Matthew Wang은 인공 지능, 계량 금융, 블록체인 기술의 교차점에서 활동하는 것으로 알려진 엔지니어, 연구원, 기업가입니다. 그는 검증 가능한 AI를 위한 탈중앙화 인프라를 구축하는 연구소이자 레이어 1 블록체인 플랫폼인 OpenGradient의 공동 창립자이자 CEO입니다. OpenGradient를 설립하기 전에는 Two Sigma에서 계량 연구원으로 일했으며 Google, Meta, NASA에서 엔지니어링 역할을 수행했습니다. ^{[1] [2]}

교육

Wang은 Northwestern University에 다녔으며, 2020년에 전기 및 컴퓨터 공학 학사 학위를 받고 졸업했습니다. ^[1]

경력

Wang은 2018년 NASA에서 소프트웨어 엔지니어링 인턴으로 경력을 시작했으며, 그의 업무는 예비 위험 데이터 분석 및 모델링과 관련되었습니다. 2019년 초에는 Meta(당시 Facebook)에서 인턴으로 근무하며 Messenger 및 Instagram의 핵심 메시징 휴리스틱 인프라에 기여했습니다. 그해 말에는 Google에 머신 러닝 엔지니어링 인턴으로 합류하여 Google Ads 트래픽 예측기를 위한 AI 모델링 인프라를 개발했습니다. ^{[2] [1]}

2020년부터 2024년까지 Wang은 계량 헤지 펀드 Two Sigma에서 근무했습니다. 계량 연구 및 엔지니어링 역할에서 그는 주식 옵션 시장 조성(OMM) 연구 및 모델링에 집중했습니다. 2024년에 Wang은 OpenGradient를 설립하기 위해 Two Sigma를 떠났습니다. ^{[1] [3]}

OpenGradient

2024년에 Wang은 "개방형 인텔리전스를 위한 레이어 1"로 설명되는 플랫폼인 OpenGradient를 공동 설립했습니다. 그는 CEO로 재직하고 있습니다. ^[4] 이 프로젝트는 검증 가능한 컴퓨팅 및 사용자 소유 데이터에 대한 개방형 프로토콜을 구축하여 기존 AI 시스템의 투명성 부족 문제를 해결한다는 전제로 시작되었습니다. ^[3]

이 회사의 명시된 사명은 안전한 오픈 소스 AI를 위한 탈중앙화된 엔드 투 엔드 플랫폼을 만드는 것이며, Hugging Face와 같은 중앙 집중식 모델 리포지토리에 대한 Web3 대안으로 자리매김하고 있습니다. 이 플랫폼은 AI 모델 호스팅, 안전한 추론 실행, 온체인 AI 에이전트 실행을 위한 인프라를 제공하는 것을 목표로 합니다. ^[5]

2024년 10월, OpenGradient는 850만 달러의 시드 펀딩 라운드를 유치했다고 발표했습니다. 이 라운드는 a16z crypto, Coinbase Ventures, SV Angel, Foresight Ventures, Symbolic Capital 등을 포함한 벤처 캐피털 회사의 지원을 받았습니다. 엔젤 투자자로는 Balaji Srinivasan(Coinbase의 전 CTO), Illia Polosukhin(NEAR Protocol의 공동 창립자), Sandeep Nailwal(Polygon의 공동 창립자) 등이 있습니다. ^{[3] [4]}

기술 및 제품

OpenGradient는 머신 러닝을 Web3 애플리케이션에 통합하기 위한 풀 스택 인프라를 개발합니다. 이 기술 스택에는 다음과 같은 주요 구성 요소가 포함됩니다.

• L1 네트워크: 고성능, 확장 가능하고 검증 가능한 AI 워크플로를 위해 특별히 설계된 탈중앙화 블록체인입니다. ^[4]
• MemSync: 2025년 6월에 발표된 MemSync는 AI 모델을 위한 영구적인 장기 메모리를 생성하기 위한 프로토콜입니다. 사용자의 디지털 발자국을 AI 호환 데이터베이스로 변환하여 컨텍스트와 개인화를 다양한 AI 애플리케이션에서 사용할 수 있도록 설계되었습니다. ^[3]
• 보안 컨텍스트 프로토콜: 엔드 투 엔드 암호화 및 Trusted Execution Environments(TEE)와 같은 하드웨어 엔클레이브를 사용하여 OpenAI의 ChatGPT, Anthropic의 Claude, Google의 Gemini와 같은 주요 AI 플랫폼과의 안전하고 기밀성이 유지되는 상호 운용성을 용이하게 하는 프로토콜입니다. ^[4]
• 모델 허브: 커뮤니티에서 만든 AI 모델을 검색, 배포 및 공유하기 위한 탈중앙화 리포지토리 역할을 하는 "Web3 AI 모델 허브"입니다. ^[4]
• 검증 가능한 추론 SDK: 암호화 증명(zkML 포함)과 TEE의 조합을 사용하여 네트워크에서 수행되는 계산의 무결성을 보장하여 개발자가 AI 추론을 보호할 수 있도록 하는 SDK입니다. ^[6]

사용 사례

Wang은 특히 탈중앙화 금융(DeFi) 및 AI 기반 자동화에서 OpenGradient 인프라의 여러 가지 실제 애플리케이션에 대해 공개적으로 논의했습니다. 예로는 온체인 머신 러닝을 사용하여 자동화된 마켓 메이커(AMM) 유동성 풀의 거래 수수료를 최적화하고 비영구적 손실을 완화하는 것과 대출 프로토콜의 위험 모델을 개선하는 것이 있습니다. 다른 식별된 사용 사례로는 온체인 평판 시스템 구축과 지능적이고 적응 가능한 AI 에이전트가 복잡하고 자율적인 작업을 실행할 수 있도록 하는 것이 있습니다. ^{[7] [8]}

출판물 및 연구

Wang은 학문적 및 전문적 경력 동안 계량 금융 및 머신 러닝에 대한 연구 논문 및 기타 저술을 저술하고 공동 저술했습니다.

그의 동료 검토 작업에는 Journal of Risk and Financial Management에 게재된 2020년 논문 "Hidden Markov Models를 사용한 Regime-Switching Factor Investing"이 있습니다. 이 논문은 Hidden Markov Models를 사용하여 시장 체제를 분류하고 팩터 투자 전략을 동적으로 조정하는 방법을 탐구합니다. 그는 또한 동적 수수료 시스템을 사용하여 AMM의 손실을 완화하고, 알고리즘 스테이블코인 발행, Web3에서 AI를 적용하는 것과 같은 주제에 대한 연구 제안서 및 기사를 저술했습니다. 그의 저술은 제로 지식 머신 러닝(zkML), AI 추론 탈중앙화, DeFi의 변동성 예측과 같은 주제를 다룹니다. ^[1]

공개 출연

Wang은 업계 컨퍼런스에서 자주 연설하고 인터뷰에 참여하여 OpenGradient와 AI 및 Web3의 교차점에 대해 논의합니다.

프레젠테이션

2025년 3월 ETHDenver에서 Wang은 "실시간으로 적응형 지능형 에이전트를 가능하게 하는 탈중앙화 컴퓨팅"이라는 제목의 프레젠테이션을 했습니다. 그는 정보 합성기에서 자율적 작업 실행기에 이르기까지 AI 에이전트의 3단계 진화를 설명했습니다. Wang은 데이터 액세스, 계산 워크플로 및 상호 운용성을 현재 에이전트의 기능을 제한하는 주요 과제로 식별했습니다. 그는 OpenGradient의 특수 노드와 안전한 데이터 파이프라인을 특징으로 하는 풀 스택 온체인 인프라가 이러한 제약을 해결하고 예측 시장 및 DeFi와 같은 애플리케이션을 위한 보다 정교한 AI 에이전트 개발을 가능하게 하도록 설계된 방법을 설명했습니다.

https://www.youtube.com/watch?v=KD1BMaNLuts\&pp=ygUZbWF0dGhldyB3YW5nIG9wZW5ncmFkaWVudA==

패널 토론

2025년 1월, Wang은 Iagent Protocol, Aethir 및 Chainbase의 대표와 함께 Taipei Blockchain Week의 "AI Meets Web3" 패널에 참여했습니다. 그는 OpenGradient를 안전한 통합과 검증 가능한 온체인 워크플로를 강조하는 AI 모델 호스팅을 위한 탈중앙화 플랫폼으로 설명하고 중앙 집중식 플랫폼과 대조했습니다. 토론에서는 Web2 사용자를 Web3에 온보딩하는 방법, 데이터 수익화, 게임 및 포트폴리오 관리에서 AI 에이전트의 잠재력과 같은 주제를 다루었습니다. ^[5]

2024년 11월 Open AGI Summit에서 Wang은 "컴퓨팅의 미래"에 대한 패널에 합류하여 중앙 집중식 아키텍처와 탈중앙화 아키텍처에 대해 논의했습니다. 패널리스트들은 성능, 개인 정보 보호 및 비용의 균형을 맞추는 사용자 요구 사항이 아키텍처 선택을 안내해야 한다는 데 동의했습니다. Wang과 다른 사람들은 중앙 집중식 시스템이 일반적으로 우수한 성능을 제공하지만 탈중앙화 솔루션은 비용 효율성 및 검열 저항과 같은 이점을 제공한다고 언급했습니다. 그는 탈중앙화 서비스 채택을 방해한 신뢰성 및 사용성 문제를 인정했지만 검증 메커니즘 및 개인 정보 보호 강화 도구와 같은 새로운 기술이 미래 성장을 주도할 것이라는 낙관론을 표명했습니다. ^[9]

Wang은 또한 2024년 11월 NEAR Protocol 컨퍼런스에서 "AI의 새로운 시대" 패널에 출연했습니다. 그는 계량 모델링에서 탈중앙화 시스템으로의 전환에 대해 논의하고 컴퓨팅 통합을 위한 즉시 사용 가능한 솔루션을 제공하려는 OpenGradient의 목표를 강조했습니다. 그는 GPU, TEE 및 CPU에 대한 플랫폼의 단계적 가격 모델을 설명하고 AMM 거래 수수료 및 대출 프로토콜 위험 모델을 최적화하는 데 사용되는 실제 사례를 제시했습니다. 패널은 또한 규제 고려 사항과 자율 에이전트가 허가 없는 컴퓨팅을 활용할 수 있는 잠재력에 대해 언급했습니다. ^[7]

인터뷰

2024년 12월 NEAR AI Office Hours 인터뷰에서 Wang은 OpenGradient 개발에 대해 논의했습니다. 그는 탈중앙화 모델 허브를 포함하여 머신 러닝을 Web3 애플리케이션에 통합하기 위한 플랫폼의 풀 스택 접근 방식을 자세히 설명했습니다. 그는 아키텍처가 효율적인 AI 추론을 위해 특수 노드에 의존하고 TEE 및 암호화 증명을 사용하여 계산 무결성을 검증하는 방법을 설명했습니다. Wang은 DeFi 및 온체인 평판 시스템을 주요 사용 사례로 언급하고 지속적인 인프라 연구를 통해 Web3에서 AI 채택을 확대한다는 장기 목표를 설명했습니다. ^[6]

커뮤니티 참여

Wang은 소셜 미디어에서 활발하게 활동하며 Web3 생태계에 대한 논평을 제공합니다. 그는 탈중앙화 거래소 Lighter.xyz를 공개적으로 분석하여 제로 수수료 전략을 시장 점유율 확보 전략으로 언급하고 플랫폼에 대한 에어드롭 포인트를 추정하는 커뮤니티 도구를 만들었습니다. 그는 또한 예측 시장 플랫폼의 사용자 경험을 비교하여 Kalshi의 직접 은행 계좌 통합이 Polygon 네트워크에 대한 브리징에 의존하는 Polymarket보다 우수한 제품 경험을 제공한다고 주장했습니다. ^[3]

과제

2025년 2월, Wang은 ETHDenver 컨퍼런스의 사이드 이벤트에서 패널에서 제외되었다고 보고했습니다. 그는 소셜 미디어에서 공동 후원 조직이 OpenGradient를 직접적인 경쟁자로 간주했기 때문에 제거가 발생했다고 밝혔습니다. 사건에 대한 응답으로 그는 "컨퍼런스 영향력에서 해자가 비롯된다면 유감입니다."라고 논평했습니다. ^[3]