OpenLedger Глибина дослідження: на основі OP Stack+EigenDA побудувати економіку агентів, що керуються даними та комбінованими моделями
Одні, Вступ | Модельний шар Crypto AI
Дані, моделі та обчислювальна потужність є трьома основними елементами інфраструктури AI, без яких не обійтися. Сфера Crypto AI пройшла еволюційний шлях, подібний до традиційної AI-індустрії. На початку 2024 року ринок зосереджений на децентралізованих GPU-проектах, підкреслюючи конкуренцію в обчислювальній потужності. На початку 2025 року акцент в індустрії поступово зміщується на рівень моделей і даних, що вказує на те, що Crypto AI переходить від конкуренції за базові ресурси до більш стійкого та цінного для застосування середнього рівня будівництва.
Загальний великий модель (LLM) проти спеціалізованої моделі (SLM)
Традиційні великі мовні моделі (LLM) залежить від великих наборів даних та складних архітектур, мають величезний обсяг параметрів, а вартість навчання є високою. Спеціалізовані мовні моделі (SLM) базуються на відкритих моделях, поєднуючи невелику кількість високоякісних спеціалізованих даних та технології на кшталт LoRA, швидко створюючи експертні моделі для конкретних галузей, суттєво знижуючи вартість навчання та технічні бар'єри.
SLM взаємодіє з LLM за допомогою агентської архітектури, системи плагінів, гарячої заміни модулів LoRA, RAG та інших способів, зберігаючи широке покриття LLM та посилюючи професійні показники за допомогою модуля доопрацювання, створюючи гнучку комбінаційну інтелектуальну систему.
Crypto AI у модульному шарі цінність та межі
Проекти Crypto AI важко безпосередньо підвищити основні можливості LLM, головним чином через обмеження технічних бар'єрів і відкритої екосистеми. Але на основі відкритих базових моделей проекти Crypto AI можуть здійснити тонку налаштування SLM і поєднати перевірність та механізми стимулювання Web3 для досягнення розширення вартості. Їхня основна цінність проявляється в двох напрямках: надійний рівень перевірки та механізми стимулювання.
Аналіз класифікації типів моделей ШІ та їх придатність для блокчейну
Моделі класу Crypto AI зосереджуються на малих SLM тонких налаштуваннях, архітектурі RAG для підключення та перевірки даних в ланцюзі, а також на локальному розгортанні та стимулюванні Edge моделей. Завдяки особливостям блокчейну, Crypto може надати унікальну цінність для цих сценаріїв з обмеженими ресурсами, формуючи диференційовану цінність «інтерфейсного шару» AI.
Блокчейн AI ланцюг на основі даних та моделей може забезпечити чіткий, незмінний запис внесків даних та моделей у ланцюг, підвищуючи довіру та трасованість. Через механізм смарт-контрактів автоматично тригериться розподіл винагород при виклику даних або моделей, перетворюючи поведінку AI на вимірювану, торгівельну токенізовану цінність. Користувачі спільноти також можуть брати участь у управлінні шляхом голосування токенами, вдосконалюючи архітектуру децентралізованого управління.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-62b3fa1e810f4772aaba3d91c74c1aa6)
Два, огляд проекту | Візія AI-ланцюга OpenLedger
OpenLedger є блокчейн AI проектом, що фокусується на механізмах стимулювання даних і моделей. Він пропонує концепцію «Payable AI», що має на меті створення справедливого, прозорого та комбінованого середовища для роботи AI, яке стимулює співпрацю всіх учасників та отримання прибутку на ланцюгу.
OpenLedger надає повний ланцюг від «даних» до «розгортання моделей» та «виклику розподілу прибутку», основні модулі включають Model Factory, OpenLoRA, PoA, Datanets та платформу пропозицій моделей. Завдяки цим модулям OpenLedger побудував інфраструктуру «економіки агентів», що базується на даних і комбінованих моделях.
У технології блокчейн OpenLedger використовує OP Stack + EigenDA як основу, щоб надати AI-моделям високопродуктивне, низькоствортне та перевірене середовище виконання. Він базується на технологічному стеку Optimism, підтримує високу пропускну здатність та низькі витрати; розрахунок на основній мережі Ethereum; сумісність з EVM; EigenDA забезпечує підтримку доступності даних.
На відміну від більш фундаментального NEAR, OpenLedger більше зосереджений на створенні спеціалізованої блокчейн-мережі для даних і моделей, прагнучи досягти відстежуваності, комбінованості та сталого ціннісного замкнутого циклу в розробці та виклику моделей на ланцюгу.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-19c2276fccc616ccf9260fb7e35c9c24)
Три, основні компоненти та технологічна архітектура OpenLedger
3.1 Модельна фабрика, безкодова модельна фабрика
ModelFactory є платформою для налаштування LLM в екосистемі OpenLedger, яка пропонує повністю графічний інтерфейс для роботи. Її основні етапи включають контроль доступу до даних, вибір та налаштування моделі, легке налаштування, оцінка та розгортання моделі, інтерактивний перевірочний інтерфейс та генерування RAG з відстеженням.
ModelFactory підтримує основні відкриті великі мовні моделі, такі як серії LLaMA, Mistral, Qwen, ChatGLM, Deepseek, Gemma тощо. Хоча не включає останні MoE або мультимодальні моделі, але на основі реальних обмежень, пов'язаних з розгортанням на блокчейні, було зроблено конфігурацію з акцентом на "практичність".
Model Factory як інструмент без коду, всі моделі мають вбудований механізм підтвердження внесків, що забезпечує права учасників, має низький поріг входу, можливість монетизації та комбінування.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-f23f47f09226573b1fcacebdcfb8c1f3)
3.2 OpenLoRA, активи моделі тонкого налаштування на блокчейні
OpenLoRA - це легковажний фреймворк для інференції, побудований OpenLedger, який має на меті вирішення проблем високих витрат, низької повторюваності та витрат ресурсів під час розгортання AI моделей. Його основні компоненти включають модуль зберігання LoRA Adapter, хостинг моделей та динамічний шар злиття, інференційний двигун, маршрутизацію запитів та модуль потокового виводу.
OpenLoRA через ряд низькорівневих оптимізацій суттєво підвищив ефективність розгортання та інференції кількох моделей. Його основні компоненти включають динамічне завантаження адаптерів LoRA, тензорну паралельність, Paged Attention, злиття кількох моделей, Flash Attention, попередньо скомпільовані CUDA ядра та технології квантизації.
OpenLoRA не лише ефективний фреймворк для інференції, але й глибоко інтегрує інференцію моделей з механізмами стимулювання Web3, з метою перетворення моделей LoRA на викликаються, комбіновані та прибуткові активи Web3. Він підтримує моделі як активи, динамічне об'єднання кількох LoRA + розподіл прибутку, а також підтримує спільну інференцію моделей довгого хвоста в умовах багатокористувацького доступу.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-909dc3f796ad6aa44a1c97a51ade4193)
3.3 Datanets (дані мережі), від суверенітету даних до інтелекту даних
Datanets є інфраструктурою OpenLedger для «даних як активів», яка використовується для збору та управління наборами даних у певних сферах. Кожен Datanet подібний до структурованого сховища даних, яке забезпечує можливість відстеження та довіри даних через механізми належності на блокчейні.
У порівнянні з проєктами, які зосереджуються на суверенітеті даних, OpenLedger створює повний замкнутий цикл «від даних до інтелекту» за допомогою трьох основних модулів: Datanets, Model Factory, OpenLoRA, зосереджуючи увагу на тому, як дані тренуються, викликаються та отримують винагороду.
3.4 Proof of Attribution（贡献证明）：переформування стимулюючого рівня розподілу вигод
PoA є основним механізмом реалізації належності даних та розподілу стимулів в OpenLedger. Його процес включає подачу даних, оцінку впливу, валідацію навчання, розподіл стимулів та управління якістю. PoA є не лише інструментом розподілу стимулів, але й рамкою для прозорості, відстежування джерел та багатоступеневої належності.
RAG Attribution – це механізм привласнення даних та мотивації, створений OpenLedger у сценарії RAG, який забезпечує можливість відстеження та перевірки виходу моделі, заохочення внесків, а в підсумку досягає генерування довіри та прозорості даних.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-f49cfa5ea73fc0018250d04193b34b60)
Чотири, прогрес проекту OpenLedger та екосистемні співпраці
OpenLedger вже запустив тестову мережу, інтелектуальний рівень даних є першим етапом, що має на меті створення спільноти, що керує інтернет-сховищем даних. Тестова мережа пропонує три типи механізмів доходу: винагорода за операцію вузлів, винагорода за внесок у дані та винагорода за участь у завданнях.
Тестова мережа Epoch 2 акцентує увагу на механізмі Datanets для обробки даних, що охоплює перевірку даних, класифікацію та інші завдання. Довгостроковий дорожня карта OpenLedger передбачає перехід від збору даних та побудови моделей до екосистеми Agent, поступово реалізуючи повний децентралізований економічний замкнутий цикл AI.
Екосистема партнерів OpenLedger охоплює обчислювальну потужність, інфраструктуру, інструментальні засоби та AI-застосунки. Протягом минулого року OpenLedger безперервно організовував саміт DeAI Summit, зміцнюючи свою брендове усвідомлення та професійну репутацію в спільноті розробників та підприємницькій екосистемі Web3 AI.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-9fbd934d293142e4fdd386eee4afd41a)
П'ять, фінансування та фон команди
OpenLedger завершила раунд фінансування на суму 11,2 мільйона доларів у липні 2024 року, інвесторами стали такі відомі установи, як Polychain Capital, Borderless Capital та кілька ангельських інвесторів. Кошти будуть використані для просування будівництва мережі AI Chain, механізмів стимулювання моделей, основи даних та повного впровадження екосистеми застосувань Agent.
OpenLedger заснований Рамом Кумаром, досвідченим підприємцем у сфері AI/ML та блокчейн-технологій, який приніс органічне поєднання ринкових інсайтів, технічної експертизи та стратегічного лідерства в проект.
Шість, проектування економічної моделі токенів та управління
OPEN є основним функціональним токеном екосистеми OpenLedger, який надає можливості для управління мережею, виконання транзакцій, розподілу винагород і роботи AI Agent. Його функції включають управління та прийняття рішень, паливо для транзакцій і оплату зборів, стимули та винагороди за приналежність, можливості міжланцюгового мосту та механізм стейкінгу AI Agent.
OpenLedger запровадила механізм управління на основі внескової вартості, де вага голосування пов'язана з реально створеною вартістю, а не лише з капітальною вагою. Цей дизайн допомагає забезпечити довгострокову стійкість управління, запобігаючи домінуванню спекулятивних дій у прийнятті рішень.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-fb455c53ffce25e4aafd015de8a70e1b)
Сім, Дані, Моделі та Стимули Ринкової Структури та Порівняння Конкурентів
OpenLedger займає проміжне положення в поточній екосистемі Crypto AI, що стосується «модельних активів на блокчейні та стимулювання викликів», є ключовим містковим протоколом, що з'єднує постачання цінності моделей та їх реальне використання. У порівнянні з іншими проектами:
Шар стимулювання угоди: OpenLedger проти Bittensor
Модель належності та стимулювання викликів: OpenLedger проти Sentient
Модельне хостинг і платформа надійного висновку: OpenLedger проти OpenGradient
Модель краудсорсингу та оцінка стимулів: OpenLedger vs. CrunchDAO
Спільнота, що керує легкими моделями платформи: OpenLedger проти Assisterr
Модельні фабрики: OpenLedger проти Pond
Достовірний шлях висновків: OpenLedger проти Bagel
Шлях співпраці з боку даних: OpenLedger проти Sapien / FractionAI / Vana / Irys
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-10c448380f8c71f34654554536e1b38a)
Висновок | Від даних до моделі, шлях монетизації AI ланцюга
OpenLedger прагне створити інфраструктуру «модель як актив» у світі Web3, вперше інтегруючи AI моделі в справжню економічну систему, що підлягає відстеженню, монетизації та співпраці, через побудову повного замкнутого циклу. Його технологічна система надає всім учасникам всебічну підтримку, активуючи ресурси «даних» та «моделей», які довгий час були проігноровані в ціннісному ланцюгу AI.
OpenLedger більше схожий на HuggingFace + Stripe + Infura в
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
9 лайків
Нагородити
9
8
Поділіться
Прокоментувати
0/400
MeaninglessApe
· 07-24 19:58
Знову розкручують AI.
Переглянути оригіналвідповісти на0
GasFeeLover
· 07-24 05:24
GPT знову приходить, щоб обманути популярність.
Переглянути оригіналвідповісти на0
StakeHouseDirector
· 07-24 05:21
Інноваційні ліки, не треба зайвих слів.
Переглянути оригіналвідповісти на0
DaoResearcher
· 07-24 05:21
Інженер про рекомендує ознайомитися з пропозицією керування моделлю zkml від vitalik
OpenLedger будує нову екосистему AI-ланцюга, реалізуючи активізацію моделей та стимулювання вартості даних.
OpenLedger Глибина дослідження: на основі OP Stack+EigenDA побудувати економіку агентів, що керуються даними та комбінованими моделями
Одні, Вступ | Модельний шар Crypto AI
Дані, моделі та обчислювальна потужність є трьома основними елементами інфраструктури AI, без яких не обійтися. Сфера Crypto AI пройшла еволюційний шлях, подібний до традиційної AI-індустрії. На початку 2024 року ринок зосереджений на децентралізованих GPU-проектах, підкреслюючи конкуренцію в обчислювальній потужності. На початку 2025 року акцент в індустрії поступово зміщується на рівень моделей і даних, що вказує на те, що Crypto AI переходить від конкуренції за базові ресурси до більш стійкого та цінного для застосування середнього рівня будівництва.
Загальний великий модель (LLM) проти спеціалізованої моделі (SLM)
Традиційні великі мовні моделі (LLM) залежить від великих наборів даних та складних архітектур, мають величезний обсяг параметрів, а вартість навчання є високою. Спеціалізовані мовні моделі (SLM) базуються на відкритих моделях, поєднуючи невелику кількість високоякісних спеціалізованих даних та технології на кшталт LoRA, швидко створюючи експертні моделі для конкретних галузей, суттєво знижуючи вартість навчання та технічні бар'єри.
SLM взаємодіє з LLM за допомогою агентської архітектури, системи плагінів, гарячої заміни модулів LoRA, RAG та інших способів, зберігаючи широке покриття LLM та посилюючи професійні показники за допомогою модуля доопрацювання, створюючи гнучку комбінаційну інтелектуальну систему.
Crypto AI у модульному шарі цінність та межі
Проекти Crypto AI важко безпосередньо підвищити основні можливості LLM, головним чином через обмеження технічних бар'єрів і відкритої екосистеми. Але на основі відкритих базових моделей проекти Crypto AI можуть здійснити тонку налаштування SLM і поєднати перевірність та механізми стимулювання Web3 для досягнення розширення вартості. Їхня основна цінність проявляється в двох напрямках: надійний рівень перевірки та механізми стимулювання.
Аналіз класифікації типів моделей ШІ та їх придатність для блокчейну
Моделі класу Crypto AI зосереджуються на малих SLM тонких налаштуваннях, архітектурі RAG для підключення та перевірки даних в ланцюзі, а також на локальному розгортанні та стимулюванні Edge моделей. Завдяки особливостям блокчейну, Crypto може надати унікальну цінність для цих сценаріїв з обмеженими ресурсами, формуючи диференційовану цінність «інтерфейсного шару» AI.
Блокчейн AI ланцюг на основі даних та моделей може забезпечити чіткий, незмінний запис внесків даних та моделей у ланцюг, підвищуючи довіру та трасованість. Через механізм смарт-контрактів автоматично тригериться розподіл винагород при виклику даних або моделей, перетворюючи поведінку AI на вимірювану, торгівельну токенізовану цінність. Користувачі спільноти також можуть брати участь у управлінні шляхом голосування токенами, вдосконалюючи архітектуру децентралізованого управління.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-62b3fa1e810f4772aaba3d91c74c1aa6)
Два, огляд проекту | Візія AI-ланцюга OpenLedger
OpenLedger є блокчейн AI проектом, що фокусується на механізмах стимулювання даних і моделей. Він пропонує концепцію «Payable AI», що має на меті створення справедливого, прозорого та комбінованого середовища для роботи AI, яке стимулює співпрацю всіх учасників та отримання прибутку на ланцюгу.
OpenLedger надає повний ланцюг від «даних» до «розгортання моделей» та «виклику розподілу прибутку», основні модулі включають Model Factory, OpenLoRA, PoA, Datanets та платформу пропозицій моделей. Завдяки цим модулям OpenLedger побудував інфраструктуру «економіки агентів», що базується на даних і комбінованих моделях.
У технології блокчейн OpenLedger використовує OP Stack + EigenDA як основу, щоб надати AI-моделям високопродуктивне, низькоствортне та перевірене середовище виконання. Він базується на технологічному стеку Optimism, підтримує високу пропускну здатність та низькі витрати; розрахунок на основній мережі Ethereum; сумісність з EVM; EigenDA забезпечує підтримку доступності даних.
На відміну від більш фундаментального NEAR, OpenLedger більше зосереджений на створенні спеціалізованої блокчейн-мережі для даних і моделей, прагнучи досягти відстежуваності, комбінованості та сталого ціннісного замкнутого циклу в розробці та виклику моделей на ланцюгу.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-19c2276fccc616ccf9260fb7e35c9c24)
Три, основні компоненти та технологічна архітектура OpenLedger
3.1 Модельна фабрика, безкодова модельна фабрика
ModelFactory є платформою для налаштування LLM в екосистемі OpenLedger, яка пропонує повністю графічний інтерфейс для роботи. Її основні етапи включають контроль доступу до даних, вибір та налаштування моделі, легке налаштування, оцінка та розгортання моделі, інтерактивний перевірочний інтерфейс та генерування RAG з відстеженням.
ModelFactory підтримує основні відкриті великі мовні моделі, такі як серії LLaMA, Mistral, Qwen, ChatGLM, Deepseek, Gemma тощо. Хоча не включає останні MoE або мультимодальні моделі, але на основі реальних обмежень, пов'язаних з розгортанням на блокчейні, було зроблено конфігурацію з акцентом на "практичність".
Model Factory як інструмент без коду, всі моделі мають вбудований механізм підтвердження внесків, що забезпечує права учасників, має низький поріг входу, можливість монетизації та комбінування.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-f23f47f09226573b1fcacebdcfb8c1f3)
3.2 OpenLoRA, активи моделі тонкого налаштування на блокчейні
OpenLoRA - це легковажний фреймворк для інференції, побудований OpenLedger, який має на меті вирішення проблем високих витрат, низької повторюваності та витрат ресурсів під час розгортання AI моделей. Його основні компоненти включають модуль зберігання LoRA Adapter, хостинг моделей та динамічний шар злиття, інференційний двигун, маршрутизацію запитів та модуль потокового виводу.
OpenLoRA через ряд низькорівневих оптимізацій суттєво підвищив ефективність розгортання та інференції кількох моделей. Його основні компоненти включають динамічне завантаження адаптерів LoRA, тензорну паралельність, Paged Attention, злиття кількох моделей, Flash Attention, попередньо скомпільовані CUDA ядра та технології квантизації.
OpenLoRA не лише ефективний фреймворк для інференції, але й глибоко інтегрує інференцію моделей з механізмами стимулювання Web3, з метою перетворення моделей LoRA на викликаються, комбіновані та прибуткові активи Web3. Він підтримує моделі як активи, динамічне об'єднання кількох LoRA + розподіл прибутку, а також підтримує спільну інференцію моделей довгого хвоста в умовах багатокористувацького доступу.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-909dc3f796ad6aa44a1c97a51ade4193)
3.3 Datanets (дані мережі), від суверенітету даних до інтелекту даних
Datanets є інфраструктурою OpenLedger для «даних як активів», яка використовується для збору та управління наборами даних у певних сферах. Кожен Datanet подібний до структурованого сховища даних, яке забезпечує можливість відстеження та довіри даних через механізми належності на блокчейні.
У порівнянні з проєктами, які зосереджуються на суверенітеті даних, OpenLedger створює повний замкнутий цикл «від даних до інтелекту» за допомогою трьох основних модулів: Datanets, Model Factory, OpenLoRA, зосереджуючи увагу на тому, як дані тренуються, викликаються та отримують винагороду.
3.4 Proof of Attribution（贡献证明）：переформування стимулюючого рівня розподілу вигод
PoA є основним механізмом реалізації належності даних та розподілу стимулів в OpenLedger. Його процес включає подачу даних, оцінку впливу, валідацію навчання, розподіл стимулів та управління якістю. PoA є не лише інструментом розподілу стимулів, але й рамкою для прозорості, відстежування джерел та багатоступеневої належності.
RAG Attribution – це механізм привласнення даних та мотивації, створений OpenLedger у сценарії RAG, який забезпечує можливість відстеження та перевірки виходу моделі, заохочення внесків, а в підсумку досягає генерування довіри та прозорості даних.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-f49cfa5ea73fc0018250d04193b34b60)
Чотири, прогрес проекту OpenLedger та екосистемні співпраці
OpenLedger вже запустив тестову мережу, інтелектуальний рівень даних є першим етапом, що має на меті створення спільноти, що керує інтернет-сховищем даних. Тестова мережа пропонує три типи механізмів доходу: винагорода за операцію вузлів, винагорода за внесок у дані та винагорода за участь у завданнях.
Тестова мережа Epoch 2 акцентує увагу на механізмі Datanets для обробки даних, що охоплює перевірку даних, класифікацію та інші завдання. Довгостроковий дорожня карта OpenLedger передбачає перехід від збору даних та побудови моделей до екосистеми Agent, поступово реалізуючи повний децентралізований економічний замкнутий цикл AI.
Екосистема партнерів OpenLedger охоплює обчислювальну потужність, інфраструктуру, інструментальні засоби та AI-застосунки. Протягом минулого року OpenLedger безперервно організовував саміт DeAI Summit, зміцнюючи свою брендове усвідомлення та професійну репутацію в спільноті розробників та підприємницькій екосистемі Web3 AI.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-9fbd934d293142e4fdd386eee4afd41a)
П'ять, фінансування та фон команди
OpenLedger завершила раунд фінансування на суму 11,2 мільйона доларів у липні 2024 року, інвесторами стали такі відомі установи, як Polychain Capital, Borderless Capital та кілька ангельських інвесторів. Кошти будуть використані для просування будівництва мережі AI Chain, механізмів стимулювання моделей, основи даних та повного впровадження екосистеми застосувань Agent.
OpenLedger заснований Рамом Кумаром, досвідченим підприємцем у сфері AI/ML та блокчейн-технологій, який приніс органічне поєднання ринкових інсайтів, технічної експертизи та стратегічного лідерства в проект.
Шість, проектування економічної моделі токенів та управління
OPEN є основним функціональним токеном екосистеми OpenLedger, який надає можливості для управління мережею, виконання транзакцій, розподілу винагород і роботи AI Agent. Його функції включають управління та прийняття рішень, паливо для транзакцій і оплату зборів, стимули та винагороди за приналежність, можливості міжланцюгового мосту та механізм стейкінгу AI Agent.
OpenLedger запровадила механізм управління на основі внескової вартості, де вага голосування пов'язана з реально створеною вартістю, а не лише з капітальною вагою. Цей дизайн допомагає забезпечити довгострокову стійкість управління, запобігаючи домінуванню спекулятивних дій у прийнятті рішень.
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-fb455c53ffce25e4aafd015de8a70e1b)
Сім, Дані, Моделі та Стимули Ринкової Структури та Порівняння Конкурентів
OpenLedger займає проміжне положення в поточній екосистемі Crypto AI, що стосується «модельних активів на блокчейні та стимулювання викликів», є ключовим містковим протоколом, що з'єднує постачання цінності моделей та їх реальне використання. У порівнянні з іншими проектами:
! [Звіт про глибоке дослідження OpenLedger: Побудова керованої даними агентної економіки на основі OP Stack+EigenDA](https://img-cdn.gateio.im/social/ моменти-10c448380f8c71f34654554536e1b38a)
Висновок | Від даних до моделі, шлях монетизації AI ланцюга
OpenLedger прагне створити інфраструктуру «модель як актив» у світі Web3, вперше інтегруючи AI моделі в справжню економічну систему, що підлягає відстеженню, монетизації та співпраці, через побудову повного замкнутого циклу. Його технологічна система надає всім учасникам всебічну підтримку, активуючи ресурси «даних» та «моделей», які довгий час були проігноровані в ціннісному ланцюгу AI.
OpenLedger більше схожий на HuggingFace + Stripe + Infura в