OpenGradient 是一个去中心化网络,旨在基于区块链技术托管、执行并验证 AI 模型。该网络采用混合 AI 计算架构 (HACA),将模型执行与证明验证分开处理。OPG 是网络的原生代币,总供应量固定为 10 亿枚,部署于 Base 网络上,可用于支付推理费用、奖励节点运营者及参与治理。
什么是 OpenGradient?
OpenGradient 是一个去中心化基础设施网络,旨在大规模托管、执行并验证 AI 模型。该项目处于区块链与 AI 的交汇点,致力于将基于密码学的可追责机制引入当前仍依赖于对中心化供应商的信任的领域。
OpenGradient 要解决的核心问题在于当前 AI 基础设施高度集中在少数供应商手中。当大语言模型 (LLM) 作出涉及资金、医疗或治理等关键领域的决策时,我们无法证明其内部运作机制。供应商可能在未经告知的情况下更换模型或过滤输出内容,而终端用户对此无从知晓。
对于金融 Agent、审计追踪等对准确性要求极高的应用场景而言,缺乏可验证性将带来重大风险。OpenGradient 通过在由专用节点构成的无许可型网络上执行模型,使每一次计算都能得到密码学验证,而无需信任任何单一方,从根本上解决了这一问题。
OpenGradient 如何运作?
OpenGradient 基于混合 AI 计算架构 (HACA) 运行,其设计出发点在于:AI 工作负载无法像金融交易那样处理。在传统区块链中,每个验证者都会重新执行每一笔交易。
这种方式适用于代币转账和状态更新,但并不适用于 AI 推理:执行模型所需的时间高出数个数量级,且需要 GPU 等专用硬件,而输出结果本身也具有一定的不确定性。要求每个验证者独立重新执行模型推理,在实际操作中并不可行。
为此,HACA 将网络拆分为专用节点类型,每种节点均针对特定角色进行优化:
-
推理节点:负责执行 AI 模型的无状态 GPU 处理器,分为两种形式:一种是通过基于硬件的安全隔离区将请求转发至 OpenAI 和 Anthropic 等供应商的 LLM 代理节点;另一种是直接在自有硬件上执行开源模型的本地推理节点。
-
全节点:通过专为高吞吐量网络设计的 CometBFT 共识机制处理共识、维护账本、验证证明并完成付款结算。这些节点本身不执行 AI 模型。
-
数据节点:在安全隔离区中运行,支持以可信方式访问价格数据源及 API 等外部数据,并附带证明数据未经篡改的鉴证。
其核心思路在于:验证 AI 推理结果并不需要重新执行模型。OpenGradient 根据工作负载的风险等级,支持多种验证方式。
可信执行环境 (TEE) 鉴证可证明经批准的代码在硬件隔离区内执行且未被篡改,同时对性能的影响几乎可以忽略不计。
对于风险更高的场景,网络可生成零知识证明 (ZKML),以密码学方式证明正确的模型针对给定输入生成了正确的输出,但这会带来较高的计算成本。
第三种选项是标准签名验证,不提供任何执行层面的密码学证明,适用于低风险工作负载。开发者可根据自身应用场景灵活选择合适的验证等级。
推理与验证发生在不同的时间轴上。当用户或智能合约发起 AI 请求时,该请求会直接发送至推理节点,并以接近 Web2 级别的低延迟返回结果。系统随后生成证明并提交至区块链,由全节点在下一轮共识中进行验证。这种非同步设计的优势在于,用户无需等待区块确认即可获得模型响应,但每个响应最终都会在链上完成结算、得到验证,并可供后续审计追溯。
什么是 OPG?
OPG 是 OpenGradient 网络的原生效用代币和治理代币,部署于 Base 网络上,总供应量固定为 10 亿枚,不再额外增发。该代币是平台经济体系的核心支柱,可用于支付 AI 推理费用、激励节点运营者(包括推理节点、数据节点及验证者),以及参与协议治理。
OPG 已于 2026 年 4 月 21 日通过代币生成活动 (TGE) 推出。
代币分配结构如下:生态发展占 40%,基金会预留占 15%,核心贡献者占约 15%,投资者与顾问占约 10%,质押奖励占 10%,空投占 4%,流动性与启动相关活动占 6%(其中空投、流动性及启动部分均在 TGE 期间全额解锁)。

常见问题
什么是 OpenGradient?
OpenGradient 是一个用于托管、执行及验证 AI 模型的去中心化网络。其采用混合 AI 计算架构 (HACA),将 GPU 推理节点上的模型执行与全节点上的证明验证分开处理,从而提供可通过密码学方式验证的 AI 推理结果,而无需每个节点重新执行每一笔计算。
OPG 有哪些用途?
OPG 是 OpenGradient 网络的原生效用代币和治理代币,主要用于支付 AI 推理服务费用、激励节点运营者,以及参与协议治理。该代币总供应量固定为 10 亿枚,部署于 Base 网络上。
OpenGradient 如何验证 AI 推理结果?
OpenGradient 支持三种验证方式。可信执行环境 (TEE) 鉴证可证明经批准的代码在硬件隔离区内执行,且对性能的影响极小。零知识机器学习证明 (ZKML) 以较高的计算成本提供密码学层面的确定性保证。标准签名验证则不提供任何执行层面的证明,适用于低风险工作负载。
结语
OpenGradient 致力于将密码学可验证性引入 AI 推理领域,而该领域目前仍高度依赖于对中心化供应商的信任。通过其 HACA 架构将模型执行与证明验证分开处理,该网络旨在实现 AI 计算的可审计性,同时无需牺牲现实应用场景所需的性能表现。
本文链接地址:https://www.wwsww.cn/qtszb/40900.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。



