Mikasa Yeager

我記得第一次允許一個機器人爲我管理一個小型的 DeFi 持倉。金額並不大，但它教給我的東西，遠超過任何一次盈利交易所能帶來的啓發。機器人按指令執行：進入資金池、調整敞口，並且行動速度比我自己快得多。但當市場條件發生變化時，我意識到真正的風險並不是速度。真正的風險在於權限。

自主金融並不是讓一個 AI 代理去“尋找收益”。那部分很容易。更難的問題是：在什麼條件下、針對哪些對手方，代理被允許做什麼？在資金移動之前，又由誰來驗證這項行動？

這正是 Newton Protocol 變得有趣的地方。它正在定位爲鏈上交易的授權層，使用可編程策略來實現諸如支出額度限制、合規檢查、欺詐預防以及 AI 代理護欄等功能。Newton 採用去中心化的策略引擎構建，並使用通過 EigenLayer AVS 設計來保障的運營者網絡。

用交易語言來說，這就像從“聽從指令的助手”，升級爲“直接嵌入執行流程的風控臺”。下一輪基礎設施競賽不會只靠最快的鏈或最聰明的代理來贏。贏的將是能夠讓自主資本流動、同時又不把每個錢包都變成無上限的潛在負債的系統。
$NEWT @NewtonProtocol #Newt
$ZKP $THE

去年春天的一天早上醒來，發現一臺再平衡機器人在一夜之間把我的 ETH 通過一個瀕臨清算的池子循環轉了出去。都是我的錯——我給了它完全密鑰訪問權限，沒有任何防護欄，只有盲目信任。那次 4 ETH 的教訓讓我明白：自動化金融裏真正的瓶頸並不是代理智能。是信任。

NEWΤ 正是圍繞這個缺口構建的。Newton 通過零知識證明和可信執行環境（TEEs）來強制執行你的規則，並將會話密鑰綁定到你定義的策略上，讓代理在不危及託管安全的前提下自主執行——每一步都可驗證、受約束且可撤銷。我的機器人災難在結構上本就不可能發生。

安全本身並不能創造價值。真正的問題是：這種信任如何變成一種經濟系統。如果自動代理要以機器速度管理資金，網絡就需要激勵機制，讓誠實行爲獲得獎勵，同時讓惡意行爲變得昂貴。

這就是所謂的“經濟引擎”。驗證者質押 NEWT 來保障網絡安全；而代理運營者則把 NEWT 作爲抵押投入——賺取費用的同時，如果發生不當行爲會面臨被懲罰的削減（slashing），被削減的資金會重新分配給受影響的用戶。再加上固定 10 億（1 billion）的供應、且沒有通脹型結構，需求增長將取決於真實的代理活動，而不是代幣排放。

我關注的一個小問題是：內部人和支持者的分配在 36 個月內歸屬（vesting），並設置 12 個月的歸屬懸崖（cliff），所以未來解鎖帶來的拋壓需要市場去消化。

我的判斷：機器速度的資本需要有人來給“信任”定價。NEWT 擁有這套架構。至於代理的規模是否會在鏈上出現，這就是整筆交易的關鍵。在此之前，它仍是一個論點，而不是現金流。相應地衡量倉位。
$NEWT @NewtonProtocol #Newt
$TLM $BREV

我記得在一場波動劇烈的市場交易結束後，和另一位交易者討論過 AI 代幣。每一個新項目都聲稱自己擁有最聰明的智能體或最快的模型，但我一直在追問一個不同的問題：是誰在構建讓 AI 能夠在鏈上安全運行的基礎設施？那次對話改變了我對這個板塊的評估方式。

牛頓協議之所以引人注目，不在於它只是創建另一個 AI 應用。它聚焦的是讓自主策略能夠在“最小信任”環境中執行的框架。這個差異聽起來或許不明顯，但在加密領域，基礎設施在歷史上往往能捕獲最大的長期價值。應用迭代更新得很快，而支撐它們的協議往往會成爲他人構建的地基。

當 AI 智能體開始管理投資組合、路由流動性、執行復雜的 DeFi 策略，並在多個協議之間進行交互時，它們需要的不僅是“智能”。它們需要可驗證的執行、透明的權限、安全的協同，以及可預期的結算。沒有這些層，AI 就會變成另一個黑盒子，要求用戶信任它的決策。

牛頓協議正在嘗試在大規模採用到來之前先解決這種協同問題。它並沒有用更響亮的敘事去爭奪關注，而是在開發智能金融代理未來可能依賴的“軌道”。如果去中心化 AI 繼續擴張，那麼那些能夠實現安全協同的項目，或許會和智能體本身一樣重要。這就是爲什麼我把牛頓協議看作的不是又一個 AI 代幣，而是爲下一代鏈上金融打造的基礎設施。
$NEWT @NewtonProtocol #Newt
$NFP $POND

我厭倦了加密領域裏“AI”這個詞。大多數所謂的AI不過是個帶着代幣的聊天機器人封裝。所以我走進 Newton Protocol，本以爲會是同樣的東西，結果卻真的被驚到了。

差別在於他們一直在強調的那個詞：可驗證（verifiable）。大多數AI代理讓你去信任黑盒。Newton 的整套架構就是爲了讓你不必信任。代理運行在可信執行環境中，會證明代碼確實按其聲明的方式運行；而零知識證明則確認每一次行動都嚴格遵循你的規則——每一個決策都能在鏈上審計。

真正打動我的是理解其實際流程。你的交易意圖會交給 AVS 任務管理器，隨後被廣播給操作員（operators）。他們會依據用 Rego 編寫的策略對其進行驗證；接着把他們的簽名聚合成一個 BLS 簽名，之後纔會提交到鏈上。鏈下計算、鏈上問責。這就是他們的核心主張。

由 Magic Labs 構建——也就是嵌入式錢包團隊，已爲數百萬用戶完成過接入——所以它不像是個週末隨手做的項目。

我一直在 Mainnet Beta 上運行一個自適應收益（adaptive yield）代理。它會根據實時 APY 和風險在各個協議之間重新分配。第一次看到那份加密憑證，清楚地證明“它爲何要做出這個動作”，某種東西就改變了。我並不是在信任一個機器人。我是在閱讀一份證明。

在一個充滿“相信我（trust me）”的空間裏，Newton 的話術是“驗證我（verify me）”。被坑得足夠多之後，這纔是我願意聽的那種話術。
$NEWT @NewtonProtocol #Newt
$RIF
$CAP
#SamsungSKHynixSharesRiseYTD #DowHitsRecordClose #YenHitsFourDecadeLowVsDollar #SupremeCourtBlocksTrumpFromRemovingFedCook

吸引我注意 OpenGradient 的並不是那套隱私宣傳。

而是它如何把合規的數學寫清楚。

多數公司處理合規就像在過 TSA 檢查站：不停地稽核、審閱文件，並反覆驗證所帶來的成本都被用來證明規則確實有被遵循。

我原以為 AI 法規只會再往那座堆疊上添上一層。

但深入了解後，我看到的是完全不同的東西。

真正令人著迷的並不是隱私本身。

而是「合規壓縮」（Compliance Compression）：把從稽核系統做了什麼，轉為驗證它保證了什麼。

OpenGradient 倚賴可信執行環境（Trusted Execution Environments）與密碼學的驗證憑證，指向一個世界：合規不再由外部去追查，而是被直接內建到基礎設施之中。

這會改變誘因。合規團隊不再耗費大量精力去挖掘過去行為，而是把更多能量用在確認架構能夠撐得住。

關鍵在於它很安靜。以設計驅動的合規（Compliance-by-design）會移除操作上的摩擦，但也會把所有信任集中到驗證框架本身。

看起來像是合規負擔更輕了，其實可能只是信任邊界被移到了別的地方。

如果採購開始重視密碼學證明，而不是一疊又一疊的政策文件，那麼 AI 的真正優勢可能就不再取決於模型有多強。

而是取決於誰能把信任變得可驗證，而不只是可稽核。

仍然存在的疑問是：當驗證成為基礎設施後，合規真的會變得更便宜，還是信任只是變成另一種需要銷售的產品？

$OPG @OpenGradient #OPG
$AGLD
$VELVET
#TradebStocks #USStocksFirstOutflowSinceMarch #AppleFalls6.1% #KoreaActivatesSidecarAsKOSPI200FuturesFall5%

我一直在想一個問題：使用 OpenGradient 時，不把開發者鎖定到單一的驗證方式——這一選擇爲什麼比表面上看起來更重要。

他們提供三種模式。ZKML 提供數學上可保證的證明：某個特定模型確實產生了某個特定輸出。這是可能提供的最強保證。但代價很明顯：ZKML 的運行速度比標準執行慢 1,000 到 10,000 倍，而且只適合規模較小、邊界清晰的 ML 模型。對於 DeFi 風險計算，或任何會對鏈上財務產生直接後果的輸出，這樣的開銷是可以接受的。可如果是 LLM 聊天機器人，這就完全不現實。

TEE（可信執行環境）提供硬件證明（attestation）。隔離區會證明它運行了已批准且未被篡改的代碼，並且這份證明會以幾乎可以忽略的開銷被鏈上驗證。默認情況下，OpenGradient 上的所有 LLM 推理都會通過 TEE 節點進行。並且包含隱私保護——節點運營者無法看到你的提示，因爲推理是在隔離區內部執行的。

原生（Vanilla）推理是標準執行，並進行基礎的簽名驗證：不提供正確執行的證明，也不會帶來額外開銷。更適合大型生成模型、原型開發，或那些在給定風險等級下，密碼學驗證成本反而超過其價值的工作負載。

開發者還可以在單筆交易內混合使用不同模式——例如：對一個模型調用使用 TEE，對另一個模型調用使用 ZKML——取決於每一次推理在下游用途是什麼。

這種設計也承認：不同的 AI 工作負載有不同的信任需求。強行要求所有地方都使用同一種方法，要麼會破壞速度，要麼會破壞實用性。這樣一來，網絡就能在現實中同時服務從聊天機器人到可審計的鏈上智能體決策等各種場景，而且無需妥協。
$OPG @OpenGradient #OPG
$IDOL
$HEI

每個人都誤解了OpenGradient的S2空投

決定S2 OPG資格的唯一因素是你在OpenGradient Chat中實際支付並燃燒的積分。

Token袋不算。測試網耕作不算。參與治理也不算。

說出“空投”，大家想到的都是一個體量遊戲。多磨練，多賺錢。

這次的畫面錯誤。

看看這些事情通常是如何運作的。他們會發放獎勵給那些模仿實際使用的行爲，但從不堅持這一點。你在三十秒內發出一個測試網交易。你停放流動性，等待快照，然後再拉回來。你對一個沒有人打開的提案投票。

@OpenGradient 所做的就是強制實際支付，基於實際推理。口袋裏的錢，用於你實際操作的東西。

這悄悄篩選出了一個稀有的檔案：那些爲了使用產品而付費的人，而不知道空投是否值得這筆開支。

比我在這個週期追蹤的許多項目都清晰的經濟模式，老實說。

通常的耕作循環會產生虛假的活動，一旦快照關閉就會消亡。TVL上漲，然後清空。錢包數量膨脹，然後又變得空虛。你只剩下盯着描述無物的數字。

讓人們付費參與，底層就會改變。真實的美元，而不是免費的測試網燃料。

我唯一的顧慮是規模。

付費使用作爲門檻，確實在削減噪音。

它也削減了人羣。

在S2快照上10,000個付費用戶？這是真正的市場信號。

幾百個？設計仍然有效——但牽引力還不夠。

這個差距就是聰明機制與真正產品之間的全部差異。
$OPG @OpenGradient #OPG
$SLX
$BAS

我去尋找OpenGradient背後的實際引擎——這個部分將“提交了證明”變成“這現在是永久真實的”。它基於CometBFT運行，瞭解這個選擇爲何適合是值得的。

CometBFT是一個容錯拜占庭共識引擎，它爲Cosmos生態系統提供動力。這個技術棧將Cosmos SDK與EVM配對——因此你可以獲得Cosmos風格的BFT共識，同時保持EVM兼容。你用Solidity編寫，但在底層你得到的是快速終結的BFT，而不是概率性結算。

這個機制比工作量證明的“等待和希望”要乾淨得多。在給定高度決定每個區塊的過程發生在一個或多個輪次中，狀態依次轉變——提議、預投票、預提交、提交。驗證者提議一個區塊，分階段投票，一旦有足夠的共識，它就提交。完成。最終。

這正是我一直提到的“2/3+驗證者同意”步驟背後的機制。當一個推理證明被提交時，這就是將其認證爲永久記錄的過程。

爲什麼這個選擇對人工智能有意義？因爲異步證明結算需要清晰、快速的終結。你不想要一個“可能已確認”的證明，且可能在以後被重組。BFT共識提供了一個明確的界限：一旦提交，就結算。

這雖然是個不那麼光鮮的基礎，但卻是正確的選擇。快速終結，EVM的熟悉，經過實戰考驗的設計。

熱路徑之所以快速，是因爲鏈沒有參與其中。結算值得信賴，因爲當鏈介入時，它是決定性的。
$OPG @OpenGradient #OPG
$BEAT
$HEI

在仔細閱讀了文檔和白皮書後，我個人認爲OpenGradient的代幣經濟和激勵機制設計得相當周到。他們有固定的10億OPG供應量，分配清晰且有適當的解鎖計劃。該代幣用於支付推理費用，這應該是主要的需求驅動因素，同時也用於質押以保障網絡安全、治理以及在Hub上的模型變現。
他們從強大的投資者如a16z crypto和Coinbase Ventures籌集了資金，這說明一些嚴肅的團隊相信這個願景。我最喜歡的是他們專注於加速開源模型，同時使計算結果可驗證。這個無需許可的模型Hub允許任何人上傳模型並在被使用時獲得收益。結合他們爲代理提供的內存層，這可能成爲新一波去中心化AI應用的支柱。
雖然仍處於早期階段，但各個環節的結合相當不錯：快速推理、強大的可驗證性、隱私選項以及清晰的關注點分離。我在密切關注這個項目，因爲它的基礎設施感覺未來潛力巨大。
$OPG @OpenGradient #OPG
$SYN
$CLO

大多數區塊鏈做了一件美麗而愚蠢的事情：每個驗證者重新執行每一筆交易。這對於5美元的轉賬來說很好，但對於AI來說則是災難性的。

想象一下，1000個驗證者每個都要運行一個70B參數的LLM來“驗證”一次推理。成本是荒謬的，延遲更是糟糕。這根本行不通。

OpenGradient的解決方案是HACA——他們的混合AI計算架構——建立在我認爲確實聰明的兩個見解上。

首先：AI工作負載差異巨大。一個小型分類器和一個大型LLM需要完全不同的硬件。因此，HACA沒有強迫每個節點都做所有事情，而是將網絡分成專門的角色。推理節點運行模型，完整節點驗證證明，數據節點獲取可信的外部信息。存儲則在Walrus上鍊下進行。

第二點——也是我最喜歡的部分：你不需要重複工作來檢查它。你不需要重新運行一個模型來確認它運行正確。TEE證明確保了安全區沒有被篡改。ZKML證明提供了數學上的確定性。因此，驗證節點保持輕量——它們檢查證明，而不是運行模型。

結果是最聰明的一點：區塊鏈不在熱路徑上。你的請求直接發送到推理節點，運行並以web2的速度返回。沒有共識延遲。證明在之後的下一輪異步結算。

集中式AI的速度。加密的可審計性。這就是整個竅門。
$OPG @OpenGradient #OPG
$BTW $BICO

最近我花了一些時間研究AI基礎設施項目，其中一個引起我注意的是OpenGradient及其原生代幣OPG。

OpenGradient之所以讓我感興趣，是因為它不是在試圖成為「又一個AI代幣」。相反，它專注於AI領域的一個真正挑戰：如何讓AI計算透明、可驗證且去中心化。隨著AI在金融、遊戲和鏈上應用中的整合，對輸出的信任變得越來越重要。OpenGradient正在建立基礎設施，允許AI推理被驗證，而不是盲目信任。

OPG代幣位於這個生態系統的核心。它用於支付AI推理費用、質押以幫助保護網絡、參與治理以及激勵生態系統的增長。換句話說，這個代幣的實用性直接與網絡活動掛鈎，而不是僅僅存在於投機之中。

我覺得值得注意的另一個方面是代幣經濟學。擁有固定供應量的10億個代幣和為貢獻者及投資者設計的長期歸屬計劃，這個項目似乎是以多年的增長前景為目標，而不是短期的炒作周期。

當然，像任何早期階段的加密項目一樣，OpenGradient仍然面臨著採用和執行風險。OPG的成功最終將取決於開發者和企業是否真的選擇以規模使用網絡的AI驗證基礎設施。

對我來說，OpenGradient代表了兩個主要趨勢的有趣交集：AI和區塊鏈。雖然仍然早，但這絕對是一個我會繼續密切關注的項目，隨著去中心化AI領域的發展。

$OPG @OpenGradient #OPG
$BTW
$BICO

我一直在思考的一件事：

大多數加密投資者花時間問一個代幣能否上漲。

很少有人問這個代幣實際上在鼓勵什麼行爲。

這就是OPG對我來說有趣的原因。

當我觀察一個網絡時，我試圖理解它隨着時間吸引了什麼樣的參與者。交易員？農民？投機者？建設者？

每個代幣設計都會創造激勵，而激勵最終會塑造一個網絡的文化。

OPG突出的地方在於，它的未來似乎與開發者和AI應用程序的持續涌現和活動創造息息相關。這個代幣不僅僅是在爭奪關注。它還在爭奪相關性。

相關性比炒作要難得多。

敘事可以驅動一個代幣持續數週。

流動性可以驅動它數月。

但那些能存活下來的項目通常是那些足夠有用的人們即使在沒有人談論它們的時候也會與之互動的項目。

這就是我在這裏使用的視角。

不是“OPG能漲到多高？”

而是“OPG能否成爲生態系統實際需要的東西？”

這個問題的答案比下一個價格蠟燭更重要。$OPG @OpenGradient #OPG $RE
$SYN

我最近一直在思考OPG，但最引人注目的並不是AI的敘述。加密貨幣在AI敘述上可說是層出不窮。

更有趣的問題在於OpenGradient是否能將AI活動轉化為代幣需求。

許多項目首先發行代幣，然後花費數年時間尋找實用性。而OPG似乎是從相反的方向來進行的。這個網絡已經圍繞著模型部署、推理和可驗證的AI執行運行。該代幣旨在成為這些活動的核心。

這才是真正的考驗開始。

擁有一個與AI相關的代幣很簡單。但建立一個生態系統，讓開發者、用戶和應用程序不斷創造持有和使用該代幣的理由，則要困難得多。

我覺得值得注意的是治理、質押和生態系統激勵背後的設計選擇。這暗示著一種長期的觀點，而不僅僅是純粹的投機。

不過，僅僅依靠代幣經濟學無法創造價值。

如果AI的使用增長速度快於代幣的發行，那麼OPG就變成了一個需求故事。

如果發行增長速度快於使用，那麼這只是一個又一個的敘述。

投資論點不在於AI。

而是在於真正的網絡活動是否最終能夠超越代幣的通脹。
$OPG @OpenGradient #OPG
$ESPORTS
$AGT

三週前，我深陷研究的兔子洞，試圖通過在 ChatGPT、Claude、Gemini 和 Grok 上運行相同的提示來解碼一個代幣的發行計劃，以便在入場前做好準備。每個標籤頁打開，每個迴應都不同，每個都讓我信任一個不同的接口。那時我才意識到我其實是多麼暴露，四家公司在持有關於我確切頭寸和理論的四個不同對話的上下文。

然後我遇到了 OpenGradient 的願景，一個建立在可驗證基礎上的統一 AI 網關。一個私有接口。所有模型。你問的內容和誰看到之間沒有泄漏。OPG 架構不僅僅是路由提示，它是在一個可驗證的執行環境中進行的，你的查詢策略始終屬於你自己。

對於通過研究建立優勢的交易者來說，這比大多數人意識到的更重要。Alpha 不僅僅是交易。這是你在交易之前問的問題。

那一週我停止了切換標籤頁。一個接口，完全模型訪問，第一次我感覺我的流程真的屬於我。

隱私不再是一個功能。在這個市場中，它是基礎設施。
$OPG @OpenGradient #OPG
$BR
$BSB

我在一次交易中虧得很慘，太尷尬了不敢問任何人。
我凌晨三點猛衝入了一個槓桿代幣的倉位，堅信自己完美地繪製了圖形。到早上我已經虧了40%，完全迷失了方向。我不知道該持倉、對衝還是直接止損。但我不能在公衆場合發那個問題。太多眼睛。太多面子。
就在這時，我發現了OpenGradient Chat。
我直接輸入了我腦中的想法："我持有一個在虧損的槓桿多頭——在這裏平均成本和止損的實際邏輯是什麼？" 沒有評判。沒有追求名聲的回覆。只有我自己在恐慌中無法看清的決策樹的真實、結構化解析。
它沒有告訴我該怎麼做。它幫助我在無法清晰思考時理清思路。
這就是沒人談論的事情——你在Discord或CT中太害怕提問的那些問題，因爲你會被嘲笑或被稱爲賭徒。OpenGradient Chat就是那個私密的、人工智能原生的空間，你的"傻"問題實際上能得到聰明的回答。
這筆交易仍然很痛。但因此我做出了更清晰的決定。
有時候，alpha不是一個信號。就是終於問出你一直想問的問題。
$OPG @OpenGradient #OPG
$EVAA
$SYN

在您的設備上加密，網絡上隱形：OpenGradient Chat的三層隱私如何運作

在OpenGradient Chat中，隱私並不是單一的開關—而是三層共同運作，讓任何單一方無法將您的身份與您的請求連結。

首先，您的對話在瀏覽器中直接加密，鎖定於僅存在於您設備上的密鑰。聊天歷史從不儲存在OpenGradient的伺服器上。

其次，您的請求經過OHTTP中繼，去除了您的IP地址。這個中繼可以看到流量來自哪裡，但只有加密的密文—永遠不會看到您的言辭。

第三，請求到達一個在經過驗證的AWS Nitro安全區域內運行的網關。它處理您的請求以調用模型，但在操作人員無法讀取或記錄的封閉內存中運行，並且不會保留您的對話。每個回應都經過加密簽名，您可以驗證其真實性。

為了清楚說明限制：模型提供者確實能看到請求內容—只是無法知道是誰發送的—而帳戶數據如電子郵件和帳單則在標準保護下保存。但沒有人可以同時看到您的身份和您的請求。這就是核心要點。

$OPG #OPG @OpenGradient
$EVAA
$SIREN