Michael Heinrich, medgrundare och vd för 0G – intervjuserie

Michael Heinrich, medgrundare och vd för 0G, är serieentreprenör, investerare och teknikledare med fokus på att bygga decentraliserad infrastruktur för artificiell intelligens. På 0G leder han utvecklingen av infrastruktur som är utformad för att göra AI mer öppen, verifierbar och tillgänglig. Heinrich är också verkställande styrelseordförande för ZeroStack Corp. och har i mer än ett decennium varit lärare och mentor vid Stanford University, där han har bidragit till program inom entreprenörskap, riskkapital och innovation. Han är även venturepartner och affärsängel i Pioneer Fund, med investeringar i företag och projekt som Stripe, Anthropic, Brex, Notion, Filecoin, Worldcoin, Uniswap, Shield AI och Binance. Tidigare grundade Heinrich företaget Garten, som arbetar med hälsa och välmående på arbetsplatsen och tidigare hette Oh My Green. Han har också haft roller på Bridgewater Associates, Bain & Company, SAP Labs, Microsoft och J.P. Morgan, vilket har gett honom erfarenhet av entreprenörskap, teknik, finans, strategi och riskkapitalinvesteringar.

0G bygger en decentraliserad AI-infrastrukturstack som ska fungera som ett förtroendelager för artificiell intelligens och göra det möjligt att köra, lagra och verifiera AI-arbetsbelastningar utan att helt förlita sig på centraliserade leverantörer. Arkitekturen förenar verifierbar beräkningskapacitet, krypterad decentraliserad lagring, privat AI-inferens och en AI-inbyggd, EVM-kompatibel blockkedja av lager 1. Därmed skapas infrastruktur för allt från autonoma AI-agenter och decentraliserade modeller till AI-marknadsplatser och maskinekonomier. Plattformen är utformad med modularitet i fokus, så att utvecklare kan använda enskilda komponenter, som lagring eller beräkningskapacitet, separat, samtidigt som den stöder helt onchain-baserade AI-applikationer där data, modeller och åtgärder kan granskas och verifieras. Med detta tillvägagångssätt vill 0G tillhandahålla den underliggande infrastrukturen för ett öppnare och mer transparent AI-ekosystem där utvecklare, företag och användare behåller större kontroll över AI-resurser och data.

Innan du var med och grundade 0G byggde du upp och ledde Garten och arbetade inom programvara, finans, riskkapitalinvesteringar och entreprenörskap. Vad såg du hända inom AI som övertygade dig om att starta 0G 2023, och hur formade dina tidigare erfarenheter din vision för företaget?

Under min karriär har jag rört mig mellan två världar som sällan möts. I början av karriären skrev jag programvara på SAP och Microsoft. Därefter gick jag över till finansbranschen: först studerade jag globala kapitalmarknader medan jag forskade vid Harvard Business School, sedan arbetade jag på Bain och Bridgewater, där jag upplevde finanskrisen 2008 inifrån. Den erfarenheten fick mig att grunda Garten, ett Y Combinator-bolag.

Varje kapitel lärde mig samma sak ur en ny synvinkel: när ett system koncentrerar kontrollen och döljer hur det fungerar, är de som är beroende av det de sista som får veta att det har gått sönder.

Så 2023 såg jag ett mönster växa fram inom AI i en takt jag aldrig tidigare hade sett på någon annan marknad. Modellerna var häpnadsväckande, men infrastrukturen bakom dem kontrollerades av en handfull företag. Och viktigare än så: det gick inte att granska vad som kördes, vart ens data tog vägen eller vad beräkningskapaciteten faktiskt kostade. Samtidigt växte det kapital som krävdes för att delta, med en allt större ökning för varje kvartal. För någon som hade sett 2008 utvecklas på nära håll såg det ut som en hävstång ovanpå en svart låda, där alla utgick från att den svarta lådan fungerade som den skulle.

Det var alltså en finansfråga som inte ville släppa taget om mig som visade vägen för 0G: ”Vad händer när den viktigaste insatsvaran i ekonomin saknar en transparent marknad och oberoende verifiering?” Tillsammans med mina medgrundare Thomas Yao, Fan Long och Ming Wu besvarade vi frågan genom att bygga 0G.

Svaret är ett förtroendelager för AI: en enda stack som förenar privat beräkningskapacitet, våra egna 0gm-modeller med öppna vikter, säkerhetsmekanismer som gles inferensjustering och Tee-verifiering, krypterad lagring och en blockkedja som har byggts särskilt för AI-arbetsbelastningar. Här verifieras och granskas AI-arbete, från inferens till agentåtgärder.

AI-företag satsar enorma summor på GPU:er, datacenter och energi. Vad är det grundläggande som förändras i ekonomin kring beräkningskapacitet, och tror du att tillgång till beräkningskapacitet kan bli lika strategiskt viktig som tillgång till kapital eller energi?

Beräkningskapacitet håller redan på att bli lika strategiskt viktig som kapital eller energi. De fyra största hyperskaliga molnleverantörerna åtog sig att investera mer än 500 miljarder dollar i AI-relaterade kapitalutgifter bara under 2025, och investeringstakten innebär att beloppet fördubblas i år. Det handlar inte längre om en teknikbudget. Det är utgifter för nationell infrastruktur som hanteras av en handfull privata företag.

Den grundläggande förändringen är att beräkningskapacitet har blivit den begränsande faktorn för själva intelligensen. Varje förbättring av en modell, varje agent och varje produkt är i slutändan beroende av GPU-timmar. När en enda insatsvara sätter gränserna för allt som följer, upphör den att fungera som en vara man köper och börjar i stället fungera som kapital man äger. Tillgången till beräkningskapacitet avgör nu vilka företag, universitet och länder som får möjlighet att bygga.

Det märkliga är att den här tillgången saknar en egen marknad. Beräkningskapacitet produceras i stor skala, hyrs ut globalt och prissätts dagligen, men det finns inget sätt att inneha en fordran på den, säkra sig mot prisrisker eller fördela den på ett transparent sätt. Kapital har marknader. Energi har marknader. För beräkningskapacitet finns det upphandlingsavtal med ett fåtal leverantörer.

Alla knappa resurser följer samma utveckling: först produceras de, sedan prissätts de och därefter finansieras de. Så gick det med olja. Så gick det med elektricitet. Så gick det med bandbredd. Beräkningskapacitet går just nu in i det tredje steget, och att bygga den finansiella infrastruktur som krävs är ett av årtiondets mest avgörande infrastrukturprojekt.

0G introducerar idén att beräkningskapacitet kan ägas, tjänas in och användas i stället för att bara köpas som en molntjänst. Vad innebär det i praktiken att göra beräkningskapacitet till en tillgång, och hur skulle det kunna förändra relationen mellan infrastrukturföretag, utvecklare och AI-företag?

Tänk på hur alla andra produktiva tillgångar fungerar. Aktier ger utdelning. Obligationer ger kupongränta. Compute Finance, som vi har myntat benämningen ComFi för, tillämpar samma tänkesätt på beräkningskapacitet. I stället för att bara betala för tillgång till GPU:er kan du äga en position som ger dig tillgång till AI-beräkningskapacitet som du faktiskt kan använda.

I praktiken låter du en tillgång arbeta och får AI-beräkningskapacitet i gengäld. Den kan användas till allt från att köra modeller privat till att bygga och lansera AI-applikationer. I grunden körs detta på blockkedjan 0G. Användare satsar, det vill säga låser, 0G som säkerhet, får a0G, skapar iAI och binder sedan detta iAI för att tjäna in beräkningskapacitet som de kan använda i olika AI-tjänster.

Målet är att göra beräkningskapacitet till något du kan äga, tjäna in och använda, i stället för att bara hyra per timme från en molnleverantör. Med de ursprungliga villkoren kan användare låsa iAI och få beräkningskrediter värda mer än 1 dollar per dag i de 0G AI-tjänster som stöds. Den underliggande säkerheten förblir låst så länge positionen är aktiv och kan återfås när iAI bränns.

Det viktiga är att användarna inte får kontanter eller någon ekonomisk avkastning. De får tillgång till beräkningskapacitet som de faktiskt kan använda.

Detta förändrar relationen mellan infrastrukturleverantörer, utvecklare och AI-företag. Infrastrukturleverantörer får ett nytt sätt att tillhandahålla sin beräkningskapacitet utanför traditionella molnavtal. Utvecklare får en mer förutsägbar resurs som de kan planera och budgetera utifrån. AI-företag kan säkra beräkningskapacitet och planera för den i stället för att bara behandla den som en kostnad som kontrolleras av en handfull leverantörer.

Och eftersom det körs på 0G:s förtroendelager kan användningen av beräkningskapacitet verifieras och granskas i stället för att bara bygga på att man ”litar på oss”

Vi positionerar ComFi som en öppen kategori för AI-branschen, inte som ett eget varumärke. Ascend och iAI är de första tillämpningarna av idén, och fler är på väg till 0G:s nätverk.

0G Compute fungerar som en decentraliserad marknadsplats där GPU-leverantörer kan konkurrera om att hantera AI-arbetsbelastningar. Vilka ekonomiska fördelar kan den här modellen erbjuda jämfört med att förlita sig på en handfull hyperskaliga molnleverantörer, särskilt när efterfrågan på GPU:er är hög?

Vi lyfter fram tre fördelar som blir tydligare när det råder brist på GPU:er: prisbildning, elasticitet och avsaknad av inlåsning.

1. Prisbildning: På 0G Compute sätter leverantörerna sina egna priser och konkurrerar om arbetsbelastningar. Resultatet kan bli betydligt lägre kostnader: inferens med jämförbara öppna modeller kostar upp till 95 procent mindre, medan vårt lagringslager kostar mer än 90 procent mindre än AWS S3. En del av förklaringen är konkurrensen, och en del är att outnyttjad GPU-kapacitet tas i bruk och att öppna modeller körs i stället för slutna frontiermodeller på dedikerad infrastruktur.

2. Elasticitet: Hyperskaliga leverantörer planerar sin kapacitet flera år i förväg och fördelar den genom långsiktiga relationer. En marknadsplats kan hämta tillgång från var som helst, även från oberoende aktörer, akademiska datorkluster och företag med outnyttjad hårdvara. När efterfrågan skjuter i höjden kan högre priser locka fram mer utbud. En fast kö blir bara längre.

3. Ingen inlåsning: Varje leverantör i vårt nätverk erbjuder samma OpenAI-kompatibla API via en enda router, som automatiskt växlar över om en leverantör slutar fungera. I dag innebär det 13 leverantörer som tillhandahåller hundratals modeller via en enda slutpunkt, med över 373 miljarder bearbetade token och 27 miljoner inferensförfrågningar. Utvecklare kan byta leverantör genom att ändra en header, utan att genomföra ett migreringsprojekt.

Det finns också en aspekt som siffrorna visar och som många missar. Vår egen modell, 0GM-1.0, är den näst mest använda modellen i nätverket under de senaste 30 dagarna, efter enbart DeepSeek. När en decentraliserad nätverks egen öppna modell konkurrerar i användning med världens bästa öppna modeller visar det att marknadsplatsen kan fungera i stor skala.

De hyperskaliga molnleverantörerna är mycket bra på det de gör. Men när GPU:er är den knappaste resursen inom AI kan fler källor till beräkningskapacitet skapa en helt annan utbudsmodell än att bara vänta på att de hyperskaliga leverantörerna ska få mer kapacitet.

En utmaning med decentraliserad infrastruktur är att säkerställa att billigare och mer geografiskt spridd beräkningskapacitet inte sker på bekostnad av tillförlitligheten. Hur avgör 0G om en beräkningsleverantör faktiskt har utfört en AI-arbetsbelastning korrekt?

Det här är en utmärkt fråga, och en som skiljer en verklig marknad för beräkningskapacitet från ett system där man helt enkelt måste lita på en leverantör som AWS, Google Cloud eller Microsoft Azure. Vi har utformat 0G så att du aldrig behöver ta en leverantör på orden.

0G:s privata nivå körs i en förseglad, betrodd exekveringsmiljö. Hårdvaran genererar en attestering som visar vilken modell och kod som körs, och signerar varje svar med en nyckel som bara finns i den miljön. En klient kan verifiera signaturen mot attesteringen och bekräfta att den angivna modellen kördes hos den angivna leverantören utan att ha ändrats. Varken 0G eller leverantören kan se prompten eller svaret. På alla nivåer sparar 0G inga promptar eller svar och tränar inte på dina data.

På den verifierade nivån dirigeras förfrågningar till den avsedda bakomliggande modellen, så att du vet vilken modell som svarade även när själva leverantören är centraliserad. Nivåerna definieras för varje förfrågan och upprätthålls av nätverket. Om en förfrågan kräver en leverantör som kan hantera privata förfrågningar och ingen sådan finns tillgänglig, misslyckas den i stället för att omärkligt falla tillbaka på en annan nivå. Ärliga nivåer är viktigare än marknadsföringsnivåer.

Betalningen är knuten till beviset. Pengarna hålls inne tills det signerade resultatet har levererats. Hittills har nätverket registrerat över 24,9 miljoner TEE-bevis, och ramverket stöder även optimistisk verifiering och verifiering med nollkunskapsbevis för arbetsbelastningar där de metoderna är lämpligare än hårdvaruattestering.

Tillförlitligheten hanteras på ett enkelt sätt, med automatisk växling mellan leverantörer samt löpande data om hälsa och latens. Det underliggande nätverket är utformat så att verifiering och avräkning inte blir flaskhalsar.

Ekonomin kring AI-infrastruktur blir alltmer sammanflätad med tillgången på elektricitet. I takt med att modeller och inferensarbetsbelastningar fortsätter att växa, tror du att energi blir den främsta begränsningen för AI-beräkningskapacitet i stället för själva GPU:erna, och hur kan decentraliserad infrastruktur bidra till att lösa den flaskhalsen?

Energi och beräkningskapacitet är definitivt sammanflätade och påverkar varandra, och flaskhalsar som orsakas av energibrist uppstår redan. I norra Virginia kopplades över 3 GW efterfrågan från datacenter plötsligt bort från elnätet i juli, vilket visade hur stor belastning koncentrerade datacenter kan innebära för elinfrastrukturen.

Elförbrukningen i AI-datacenter väntas fördubblas till 2030, och IEA bedömer att den globala förbrukningen i datacenter kommer att mer än fördubblas till omkring 945 terawattimmar till 2030, med AI som den främsta drivkraften. Det går att bygga fler GPU:er snabbare än den elinfrastruktur som behövs för att driva dem.

Centraliserad AI förvärrar problemet genom att koncentrera efterfrågan till ett litet antal enorma datacenter, som vart och ett kräver mycket stora mängder el och ny elnätsinfrastruktur.

Decentraliserad infrastruktur kan bidra till att lätta på den växande begränsningen genom att placera arbetsbelastningar där det redan finns el och beräkningskapacitet. Det kan handla om regionala datacenter, industrianläggningar med ledig kapacitet eller förnybar energi som annars skulle gå till spillo. I stället för att överföra mer el till några få enorma anläggningar kan man flytta arbetsbelastningen dit där elen redan finns och inte utnyttjas fullt ut.

Det ska sägas att detta inte undanröjer energibegränsningen, men det kan göra att befintlig energi- och beräkningsinfrastruktur räcker längre.

0G använder bland annat betrodda exekveringsmiljöer, optimistisk verifiering och nollkunskapsteknik för att göra AI-beräkningar verifierbara. Var tror du att kryptografisk verifiering blir viktigast när autonoma AI-agenter börjar fatta beslut och genomföra transaktioner utan kontinuerlig mänsklig tillsyn?

Verifiering är viktigast just när en människa slutar övervaka. En copilot har en person som granskar resultatet. Det har inte en autonom agent. När en agent kan fatta beslut, signera transaktioner, förvalta pengar eller interagera med andra agenter måste man veta vilken agent som agerar, vilken modell den körs med och om den gjorde det den skulle.

Det är här kryptografisk verifiering blir viktig. När en agent körs i en betrodd exekveringsmiljö kan man få en signerad post som visar vilken modell som fattade ett beslut och vilka indata den använde. Blockkedjan är ett utmärkt lager för tillit eftersom den är oföränderlig, endast tilläggsbaserad och kan spåra ursprung. Blockkedjan tillhandahåller en gemensam dokumentation av dessa bevis, så att utvecklare, revisorer och motparter kan verifiera vad som hänt utan att behöva lita på en enda parts version av händelseförloppet.

Samma princip gäller när agenter börjar interagera med varandra i stor skala. En människa kan inte granska varje beslut eller transaktion. Verifiering, granskningsbarhet och tillit måste byggas in i själva infrastrukturen. Målet är enkelt. I stället för att fråga om en agent säger sig ha följt reglerna kan man bevisa att den gjorde det.

En stor del av dagens kapplöpning om infrastruktur handlar om att bygga allt större, centraliserade datacenter. Är decentraliserad AI-beräkningskapacitet ett alternativ till den modellen, eller tror du i slutändan att decentraliserade nätverk och hyperskalare blir kompletterande delar av samma globala marknad för beräkningskapacitet?

Jag skulle säga att de kompletterar varandra, och uppdelningen kommer att likna elnätet. Hyperskalare står för baslasten. De är mycket bra på att hantera stora, förutsägbara och latenskänsliga arbetsbelastningar för de största företagen, och det bör de fortsätta med. Decentraliserade nätverk kan komplettera dem genom att hantera varierande efterfrågan, ta distribuerad och annars outnyttjad beräkningskapacitet i bruk och ge fler företag tillgång till GPU-kapacitet.

Decentraliserade nätverk är ett verkligt alternativ tack vare tilliten. Koncentration är ett ekonomiskt problem, men också ett insynsproblem. När ett fåtal företag driver infrastrukturen styr de också vad du kan se. En hyperskalare kan lova att inte titta på dina data. En förseglad enklav med offentlig attestering kan bevisa att så är fallet. Den egenskapen blir inte bättre av ett större datacenter. Den bygger på att verifiering är inbyggd i infrastrukturen.

Vi ser redan de två modellerna fungera sida vid sida. Google Cloud och Alibaba Cloud var bland våra partner vid lanseringen av mainnet. Företag vill kunna styra en arbetsbelastning till en hyperskalare, en decentraliserad leverantör eller sin egen hårdvara utifrån pris, integritetskrav och vilken nivå av verifiering de behöver.

Det är den riktning vi ser att marknaden rör sig i. Inte att en modell ersätter de andra, utan att en global marknad för beräkningskapacitet växer fram där arbetsbelastningar kan flyttas mellan olika infrastrukturella källor utifrån vad uppgiften kräver.

När AI-agenter blir ekonomiska aktörer som kan köpa tjänster och hantera resurser självständigt, skulle själva beräkningskapaciteten då kunna bli en del av en maskin-till-maskin-ekonomi där agenter skaffar infrastruktur dynamiskt utifrån pris, prestanda och tillgänglighet?

Vi har sett några mindre exempel på det i vårt nätverk. De flesta förfrågningar via 0G Compute kommer inte från någon som klickar på en knapp. De kommer från applikationer och agenter som anropar ett API, betalar per förfrågan från ett förfinansierat saldo och styrs till den leverantör som passar uppgiften bäst. Omkring 43 000 plånböcker har betalat för inferens på det här sättet, och mer än 300 projekt har byggts på 0G. Ghast AI har ensamt skickat mer än 100 miljarder token genom 0G Compute. NeoSoul driver miljontals agenter på 0G och BNB Chain, ett annat blockkedjenätverk. En agent som väljer en billigare leverantör för ett batchjobb och en privat enklav för en känslig uppgift gör redan i dag ett val av var trafiken ska styras.

Det som saknas för en verklig maskinekonomi är sådant som människor tar för givet: identitet, ett sätt att reservera resurser i förväg och en värdeenhet. Agenter behöver en identitet som fungerar mellan olika tjänster, vilket är vad 0G:s Agentic ID är utformat för att tillhandahålla. De behöver också kunna säkra beräkningskapacitet i förväg i stället för att betala för varje förfrågan, så att de kan planera och arbeta självständigt.

Det är en av anledningarna till att vi byggde Compute Finance. När beräkningskapacitet kan tjänas in genom deltagande i nätverket och användas för att betala för AI-tjänster kan en agent få finansiering i förväg och utnyttja den beräkningskapacitet den behöver utan att någon människa fyller på ett molnkonto. Ascend och Infinite AI är de första tillämpningarna. Maskinekonomin kommer att byggas ovanpå dem av människor vi ännu inte har träffat.

Säkerhetskravet är inte förhandlingsbart. Varje sådant maskinbeslut måste lämna ett verifierbart spår och ha inbyggda skyddsräcken. En maskinekonomi utan kvitton är bara ett snabbare sätt att förlora pengar och orsaka en säkerhetskatastrof som hålls hemlig.

Om du blickar fem år framåt, hur tror du att marknaden för AI-beräkningskapacitet kommer att utvecklas? Kommer företag fortfarande främst att tänka i termer av att hyra GPU:er och molnkapacitet, eller är vi på väg mot en mer likvid global marknad där beräkningskapacitet kan ägas, bytas, kommersialiseras och fördelas dynamiskt?

Jag tror inte att hyrmodellen försvinner, lika lite som leasing försvann när finansieringen av utrustning blev mer utvecklad. Men det är inte längre det enda alternativet, och seriösa aktörer kommer inte längre att se det som det enda sättet att betrakta beräkningskapacitet som en resurs.

I takt med den här utvecklingen tror jag att beräkningskapacitet får samma slags finansiella infrastruktur som alla andra strategiska insatsvaror. Företag kommer att ha positioner i beräkningskapacitet på samma sätt som de har energikontrakt eller utländsk valuta. Leverantörer kommer att sälja kapacitet på en öppen marknad i stället för att förhandla fram ett avtal i taget. Beräkningskapacitet kommer att prissättas utifrån arbetsbelastning och tillitsnivå, eftersom verifierad privat inferens och overifierad inferens är olika produkter. Och en växande andel av köparna kommer att vara agenter, inte inköpsteam.

Det är vad Compute Finance (ComFi) är till för. Vi lanserade Ascend och tillkännagav Infinite AI på ettårsdagen av vårt mainnet, eftersom ordningsföljden nu är tydlig. Beräkningskapacitet produceras. Den prissätts. Nästa steg är ett finansiellt lager där anspråk på beräkningskapacitet kan innehas, tjänas in, användas och handlas, samtidigt som varje enhet lämnar ett verifierbart spår. Vi gör ComFi till ett öppet begrepp snarare än ett varumärke som ägs av oss, eftersom en marknad med en enda aktör inte är någon marknad.

Det som gör allt detta möjligt är inte en bättre GPU. Det är tillitslagret: bevis på vad som kördes, bevis på vem som körde det och avräkning som följer beviset. När beräkningskraft kan verifieras blir den tillräckligt utbytbar för att kunna finansieras. När den kan finansieras blir den likvid. Under de kommande fem åren kommer branschen att sluta behandla ekonomins viktigaste resurs som en budgetpost.

Tack för en mycket givande intervju. Läsare som vill veta mer kan besöka 0G.