前幾天用 OpenGradient Chat 的時候，我一直在想一個問題：現在大家討論 AI，聊得最多的是模型參數、推理能力這些東西，但真正影響使用體驗的，往往是數據靠不靠譜。
很多時候 AI 給出的回答看起來頭頭是道，可一旦認真去查，就會發現部分信息存在偏差。對於普通搜索來說可能影響不大，但放到投資、研究或者鏈上分析場景裏，一個錯誤的數據源就可能導致完全不同的判斷。
這也是我關注 @OpenGradient 的原因。相比單純追求更強模型，它更像是在解決 AI 背後的基礎問題——讓數據來源更透明，讓結果更容易驗證。隨着越來越多人開始依賴 AI 獲取信息，我覺得可信度會逐漸成爲比參數規模更重要的競爭點。
從長期看，未來真正有價值的 AI 產品，未必是最會說話的那個，而是能夠讓用戶相信答案爲什麼成立的那個。
#opg $OPG
很多時候 AI 給出的回答看起來頭頭是道，可一旦認真去查，就會發現部分信息存在偏差。對於普通搜索來說可能影響不大，但放到投資、研究或者鏈上分析場景裏，一個錯誤的數據源就可能導致完全不同的判斷。
這也是我關注 @OpenGradient 的原因。相比單純追求更強模型，它更像是在解決 AI 背後的基礎問題——讓數據來源更透明，讓結果更容易驗證。隨着越來越多人開始依賴 AI 獲取信息，我覺得可信度會逐漸成爲比參數規模更重要的競爭點。
從長期看，未來真正有價值的 AI 產品，未必是最會說話的那個，而是能夠讓用戶相信答案爲什麼成立的那個。
#opg $OPG