OLM 是由Ora Protocol 推出的token，Ora Protocol 的前身是HyperOraclel ，以前是做ZKOracle 为主的团队，是一种类似于ZKbridge 的底层技术。在2023 生成式AI 兴起的过程，项目转型将重点放在OPML、ZKML 及链上可验证的AI 模型。核心内容是将构建AI 模型的过程上链并加入可验证的元素。每当模型需要外部调用，这套机制能以去中心化的方式将奖励分配给相关方。简单来说，Ora 这个协议透过提供无需信任的AI 解决方案，为开发者打开了新的可能性，允许他们在智能合约中实现更复杂的功能和创新。 ORA 的优势在于相较其他项目，在这块赛道上耕耘的时间较久，不论是产品的可实现性、完成度等等，Ora 大部分时候都处于领先的位置。
IMO 机制
介绍$OLM 必须提到这个创新的IMO 机制，IMO 的全名为初始模型发行。在过往的ICO、IEO 等等，都是将投资者看好的资产发行时，推出代币奖励，若是代币对应的项目表现好，投资者可以在二级市场的币价获得回报，也可能从协议获得收益分配。而IMO 也是相同的概念，但核心内容被置换为AI 模型的代币化。只要投资者购买绑定AI 模型的IMO 代币，便可以成为该AI 模型的共同所有者之一，并分享IMO AI 模型所产生的收入。过去许多开源人工智慧模型面临将其贡献货币化的问题，导致贡献者和组织因为赚不到钱缺乏动力。间接造成人工智慧行业主要由闭源、营利性公司主导。而开源人工智慧模型想要有发展，关键在于筹集更多资金并公开构建。 IMO 的机制变成为解决这个痛点的潜在方案之一。
而在IMO 机制下，保证AI 模型的存在与真实性，以及收益的可分配性，就需要涉及到Ora 协议所推出的ERC -7641内在收益分享代币以及ERC-7007 ，并搭配其预言机与ZK 的技术来解决。本篇文章重点放在$OLM ，因此不重点描述，对背后技术原理有兴趣的读者可以参考项目方提供的资料。
$OLM 介绍
介绍完了Ora 协议与IMO 机制，$OLM 的逻辑其实就非常清楚。该代币是第一个采用IMO 机制发行的代币，背后的模型是OpenML。 OpenLM 模型主要的共用在最大化GPU 利用率和训练速度，并且易于修改，适用于新的语言模型研究和应用。 按照IMO 机制的逻辑，只要愈来愈多项目进行外部的调用，使用到OpenML 的模型，则持有$OLM 的用户就能像股东一样，获得分红，发展成为另类的金铲子。另外$OLM 的优势在于作为第一个IMO 的代币，通常在crypto 行业，第一个开创先例的通常在往后的发展上成为龙头，并且获得先行者优势的机率非常高。此外，Ora 协议目前也没有发币，因此$OLM 的重要性不言而喻。
日前$OLM 的模型也在2024/05/11 正式上链， 成功与Ora 的Onchain AI Oracle 整合，持有$OLM 的钱包会每90 天进行快照，届时将开放手动领取收益的网站。
团队背景与融资
此部分针对$OLM 背后的Ora 协议做介绍。 Ora 协议的解决方案目前已被多个知名项目与组织，如Compound、以太坊基金会、Uniswap 等等采用，展示了其技术的可靠性和创新性。另外在团队的部分，除了Co-Founder Kartin Wong 有过Google 软体工程师与Tk Tok tech lead 等相关工作经验外，其他成员则没什么太大的亮点，算是比较可惜的部分。而在融资的部分，Ora 协议的表现则稍微不太理想，在2022 Q4 有过融资，但金额没有揭露，投资者只有Foresight Ventures 与GeekCartel 两家。
资金面与持仓地址
$OLM 在4 月下半旬开放IMO 预售，当时总额度开放150ETH，开盘后市值大约1M ，随后有两度冲到新高价接近0.04 左右，目前价格则是回落到0.018 的水准，市值与FDV 则在18M 左右徘徊。除了在Dex 可以交易外，目前中心化有开放$OLM 交易的有BingX、BitMart 等等较小众的交易所，显示这只代币的热度与知名度现今真的不太高。在代币的发行上，$OLM 总供应量为十亿颗。
持仓第一的地址为Gnosis Safe Proxy，Gnosis Safe 是智慧合约钱包的工具，可让用户安全储存以太币和ERC20 代币并与去中心化网络互动。同时也是一个集体资产管理平台，使用户能够与其他人就共享专案进行协作，例如DAO、DeFi、NFT 集体和机构托管。 因此推测该地址可能为项目方相关。剩余的地址除了第三名的持仓为Dex 交易所，其余则无明显迹象显示为机构或交易所相关地址。相较于其他币种，$OLM 的筹码分布不算太集中，筹码大户对于未来价格的影响程度可能不大。
$OLM 的潜在问题与挑战
以目前现有的资讯来看，$OLM 与其背后的IMO 机制，参考深潮Techflow的观点，将可能会面临到以下几点问题：
链下使用问题：即使IMO 能够实现AI 模型的链上代币化和收益分享，它仍然难以解决模型在链下使用时的收益分享问题。当AI 模型被用于非区块链的应用中时，这些使用的收益如何被追踪和分配给代币持有者，将会非常复杂。
市场需求的不确定性：虽然链上的AI 生成内容（如NFT 等）为创意产业带来了新的可能性，但市场对这些作品的需求仍具有很大的不确定性。 AIGC 作品的市场价值和流动性，以及人们愿意为这些作品支付多少钱，是一个未知数，稳定的AI 模型收益分享，也就无从谈起。
收益分享的实际效果：在理论上，通过ERC-7641 代币实现收益分享听起来是一个吸引人的主意。然而，在实践中，这种机制的有效性和可行性还需经过市场的检验。特别是考虑到区块链项目和代币的高波动性，代币持有者实际能够获得的收益可能会有很大差异。
另外若是将格局扩张至整个公链的问题，假设以太链的生态发展不如预期，真的出现了被其他公链超越的主导性转移问题，驻扎于该链上的所有项目必定随着时间受到不同程度的影响，而这之中当然也包含了$OLM 。
结论
开源与闭源的AI 模型性质，将会是AI 持续发展下不断被争论的议题。而加入了区块链技术的开源模型能比闭源模型更好的利用经济激励机制，来达到全球的分布式协作并推动其自身发展，作为规模化与效率不足的替代手段，然而对于开源模型的定价也将会有更多的价值空间。
Ora 协议的业务代表他们完成了第一个模型定价的产品，对每个模型引入crypto 参与者非常熟悉的经济激励Token。至于模型是否有市场、产品的契合度以及获利能力的表现，目前来看也都是未知数，一切静待时间给出答案。
本文链接地址：https://www.wwsww.cn/qtszb/33678.html
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
