Michael Heinrich, medeoprichter en CEO van 0G – interviewreeks

Michael Heinrich, medeoprichter en CEO van 0G, is een serieel ondernemer, investeerder en technologiebestuurder die zich richt op de ontwikkeling van gedecentraliseerde infrastructuur voor kunstmatige intelligentie. Bij 0G leidt hij de ontwikkeling van infrastructuur die AI opener, beter verifieerbaar en toegankelijker moet maken. Heinrich is ook uitvoerend voorzitter van ZeroStack Corp. en is al meer dan tien jaar docent en mentor aan Stanford University, waar hij bijdraagt aan programma’s op het gebied van ondernemerschap, durfkapitaal en innovatie. Daarnaast is hij venturepartner en angel investor bij Pioneer Fund, met investeringen in bedrijven en projecten als Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI en Binance. Eerder richtte Heinrich het bedrijf voor welzijn op de werkvloer Garten op, voorheen Oh My Green, en bekleedde hij functies bij Bridgewater Associates, Bain & Company, SAP Labs, Microsoft en J.P. Morgan. Daardoor heeft hij ervaring opgedaan met ondernemerschap, technologie, financiën, strategie en investeren in durfkapitaal.

0G bouwt aan een gedecentraliseerde AI-infrastructuurstack die moet fungeren als vertrouwenslaag voor kunstmatige intelligentie. Hiermee kunnen AI-taken worden uitgevoerd, opgeslagen en geverifieerd zonder volledig afhankelijk te zijn van gecentraliseerde aanbieders. De architectuur brengt verifieerbare rekenkracht, versleutelde gedecentraliseerde opslag, private AI-inferentie en een AI-native, EVM-compatibele Layer 1-blockchain samen. Zo ontstaat infrastructuur voor toepassingen die uiteenlopen van autonome AI-agenten en gedecentraliseerde modellen tot AI-marktplaatsen en machine-economieën. Het platform is modulair opgezet, zodat ontwikkelaars afzonderlijke onderdelen, zoals opslag of rekenkracht, onafhankelijk kunnen gebruiken. Tegelijk ondersteunt het volledig on-chain AI-toepassingen waarin gegevens, modellen en acties kunnen worden gecontroleerd en geverifieerd. Met deze aanpak wil 0G de onderliggende infrastructuur bieden voor een opener en transparanter AI-ecosysteem, waarin ontwikkelaars, bedrijven en gebruikers meer controle houden over AI-middelen en gegevens.

Voordat je samen met anderen 0G oprichtte, bouwde en leidde je Garten en deed je ervaring op in software, financiën, durfkapitaalinvesteringen en ondernemerschap. Wat zag je in 2023 gebeuren op het gebied van AI waardoor je besloot 0G op te richten, en hoe hebben je eerdere ervaringen je visie voor het bedrijf gevormd?

Ik heb mijn loopbaan doorgebracht in twee werelden die zelden met elkaar in gesprek zijn. In het begin van mijn loopbaan schreef ik software bij SAP en Microsoft. Daarna ging ik de financiële wereld in: eerst deed ik onderzoek naar de mondiale kapitaalmarkten aan Harvard Business School, en vervolgens werkte ik bij Bain en Bridgewater, waar ik de crisis van 2008 van dichtbij meemaakte. Die ervaring bracht me ertoe Garten op te richten, een bedrijf uit Y Combinator.

Elke fase leerde me vanuit een andere invalshoek dezelfde les: wanneer een systeem de controle concentreert en de interne werking verborgen houdt, zijn de mensen die ervan afhankelijk zijn als laatsten op de hoogte als het kapot is.

In 2023 zag ik in AI een patroon ontstaan in een tempo dat ik in geen enkele andere markt ooit had gezien. De modellen waren verbluffend, maar de infrastructuur erachter was in handen van een handvol bedrijven geconcentreerd. Belangrijker nog: je kon niet controleren wat er draaide, waar je gegevens naartoe gingen of wat de rekenkracht werkelijk kostte. Tegelijkertijd nam het benodigde kapitaal om mee te kunnen doen elk kwartaal verder toe. Voor iemand die de gebeurtenissen van 2008 had meegemaakt, leek het op hefboomwerking boven op een zwarte doos, waarbij iedereen ervan uitging dat er niets mis was met die zwarte doos.

De aanleiding voor 0G was dus een financiële vraag die me niet losliet: “Wat gebeurt er wanneer de belangrijkste productiefactor in de economie geen transparante markt en geen onafhankelijke verificatie heeft?” Samen met mijn medeoprichters Thomas Yao, Fan Long en Ming Wu beantwoordden we die vraag door 0G te bouwen.

Het antwoord is een vertrouwenslaag voor AI: één stack die private rekenkracht, onze eigen open-weightmodellen 0gm, veiligheidsmechanismen zoals sparse inference alignment en TEE-verificatie, versleutelde opslag en een blockchain die speciaal voor AI-taken is gebouwd, samenbrengt. AI-taken, van inferentie tot acties van agenten, worden hierin geverifieerd en gecontroleerd.

AI-bedrijven steken enorme hoeveelheden kapitaal in GPU’s, datacenters en energie. Wat verandert er fundamenteel aan de economie van rekenkracht, en denk je dat toegang tot rekenkracht strategisch even belangrijk kan worden als toegang tot kapitaal of energie?

Rekenkracht wordt nu al strategisch even belangrijk als kapitaal of energie. De vier grootste hyperscalers hebben alleen al in 2025 meer dan $500 miljard aan kapitaaluitgaven voor AI toegezegd en liggen op koers om dat bedrag dit jaar te verdubbelen. Dat is geen technologie­budget meer. Het zijn uitgaven aan nationale infrastructuur, beheerd door een handvol particuliere bedrijven.

De fundamentele verandering is dat rekenkracht de beperkende factor voor intelligentie zelf is geworden. Elke verbetering van een model, elke agent en elk product is uiteindelijk afhankelijk van GPU-uren. Wanneer één productiefactor alles stroomafwaarts bepaalt, gedraagt die zich niet langer als een grondstof die je koopt, maar als kapitaal dat je bezit. Toegang tot rekenkracht bepaalt nu welke bedrijven, universiteiten en landen kunnen bouwen.

Het vreemde is dat deze asset geen eigen markt heeft. Rekenkracht wordt op grote schaal geproduceerd, wereldwijd verhuurd en dagelijks geprijsd, maar er is geen manier om er een aanspraak op te hebben, je ertegen in te dekken of de toewijzing ervan transparant te regelen. Voor kapitaal bestaan markten. Voor energie bestaan markten. Voor rekenkracht zijn er inkoopcontracten met een handvol leveranciers.

Elke schaarse hulpbron doorloopt hetzelfde traject: eerst wordt die geproduceerd, dan geprijsd en vervolgens gefinancierd. Dat gebeurde met olie. Dat gebeurde met elektriciteit. Dat gebeurde met bandbreedte. Rekenkracht belandt nu in die derde fase. De financiële infrastructuur daarvoor opbouwen is een van de bepalende infrastructuurprojecten van dit decennium.

0G introduceert het idee dat je rekenkracht kunt bezitten, verdienen en gebruiken, in plaats van die simpelweg als clouddienst af te nemen. Wat betekent het in de praktijk om rekenkracht in een asset om te zetten, en hoe kan dat de verhouding tussen infrastructuurproviders, ontwikkelaars en AI-bedrijven veranderen?

Denk aan de manier waarop andere productieve assets werken. Aandelen leveren dividend op. Obligaties keren rente uit. Dezelfde gedachte passen we met financiering van rekenkracht, door ons ComFi genoemd, toe op rekenkracht. In plaats van simpelweg te betalen voor toegang tot GPU’s, kun je een positie bezitten die je toegang geeft tot AI-rekenkracht die je daadwerkelijk kunt gebruiken.

In de praktijk zet je een asset aan het werk en ontvang je daarvoor AI-rekenkracht. Die rekenkracht kan van alles mogelijk maken, van het privé uitvoeren van modellen tot het bouwen en lanceren van AI-toepassingen. Dit draait onder de motorkap op de 0G-blockchain. Gebruikers staken 0G als onderpand — dat wil zeggen: ze zetten die vast — ontvangen a0G, slaan iAI aan en zetten die iAI vervolgens in om rekenkracht te verdienen die ze bij AI-diensten kunnen gebruiken.

Het doel is om rekenkracht iets te maken wat je kunt aanhouden, verdienen en gebruiken, in plaats van die simpelweg per uur bij een cloudprovider te huren. Volgens de aanvankelijke parameters kunnen gebruikers iAI inzetten en tegoed voor rekenkracht ontvangen ter waarde van meer dan $1 per dag bij ondersteunde AI-diensten van 0G. Het onderliggende onderpand blijft vastgezet zolang de positie actief is en kan worden teruggekregen wanneer de iAI wordt verbrand.

Het belangrijkste is dat gebruikers geen geld of financieel rendement ontvangen. Ze krijgen toegang tot rekenkracht die ze daadwerkelijk kunnen gebruiken.

Dit verandert de verhouding tussen infrastructuurproviders, ontwikkelaars en AI-bedrijven. Infrastructuurproviders krijgen een nieuwe manier om hun rekenkracht beschikbaar te stellen, buiten traditionele cloudcontracten om. Ontwikkelaars krijgen een voorspelbaardere hulpbron waarop ze hun plannen en budget kunnen afstemmen. AI-bedrijven kunnen rekenkracht veiligstellen en hiervoor plannen maken, in plaats van die simpelweg te zien als een kostenpost waarover een handvol providers de controle heeft.

En doordat dit draait op de vertrouwenslaag van 0G, kan het gebruik van rekenkracht worden geverifieerd en gecontroleerd, in plaats van dat je simpelweg moet afgaan op ‘vertrouw ons maar’

We positioneren ComFi als een open categorie voor de AI-sector, niet als een eigen merk. Ascend en iAI zijn de eerste toepassingen van dit idee; er volgen er meer op het netwerk van 0G.

0G Compute is een gedecentraliseerde marktplaats waar GPU-providers met elkaar kunnen concurreren om AI-workloads uit te voeren. Welke economische voordelen kan dit model bieden ten opzichte van afhankelijkheid van een handvol hyperscale cloudproviders, met name wanneer de vraag naar GPU’s hoog is?

We wijzen op drie voordelen die duidelijker naar voren komen wanneer GPU’s schaars zijn: prijsvorming, elasticiteit en geen leveranciersbinding.

1. Prijsvorming: Op 0G Compute bepalen providers zelf hun prijzen en concurreren ze om workloads. Dat kan aanzienlijk lagere kosten opleveren: inferentie met vergelijkbare open modellen kost tot 95 procent minder, terwijl onze opslaglaag meer dan 90 procent goedkoper is dan AWS S3. Dat komt deels door concurrentie en deels doordat ongebruikte GPU-capaciteit wordt benut en open modellen worden uitgevoerd in plaats van gesloten frontiermodellen op speciale infrastructuur.

2. Elasticiteit: Hyperscalers plannen hun capaciteit jaren vooruit en wijzen die toe via langetermijnrelaties. Een marktplaats kan aanbod overal vandaan aantrekken, onder meer van onafhankelijke exploitanten, academische clusters en bedrijven met ongebruikte hardware. Wanneer de vraag piekt, kunnen hogere prijzen meer aanbod beschikbaar maken. Een vaste wachtrij wordt alleen maar langer.

3. Geen leveranciersbinding: Elke provider op ons netwerk biedt via één router dezelfde OpenAI-compatibele API aan; die schakelt automatisch over als een provider uitvalt. Momenteel zijn dat 13 providers die via één endpoint honderden modellen aanbieden, met meer dan 373 miljard verwerkte tokens en 27 miljoen inferentieverzoeken. Ontwikkelaars kunnen met één header van provider wisselen, zonder een migratieproject.

Er is ook een cijfermatig punt dat mensen over het hoofd zien. Ons eigen model, 0GM-1.0, is het op één na meest gebruikte model op het netwerk in de afgelopen 30 dagen, na alleen DeepSeek. Wanneer het eigen open model van een gedecentraliseerd netwerk qua gebruik kan concurreren met de beste open modellen ter wereld, laat dat zien dat de marktplaats op grote schaal kan functioneren.

De hyperscalers zijn uitstekend in wat ze doen. Maar wanneer GPU’s de schaarsste input in AI zijn, kunnen meer bronnen voor rekenkracht een heel ander aanbodmodel opleveren dan simpelweg wachten tot er meer hyperscalercapaciteit beschikbaar komt.

Een uitdaging bij gedecentraliseerde infrastructuur is ervoor te zorgen dat goedkopere, breder verspreide rekenkracht niet ten koste gaat van de betrouwbaarheid. Hoe bepaalt 0G of een aanbieder van rekenkracht een AI-workload daadwerkelijk correct heeft uitgevoerd?

Dat is een uitstekende vraag, en precies het soort vraag dat een echte markt voor rekenkracht onderscheidt van een systeem waarin je een aanbieder als AWS, Google Cloud of Microsoft Azure simpelweg moet vertrouwen. We hebben 0G zo ontworpen dat je een aanbieder nooit op zijn woord hoeft te geloven.

De privémodus van 0G draait in een afgeschermde vertrouwde uitvoeringsomgeving. De hardware genereert een attestatie die laat zien welk model en welke code worden uitgevoerd, en ondertekent elk antwoord met een sleutel die alleen binnen die omgeving bestaat. Een client kan de handtekening controleren aan de hand van de attestatie en bevestigen dat het opgegeven model ongewijzigd bij de opgegeven aanbieder is uitgevoerd. Noch 0G, noch de aanbieder kan de prompt of het antwoord zien. In geen van de modi bewaart 0G prompts of antwoorden, en 0G traint niet op je gegevens.

In de geverifieerde modus worden verzoeken doorgestuurd naar het beoogde onderliggende model, zodat je weet welk model antwoord heeft gegeven, ook als de aanbieder zelf gecentraliseerd is. Deze modi worden per verzoek bepaald en door het netwerk afgedwongen. Als een verzoek een aanbieder vereist die privéverwerking ondersteunt en er geen beschikbaar is, mislukt het verzoek in plaats van ongemerkt terug te vallen op een andere modus. Eerlijke modi zijn belangrijker dan marketingmodi.

Betaling is gekoppeld aan bewijs. Het geld wordt vastgehouden totdat het ondertekende resultaat is afgeleverd. Het netwerk heeft tot nu toe meer dan 24,9 miljoen TEE-bewijzen geregistreerd. Het raamwerk ondersteunt ook optimistische verificatie en verificatie met zero-knowledge-technieken voor workloads waarvoor die benaderingen geschikter zijn dan hardware-attestatie.

De betrouwbaarheid wordt op een eenvoudige manier gewaarborgd, met automatische failover tussen aanbieders en actuele gegevens over de gezondheid en latentie. Het onderliggende netwerk is zo ontworpen dat verificatie en afwikkeling geen knelpunt worden.

De economie van AI-infrastructuur hangt steeds meer samen met de beschikbaarheid van elektriciteit. Nu modellen en inferentieworkloads blijven groeien, verwacht je dat energie de belangrijkste beperking voor AI-rekenkracht wordt, in plaats van GPU’s zelf? En hoe kan gedecentraliseerde infrastructuur helpen dat knelpunt aan te pakken?

Energie en rekenkracht zijn beslist met elkaar verweven en beïnvloeden elkaar; knelpunten als gevolg van energievoorziening doen zich nu al voor. In Noord-Virginia werd in juli plotseling meer dan 3 GW aan datacentervraag van het elektriciteitsnet losgekoppeld. Dat maakte duidelijk hoeveel druk geconcentreerde belasting door datacenters op de stroominfrastructuur kan leggen.

Het elektriciteitsverbruik van AI-datacenters zal naar verwachting tegen 2030 verdubbelen. Het IEA verwacht dat het wereldwijde verbruik van datacenters tegen 2030 meer dan verdubbelt tot ongeveer 945 terawattuur, waarbij AI de belangrijkste aanjager is. Je kunt sneller meer GPU’s bouwen dan de stroominfrastructuur die nodig is om ze te laten werken.

Gecentraliseerde AI maakt dit probleem groter doordat de vraag wordt geconcentreerd in een klein aantal enorme datacenters, die elk gigantisch veel stroom en nieuwe infrastructuur voor het elektriciteitsnet nodig hebben.

Gedecentraliseerde infrastructuur kan deze groeiende beperking helpen verlichten door workloads onder te brengen op locaties waar al stroom en rekenkracht beschikbaar zijn. Denk aan regionale datacenters, industriële locaties met ongebruikte capaciteit of hernieuwbare energie die anders onbenut zou blijven. In plaats van meer stroom naar enkele enorme campussen te leiden, kun je de workload verplaatsen naar plekken waar al stroom beschikbaar is die niet volledig wordt benut.

Voor alle duidelijkheid: hiermee verdwijnt de beperking op het gebied van energie niet, maar bestaande energie- en rekeninfrastructuur kan er wel beter door worden benut.

0G gebruikt onder meer vertrouwde uitvoeringsomgevingen, optimistische verificatie en zero-knowledge-technieken om AI-berekeningen verifieerbaar te maken. Waar wordt cryptografische verificatie volgens jou het belangrijkst wanneer autonome AI-agenten beslissingen gaan nemen en transacties uitvoeren zonder voortdurend menselijk toezicht?

Verificatie is het belangrijkst op het precieze moment dat een mens niet langer meekijkt. Bij een copiloot controleert iemand de uitvoer. Bij een autonome agent is dat niet zo. Zodra een agent beslissingen kan nemen, transacties kan ondertekenen, geld kan beheren of met andere agenten kan communiceren, moet je weten welke agent handelt, welk model die agent aanstuurt en of die agent heeft gedaan wat van hem werd verwacht.

Daar wordt cryptografische verificatie belangrijk. Als een agent in een vertrouwde uitvoeringsomgeving draait, kun je een ondertekend verslag krijgen waarin staat welk model een beslissing heeft genomen en welke invoer daarvoor is gebruikt. De blockchain is een ideale vertrouwenslaag, omdat die onveranderlijk is, alleen gegevens kan toevoegen en de herkomst kan traceren. De blockchain biedt een gedeeld register van die bewijzen, zodat ontwikkelaars, auditors en tegenpartijen kunnen nagaan wat er is gebeurd zonder te hoeven vertrouwen op de lezing van één partij.

Hetzelfde principe geldt wanneer agenten op grote schaal met elkaar gaan communiceren. Je kunt niet iedere beslissing of transactie door een mens laten controleren. Verificatie, controleerbaarheid en vertrouwen moeten onderdeel worden van de infrastructuur zelf. Het doel is eenvoudig: in plaats van te moeten vragen of een agent zegt dat die zich aan de regels heeft gehouden, kun je bewijzen dat dit zo is.

Een groot deel van de huidige strijd om infrastructuur draait om de bouw van steeds grotere gecentraliseerde datacenters. Is gedecentraliseerde AI-rekenkracht een alternatief voor dat model, of verwacht u uiteindelijk dat gedecentraliseerde netwerken en hyperscalers complementaire onderdelen worden van dezelfde wereldwijde markt voor rekenkracht?

Ik zou zeggen dat ze elkaar aanvullen, en dat de verdeling veel weg zal hebben van die van het elektriciteitsnet. Hyperscalers vormen de basislast. Ze zijn bijzonder geschikt voor grootschalige, voorspelbare en latencygevoelige workloads van de grootste ondernemingen, en dat moeten ze vooral blijven doen. Gedecentraliseerde netwerken kunnen daarop aanvullen door wisselende vraag op te vangen, verspreide en anders ongebruikte rekenkracht beschikbaar te maken en meer bedrijven toegang te geven tot GPU-capaciteit.

Gedecentraliseerde netwerken zijn een echt alternatief dankzij het vertrouwen dat ze bieden. Concentratie is een economisch probleem, maar ook een probleem van transparantie. Wanneer een handvol bedrijven de infrastructuur beheert, bepalen zij ook wat je kunt zien. Een hyperscaler kan beloven niet naar je gegevens te kijken. Een afgeschermde enclave met publieke attestatie kan dat bewijzen. Die eigenschap wordt niet beter door een groter datacenter. Ze komt voort uit verificatie die in de infrastructuur zelf is ingebouwd.

We zien de twee modellen nu al naast elkaar functioneren. Google Cloud en Alibaba Cloud behoorden tot de partners bij de lancering van ons mainnet. Ondernemingen willen workloads kunnen routeren naar een hyperscaler, een gedecentraliseerde aanbieder of hun eigen hardware, afhankelijk van de prijs, de privacyvereisten en het verificatieniveau dat ze nodig hebben.

Dat is de richting waarin we de markt zien bewegen. Niet een model dat de andere vervangt, maar een wereldwijde markt voor rekenkracht waarin workloads kunnen worden verplaatst tussen verschillende infrastructuurbronnen, afhankelijk van wat de taak vereist.

Nu AI-agenten economische actoren worden die diensten kunnen inkopen en zelfstandig middelen kunnen beheren, zou rekenkracht zelf dan onderdeel kunnen worden van een economie tussen machines, waarin agenten dynamisch infrastructuur afnemen op basis van prijs, prestaties en beschikbaarheid?

Op ons netwerk zien we hiervan al enkele kleinschalige voorbeelden. De meeste aanvragen via 0G Compute komen niet van iemand die op een knop drukt. Ze komen van applicaties en agenten die een API aanroepen, per aanvraag betalen uit een vooraf gefinancierd saldo en worden doorgestuurd naar de aanbieder die het best bij de taak past. Ongeveer 43.000 wallets hebben op deze manier voor inferentie betaald, en meer dan 300 projecten zijn gebouwd op 0G. Ghast AI alleen al heeft meer dan 100 miljard tokens via 0G Compute verwerkt. NeoSoul beheert miljoenen agenten op 0G en BNB Chain, een ander blockchainnetwerk. Een agent die voor een batchtaak een goedkopere aanbieder kiest en voor een gevoelige taak een privé-enclave, neemt vandaag al zo’n routeringsbeslissing.

Wat nog ontbreekt voor een echte machine-economie, zijn zaken die mensen vanzelfsprekend vinden: identiteit, een manier om vooraf middelen aan te houden en een rekeneenheid. Agenten hebben een identiteit nodig die bij verschillende diensten werkt; daarvoor is de Agentic ID van 0G ontworpen. Ze hebben ook een manier nodig om rekenkracht vooraf veilig te stellen in plaats van voor elke aanvraag te betalen, zodat ze zelfstandig kunnen plannen en werken.

Dat is een van de redenen waarom we Compute Finance hebben gebouwd. Wanneer rekenkracht kan worden verdiend door deel te nemen aan het netwerk en kan worden besteed aan verschillende AI-diensten, kan een agent eenmalig van middelen worden voorzien en vervolgens de benodigde rekenkracht gebruiken zonder dat een mens het saldo van een cloudaccount hoeft aan te vullen. Ascend en Infinite AI zijn de eerste implementaties. De machine-economie zal daarop worden gebouwd door mensen die we nog niet hebben ontmoet.

Veiligheid is een harde eis. Elke beslissing van een machine moet een verifieerbaar spoor achterlaten en voorzien zijn van ingebouwde veiligheidsmaatregelen. Een machine-economie zonder transactieoverzichten is slechts een snellere manier om geld te verliezen en een niet-gemelde beveiligingsramp te veroorzaken.

Als u vijf jaar vooruitkijkt, hoe denkt u dat de markt voor AI-rekenkracht zich zal ontwikkelen? Zullen bedrijven vooral blijven denken in termen van het huren van GPU’s en cloudcapaciteit, of bewegen we naar een meer liquide wereldwijde markt waarin rekenkracht in eigendom kan zijn, kan worden uitgewisseld, te gelde kan worden gemaakt en dynamisch kan worden toegewezen?

Ik denk niet dat huren zal verdwijnen, net zomin als leasing verdween toen de financiering van apparatuur volwassen werd. Maar huren is niet langer de enige optie, en serieuze marktpartijen zullen rekenkracht niet meer uitsluitend als een hulpbron zien die ze moeten huren.

Naarmate dit zich verder ontwikkelt, verwacht ik dat rekenkracht dezelfde financiële infrastructuur krijgt als elke andere strategische grondstof. Bedrijven zullen posities in rekenkracht aanhouden, net zoals ze energiecontracten of vreemde valuta aanhouden. Aanbieders zullen capaciteit op een open markt verkopen in plaats van telkens afzonderlijk over een contract te onderhandelen. De prijs van rekenkracht zal afhangen van de workload en het vertrouwensniveau, omdat geverifieerde private inferentie en niet-geverifieerde inferentie verschillende producten zijn. En een groeiend deel van de kopers zal bestaan uit agenten in plaats van inkoopteams.

Daarvoor is Compute Finance (ComFi) bedoeld. We lanceerden Ascend en kondigden Infinite AI aan op de eerste verjaardag van ons mainnet, omdat de volgorde nu duidelijk is. Rekenkracht wordt geproduceerd. Er wordt een prijs aan toegekend. De volgende stap is een financiële laag waarin aanspraken op rekenkracht kunnen worden aangehouden, verdiend, besteed en verhandeld, waarbij elke eenheid een verifieerbaar spoor achterlaat. We maken ComFi bewust tot een open categorie en niet tot een eigen merk, want een markt met één deelnemer is geen markt.

Wat dit allemaal mogelijk maakt, is niet een betere GPU. Het is de vertrouwenslaag: bewijs van wat er is uitgevoerd, bewijs van wie het heeft uitgevoerd en afwikkeling op basis van dat bewijs. Zodra rekenkracht verifieerbaar is, wordt die voldoende uitwisselbaar om te financieren. Zodra die financierbaar is, wordt die liquide. De komende vijf jaar zal de sector de belangrijkste hulpbron van de economie niet langer als een kostenpost behandelen.

Bedankt voor het boeiende interview. Lezers die meer willen weten, kunnen terecht op 0G.