Michael Heinrich, cofondateur et PDG de 0G – Série d’entretiens

Michael Heinrich, cofondateur et PDG de 0G, est un entrepreneur en série, un investisseur et un dirigeant du secteur technologique qui se consacre à la création d’infrastructures décentralisées pour l’intelligence artificielle. Chez 0G, il dirige le développement d’infrastructures conçues pour rendre l’IA plus ouverte, vérifiable et accessible. Heinrich est également président exécutif de ZeroStack Corp. et enseigne et accompagne des étudiants à Stanford University depuis plus de dix ans, contribuant à des programmes portant sur l’entrepreneuriat, le capital-risque et l’innovation. Il est aussi associé de capital-risque et investisseur providentiel au sein de Pioneer Fund, et a investi dans diverses entreprises et divers projets, notamment Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI et Binance. Auparavant, Heinrich a fondé Garten, une entreprise de bien-être au travail anciennement appelée Oh My Green, et a occupé des postes chez Bridgewater Associates, Bain & Company, SAP Labs, Microsoft et J.P. Morgan, où il a acquis une expérience dans les domaines de l’entrepreneuriat, de la technologie, de la finance, de la stratégie et de l’investissement en capital-risque.

0G développe une pile d’infrastructures décentralisées pour l’IA, conçue pour servir de couche de confiance à l’intelligence artificielle et permettre l’exécution, le stockage et la vérification de charges de travail liées à l’IA sans dépendre entièrement de fournisseurs centralisés. Son architecture réunit le calcul vérifiable, le stockage décentralisé chiffré, l’inférence privée par IA et une blockchain de couche 1 compatible avec l’EVM et conçue nativement pour l’IA. Elle fournit ainsi une infrastructure pour des applications allant des agents d’IA autonomes et des modèles décentralisés aux places de marché de l’IA et aux économies de machines. La plateforme est conçue selon un principe de modularité : les développeurs peuvent utiliser séparément des composants comme le stockage ou le calcul, tout en bénéficiant d’une prise en charge d’applications d’IA entièrement exécutées sur la chaîne, dans lesquelles les données, les modèles et les actions peuvent être audités et vérifiés. Avec cette approche, 0G entend fournir l’infrastructure de base d’un écosystème d’IA plus ouvert et transparent, au sein duquel les développeurs, les entreprises et les utilisateurs gardent davantage de contrôle sur les ressources et les données liées à l’IA.

Avant de cofonder 0G, vous avez créé et dirigé Garten, et travaillé dans les domaines des logiciels, de la finance, de l’investissement en capital-risque et de l’entrepreneuriat. Qu’avez-vous observé dans le domaine de l’IA qui vous a convaincu de lancer 0G en 2023, et comment vos expériences précédentes ont-elles façonné votre vision de l’entreprise ?

Au cours de ma carrière, j’ai évolué entre deux univers qui communiquent rarement entre eux. Au début de ma carrière, j’ai écrit des logiciels chez SAP et Microsoft. Je me suis ensuite tourné vers la finance : j’ai d’abord étudié les marchés mondiaux des capitaux dans le cadre de recherches à Harvard Business School, puis travaillé chez Bain et Bridgewater, où j’ai vécu la crise de 2008 de l’intérieur. Cette expérience m’a conduit à fonder Garten, une entreprise du programme Y Combinator.

Chaque étape m’a appris la même leçon sous un angle différent : lorsqu’un système concentre le contrôle et dissimule son fonctionnement interne, ceux qui en dépendent sont les derniers à apprendre qu’il est défaillant.

En 2023, j’ai donc vu se dessiner dans l’IA une tendance à une vitesse que je n’avais jamais observée sur aucun autre marché. Les modèles étaient stupéfiants, mais l’infrastructure qui les sous-tendait était concentrée entre les mains de quelques entreprises. Surtout, il était impossible d’examiner ce qui était exécuté, de savoir où allaient les données ou de connaître le coût réel du calcul. Dans le même temps, les capitaux nécessaires pour participer ne cessaient de croître à un rythme composé, trimestre après trimestre. Pour quelqu’un qui avait vu la crise de 2008 se dérouler, cela ressemblait à un effet de levier appliqué à une boîte noire, tout le monde supposant que celle-ci fonctionnait parfaitement.

La vision de 0G est donc née d’une question financière qui ne me quittait pas : « Que se passe-t-il lorsque l’intrant le plus important de l’économie ne dispose ni d’un marché transparent ni d’une vérification indépendante ? » Avec mes cofondateurs Thomas Yao, Fan Long et Ming Wu, nous avons répondu à cette question en créant 0G.

La réponse est une couche de confiance pour l’IA : une pile unique qui réunit le calcul privé, nos propres modèles 0gm à poids ouverts, des mécanismes de protection tels que l’alignement de l’inférence clairsemée et la vérification TEE, le stockage chiffré et une blockchain spécialement conçue pour les charges de travail liées à l’IA. Les travaux d’IA, de l’inférence aux actions des agents, y sont vérifiés et audités.

Les entreprises spécialisées dans l’IA engagent des sommes considérables dans les GPU, les centres de données et l’énergie. Qu’est-ce qui change fondamentalement dans l’économie du calcul, et pensez-vous que l’accès au calcul pourrait devenir aussi stratégique que l’accès aux capitaux ou à l’énergie ?

L’accès au calcul devient déjà aussi stratégique que l’accès aux capitaux ou à l’énergie. Les quatre plus grands fournisseurs de services infonuagiques à très grande échelle ont engagé plus de 500 milliards de dollars en dépenses d’investissement dans l’IA en 2025 seulement, et sont en voie de doubler ce montant cette année. Il ne s’agit plus d’un budget technologique, mais de dépenses consacrées aux infrastructures nationales, gérées par quelques entreprises privées.

Le changement fondamental, c’est que le calcul est devenu le principal facteur limitant de l’intelligence elle-même. Chaque amélioration de modèle, chaque agent et chaque produit dépend, en fin de compte, des heures de calcul sur GPU. Lorsqu’un seul intrant conditionne tout ce qui suit, il cesse de se comporter comme une marchandise que l’on achète et devient quelque chose que l’on détient, comme un capital. L’accès au calcul détermine désormais quelles entreprises, quelles universités et quels pays peuvent développer leurs activités.

Ce qui est étonnant, c’est que cette ressource ne dispose pas de son propre marché. La capacité de calcul est produite à grande échelle, louée dans le monde entier et tarifée au jour le jour, et pourtant, il n’existe aucun moyen d’en détenir une créance, de se couvrir contre les risques ou de l’allouer de manière transparente. Le capital a ses marchés. L’énergie a ses marchés. Pour la capacité de calcul, il existe des contrats d’approvisionnement avec une poignée de fournisseurs.

Toute ressource rare suit le même parcours : elle est d’abord produite, puis son prix est fixé, puis elle fait l’objet d’un financement. Le pétrole a suivi ce parcours. L’électricité aussi. La bande passante aussi. La capacité de calcul entre actuellement dans cette troisième phase, et la mise en place de l’infrastructure financière nécessaire est l’un des grands projets d’infrastructure de cette décennie.

0G introduit l’idée que la capacité de calcul peut être détenue, acquise et utilisée, plutôt que simplement achetée comme un service cloud. Concrètement, que signifie transformer la capacité de calcul en actif, et comment cela pourrait-il modifier les relations entre les fournisseurs d’infrastructures, les développeurs et les entreprises d’IA ?

Pensez à la manière dont fonctionne tout autre actif productif. Les actions donnent droit à des dividendes. Les obligations versent des coupons. La finance de la capacité de calcul, que nous avons baptisée ComFi, applique le même principe à la capacité de calcul. Au lieu de simplement payer pour accéder à des GPU, vous pouvez détenir une position qui vous donne accès à une capacité de calcul pour l’IA que vous pouvez réellement utiliser.

Concrètement, vous mettez un actif à contribution et recevez en échange une capacité de calcul pour l’IA. Celle-ci peut servir à tout, de l’exécution privée de modèles à la création et au lancement d’applications d’IA. En coulisses, le système repose sur la blockchain 0G. Les utilisateurs mettent en jeu, c’est-à-dire verrouillent, des 0G en garantie, reçoivent des a0G, créent des iAI, puis engagent ces iAI pour obtenir une capacité de calcul qu’ils peuvent utiliser dans différents services d’IA.

L’objectif est de faire de la capacité de calcul une ressource que l’on peut détenir, acquérir et utiliser, plutôt que de simplement la louer à l’heure auprès d’un fournisseur cloud. Selon les paramètres initiaux, les utilisateurs peuvent engager des iAI et recevoir des crédits de calcul d’une valeur supérieure à 1 $ par jour dans les services d’IA 0G pris en charge. La garantie sous-jacente reste verrouillée tant que la position est active et peut être récupérée lorsque les iAI sont détruits.

Le point important, c’est que les utilisateurs ne reçoivent ni argent ni rendement financier. Ils obtiennent l’accès à une capacité de calcul qu’ils peuvent réellement utiliser.

Cela modifie les relations entre les fournisseurs d’infrastructures, les développeurs et les entreprises d’IA. Les fournisseurs d’infrastructures disposent d’un nouveau moyen de mettre leur capacité de calcul à disposition, au-delà des contrats cloud traditionnels. Les développeurs bénéficient d’une ressource plus prévisible, qu’ils peuvent intégrer à leurs plans et à leur budget. Les entreprises d’IA peuvent sécuriser leur accès à la capacité de calcul et planifier en conséquence, au lieu de la considérer simplement comme une dépense contrôlée par une poignée de fournisseurs.

Et comme le système repose sur la couche de confiance 0G, l’utilisation de la capacité de calcul peut être vérifiée et auditée, au lieu de simplement devoir être acceptée sur la foi d’un « faites-nous confiance »

Nous présentons ComFi comme une catégorie ouverte pour le secteur de l’IA, et non comme une marque propriétaire. Ascend et iAI sont les premières mises en œuvre de cette idée ; d’autres suivront sur le réseau 0G.

0G Compute fonctionne comme une place de marché décentralisée où les fournisseurs de GPU peuvent se faire concurrence pour traiter des charges de travail liées à l’IA. Quels avantages économiques ce modèle peut-il offrir par rapport au recours à une poignée de fournisseurs cloud à très grande échelle, en particulier lorsque la demande de GPU est élevée ?

Nous mettons en avant trois avantages qui deviennent plus manifestes lorsque les GPU sont rares : la découverte des prix, l’élasticité et l’absence de dépendance à un fournisseur.

1. Découverte des prix : Sur 0G Compute, les fournisseurs fixent eux-mêmes leurs prix et se font concurrence pour obtenir des charges de travail. Il peut en résulter des coûts nettement inférieurs : l’inférence de modèles ouverts comparables coûte jusqu’à 95 % de moins, tandis que notre couche de stockage revient à plus de 90 % de moins qu’AWS S3. Cela s’explique en partie par la concurrence et en partie par la mise à contribution des capacités GPU inutilisées et l’exécution de modèles ouverts plutôt que de modèles de pointe propriétaires sur une infrastructure dédiée.

2. Élasticité : La capacité des fournisseurs cloud à très grande échelle est planifiée des années à l’avance et attribuée dans le cadre de relations à long terme. Une place de marché peut mobiliser des ressources de partout, notamment auprès d’opérateurs indépendants, de grappes de calcul universitaires et d’entreprises disposant de matériel inutilisé. Lorsque la demande connaît un pic, la hausse des prix peut faire apparaître de nouvelles ressources. Une file d’attente fixe, elle, ne fait que s’allonger.

3. Absence de dépendance à un fournisseur : Tous les fournisseurs de notre réseau exposent la même API compatible avec OpenAI via un routeur unique, qui bascule automatiquement vers un autre fournisseur en cas de panne. Aujourd’hui, cela représente 13 fournisseurs proposant des centaines de modèles via un seul point d’accès, avec plus de 373 milliards de jetons traités et 27 millions de requêtes d’inférence. Les développeurs peuvent changer de fournisseur en modifiant un en-tête, sans avoir à mener un projet de migration.

Il y a aussi un aspect chiffré que les gens ne remarquent pas. Notre propre modèle, 0GM-1.0, est le deuxième modèle le plus utilisé sur le réseau au cours des 30 derniers jours, derrière DeepSeek seulement. Lorsqu’un modèle ouvert propre à un réseau décentralisé rivalise, en nombre d’utilisations, avec les meilleurs modèles ouverts au monde, cela montre que la place de marché peut fonctionner à grande échelle.

Les fournisseurs cloud à très grande échelle excellent dans leur domaine. Mais lorsque les GPU constituent la ressource la plus rare dans le secteur de l’IA, multiplier les sources de capacité de calcul peut créer un modèle d’approvisionnement très différent, plutôt que de simplement attendre une augmentation des capacités de ces fournisseurs.

L’un des défis des infrastructures décentralisées consiste à garantir que la disponibilité d’une puissance de calcul moins coûteuse et mieux répartie ne se fasse pas au détriment de la fiabilité. Comment 0G détermine-t-il si un fournisseur de puissance de calcul a réellement exécuté correctement une charge de travail d’IA ?

Excellente question : c’est ce qui distingue un véritable marché de la puissance de calcul d’un système où il faut simplement faire confiance à un fournisseur comme AWS, Google Cloud ou Microsoft Azure. Nous avons conçu 0G pour que vous n’ayez jamais à vous fier aux déclarations d’un fournisseur.

Le niveau privé de 0G fonctionne dans un environnement d’exécution de confiance fermé. Le matériel produit une attestation qui indique quel modèle et quel code sont exécutés, puis signe chaque réponse à l’aide d’une clé qui n’existe que dans cet environnement. Un client peut vérifier la signature à partir de l’attestation et confirmer que le modèle indiqué a été exécuté par le fournisseur spécifié sans modification. Ni 0G ni le fournisseur ne peuvent voir la requête ni la réponse. Quel que soit le niveau, 0G ne conserve aucune requête ni aucune réponse et n’entraîne pas ses modèles sur vos données.

Au niveau vérifié, les requêtes sont acheminées vers le modèle en amont prévu, ce qui vous permet de savoir quel modèle a répondu, même si le fournisseur lui-même est centralisé. Ces niveaux sont définis pour chaque requête et imposés par le réseau. Si une requête nécessite un fournisseur capable d’assurer la confidentialité et qu’aucun n’est disponible, elle échoue au lieu de basculer silencieusement vers un autre niveau. L’honnêteté des niveaux compte davantage que leur présentation marketing.

Le paiement est lié à la preuve. Les fonds sont retenus jusqu’à la livraison du résultat signé. À ce jour, le réseau a enregistré plus de 24,9 millions de preuves TEE, et le cadre prend également en charge la vérification optimiste et à divulgation nulle de connaissance pour les charges de travail auxquelles ces approches conviennent mieux que l’attestation matérielle.

La fiabilité est assurée de manière simple, grâce au basculement automatique entre fournisseurs et à des données en temps réel sur leur état de santé et leur latence. Le réseau sous-jacent est conçu pour que la vérification et le règlement ne deviennent pas des goulots d’étranglement.

L’économie des infrastructures d’IA est de plus en plus étroitement liée à la disponibilité de l’électricité. À mesure que les modèles et les charges de travail d’inférence continuent de prendre de l’ampleur, pensez-vous que l’énergie deviendra la principale contrainte pesant sur la puissance de calcul de l’IA, plutôt que les GPU eux-mêmes ? Et comment les infrastructures décentralisées pourraient-elles contribuer à lever ce goulot d’étranglement ?

L’énergie et la puissance de calcul sont indéniablement liées, chacune influant sur l’autre, et des goulets d’étranglement dus à l’énergie se font déjà sentir. En juillet, dans le nord de la Virginie, plus de 3 GW de demande des centres de données ont soudainement été déconnectés du réseau électrique, mettant en évidence la pression que des charges concentrées dans les centres de données peuvent exercer sur les infrastructures électriques.

La consommation d’électricité des centres de données d’IA devrait doubler d’ici 2030, et l’AIE prévoit que la consommation mondiale des centres de données fera plus que doubler pour atteindre environ 945 térawattheures d’ici 2030, l’IA en étant le principal moteur. Il est possible de construire davantage de GPU plus rapidement que les infrastructures électriques nécessaires à leur fonctionnement.

L’IA centralisée aggrave le problème en concentrant la demande dans un petit nombre de centres de données gigantesques, qui nécessitent chacun d’énormes quantités d’électricité et de nouvelles infrastructures de réseau.

Les infrastructures décentralisées peuvent contribuer à atténuer cette contrainte croissante en installant les charges de travail là où l’électricité et la puissance de calcul sont déjà disponibles. Il peut s’agir de centres de données régionaux, de sites industriels disposant de capacités inutilisées ou d’énergies renouvelables qui, autrement, resteraient inexploitées. Au lieu d’acheminer davantage d’électricité vers quelques campus gigantesques, on peut déplacer les charges de travail là où l’électricité est déjà disponible et sous-utilisée.

Pour être clair, cela ne supprime pas la contrainte énergétique, mais permet de tirer davantage parti des infrastructures électriques et informatiques existantes.

0G s’appuie notamment sur des environnements d’exécution de confiance, la vérification optimiste et les techniques à divulgation nulle de connaissance pour rendre les calculs d’IA vérifiables. Selon vous, à quel moment la vérification cryptographique deviendra-t-elle la plus importante, à mesure que les agents d’IA autonomes commenceront à prendre des décisions et à exécuter des transactions sans supervision humaine continue ?

La vérification est la plus importante au moment précis où un humain cesse de surveiller. Un copilote a une personne qui examine ses résultats. Ce n’est pas le cas d’un agent autonome. Dès lors qu’un agent peut prendre des décisions, signer des transactions, détenir des fonds ou interagir avec d’autres agents, il faut savoir quel agent agit, quel modèle le fait fonctionner et s’il a bien fait ce qu’il était censé faire.

C’est là que la vérification cryptographique devient importante. Lorsqu’un agent fonctionne dans un environnement d’exécution de confiance, on peut obtenir un relevé signé indiquant quel modèle a pris une décision et quelles données d’entrée il a utilisées. La chaîne de blocs constitue une couche de confiance idéale, car elle est immuable, uniquement cumulative et permet de retracer la provenance. Elle fournit un registre commun de ces preuves, afin que les développeurs, les auditeurs et les contreparties puissent vérifier ce qui s’est passé sans se fier à la version des faits d’une seule partie.

Le même principe s’applique lorsque les agents commencent à interagir entre eux à grande échelle. Il est impossible de faire examiner chaque décision ou transaction par un humain. La vérification, la capacité d’audit et la confiance doivent faire partie intégrante de l’infrastructure. L’objectif est simple : au lieu de se demander si un agent affirme avoir respecté les règles, on peut le prouver.

Une grande partie de la course actuelle aux infrastructures consiste à construire des centres de données centralisés toujours plus grands. Le calcul décentralisé pour l’IA constitue-t-il une alternative à ce modèle, ou pensez-vous plutôt que les réseaux décentralisés et les hyperscalers finiront par devenir des composantes complémentaires d’un même marché mondial du calcul ?

Je dirais qu’ils sont complémentaires et que leur répartition ressemblera beaucoup à celle du réseau électrique. Les hyperscalers assurent la charge de base. Ils sont très performants pour les charges de travail massives, prévisibles et sensibles à la latence des plus grandes entreprises, et ils devraient continuer à s’en charger. Les réseaux décentralisés peuvent les compléter en absorbant la demande variable, en mettant en service des capacités de calcul distribuées et autrement inutilisées, et en donnant à davantage d’entreprises accès à des capacités GPU.

Les réseaux décentralisés constituent une véritable alternative grâce à la confiance qu’ils inspirent. La concentration pose un problème économique, mais aussi un problème de visibilité. Quand une poignée d’entreprises exploite l’infrastructure, elles contrôlent aussi ce que vous pouvez voir. Un hyperscaler peut promettre de ne pas consulter vos données. Une enclave scellée avec attestation publique peut le prouver. Cette propriété ne s’améliore pas avec un centre de données plus grand. Elle découle de l’intégration de la vérification à l’infrastructure.

Nous voyons déjà les deux modèles fonctionner côte à côte. Google Cloud et Alibaba Cloud figuraient parmi les partenaires du lancement de notre réseau principal. Les entreprises veulent pouvoir acheminer une charge de travail vers un hyperscaler, un fournisseur décentralisé ou leur propre matériel, en fonction du prix, des exigences de confidentialité et du niveau de vérification dont elles ont besoin.

C’est dans cette direction que nous voyons le marché évoluer : non pas vers le remplacement d’un modèle par un autre, mais vers un marché mondial du calcul où les charges de travail peuvent passer d’une source d’infrastructure à une autre selon les exigences de la tâche.

À mesure que les agents d’IA deviennent des acteurs économiques capables d’acheter des services et de gérer des ressources de façon autonome, le calcul pourrait-il lui-même s’inscrire dans une économie de machine à machine, où les agents acquièrent dynamiquement des infrastructures en fonction du prix, des performances et de la disponibilité ?

Nous en avons observé quelques exemples à petite échelle sur notre réseau. La plupart des requêtes adressées à 0G Compute ne proviennent pas d’une personne qui clique sur un bouton. Elles émanent d’applications et d’agents qui appellent une API, paient chaque requête à partir d’un solde approvisionné et sont dirigés vers le fournisseur le mieux adapté à la tâche. Environ 43 000 portefeuilles ont payé des inférences de cette manière, et plus de 300 projets ont été développés sur 0G. Ghast AI, à elle seule, a traité plus de 100 milliards de jetons via 0G Compute. NeoSoul fait fonctionner des millions d’agents sur 0G et BNB Chain, un autre réseau blockchain. Un agent qui choisit un fournisseur moins cher pour un traitement par lots et une enclave privée pour une tâche sensible prend une décision d’acheminement qui a lieu aujourd’hui.

Pour qu’une véritable économie des machines voie le jour, il lui manque des éléments que les humains tiennent pour acquis : une identité, un moyen de réserver des ressources à l’avance et une unité de compte. Les agents ont besoin d’une identité utilisable d’un service à l’autre, ce que l’Agentic ID de 0G est conçu pour leur fournir. Ils ont aussi besoin d’un moyen de garantir à l’avance l’accès aux capacités de calcul, plutôt que de payer chaque requête, afin de pouvoir planifier et fonctionner de manière autonome.

C’est l’une des raisons pour lesquelles nous avons créé Compute Finance. Lorsque des capacités de calcul peuvent être obtenues en participant au réseau et utilisées dans différents services d’IA, un agent peut être approvisionné une seule fois et mobiliser les capacités dont il a besoin sans qu’un humain ait à recharger un compte cloud. Ascend et Infinite AI en sont les premières mises en œuvre. L’économie des machines se construira à partir de ces fondations, grâce à des personnes que nous n’avons pas encore rencontrées.

Les exigences de sécurité ne sont pas négociables. Chacune de ces décisions prises par une machine doit laisser une trace vérifiable et s’accompagner de garde-fous de sécurité intégrés. Une économie des machines sans justificatifs n’est qu’un moyen plus rapide de perdre de l’argent et de provoquer une catastrophe de sécurité non divulguée.

Si l’on se projette cinq ans dans l’avenir, comment pensez-vous que le marché du calcul pour l’IA va évoluer ? Les entreprises continueront-elles à raisonner principalement en termes de location de GPU et de capacités cloud, ou nous dirigeons-nous vers un marché mondial plus liquide où les capacités de calcul pourront être détenues, échangées, monétisées et attribuées dynamiquement ?

Je ne pense pas que la location disparaisse, pas plus que le crédit-bail n’a disparu avec la maturation du financement des équipements. Mais ce n’est plus la seule option et ce ne sera plus le seul mode de réflexion des acteurs sérieux sur le calcul en tant que ressource.

À mesure que cette évolution se poursuit, je m’attends à ce que le calcul se dote du même type d’infrastructure financière que toute autre ressource stratégique. Les entreprises détiendront des positions sur les capacités de calcul, comme elles détiennent des contrats énergétiques ou des devises. Les fournisseurs vendront leurs capacités sur un marché ouvert, au lieu de négocier un contrat à la fois. Le calcul sera tarifé en fonction de la charge de travail et du niveau de confiance, car l’inférence privée vérifiée et l’inférence non vérifiée sont des produits différents. Et une part croissante des acheteurs sera constituée d’agents, et non d’équipes chargées des achats.

C’est à cela que sert Compute Finance (ComFi). Nous avons lancé Ascend et annoncé Infinite AI à l’occasion du premier anniversaire du lancement de notre réseau principal, car la séquence est désormais claire. Le calcul est produit. Il est tarifé. L’étape suivante consiste à créer une couche financière où les droits sur les capacités de calcul peuvent être détenus, acquis, dépensés et échangés, chaque unité laissant une trace vérifiable. Nous faisons délibérément de ComFi une catégorie ouverte plutôt qu’une marque propriétaire, car un marché auquel ne participe qu’un seul acteur n’est pas un marché.

Ce qui rend tout cela possible, ce n’est pas un meilleur GPU. C’est la couche de confiance : la preuve de ce qui a été exécuté, la preuve de qui l’a exécuté et le règlement qui découle de cette preuve. Dès lors que le calcul est vérifiable, il devient suffisamment fongible pour être financé. Dès lors qu’il peut être financé, il devient liquide. Au cours des cinq prochaines années, le secteur cessera de traiter la ressource la plus importante de l’économie comme un simple poste comptable.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus peuvent consulter 0G.