團隊不是純商業背景講故事的類型。CEO Matthew Wang之前在Two Sigma做研究工程師,並有NASA、Meta、Google實習經歷。CTO Adam Balogh是Palantir AI平臺(AIP)的技術負責人。Two Sigma做量化,Palantir做政府和軍方大數據,這兩家出來的人對計算結果可信度近乎偏執。做可驗證AI,正是他們最擅長的。
去中心化 AI 喊了好幾年,一直有個死結沒解開——驗證。你調用一個鏈上 AI 模型,它吐了個結果,你怎麼知道這結果是模型真實算出來的,還是被人動過手腳的?傳統做法只能選擇“相信”,在 DeFi、交易策略這類場景裏,這等同於裸奔。
OpenGradient 的解法很漂亮,核心是混合 AI 計算架構,把“算”和“驗”徹底拆開。推理節點負責執行模型並生成可驗證的加密證明,全節點只負責驗證這些證明的密碼學有效性。翻譯成人話:AI 跑 AI 的,驗證跑驗證的,互不拖累。實測數據擺在那——7B 參數模型單次推理平均耗時 2.3 秒,其中證明生成只佔 410 毫秒,這個速度放在鏈上 AI 場景裏相當能打。
最近曝光的 x402 升級更讓我眼前一亮。他們把支付協議直接嵌入 TEE 可信執行環境,調用請求繞過所有中間層,直接路由到經過認證的 enclave。沒有中間商賺差價,更沒有中間商能篡改數據。對 AI Agent 這類需要高頻並行調用推理的應用來說,這是實打實的基礎設施紅利。
網絡數據也在驗證這套邏輯——超過 200 萬次可驗證推理、50 萬份零知識證明與 TEE 認證、4400 多個部署的 AI 模型,獨立錢包地址破 26 萬。全是開發者在上面跑出來的真東西。