Michael Heinrich, Mitgründer und CEO von 0G – Interviewreihe

Michael Heinrich, Mitgründer und CEO von 0G, ist ein Seriengründer, Investor und Technologieexperte, der sich auf den Aufbau dezentraler Infrastruktur für künstliche Intelligenz konzentriert. Bei 0G leitet er die Entwicklung einer Infrastruktur, die KI offener, überprüfbarer und zugänglicher machen soll. Heinrich ist außerdem Executive Chairman von ZeroStack Corp. und seit mehr als einem Jahrzehnt als Dozent und Mentor an der Stanford University tätig. Dort wirkt er an Programmen zu Unternehmertum, Risikokapital und Innovation mit. Zudem ist er Venture-Partner und Angel-Investor beim Pioneer Fund und investiert in Unternehmen und Projekte wie Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI und Binance. Zuvor gründete Heinrich das Unternehmen Garten für das Wohlbefinden am Arbeitsplatz, das früher Oh My Green hieß, und war bei Bridgewater Associates, Bain & Company, SAP Labs, Microsoft und J.P. Morgan tätig. Dadurch sammelte er Erfahrungen in den Bereichen Unternehmertum, Technologie, Finanzen, Strategie und Risikokapitalinvestitionen.

0G entwickelt einen dezentralen KI-Infrastruktur-Stack, der als Vertrauensebene für künstliche Intelligenz dienen soll. Er ermöglicht die Ausführung, Speicherung und Überprüfung von KI-Workloads, ohne vollständig auf zentralisierte Anbieter angewiesen zu sein. Die Architektur vereint überprüfbare Rechenleistung, verschlüsselte dezentrale Speicherung, private KI-Inferenz und eine KI-native, EVM-kompatible Layer-1-Blockchain. So entsteht eine Infrastruktur für Anwendungen, die von autonomen KI-Agenten und dezentralen Modellen bis hin zu KI-Marktplätzen und Maschinenökonomien reichen. Die Plattform ist modular aufgebaut: Entwickler können einzelne Komponenten wie Speicher oder Rechenleistung unabhängig voneinander nutzen und zugleich vollständig On-Chain ausgeführte KI-Anwendungen entwickeln, bei denen Daten, Modelle und Aktionen geprüft und verifiziert werden können. Mit diesem Ansatz will 0G die grundlegende Infrastruktur für ein offeneres und transparenteres KI-Ökosystem bereitstellen, in dem Entwickler, Unternehmen und Nutzer mehr Kontrolle über KI-Ressourcen und Daten behalten.

Bevor Sie 0G mitgründeten, bauten Sie Garten auf und leiteten das Unternehmen. Außerdem sammelten Sie Erfahrungen in den Bereichen Software, Finanzen, Risikokapitalinvestitionen und Unternehmertum. Was beobachteten Sie 2023 im Bereich KI, das Sie davon überzeugte, 0G zu gründen, und wie prägten Ihre früheren Erfahrungen Ihre Vision für das Unternehmen?

Im Laufe meiner Karriere habe ich mich zwischen zwei Welten bewegt, die nur selten miteinander kommunizieren. Zu Beginn meiner Laufbahn schrieb ich Software bei SAP und Microsoft. Danach wechselte ich in den Finanzbereich: Zunächst beschäftigte ich mich während meiner Forschungsarbeit an der Harvard Business School mit den globalen Kapitalmärkten, anschließend arbeitete ich bei Bain und Bridgewater. Dort erlebte ich die Krise von 2008 hautnah. Diese Erfahrung brachte mich dazu, Garten zu gründen, ein Unternehmen aus dem Förderprogramm von Y Combinator.

Jedes Kapitel meiner Laufbahn hat mich aus einem anderen Blickwinkel dieselbe Lektion gelehrt: Wenn ein System die Kontrolle konzentriert und seine internen Abläufe verbirgt, erfahren diejenigen, die auf das System angewiesen sind, zuletzt, dass es nicht mehr funktioniert.

Als ich 2023 zurückblickte, erkannte ich, dass sich in der KI ein Muster mit einer Geschwindigkeit abzeichnete, die ich in keinem anderen Markt je erlebt hatte. Die Modelle waren beeindruckend, doch die dahinterstehende Infrastruktur lag in den Händen einiger weniger Unternehmen. Noch wichtiger war, dass sich nicht überprüfen ließ, was ausgeführt wurde, wohin die eigenen Daten gelangten oder was die Rechenleistung tatsächlich kostete. Gleichzeitig stieg der erforderliche Kapitaleinsatz von Quartal zu Quartal immer stärker an. Für jemanden, der den Verlauf der Krise von 2008 miterlebt hatte, sah das nach einer Hebelwirkung auf der Grundlage einer Blackbox aus – und alle gingen davon aus, dass mit dieser Blackbox alles in Ordnung war.

Die Ausrichtung von 0G ergab sich also aus einer Finanzfrage, die mich nicht losließ: „Was geschieht, wenn der wichtigste Input der Wirtschaft keinen transparenten Markt und keine unabhängige Überprüfung hat?“ Gemeinsam mit meinen Mitgründern Thomas Yao, Fan Long und Ming Wu beantworteten wir diese Frage, indem wir 0G aufbauten.

Die Antwort ist eine Vertrauensebene für KI: ein einheitlicher Stack, der private Rechenleistung, unsere eigenen Open-Weight-Modelle 0gm, Sicherheitsmechanismen wie Sparse-Inference-Alignment und Tee-Verifizierung, verschlüsselten Speicher sowie eine speziell für KI-Workloads entwickelte Blockchain vereint. Hier werden KI-Aufgaben – von der Inferenz bis hin zu den Aktionen von Agenten – überprüft und auditiert.

KI-Unternehmen investieren enorme Summen in GPUs, Rechenzentren und Energie. Was verändert sich grundlegend an der Wirtschaftlichkeit der Rechenleistung, und glauben Sie, dass der Zugang zu Rechenleistung strategisch ebenso wichtig werden könnte wie der Zugang zu Kapital oder Energie?

Rechenleistung wird bereits strategisch ebenso wichtig wie Kapital oder Energie. Die vier größten Hyperscaler sagten allein für 2025 Investitionen in KI von mehr als 500 Milliarden US-Dollar zu und sind derzeit auf Kurs, diese Summe in diesem Jahr zu verdoppeln. Das ist längst kein Technologieetat mehr. Es handelt sich um Ausgaben für nationale Infrastruktur, die von einer Handvoll privater Unternehmen gesteuert werden.

Die grundlegende Veränderung besteht darin, dass Rechenleistung zum entscheidenden Engpass für Intelligenz geworden ist. Jede Verbesserung eines Modells, jeder Agent und jedes Produkt hängen letztlich von GPU-Stunden ab. Wenn ein einzelner Input alles Weitere begrenzt, verhält er sich nicht mehr wie eine Ware, die man kauft, sondern wie Kapital, das man besitzt. Der Zugang zu Rechenleistung entscheidet inzwischen darüber, welche Unternehmen, Universitäten und Länder entwickeln können.

Das Ungewöhnliche daran ist, dass es für diesen Vermögenswert keinen eigenen Markt gibt. Rechenleistung wird in großem Umfang bereitgestellt, weltweit gemietet und täglich bepreist. Dennoch gibt es keine Möglichkeit, einen Anspruch darauf zu halten, ihn abzusichern oder transparent zuzuteilen. Für Kapital gibt es Märkte. Für Energie gibt es Märkte. Bei Rechenleistung gibt es Beschaffungsverträge mit einer Handvoll Anbietern.

Jeder knappe Rohstoff durchläuft denselben Weg: Zunächst wird er produziert, dann bepreist und schließlich finanziert. So war es bei Öl. So war es bei Strom. So war es bei Bandbreite. Rechenleistung tritt gerade in diese dritte Phase ein, und die dafür nötige Finanzinfrastruktur aufzubauen, ist eines der wegweisenden Infrastrukturprojekte dieses Jahrzehnts.

0G führt die Idee ein, dass Rechenleistung nicht einfach als Cloud-Dienst gekauft, sondern gehalten, verdient und genutzt werden kann. Was bedeutet es konkret, Rechenleistung zu einem Vermögenswert zu machen, und wie könnte dies das Verhältnis zwischen Infrastrukturanbietern, Entwicklern und KI-Unternehmen verändern?

Denken Sie daran, wie andere produktive Vermögenswerte funktionieren. Aktien bringen Dividenden ein. Anleihen zahlen Kupons. Compute Finance, von uns als ComFi geprägt, überträgt denselben Gedanken auf Rechenleistung. Statt einfach für den Zugang zu GPUs zu bezahlen, können Sie eine Position halten, die Ihnen Zugang zu tatsächlich nutzbarer KI-Rechenleistung verschafft.

Konkret setzen Sie einen Vermögenswert ein und erhalten dafür KI-Rechenleistung. Diese kann alles ermöglichen – vom privaten Ausführen von Modellen bis hin zur Entwicklung und Einführung von KI-Anwendungen. Im Hintergrund läuft das über die 0G-Blockchain. Nutzer staken 0G als Sicherheit, also sperren es, erhalten a0G, prägen iAI und setzen dieses iAI anschließend ein, um Rechenleistung zu erhalten, die sie für verschiedene KI-Dienste nutzen können.

Ziel ist es, Rechenleistung zu etwas zu machen, das man halten, verdienen und nutzen kann, statt sie einfach stundenweise von einem Cloud-Anbieter zu mieten. Nach den anfänglichen Parametern können Nutzer iAI einsetzen und dafür Rechenguthaben im Wert von mehr als 1 US-Dollar pro Tag für die unterstützten KI-Dienste von 0G erhalten. Die zugrunde liegende Sicherheit bleibt gesperrt, solange die Position aktiv ist, und kann zurückerlangt werden, wenn das iAI verbrannt wird.

Wichtig ist, dass Nutzer weder Bargeld noch eine finanzielle Rendite erhalten. Sie bekommen Zugang zu tatsächlich nutzbarer Rechenleistung.

Dadurch verändert sich das Verhältnis zwischen Infrastrukturanbietern, Entwicklern und KI-Unternehmen. Infrastrukturanbieter erhalten eine neue Möglichkeit, ihre Rechenkapazität über herkömmliche Cloud-Verträge hinaus bereitzustellen. Entwickler erhalten eine besser vorhersehbare Ressource, mit der sie planen und kalkulieren können. KI-Unternehmen können sich Rechenleistung sichern und entsprechend planen, statt sie lediglich als Kostenfaktor zu behandeln, über den eine Handvoll Anbieter bestimmt.

Und da die Nutzung über die Vertrauensschicht von 0G läuft, lässt sie sich überprüfen und auditieren, statt einfach nach dem Motto „Vertraut uns“ akzeptiert zu werden.

Wir positionieren ComFi als offene Kategorie für die KI-Branche und nicht als proprietäre Marke. Ascend und iAI sind die ersten Umsetzungen dieser Idee; weitere werden dem Netzwerk von 0G folgen.

0G Compute funktioniert als dezentraler Marktplatz, auf dem GPU-Anbieter um KI-Workloads konkurrieren können. Welche wirtschaftlichen Vorteile kann dieses Modell gegenüber der Abhängigkeit von einer Handvoll Hyperscale-Cloud-Anbietern bieten, insbesondere bei hoher GPU-Nachfrage?

Wir sehen drei Vorteile, die bei knappen GPUs besonders deutlich werden: Preisfindung, Elastizität und fehlende Anbieterbindung.

1. Preisfindung: Auf 0G Compute legen die Anbieter ihre Preise selbst fest und konkurrieren um Workloads. Das kann zu deutlich niedrigeren Kosten führen: Vergleichbare Inferenz mit offenen Modellen kostet bis zu 95 Prozent weniger, während unsere Speicherschicht mehr als 90 Prozent günstiger ist als AWS S3. Ein Teil davon ist dem Wettbewerb zu verdanken, ein weiterer Teil der Nutzung ungenutzter GPU-Kapazitäten und dem Betrieb offener Modelle statt geschlossener Spitzenmodelle auf dedizierter Infrastruktur.

2. Elastizität: Hyperscaler planen ihre Kapazitäten Jahre im Voraus und vergeben sie im Rahmen langfristiger Geschäftsbeziehungen. Ein Marktplatz kann Anbieter von überall einbeziehen, darunter unabhängige Betreiber, akademische Cluster und Unternehmen mit ungenutzter Hardware. Steigt die Nachfrage sprunghaft an, können höhere Preise weitere Anbieter dazu bewegen, Kapazität bereitzustellen. Bei einer festen Warteschlange wird sie lediglich länger.

3. Keine Anbieterbindung: Jeder Anbieter in unserem Netzwerk stellt über einen einzigen Router dieselbe OpenAI-kompatible API bereit, der bei einem Ausfall automatisch auf einen anderen Anbieter umschaltet. Derzeit sind das 13 Anbieter, die über einen einzigen Endpunkt Hunderte von Modellen bereitstellen; verarbeitet wurden bereits mehr als 373 Milliarden Tokens und 27 Millionen Inferenzanfragen. Entwickler können mit einer Header-Änderung den Anbieter wechseln, statt ein Migrationsprojekt aufsetzen zu müssen.

Außerdem gibt es einen zahlenmäßigen Aspekt, der oft übersehen wird. Unser eigenes Modell 0GM-1.0 ist gemessen an der Nutzung im Netzwerk während der vergangenen 30 Tage das am zweithäufigsten verwendete Modell – nur DeepSeek liegt davor. Wenn das eigene offene Modell eines dezentralen Netzwerks bei der Nutzung mit den besten offenen Modellen der Welt konkurriert, zeigt das, dass der Marktplatz in großem Maßstab funktionieren kann.

Die Hyperscaler leisten hervorragende Arbeit. Doch wenn GPUs der knappste Faktor in der KI sind, können zusätzliche Quellen für Rechenleistung ein ganz anderes Angebotsmodell ermöglichen, als einfach darauf zu warten, dass die Kapazitäten der Hyperscaler wachsen.

Eine Herausforderung bei dezentraler Infrastruktur besteht darin, sicherzustellen, dass günstigere und breiter verteilte Rechenleistung nicht zulasten der Zuverlässigkeit geht. Wie stellt 0G fest, ob ein Rechenanbieter eine KI-Arbeitslast tatsächlich korrekt ausgeführt hat?

Das ist eine hervorragende Frage, und eine, die einen echten Rechenleistungsmarkt von einem System unterscheidet, in dem man einem Anbieter wie AWS, Google Cloud oder Microsoft Azure einfach vertrauen muss. Wir haben 0G so konzipiert, dass Sie sich nie auf das Wort eines Anbieters verlassen müssen.

Die private Stufe von 0G läuft in einer abgeschotteten vertrauenswürdigen Ausführungsumgebung. Die Hardware erstellt eine Bescheinigung, aus der hervorgeht, welches Modell und welcher Code ausgeführt werden, und signiert jede Antwort mit einem Schlüssel, der nur innerhalb dieser Umgebung existiert. Ein Client kann die Signatur anhand der Bescheinigung überprüfen und bestätigen, dass das angegebene Modell beim angegebenen Anbieter unverändert ausgeführt wurde. Weder 0G noch der Anbieter können die Eingabeaufforderung oder die Antwort einsehen. Über alle Stufen hinweg speichert 0G weder Eingabeaufforderungen noch Antworten und trainiert nicht mit Ihren Daten.

Auf der verifizierten Stufe werden Anfragen an das vorgesehene übergeordnete Modell weitergeleitet. So wissen Sie, welches Modell geantwortet hat, selbst wenn der Anbieter zentralisiert ist. Diese Stufen werden für jede Anfrage festgelegt und vom Netzwerk durchgesetzt. Erfordert eine Anfrage einen Anbieter, der den Datenschutz unterstützt, und ist keiner verfügbar, schlägt sie fehl, statt unbemerkt auf eine andere Stufe auszuweichen. Verlässliche Stufen sind wichtiger als Stufen, die nur dem Marketing dienen.

Die Zahlung ist an einen Nachweis gebunden. Die Mittel werden so lange zurückgehalten, bis das signierte Ergebnis übermittelt wurde. Das Netzwerk hat bislang mehr als 24,9 Millionen TEE-Nachweise verzeichnet. Das Framework unterstützt außerdem optimistische Verifizierung und Zero-Knowledge-Verifizierung für Arbeitslasten, bei denen diese Ansätze sinnvoller sind als eine Hardwarebescheinigung.

Die Zuverlässigkeit wird unkompliziert gewährleistet: durch automatisches Failover zwischen Anbietern sowie aktuelle Daten zu Verfügbarkeit und Latenz. Das zugrunde liegende Netzwerk ist so konzipiert, dass Verifizierung und Abwicklung nicht zum Engpass werden.

Die Wirtschaftlichkeit der KI-Infrastruktur hängt zunehmend eng mit der Verfügbarkeit von Strom zusammen. Da Modelle und Inferenzarbeitslasten weiter wachsen: Erwarten Sie, dass Energie statt GPUs zur primären Begrenzung der KI-Rechenleistung wird, und wie könnte dezentrale Infrastruktur helfen, diesen Engpass zu beheben?

Energie und Rechenleistung hängen definitiv zusammen, beeinflussen sich gegenseitig, und durch Energie verursachte Engpässe treten bereits auf. In Nord-Virginia wurden im Juli plötzlich mehr als 3 GW an Rechenzentrumslast vom Stromnetz getrennt. Das verdeutlicht, wie stark konzentrierte Lasten von Rechenzentren die Strominfrastruktur beanspruchen können.

Der Stromverbrauch von KI-Rechenzentren dürfte sich bis 2030 verdoppeln. Die IEA prognostiziert, dass sich der weltweite Verbrauch von Rechenzentren bis 2030 auf rund 945 Terawattstunden mehr als verdoppeln wird, wobei KI der wichtigste Treiber ist. GPUs lassen sich schneller in größerer Zahl bauen als die Strominfrastruktur, die für ihren Betrieb erforderlich ist.

Zentralisierte KI verschärft das Problem, weil sie die Nachfrage auf wenige riesige Rechenzentren konzentriert, von denen jedes enorme Strommengen und eine neue Netzinfrastruktur benötigt.

Dezentrale Infrastruktur kann dazu beitragen, diesen zunehmenden Engpass zu verringern, indem sie Arbeitslasten dorthin verlagert, wo Strom und Rechenkapazität bereits vorhanden sind. Das können regionale Rechenzentren, Industriestandorte mit freien Kapazitäten oder erneuerbare Energie sein, die sonst ungenutzt bliebe. Statt mehr Strom zu einigen wenigen riesigen Standorten zu leiten, kann man die Arbeitslast dorthin verlagern, wo Strom bereits verfügbar ist und nicht vollständig genutzt wird.

Um es klarzustellen: Dadurch verschwindet der Energieengpass nicht, aber vorhandene Energie- und Recheninfrastruktur kann besser genutzt werden.

0G nutzt unter anderem vertrauenswürdige Ausführungsumgebungen, optimistische Verifizierung und Zero-Knowledge-Techniken, um KI-Berechnungen überprüfbar zu machen. Wo wird die kryptografische Verifizierung Ihrer Ansicht nach am wichtigsten, wenn autonome KI-Agenten Entscheidungen treffen und Transaktionen ausführen, ohne kontinuierlich von Menschen beaufsichtigt zu werden?

Am wichtigsten ist die Verifizierung genau in dem Moment, in dem ein Mensch nicht mehr zusieht. Bei einem Copiloten überprüft eine Person dessen Ausgabe. Bei einem autonomen Agenten ist das nicht der Fall. Sobald ein Agent Entscheidungen treffen, Transaktionen signieren, Gelder verwahren oder mit anderen Agenten interagieren kann, muss man wissen, welcher Agent handelt, welches Modell ihn steuert und ob er getan hat, was er tun sollte.

Hier wird die kryptografische Verifizierung wichtig. Läuft ein Agent in einer vertrauenswürdigen Ausführungsumgebung, lässt sich ein signierter Datensatz erstellen, aus dem hervorgeht, welches Modell eine Entscheidung getroffen hat und welche Eingaben es dafür verwendet hat. Die Blockchain eignet sich ideal als Vertrauensebene, weil sie unveränderlich ist, nur ergänzt werden kann und die Herkunft nachverfolgbar macht. Sie stellt einen gemeinsamen Nachweis dieser Vorgänge bereit, sodass Entwickler, Prüfer und Gegenparteien überprüfen können, was geschehen ist, ohne der Darstellung einer einzelnen Partei vertrauen zu müssen.

Dasselbe Prinzip gilt, wenn Agenten zunehmend in großem Umfang miteinander interagieren. Es ist unmöglich, jede Entscheidung oder Transaktion von einem Menschen überprüfen zu lassen. Verifizierung, Prüfbarkeit und Vertrauen müssen Teil der Infrastruktur selbst werden. Das Ziel ist einfach: Statt sich zu fragen, ob ein Agent behauptet, die Regeln eingehalten zu haben, kann man nachweisen, dass er sie eingehalten hat.

Ein großer Teil des heutigen Infrastrukturwettlaufs dreht sich um den Bau immer größerer, zentralisierter Rechenzentren. Stellt dezentrale KI-Rechenleistung eine Alternative zu diesem Modell dar, oder werden dezentrale Netzwerke und Hyperscaler Ihrer Ansicht nach letztlich zu sich ergänzenden Bestandteilen desselben globalen Marktes für Rechenleistung?

Ich würde sagen, sie ergänzen sich, und die Aufteilung wird der im Stromnetz sehr ähnlich sein. Hyperscaler bilden die Grundlast. Sie eignen sich sehr gut für umfangreiche, planbare und latenzkritische Arbeitslasten der größten Unternehmen und sollten diese weiterhin bedienen. Dezentrale Netzwerke können sie ergänzen, indem sie schwankende Nachfrage auffangen, verteilte und anderweitig ungenutzte Rechenleistung verfügbar machen und mehr Unternehmen Zugang zu GPU-Kapazitäten verschaffen.

Dezentrale Netzwerke sind eine echte Alternative, weil sie Vertrauen schaffen. Die Konzentration ist nicht nur ein wirtschaftliches Problem, sondern auch ein Problem der Einsehbarkeit. Wenn eine Handvoll Unternehmen die Infrastruktur betreibt, kontrolliert sie auch, was Sie sehen können. Ein Hyperscaler kann versprechen, Ihre Daten nicht einzusehen. Eine abgeschottete Enklave mit öffentlicher Attestierung kann das beweisen. Diese Eigenschaft verbessert sich nicht durch ein größeres Rechenzentrum. Sie entsteht dadurch, dass die Überprüfbarkeit in die Infrastruktur eingebaut ist.

Wir sehen bereits, wie die beiden Modelle nebeneinander funktionieren. Google Cloud und Alibaba Cloud gehörten zu unseren Partnern beim Start des Mainnets. Unternehmen möchten Arbeitslasten je nach Preis, Datenschutzanforderungen und benötigtem Grad der Überprüfbarkeit an einen Hyperscaler, einen dezentralen Anbieter oder ihre eigene Hardware weiterleiten können.

In diese Richtung entwickelt sich unserer Ansicht nach der Markt: Nicht ein Modell ersetzt die anderen, sondern es entsteht ein globaler Markt für Rechenleistung, in dem Arbeitslasten je nach Anforderungen zwischen verschiedenen Infrastrukturquellen wechseln können.

Wenn KI-Agenten zu wirtschaftlichen Akteuren werden, die Dienstleistungen einkaufen und Ressourcen autonom verwalten können, könnte Rechenleistung selbst Teil einer Maschine-zu-Maschine-Ökonomie werden, in der Agenten dynamisch Infrastruktur entsprechend Preis, Leistung und Verfügbarkeit beschaffen?

In unserem Netzwerk sehen wir bereits einige kleinere Beispiele dafür. Die meisten Anfragen über 0G Compute stammen nicht von einer Person, die auf eine Schaltfläche klickt. Sie kommen von Anwendungen und Agenten, die eine API aufrufen, jede Anfrage aus einem aufgeladenen Guthaben bezahlen und an den Anbieter weitergeleitet werden, der am besten zur jeweiligen Aufgabe passt. Rund 43.000 Wallets haben auf diese Weise für Inferenz bezahlt, und mehr als 300 Projekte wurden auf 0G aufgebaut. Ghast AI allein hat über 0G Compute mehr als 100 Milliarden Tokens verarbeitet. NeoSoul betreibt Millionen von Agenten auf 0G und BNB Chain, einem weiteren Blockchain-Netzwerk. Wenn ein Agent für eine Stapelverarbeitung einen günstigeren Anbieter und für eine sensible Aufgabe eine private Enklave auswählt, ist das eine Weiterleitungsentscheidung, die bereits heute getroffen wird.

Was einer echten Maschinenökonomie noch fehlt, sind Dinge, die Menschen als selbstverständlich ansehen: eine Identität, eine Möglichkeit, Ressourcen im Voraus zu sichern, und eine Rechnungseinheit. Agenten brauchen eine Identität, die dienstübergreifend funktioniert. Genau das soll die Agentic ID von 0G ermöglichen. Außerdem benötigen sie eine Möglichkeit, Rechenleistung im Voraus zu sichern, statt jede Anfrage einzeln zu bezahlen, damit sie planen und autonom handeln können.

Das ist einer der Gründe, warum wir Compute Finance entwickelt haben. Wenn Rechenleistung durch die Teilnahme am Netzwerk erworben und für verschiedene KI-Dienste ausgegeben werden kann, lässt sich ein Agent einmalig mit Guthaben ausstatten und kann dann auf die benötigte Rechenleistung zugreifen, ohne dass ein Mensch ein Cloud-Konto aufladen muss. Ascend und Infinite AI sind die ersten Umsetzungen. Die Maschinenökonomie wird darauf von Menschen aufgebaut werden, denen wir noch nicht begegnet sind.

Die Sicherheitsanforderung ist nicht verhandelbar. Jede dieser Maschinenentscheidungen muss eine überprüfbare Spur hinterlassen und mit eingebauten Sicherheitsvorkehrungen abgesichert sein. Eine Maschinenökonomie ohne Belege ist lediglich ein schnellerer Weg, Geld zu verlieren und eine nicht offengelegte Sicherheitskatastrophe herbeizuführen.

Wie wird sich der Markt für KI-Rechenleistung Ihrer Einschätzung nach in den nächsten fünf Jahren entwickeln? Werden Unternehmen weiterhin vor allem daran denken, GPUs und Cloud-Kapazitäten zu mieten, oder bewegen wir uns auf einen liquideren globalen Markt zu, auf dem Rechenleistung besessen, getauscht, monetarisiert und dynamisch zugeteilt werden kann?

Ich glaube nicht, dass das Mieten verschwinden wird – genauso wenig, wie Leasing verschwand, als sich die Anlagenfinanzierung weiterentwickelte. Es ist aber nicht mehr die einzige Möglichkeit und wird auch nicht länger die einzige Art sein, wie ernstzunehmende Akteure Rechenleistung als Ressource betrachten.

Im Zuge dieser Entwicklung wird Rechenleistung meiner Erwartung nach dieselbe Art von Finanzinfrastruktur erhalten wie jeder andere strategische Input. Unternehmen werden Positionen in Rechenleistung halten, so wie sie Energieverträge oder Fremdwährungen halten. Anbieter werden Kapazitäten auf einem offenen Markt verkaufen, statt jedes Mal einzeln einen Vertrag auszuhandeln. Rechenleistung wird nach Arbeitslast und Vertrauensniveau bepreist werden, denn verifizierte private Inferenz und nicht verifizierte Inferenz sind unterschiedliche Produkte. Und ein wachsender Anteil der Käufer werden Agenten sein, keine Einkaufsteams.

Dafür gibt es Compute Finance (ComFi). Wir haben Ascend gestartet und Infinite AI am ersten Jahrestag unseres Mainnets angekündigt, weil die Abfolge nun klar ist: Rechenleistung wird erzeugt. Sie wird bepreist. Der nächste Schritt ist eine Finanzschicht, in der Ansprüche auf Rechenleistung gehalten, erworben, ausgegeben und gehandelt werden können, wobei jede Einheit einen überprüfbaren Nachweis hinterlässt. Wir machen ComFi bewusst zu einer offenen Kategorie statt zu einer proprietären Marke, denn ein Markt mit nur einem Teilnehmer ist kein Markt.

Was all das möglich macht, ist keine bessere GPU. Es ist die Vertrauensebene: der Nachweis, was ausgeführt wurde, der Nachweis, wer es ausgeführt hat, und eine Abwicklung, die dem Nachweis folgt. Sobald Rechenleistung verifizierbar ist, wird sie fungibel genug, um finanziert werden zu können. Sobald sie finanzierbar ist, wird sie liquide. In den nächsten fünf Jahren hört die Branche auf, die wichtigste Ressource der Wirtschaft als bloßen Kostenposten zu behandeln.

Vielen Dank für das großartige Interview. Leserinnen und Leser, die mehr erfahren möchten, sollten 0G besuchen.