¡El dinero inteligente está en movimiento! Cuando la toma de decisiones con IA tome el control de tus operaciones, esa capa de "confianza" que se pasa por alto será la verdadera clave de la riqueza.

Cuando el modelo comienza a decidir por ti comprar y vender, evaluar riesgos e incluso gestionar activos, surge una cuestión más fundamental: ¿cómo estás seguro de que su proceso de cálculo es honesto? ¿Se puede verificar y rastrear el resultado? ¿La privacidad de los datos está segura? Si las respuestas son ambiguas, incluso el modelo más potente no es más que una caja negra de fe sin auditoría.

Las observaciones del mercado señalan que un proyecto llamado OpenGradient intenta resolver este problema de confianza subyacente. No busca crear otra aplicación de IA, sino construir una infraestructura básica que haga que los cálculos de IA sean verificables, auditables y liquidables. El proyecto nació en una aceleradora de startups criptográficas de una firma de capital riesgo reconocida, y ha obtenido aproximadamente 9.5 millones de dólares en financiamiento, incluyendo inversión de esa misma firma y de instituciones relacionadas con $COIN.

Su equipo tiene un enfoque práctico en ingeniería. El CEO trabajó en el fondo de cobertura Two Sigma, el CTO proviene de la empresa de análisis de datos Palantir, con experiencia en Google y Amazon. Un ingeniero de blockchain fue responsable del desarrollo central de un protocolo de interoperabilidad entre cadenas.

El núcleo de OpenGradient se denomina “Red de Inteligencia Abierta”, con una arquitectura técnica de cálculo híbrido de IA. Coloca las tareas pesadas de inferencia de IA fuera de la cadena, generando pruebas verificables mediante nodos especializados, mientras que los nodos en la cadena se concentran en verificar esas pruebas en lugar de repetir cálculos, equilibrando así rendimiento y costo.

En la red existen diferentes roles: nodos completos que manejan consenso y verificación; nodos de inferencia que proporcionan potencia de cálculo; nodos de datos que obtienen información externa confiable; y la capa de almacenamiento, responsable de alojar modelos, datos y pruebas. Aquí se destaca especialmente su capa de almacenamiento — Walrus —, como solución de almacenamiento DePIN en el ecosistema $SUI, que garantiza la disponibilidad permanente y la resistencia a la censura de todos los datos, una pieza clave para la computación confiable de IA.

Esta arquitectura adopta un diseño de verificación asíncrona: el usuario obtiene primero el resultado de la inferencia, y la verificación y liquidación se completan posteriormente. La capa de blockchain se basa en consenso CometBFT, compatible con Cosmos SDK y EVM, y se encarga del registro de nodos, la verificación de pruebas, el procesamiento de pagos y la gestión del libro mayor.

¿Cómo demostrar que la IA no engaña? El proyecto ofrece un “menú de confianza” escalonado: entornos de ejecución confiables basados en hardware seguro, aprendizaje automático con pruebas de conocimiento cero para escenarios de alto riesgo, y soluciones ligeras que solo verifican firmas. Cualquier verificación requiere el consenso de más de dos tercios de los validadores de la red para ser finalmente registrada.

En torno a esta capacidad central, los desarrolladores han construido una serie de productos. El centro de modelos es un repositorio descentralizado que utiliza la red Walrus para garantizar el almacenamiento. La puerta de enlace x402 permite llamadas pagadas a servicios de IA. MemSync ofrece memoria a largo plazo para agentes de IA. Twin.fun es un mercado de transacciones de avatares digitales.

El modelo económico está impulsado por el token $OPG, diseñado para vincular todos los comportamientos clave en la red, incluyendo el pago por inferencias, monetización de modelos, staking y acceso a aplicaciones. Su suministro total es de 1,000 millones de tokens, con un 40% destinado al ecosistema, y con períodos de bloqueo para el equipo y los inversores. La generación del token está prevista para el 23 de abril y se lanzará en plataformas de intercambio relacionadas.

La lógica es bastante clara: una vez que la IA se involucra profundamente en el flujo de fondos y decisiones clave, la “confianza” debe convertirse en un producto verificable. Por supuesto, aún existen desafíos: ¿realmente necesitan la mayoría de los escenarios de aplicación esta verificación? ¿Estarán los usuarios dispuestos a pagar costos adicionales por ello? Estas preguntas aún no tienen respuesta definitiva. Lo que hace OpenGradient no es optimizar la IA en sí misma, sino intentar redefinir la forma en que confiamos en la IA.

#Walrus $WAL #Sui #DePIN @Walrus

Sígueme: para obtener análisis e insights en tiempo real del mercado cripto! $BTC $ETH $SOL

#GatePreIPOs首发SpaceX #Celebración del 13º aniversario de Gate en vivo #Pequeña caída en el mercado de criptomonedas