Podcast Ep.317——Blockchain im AI-Zeitalter, warum 0G die „drei großen Fragmentierungen“ vereint

Das Projekt 0G, das auf die Optimierung von KI-Workloads abzielt, hebt das Wachstumspotenzial und die Grenzen der KI-Blockchain hervor. Kürzlich zeigte ein Messari-Forschungsbericht, dass 0G eine modulare Infrastruktur-Stack ist, der Datenveröffentlichung, Speicherung und Berechnung in einer integrierten Pipeline bereitstellt. Das Hauptmerkmal besteht darin, durch die kompatible EVM-Layer-1-„0G-Chain“ die Kosten für Inferenz, Feinabstimmung, Speicherung und Datenverfügbarkeit in ein einziges System zu integrieren.

Traditionelle Blockchain-KI-Dienste stehen vor strukturellen Problemen wie Schwierigkeiten bei der Ergebnisüberprüfung, ineffizienter Datenverarbeitung und mangelnder Sichtbarkeit bei der Aufgabenausführung. Es wird argumentiert, dass Blockchain zwar gut für die sequenzielle Aufzeichnung von Statusänderungen geeignet ist, aber bei der Speicherung großer Datenmengen oder der Validierung von Ergebnissen aus Off-Chain-Berechnungen Grenzen hat. Daher müssen Projekte jeweils mit Datenverfügbarkeitsnetzwerken, Dateispeichernetzwerken und Rechennetzwerken verbunden werden, was zu unvorhersehbaren Kosten und betrieblicher Komplexität führt. 0G sagt, dass „durch eine einzige Abrechnungsebene die drei Kerninfrastrukturen koordiniert werden, um die verteilten Herausforderungen bei KI-Workloads zu lösen“.

Das Kernstück von 0G umfasst vier Hauptkomponenten. Erstens verwendet die 0G-Chain eine Architektur, bei der EVM-Ausführung und Konsens getrennt sind. Jede Shard bietet 11.000 TPS und eine Finalität im Subsekundenbereich. Durch die Verlagerung der Datenveröffentlichung und der Abrechnung von Rechenaufgaben auf verteilte Shards wird die Durchsatzleistung erhöht. Die Validatoren-Community wird durch eine auf Ethereum basierende Symbiotic-Ausführung verwaltet, die Sicherheit und Flexibilität bei der Validierung gewährleistet.

Zweitens ist 0G DA eine Datenverfügbarkeits-Schicht, die massenhaft KI-Datensätze mit Erasure-Coding-Technologie redundant veröffentlicht und Sampling-Validierung unterstützt. Externe Rollups können dieses System integrieren, wobei tatsächliche Daten über eine separate Komponente, 0G Storage, abgerufen werden. Drittens unterscheidet 0G Storage zwischen einer festen Log-Schicht und einer dynamischen Key-Value-Schicht, um eine verteilte Speicherung vom KI-Trainingsarchiv bis zu Anwendungs- und Betriebsdaten zu ermöglichen.

Schließlich ist 0G Compute ein auf GPU-Anbieter basierender Markt für Inferenz und Feinabstimmung, der signierte Aufgabenergebnisse als Belege zurückgeben und auf der 0G-Chain abrechnen kann. Zukünftig ist eine Erweiterung auf vortrainierte Modelle geplant. Aufgrund der aktuellen Begrenztheit der Validierungsmechanismen plant das Projekt auch die Einführung einer Trusted Execution Environment. Zudem nutzt 0G intelligente NFTs, die KI-Konfigurationsinformationen tragen, sowie ein erkennbares Adresssystem „.0G-Domains“, um die Interaktion zwischen KI-Agenten und Nutzern zu steuern.

Zu den Wettbewerbern, die Messari erwähnt, gehören DA-Netzwerke wie Celestia und EigenDA, archivierende Speicherlösungen auf Filecoin und Arweave, GPU-Märkte wie Akash, Render und io.net sowie kleinere Bündelprojekte wie AIOZ und Autonomys im Bereich DeAI. Im Gegensatz zu diesen Lösungen betont 0G, dass Aufgaben, Speicherung, Validierung und Abrechnung an einer einzigen Adresse erfolgen können. Sollte jedoch eine der Integrationsschichten an Leistung verlieren oder auf Ablehnung stoßen, könnte dies die Akzeptanz des gesamten Systems behindern – ein bedeutendes Risiko.

Der Schlüssel für 2026 liegt darin, ob es gelingt, die anfänglichen Investitionen in das Ökosystem, wie Node-Belohnungen und initiale Fördermittel, in nachhaltige tatsächliche Nachfrage umzuwandeln. Besonders entscheidend ist, wie Partnerschaften durch den 88 Millionen US-Dollar umfassenden Ökosystemfonds gewonnen werden können und wie diese Nachfrage in nachhaltigen Gas- und Rechenkosten umgesetzt wird. Letztlich kann 0G als „Versuch gesehen werden, die riesige KI-Blockchain-Pipeline in einen handhabbaren, einheitlichen Arbeitsablauf zu komprimieren“.