OpenGradient

OpenGradient 是什么？

OpenGradient 是一个去中心化的 AI 基础设施网络，使应用、公链和自主代理可以将 AI 推理和模型执行外包给一个专门的计算层，在该层中，输出可以通过可信执行环境（TEE）认证、zkML 证明或更轻量的基于签名验证来进行校验。

它所聚焦的核心问题，并不是泛泛的“AI 上链”，而是一个更窄的制度性议题：应用是否能够证明究竟是哪个模型在什么执行假设下运行过，以及在结果被用于金融、代理或治理逻辑之前，是否遭到过篡改。

如果其竞争优势能够兑现，将体现在将 AI 执行与区块链结算分离：GPU 和 TEE 节点在关键路径之外执行繁重计算，而验证者通过一个基于 CometBFT 的验证层来结算证明和认证，使应用可以获得低延迟的 AI 响应，而无需让一个通用公链亲自运行模型本身。OpenGradient 自身的文档将这一结构表述为混合式 AI 计算架构（Hybrid AI Compute Architecture），项目公开的技术资料也将该网络定位为一个 AI 协处理器，而不是一个试图通过“通用高吞吐”叙事来争夺广义智能合约市场份额的传统一层公链（OpenGradient 文档、OpenGradient 白皮书、Binance 研究）。(docs.opengradient.ai)

市场定位仍处于早期阶段，更应被视为品类塑造，而非既成的主导地位。截至 2026 年 10 月中旬，CoinGecko 将 OPG 的市值排名大致置于加密资产的 600 位后段，而 Sector Alpha 在其已评级的 AI 加密资产中，将 OpenGradient 排在第 42 位，并将其公开活动证据标记为“tape-led”，且链上证明覆盖不完整，这一评价有助于提醒投资者：交易所流动性并不等同于协议采用度（CoinGecko、Sector Alpha）。传统 DeFi TVL 也不是观察 OpenGradient 的好视角，因为该网络的主业并非借贷、AMM 或再质押协议；在同一时间段内，AI 赛道数据集将 OpenGradient 协议的 TVL 字段标记为“不可用”而不是“0”，而 DeFiLlama 的代币页面只跟踪到有限的 OPG 相关收益池流动性，并未呈现出类似 DeFi 货币市场那种可类比“协议资产负债表”的规模（Sector Alpha、DeFiLlama）。更相关的使用数据点在于推理和应用活动：OpenGradient 的门户在 2026 年 9 月 16 日至 10 月 14 日期间，显示大约处理了 147.5 亿枚机密推理 token；同时 Binance 研究报告中引用了 BitQuant 和 MemSync 等生态产品，指出其登记或活跃用户数量已具一定规模。不过，这些数字应被解读为生态覆盖范围，而不能直接视为自动流入 OPG 持有者的费用收入（OpenGradient Portal、Binance 研究）。(coingecko.com)

OpenGradient 由谁在何时创立？

OpenGradient 于 2024 年公开亮相，当时风险资本和加密市场的关注点正在从广义 Web3 消费叙事，转向 AI 基础设施、自主代理与可验证计算。项目在 2024 年 10 月宣布完成 850 万美元的种子轮融资，由 a16z Crypto Startup Accelerator 领投，参投方包括 SV Angel、Coinbase Ventures、SALT Fund、Symbolic Capital、Foresight Ventures 以及多位加密领域创始人和天使投资人；到 2026 年 4 月，项目宣布总融资规模达到 950 万美元，用于扩展其所描述的“可验证 AI 的计算层”（OpenGradient 种子轮公告、PR Newswire）。

当前的团队页面显示，Matthew Wang 担任 CEO 与联合创始人，Adam Balogh 担任 CTO 与联合创始人，Advait Jayant 担任首席战略官；更广泛团队被介绍为曾在 Two Sigma、Google、Meta、Palantir、Amazon 与 NASA 等机构有相关从业经验。这一点很重要，因为 OpenGradient 所声称的护城河，更依赖于应用层系统工程与密码学计算编排能力，而不是某种“纯金融化”的代币原语（OpenGradient 团队）。(opengradient.ai)

项目的叙事从“用户所有的 AI”以及去中心化模型托管，逐步演化为更偏基础设施的论纲：可验证推理、基于支付门控的模型执行、机密提示词以及 AI 代理结算。早期信息传递强调数据所有权、加密的用户上下文、模型归因以及开放模型中心；到 2026 年，其公开路线图与研究材料更多聚焦于 x402 支付、基于 TEE 的机密推理、zkML 验证、模型中心（Model Hub）变现、MemSync 持久化记忆，以及用于链上机器学习执行的 PIPE（Introducing OpenGradient、OpenGradient x402 升级、OpenGradient 白皮书）。这一转变之所以重要，是因为它将投资问题的重心，从“OpenGradient 能否再做出一个 AI 应用”，转移到“它能否成为一个可信的中间件层，以服务那些既需要可审计 AI 执行、又无法接受完全上链计算成本与延迟特征的应用”。(opengradient.ai)

OpenGradient 网络如何运作？

根据其文档与 MiCAR 披露，OpenGradient 采用基于 CometBFT 的权益证明（Proof-of-Stake）共识模型，并在 Cosmos SDK 组件之上构建 EVM 兼容执行环境。因此，该网络更接近于一个用于结算与验证的应用专用链，而非一台“单体 AI 超级计算机”：推理请求会被路由至专门的计算节点，而验证者则负责对证明或认证进行排序、验证与提交。在其公开的共识流程中，由按权益加权的验证者提出区块，其余验证者进行预投票与预提交，一旦超过三分之二验证者达成一致，相应证明即获得最终性；只要恶意或失效验证者比例低于三分之一，系统即可维持标准的拜占庭容错能力（OpenGradient 文档、OpenGradient MiCAR 白皮书）。该设计在许多工作流中是显式异步的：推理节点可以在证明最终结算之前返回结果，而区块链则在事后记录验证与支付状态，这在降低延迟的同时，引入了一个临时信任缺口，需要应用根据自身风险偏好进行管理。(docs.opengradient.ai)

该网络的显著特征在于其“验证谱系”。对于大语言模型和对隐私较为敏感的负载，OpenGradient 倾向使用 AWS Nitro Enclaves、NVIDIA Confidential Computing 等 TEE 来产出硬件认证；对更小型或更具确定性的机器学习工作负载，则支持 zkML 证明，在显著更高的计算开销下提供更强的数学级验证；而在安全需求较低的场景下，则允许基于签名而非完整证明生成的“普通模式”（“vanilla” mode）（OpenGradient 文档、OpenGradient 设计原则）。安全责任在验证者、推理节点、存储节点与数据节点之间进行分工：验证者维护证明结算层与节点注册表，推理节点负责运行模型，TEE 节点注册硬件认证，而被认定为被攻陷或无效的参与方则可以通过注册表和惩罚（slashing）机制被移除或处罚。如果这一模块化结构能够随规模扩展，将在经济上具有吸引力，但也会带来操作复杂度：该网络不仅需要保护验证者共识本身，还必须守住可信执行环境代码注册表、模型来源、支付结算以及跨异构计算市场的节点性能声誉等多个层面。(docs.opengradient.ai)

OPG 的代币经济如何设计？

OPG 的最大供应量固定为 10 亿枚，分配涵盖生态激励、基金会储备、贡献者、投资人和顾问、质押奖励、流动性与启动计划，以及空投等多个部分。根据 OpenGradient 基金会的代币经济页面，40% 分配给生态发展，15% 分配给基金会，约 15% 分配给核心贡献者，约 10% 分配给投资人和顾问，10% 用于质押奖励，6% 用于流动性与启动，4% 用于空投；贡献者与投资人份额设有 12 个月悬崖期并在数年内线性解锁，而质押奖励则计划在 96 个月内线性释放（OpenGradient 基金会 Tokenomics）。Binance 研究报告称，代币上线时的初始流通量约为 1.9 亿枚 OPG，占总供应量的 19%，而后续的市场数据页面则显示流通… 截至 2026 年 10 月中旬，流通量接近 2.3 亿枚 OPG，这凸显出即便在最大供应量封顶的前提下，流通盘扩张仍然是分析中的核心议题（Binance Research，CoinGecko）。因此，该代币在总量封顶的货币框架下并非“无限通胀型”，但在 10 亿枚总量上限之内，仍会因解锁计划和质押奖励排放而持续增加流通；MiCAR 文档将质押奖励项目描述为在 96 个月内线性发放 1 亿枚 OPG，同时部分通过对违反协议行为的惩罚性削减进行对冲（OpenGradient MiCAR White Paper）。（opengradient.foundation）

OPG 的价值捕获逻辑取决于：网络使用是否以可持续而非促销式的方式刚性依赖该代币。

公开资料将 OPG 描述为推理支付、gas 与结算、质押抵押物、验证者与委托人的安全保障、治理、模型托管访问、Model Hub 授权许可，以及 OpenGradient Chat、BitQuant、MemSync、Twin.fun 等生态应用层访问的核心媒介（Binance Research，OpenGradient Foundation Tokenomics）。跨链供应设计方面，Base 上存在规范的 ERC-20 合约，BNB Smart Chain 和 Mantle 上通过 LayerZero OFT 部署实现，采用“铸造与销毁”机制来支持跨链桥接，但这不应与通过使用行为永久减少供应的“经济性销毁机制”混为一谈；协议更清晰的供应收缩杠杆是对验证者不当行为或提交无效证明所质押抵押物进行惩罚性削减（OpenGradient Token Docs，OpenGradient MiCAR White Paper）。未解的问题在于：推理需求是否会形成持续的以 OPG 计价的费用需求，还是用户与集成方将系统推向稳定币式抽象支付、补贴路由，或弱化代币直接周转与价值捕获的托管式访问模式。（binance.com）

谁在使用 OpenGradient？

交易兴趣与真实使用之间的区分非常重要。截至 2026 年 10 月中旬，OPG 已在多家中心化与去中心化交易场所上线，但交易量、未平仓合约和永续合约流动性本身并不能证明 AI 工作负载正在经济上通过该网络结算。更相关的运营指标包括 Model Hub、推理控制面板、证明与证明记录数量，以及生态应用的实际使用情况。Binance Research 提到：OpenGradient Chat，一个拥有超过 4,500 个模型、分布在 100 多位开发者之间的 Model Hub；BitQuant 拥有超过 180 万注册用户和数千万次 AI 代理查询；MemSync 约有 3.9 万活跃用户；此外，OpenGradient 的门户在 2026 年 9–10 月的统计窗口内单独展示了保密推理相关的大额代币处理量（Binance Research，OpenGradient Portal）。这些数据表明其产品活动已超出单纯的代币交易层面，但目前公开数据尚未提供从总使用量到净协议费用、验证者收入或代币持有者价值捕获的清晰对应关系。（binance.com）

当前采用主要集中在加密原生的 AI 基础设施、DeFi 情报、智能体记忆、模型托管以及面向消费者的 AI 产品，而非传统企业级部署。OpenGradient 拥有较有分量的风投与生态支持，包括 a16z crypto、Coinbase Ventures、SV Angel、Foresight Ventures、Symbolic Capital、与 NEAR 相关人士以及其融资公告中披露的其他投资者，但资本支持与客户采用应严格区分对待（PR Newswire，OpenGradient seed announcement）。在项目层面，当开放推理、模型发布或证明结算已经在线运行时，那些合作与产品案例更具说服力；而仅停留在“AI x 加密”宏观叙事上的合作则说服力有限。从机构视角看，OpenGradient 已具备早期生态分发和逐步成型的产品面，但尚未展现出足以将其视作成熟去中心化算力基础设施的那种经审计的、经常性协议收入、企业级服务履约记录，或高度去中心化的验证者结构。（prnewswire.com）

OpenGradient 面临哪些风险与挑战？

将其归类为“功能型代币”并不能消除监管风险。OpenGradient 的 MiCAR 材料将 OPG 定位为功能型代币，以及既非资产锚定型代币也非电子货币型代币的加密资产，声明其不赋予所有权或利润权，并披露 OpenGradient Foundation 为发行方，其 MiCAR 白皮书依据欧盟法规 2023/1114 编制，并通过 AFM 流程在荷兰完成通报（OpenGradient MiCA page，MiCAR Registry，OpenGradient MiCAR White Paper）。就本报告编制时所能检索到的公开信息而言，其可见的监管足迹以披露为导向而非执法为导向，尚未发现针对 OPG 的明显 ETF 产品或重大活跃执法案例出现在一手或主要二手来源中；这一缺位不应被解读为任何法律结论，尤其是在美国证券法分析维度上。集中化风险则更为具体：路线图本身设想从引导期或基于身份的验证者集合，过渡到许可制 PoS，再进一步走向无许可验证者准入，这意味着早期安全性高度依赖经过筛选的验证者、可信执行环境（TEE）代码治理、节点注册表、硬件供应商以及项目自身的运营控制（Binance Research，OpenGradient Docs）。（opengradient.foundation）

竞争格局高度严峻，因为 OpenGradient 处于多个更大市场的交界处，而并未牢牢占据一个独立品类。在去中心化算力方面，它在概念上与 Akash、与 Render 相邻的基础设施、类似 io.net 的市场，以及其他新兴的 ML 训练或推理网络竞争；在可验证计算领域，它与 zkML 框架、预言机网络、类似 EigenLayer 的主动验证服务（AVS）以及各链专用协处理器设计竞争；在 AI 访问层面，它则间接面对中心化 API 路由器和云平台，而后者在分发能力和可靠性上的优势是加密网络难以匹敌的。Sector Alpha 的 AI 赛道筛选将 OpenGradient 置于一个拥挤的板块中，并刻意将许多关于 OpenGradient 的费用、收入、用户和 TVL 数据点留空或标注为不完整，这提醒我们：该项目的估值争论目前仍高度由叙事、流动性和未来效用驱动，而非经审计的真实网络经济吞吐（Sector Alpha）。从技术角度看，最大风险在于 OpenGradient 所做权衡在理论上正确却在生产环境中失效：TEE 引入了硬件与厂商信任假设；对于大模型而言，zkML 仍然成本高昂；异步证明结算会造成暂时性验证空窗；而无许可节点扩张难以与隐私、延迟与安全性需求完全协调统一。（sectoralpha.in）

OpenGradient 的未来前景如何？

OpenGradient 的前景更取决于其能否将早期的模型托管与推理活动转化为一个可靠的、去中心化的验证市场，而非代币价格表现。

2026 年最重要的一些已验证里程碑包括：2 月份的 x402 原生 TEE 推理升级、2026 年 3 月发布的技术白皮书、代币经济与 MiCAR 披露文件，以及基于 Cosmos SDK、使用 CometBFT 和兼容 EVM 的主网部署路线图，后续计划包括更广泛的验证者准入、更大范围的 ZKML 模型覆盖、跨链推理，以及带有版税与收入分成功能的 Model Hub v2（OpenGradient x402 Upgrade，OpenGradient Whitepaper，Binance Research）。

同样清晰的还有其结构性难题：OpenGradient 必须证明开发者愿意为“可验证性”付费，而不是单纯使用中心化 AI API；必须证明验证者与推理节点可以在不显著损害服务质量的前提下去中心化；必须证明质押与惩罚性削减能够对 AI 证明与结果提供实质性安全保障；并且要证明 OPG 的需求与真实算力使用紧密挂钩，而不仅仅是短期激励所驱动。如果这些问题得到解决，它有机会在“可验证 AI 执行”领域占据一个相对稳固的中间件位置；如果无法做到，它则有演变为又一个“AI 叙事基础设施代币”的风险，其市值更多反映赛道主题情绪，而非可量化的网络经济基础。（opengradient.ai）