誰擁有智能？
幾年前，有些事情讓我感到困擾。不是關於AI本身，而是關於它悄然安置的地方。模型不斷變得更聰明，基準不斷提升，每個人都在慶祝其能力。但是，在這一切之下，發生了一些乏味得多的事情。基礎設施正在快速整合。
我們花了十年時間擔心數據壟斷。現在我們正無意識地走向一種可以說更糟糕的情況：推理壟斷。少數幾家公司不僅控制着模型，還控制着它們運行的地方、輸出的生成方式，以及誰在什麼條件下獲得訪問權限。如今，大多數在AI之上構建的開發者實際上無法驗證他們的請求與收到的響應之間發生了什麼。他們只是信任它。這種信任越來越成爲強制性的，而不是自願的。
這就是OpenGradient ($OPG )引起我注意的地方。不是因爲炒作，而是因爲它所解決的問題確實被低估了。它正在構建去中心化的基礎設施，用於託管AI模型、運行推理，以及在規模上驗證執行。尤其是驗證這一部分。可驗證的AI執行聽起來很技術化，直到你意識到沒有它，“開放的AI”只是一句口號。
真正的問題是，沒有去中心化的基礎設施，智能是否能夠保持開放？我認爲不能。
也許更聰明的模型不再是瓶頸。也許信任纔是。
#opg $OPG @OpenGradient
幾年前，有些事情讓我感到困擾。不是關於AI本身，而是關於它悄然安置的地方。模型不斷變得更聰明，基準不斷提升，每個人都在慶祝其能力。但是，在這一切之下，發生了一些乏味得多的事情。基礎設施正在快速整合。
我們花了十年時間擔心數據壟斷。現在我們正無意識地走向一種可以說更糟糕的情況：推理壟斷。少數幾家公司不僅控制着模型，還控制着它們運行的地方、輸出的生成方式，以及誰在什麼條件下獲得訪問權限。如今，大多數在AI之上構建的開發者實際上無法驗證他們的請求與收到的響應之間發生了什麼。他們只是信任它。這種信任越來越成爲強制性的，而不是自願的。
這就是OpenGradient ($OPG )引起我注意的地方。不是因爲炒作，而是因爲它所解決的問題確實被低估了。它正在構建去中心化的基礎設施，用於託管AI模型、運行推理，以及在規模上驗證執行。尤其是驗證這一部分。可驗證的AI執行聽起來很技術化，直到你意識到沒有它，“開放的AI”只是一句口號。
真正的問題是，沒有去中心化的基礎設施，智能是否能夠保持開放？我認爲不能。
也許更聰明的模型不再是瓶頸。也許信任纔是。
#opg $OPG @OpenGradient