简体中文

繁體中文

English

Tiếng Việt

한국어

日本語

ภาษาไทย

Türkçe

Partnered With:

a16z 가속기에서 나온 OpenGradient는 정확히 어떤 점에서 뛰어난가요?

Foresight News

이 글을 읽으려면 13 분

a16z 가속기 프로젝트, a16z 및 Coinbase 투자 획득, Binance 지갑이 TGE 이벤트에 방금 올랐습니다, OpenGradient는 정확히 무엇인가요?

원문 제목: "a16z 가속기에서 나온 OpenGradient은 무엇인가?"

의사결정이 모델에 맡겨지는 상황에서, 우리는 보다 근본적인 과제에 직면하게 됩니다: 결과는 어떻게 도출되었나요? 그 결과는 검증될 수 있을까요? 계산 프로세스가 변경되지 않았을까요? 데이터 프라이버시가 침해당하지는 않았을까요?

긍정적인 답변이 아닌 경우, 강력한 모델이라 해도 그저 "블랙박스 신뢰"일 뿐입니다. OpenGradient이 해결하려는 것은 바로 이것입니다.

a16z Crypto의 출신이자 a16z로부터 자금을 조달한 이 프로젝트는, 새로운 AI 제품을 만드는 것이 아니라 인프라 수준의 서비스를 제공하려는 시도입니다—AI 계산을 확인할 수 있고 감사할 수 있으며 결산할 수 있는 상태로 만드는 것입니다.

배경은 어떤가요?

OpenGradient은 a16z Crypto 2024 가을 잠재적 기술 및 신규 서비스(CSX)에서 출발했습니다. 이 레이블 자체가 많은 것을 설명해주죠—CSX는 주로 "하부 네트워크"가 될 잠재력을 가진 프로젝트를 선호합니다.

빠르게, 한 달 만에 OpenGradient는 약 850만 달러의 시드 투자 라운드를 완료했으며, 투자자로는 a16z crypto, Coinbase Ventures, Foresight Ventures, SV Angel, Coinbase Ventures, SALT Fund, Symbolic Capital, 그리고 천사 투자자인 Balaji Srinivasan(Coinbase 전 CTO), NEAR 창업자 Illia Polosukhin, Polygon 창업자 Sandeep Nailwal 등이 포함되었습니다.

이 달, 2026 년 4 월, OpenGradient은 총 950만 달러의 자금을 조달했다고 발표했습니다.

팀 멤버들을 보면, 이는 상당히 "엔지니어링 중심"의 구성이기도 합니다. LinkedIn 프로필에 따르면, OpenGradient의 본사는 뉴욕에 위치하며 2024년에 설립되었으며, 팀 규모는 11-50 명입니다. OpenGradient 공식 웹사이트에는 11명의 핵심 팀 구성원이 나열되어 있습니다.

· CEO 및 공동 창업자 Matthew Wang: Two Sigma 연구 엔지니어를 맡았으며, NASA, Meta, Google에서 인턴 경험이 있었습니다.

· CTO 및 공동 창업자 Adam Balogh: 대규모 데이터 분석 및 AI 소프트웨어 회사 Palantir AI 플랫폼 (AIP)의 기술 책임자를 역임했으며 Google, Amazon 출신입니다.

· 블록체인 엔지니어 Khalifa Toumi: DeFi 인프라 플랫폼 Zenrock (원래 Qredo) 블록체인 엔지니어 및 팀 리더를 역임했으며, Tendermint 합의 알고리즘 및 Cosmos SDK를 사용하여 Qredo 프로토콜을 설계하고 구현했습니다.

OpenGradient란 무엇인가요? "검증 가능한 AI 네트워크"입니다.

OpenGradient는 "The Network for Open Intelligence"로 자신을 위치시킵니다. 이 시스템의 핵심은 HACA(Hybrid AI Compute Architecture, 혼합 AI 컴퓨팅 아키텍처)입니다.

해결책은 AI 추론을 오프체인에서 완료하고 전용 추론 노드가 모델 계산을 수행하고 검증 가능한 증거(예: TEE 또는 제로지식 증명)를 생성하도록하는 것입니다. 온체인 노드는 증명을 검증하고 모델을 다시 실행하지 않고 비용을 크게 절감합니다.

이 작업의 이점은 명확합니다: 성능을 유지하면서 "신뢰"를 온체인으로 되돌려 놓았습니다.

전체 네트워크는 역할 기반으로 실행됩니다:

· 전체 노드는 합의 및 검증을 담당합니다;

· 추론 노드는 모델을 실행하기 위한 컴퓨팅 파워를 제공합니다(로컬 또는 외부 모델 호출);

· 데이터 노드는 신뢰할 수 있는 외부 데이터를 가져옵니다;

· 저장 계층 (Walrus)은 모델, 입력 및 출력 및 증명 데이터를 호스팅하고 온체인 참조를 통해 데이터 가용성과 일관성을 보장합니다.

또한, HACA에는 비동기적 검증이라는 중요한 설계 요소가 있습니다: 사용자는 먼저 추론 결과를받고 검증 및 결제는 그 뒤에 완료됩니다.

그럼 온체인에서는 정확히 무엇을 하나요? AI 추론 및 응용 프로그램의 검증 및 결제 레이어로, OpenGradient의 블록체인 레이어는 CometBFT 합의를 채택하고 Cosmos SDK 및 EVM과 호환되며, 노드 등록, 증명 검증, 결제 처리(Base에서 x402 LLM 추론 시나리오의 결제를 수행) 및 장부 관리를 수행합니다.

검증 프로세스에 대해, AI가 속지 않았음을 어떻게 증명하나요? OpenGradient는 "신뢰도 메뉴"를 제공했습니다:

· TEE: 안전 하드웨어에서 실행되며, 코드와 환경이 변조되지 않았음을 증명합니다.

· ZKML: 제로 지식 증명이 모델을 올바르게 실행함을 증명하며, 고위험 및 고영향 시나리오에 적합합니다;

· Vanilla: 서명 확인만 수행하며, 저위험 시나리오에 적합합니다.

다양한 시나리오에는 서로 다른 비용 및 보안 수준의 솔루션이 선택될 수 있습니다. 어떤 유형의 검증 방법을 선택하든 최종적으로는 네트워크 합의를 통해 확인되어야 합니다 - 검증자 2/3 이상이 합의에 도달하면 증명이 공식적으로 블록체인에 기록됩니다.

OpenGradient는 또한 이 핵심 기능을 기반으로 개발자와 사용자를 대상으로 한 제품 및 서비스 생태계를 구축하여 전체적인 온체인 AI 생태계를 구축하려고 합니다.

· Model Hub(모델 허브): 탈중앙화된 모델 저장소로, 개발자는 다양한 오픈 소스 모델을 여기서 게시, 발견 및 사용할 수 있습니다. Model Hub는 Walrus 탈중앙화 저장소 네트워크를 활용하여 모델 데이터의 영구적 가용성과 검열 방지를 보장합니다.

· x402 게이트웨이: AI를 유료로 호출할 수 있습니다.

· MemSync(AI 장기 메모리): AI 에이전트의 중추적인 요구에 대응하여, MemSync는 영구적인 AI 메모리 계층을 제공하며, 대화, 문서, 웹사이트, 트위터 프로필 및 기타 소스에서 의미 있는 메모리를 자동으로 추출하여 지능적으로 구성하고 의미 검색을 통해 검색을 실현합니다.

· Twin.fun(디지털 트윈 마켓): AI 분신 시장으로, 거래 및 도구 잠금 등 유틸리티를 교환할 수 있습니다.

토큰 경제는 어떻게 되나요?

만약 네트워크 아키텍처가 "기술적으로 어떻게 구축되는지"에 대한 대답이라면, OPG 토큰은 "경제적으로 어떻게 작동하는지"에 대한 대답입니다.

OpenGradient는 4월 23일 Virtuals에서 TGE를 진행할 예정이며, 또한 Coinbase에 상장될 예정입니다. 또한, 바이낸스 지갑은 제 46회 배개의 TGE 프로젝트 OpenGradient(OPG)를 상장할 예정입니다.

OPG의 디자인은 간단한 인센티브가 아니라 지갑된 네트워크 행동을 포함합니다. 이는 인과적 결제, 모델 커미션, 스테이킹, 앱 액세스를 포함합니다.

OPG의 총 공급량은 10 억 개로 고정되어 있으며 다음과 같이 구성됩니다:

· 생태계(40%)가 차지합니다.

· 재단(15%): TGE 시간에 33.33%가 잠금 해제되며 나머지는 48개월 동안 분할해서 해제됩니다.

· 핵심 기여자(15%): 팀 지분으로 12개월의 엄격한 잠금 기간과 3년간 선형 해제가 설정되어 있습니다.

· 투자자 및 고문(10%): 팀과 동일한 해제 조건이 적용됩니다.

· 스테이킹 보상(10%): 네트워크 합의 보안을 지원합니다.

· 유동성 및 에어드랍(10%): 4%의 에어드랍 비율이 포함됩니다.

요약

OpenGradient의 핵심 논리는 사실 복잡하지 않습니다: 만약 AI가 거래, 의사 결정, 자금 이동에 참여하기 시작하면, 「신뢰」는 증명되어야 합니다.

물론, 실제 문제는 여기에 있습니다: 대부분의 시나리오에서 정말로 「AI를 확인」해야 할까요? 사용자는 「검증 가능성」에 더 높은 비용을 지불하려고 할까요? 이러한 문제에는 표준 답변이 없습니다. OpenGradient가 하는 일은 AI를 최적화하는 것이 아니라, 「AI에 대한 신뢰」를 재구성하는 것입니다.