誠的答案是，可驗證的 AI 基礎設施只有在確實有人能夠驗證的情況下才真正成立。你無法檢查的 TEE 節點並不“無信任”，它只是換成了另一方要求你信任。若 OpenGradient 希望開發者和代理能夠爲敏感計算依賴這個網絡，那麼架構就必須端到端可審計。開源節點軟件，才讓這一主張變成現實，而不是停留在理論上。

回報端同樣很重要。無許可的節點註冊意味着網絡可以在無需 OpenGradient 手動爲每一位運營者完成接入的情況下自行增長。由社區運營的節點能夠帶來更強的韌性、更廣泛的地域分佈，以及經審查抵抗能力——這些是一個精心挑選的節點列表無法比擬的。隨着底層節點網絡變得更難被控制或關閉，OpenGradient Chat 的隱私保障也會更強。

本質上的賭注可以概括爲：透明度所建立的信任，比起保密更能持久。這並不一定在所有行業都成立，但對那些正在要求人們通過它來處理敏感 AI 查詢的基礎設施來說，我認爲他們是對的。

$OPG #OPG @OpenGradient

老實說，只要有人提到某個項目的原生代幣，我以前就會聽着聽着就走神。它通常只是意味着“買這個來投機”，再隨便加上一點看起來很像那麼回事的用途。直到我真正追蹤了在 @OpenGradient 上發起一次真實推理請求時會發生什麼，我纔對 OPG 產生了懷疑的轉變。

事情是這樣的。

當開發者通過 SDK 發起一次 LLM 調用時，他們的錢包會自動用 OPG 來支付。不是通過後臺管理界面，也不是按月開賬單——而是就在請求發生的同一時刻，代幣完成對這筆交易的結算。x402 在這方面做得很到位，而且它的運作方式與 AI 計費通常的機制有着本質差異。這個代幣並不只是裝飾品——它就是讓“按次推理付費”成爲可能的具體機制，而且無需任何人類去批准。

不過讓我覺得更有意思的是結算模式。你可以爲了最大化隱私把一切都放在鏈下；或者如果你想要透明度，也可以讓聚合證明記錄到鏈上。之所以能做這種選擇，是因爲經濟層本身可以通過代幣來編程。

對自主 AI 代理來說，這一點非常關鍵。一個代理要自己管理計算預算、發起推理調用、完成付款，而且全程不需要人類介入——只有當支付層“說的語言”與網絡一致時纔行。$OPG 正是這種語言。

大多數代幣都在“爲願景融資”。而這個代幣正在實時基礎設施中運行。

$OPG #OPG @OpenGradient

很長一段時間，使用多個 AI 模型意味着需要維護多套集成：這裏放一個 OpenAI 密鑰，那裏配置一個 Anthropic，再爲 Google 單獨搭建工作流。每家提供商都有自己的一套 SDK、各自的認證方式和不同的怪癖。很快就會變得一團糟，並且會把你鎖死在你最初搭好的那家之上。

而 @OpenGradient 用它的 Python SDK 做的事情確實非常務實：一個統一的 API，可以在 OpenAI、Anthropic 和 Google 的模型之間進行路由，並支持實時流式傳輸和可配置的結算模式。你只需要編寫一次調用，然後選擇模型，而不是每次想嘗試新東西時都重新搭一遍你的技術棧。

不過，把它和其他聚合類工具區分開來的，是它底層發生的事情。請求並不只是簡單地轉發給誰家最便宜的那一方。它會經過經過驗證的 TEE 節點路由——這意味着無論由哪家提供商處理，每一次推理都會附帶可驗證的加密執行證明。結算還會通過 x402 並使用 $OPG 自動完成，因此支付被內建在請求流程裏，而不是需要通過發票或 API 計費看板另外管理。

這也直接連接到 OpenGradient Chat 在消費者端提供的能力。相同的多模型訪問：ChatGPT、Claude、Gemini 以及去限制的替代選項，都由一層隱私保護來加密——在任何內容離開你的設備之前就先加密。統一的訪問方式不僅僅是開發者的便利，它背後同樣是一套面向日常用戶的架構：讓人們想要直接得到答案，卻不必把自己的身份附着在問題上。

一個 SDK，所有主要模型，每次請求都經過驗證。這是 AI 訪問方式的一次真正有意義的轉變。

$OPG #OPG @OpenGradient

當我思考 AI 基礎設施時，我總會回到一個問題：單一平臺在多大程度上掌控着“有哪些模型存在、誰可以訪問它們、以及在沒有解釋的情況下會被移除什麼”。Hugging Face 在許多方面都非常出色，但它依然是一個集中式的把關者。只要發生一次政策變化、一次法律壓力、一次商業決策，模型就可能消失。

@OpenGradient 的 Model Hub 則建立在完全不同的理念之上。

它是一個去中心化的註冊表：任何人都可以在無需許可的情況下上傳、進行版本管理並管理 AI 模型。沒有審批流程，沒有中央權威決定什麼是被允許的。存儲層由 Walrus 這一去中心化存儲合作方提供，因此模型不會被託管在由單一公司控制的服務器上。訪問既可以通過 hub.opengradient.ai 的網頁界面，也可以通過直接的 SDK 集成實現——這意味着開發者可以把模型直接拉入自己的工作流，而不必繞過任何中間環節。

讓它不只是“存儲方案”的關鍵在於：它如何與網絡的其他部分連接。託管在 Hub 上的模型可以通過經過驗證的 TEE 節點運行推理——因此你不僅是在去中心化地存儲模型，同時還在用加密保證來說明它是如何被執行的。這種“抗審查託管 + 可驗證執行”的組合，是集中式註冊表在結構上無法提供的。

對於開源 AI 來說，這一點尤爲重要。那些接觸敏感研究領域的模型，或在主流敘事之外運行的模型，需要的是無法被悄無聲息地移除的基礎設施。OpenGradient Chat 同樣基於這一底座運行：它通過一個從設計上就內建隱私與可驗證性的系統來提供模型訪問，而不是把這些能力事後“加裝”進去。

$OPG #OPG @OpenGradient

我過去一直以爲，“加密”意味着我的數據在某個服務器上是安全的。我花了一段時間才意識到，大多數 AI 平臺會對傳輸過程進行加密，但在數據到達它們的服務器時立刻解密。到了那時，你的提示詞就以明文形式在那裏了，平臺可直接讀取、可被記錄、可能與您的賬號綁定，而且只要發生一次數據泄露，就可能被暴露。

@OpenGradient Chat 做的事情是真正不同的，而且值得理解爲什麼它很重要。

加密發生在你的設備上：在提示詞離開瀏覽器之前就已完成。執行加密的密鑰也從不離開你的設備。因此，當你的消息在互聯網上傳輸時，它已經是密文了。沒有任何人在傳輸途中攔截就能讀取它。但更重要的是，即使是 OpenGradient 自己的服務器也從未看到過你的明文提示詞。

隨後，它會通過一種“不可見”的 HTTP 中繼進行路由，該中繼會把你的 IP 地址與消息內容分離。中繼知道你是誰，但不知道你問了什麼；下游網關看得到你問了什麼，但不知道你是誰。鏈路中的任何單一環節都同時擁有這兩部分信息。

最後，它在一個 TEE（可信執行環境）中進行處理，解密只在硬件隔離的計算環境中發生。平臺本身無法讀取在其中運行的內容。

大多數人並不意識到這種架構有多罕見。幾乎所有其他 AI 產品都會在接收時解密你的數據，並要求你信任它們的隱私政策。OpenGradient Chat 通過設計讓“信任”變得不再必要。

$OPG #OPG @OpenGradient

我注意到OpenGradient的路線圖不僅僅是一個功能列表。它更像是一個精心設計的序列，每一步都解鎖下一步，這一點值得關注。

目前的進展：@OpenGradient 有一個可用的Python SDK，通過經過驗證的TEE節點進行實時LLM推理，x402支付結算，OpenGradient Chat已經在運行，併爲日常用戶提供硬件級隱私保護。這並不是一份白皮書的承諾。這是正在運行的基礎設施。

接下來要來的是更有趣的部分。開源TEE節點軟件意味着任何人都可以無權限註冊節點，而不僅僅是經過批准的操作員。鏈上推理歷史意味着用戶將能夠瀏覽和審計他們自己過去的請求。擴展的節點註冊表包含性能指標和聲譽信號，這意味着網絡開始在基礎設施層面建立真正的問責制。

這些在紙面上看起來都是漸進性的，但它們實際上是結構性的變化。從一個受管控的節點集轉變爲一個無權限的節點集改變了誰控制網絡。從私人推理轉變爲可瀏覽的鏈上歷史改變了AI輸出的問責制。這些不是功能，而是權力和信任在系統中分配方式的轉變。

大多數AI基礎設施項目都是從開放開始，然後隨着規模擴大逐漸集中。OpenGradient似乎正在反向執行這個策略，從受控開始，證明架構有效，然後逐層開放。

這是一條較慢的道路，但可能是一條更誠實的道路。

$OPG #OPG @OpenGradient

"無信任"這個詞在加密貨幣領域被提得很多，老實說，在某個階段我對它失去了理解。但深入研究@OpenGradient 的實際運作讓我對這個詞在正確使用時應該意味着什麼有了更清晰的認識。

無信任並不意味着你不信任任何人。它意味着你不必信任任何單一方的說法，因爲系統本身提供了可驗證的證明。這是一個重要的區別。

在OpenGradient的架構中，這種情況在每一層都得以體現。當你發出推斷請求時，SDK會從鏈上註冊表中提取一個節點，而不是從某個手動維護的精選列表中提取。計算在TEE內部運行，硬件強制隔離，因此即使節點操作員想篡改也做不到。輸出伴隨着加密證明，證明正確的模型正確運行。付款通過x402自動結算。中間沒有任何公司爲其擔保。

OpenGradient Chat是這個最清晰的日常例子。你的提示在設備上被加密，通過一箇中繼進行路由，將你的身份與內容分開，並在經過認證的TEE內部處理。隱私保證不是來自隱私政策，而是來自數學和硬件。

如今大多數AI產品都在要求你對機構給予信任。OpenGradient正在構建一個用證明替代信任的東西。這纔是真正的無信任應該意味着的，而這比大多數人所意識到的要難得多。

$OPG #OPG @OpenGradient

直到最近，我才真正意識到我們對那些看不見的AI節點有多大的信任。當你向任何AI服務發送請求時，你是在假設處理該請求的節點運行了正確的模型，返回了誠實的輸出，並且在此過程中沒有悄悄地操控任何東西。大多數平臺對這一切究竟發生了什麼沒有任何透明度。

@OpenGradient 以不同的方式處理這個問題，這個機制值得了解。

在OpenGradient上，每次推理都在TEE（受信執行環境）內部運行，位於節點級別。TEE創建了一個密封的計算空間，模型在硬件強制隔離中運行。節點操作員自己無法更改內部運行的內容或讀取正在處理的提示。一旦計算完成，TEE會生成遠程證明，即加密簽名，證明特定代碼在特定硬件上運行而沒有干擾。

這個證明就是錨定在鏈上的內容。因此，與其信任節點的聲譽或公司的承諾，不如說網絡有實際證據證明推理是乾淨的。

這也是爲什麼OpenGradient Chat可以在架構級別而不是政策級別可信地聲稱隱私。提示在經過證明的TEE內部處理，這意味着保證不是寫在服務條款文檔中的，而是由硬件強制執行的。

當無權限節點註冊開放時，這種抗篡改的特性將在網絡中的每個節點上擴展。這可不是小事。

$OPG #OPG @OpenGradient