大多數投資者將AI輸出視爲產品。我越來越覺得市場在這個方面看錯了地方。
隨着AI的普及，模型生成的答案數量將迅速增加。但更多的輸出並不自動創造更多的確定性。實際上，它們創造了相反的問題：分歧。不同的模型可以分析相同的提示並得出不同的結論，尤其是在準確性至關重要的領域。
這就是爲什麼我認爲更持久的市場可能不是智能生產，而是智能驗證。
系統級的原因很簡單。每當兩個可信的模型產生分歧時，就會出現新的需求：有人必須確定哪個答案更可靠。這個需求是反覆出現的，與當前流行的模型無關，並隨着AI的使用而增長。驗證變成了一種稀缺的經濟資源，因爲在存在競爭輸出時，正確性不能被假定。
從這個角度來看，@OpenGradient 的意義在於它並不是參與AI推理，而是因爲它更靠近當分歧變得正常時經濟價值可能積累的堆棧部分。OpenGradient Chat 進一步突顯了這種動態，將模型輸出直接放在用戶面前，在這裏驗證和信心變得越來越重要。
如果AI擴展到一個競爭答案的世界，而不是完美答案的世界，那麼長期機會可能不再屬於那些生成智能的人，而是屬於那些證明智能的人。
$OPG #OPG
隨着AI的普及，模型生成的答案數量將迅速增加。但更多的輸出並不自動創造更多的確定性。實際上，它們創造了相反的問題：分歧。不同的模型可以分析相同的提示並得出不同的結論，尤其是在準確性至關重要的領域。
這就是爲什麼我認爲更持久的市場可能不是智能生產，而是智能驗證。
系統級的原因很簡單。每當兩個可信的模型產生分歧時，就會出現新的需求：有人必須確定哪個答案更可靠。這個需求是反覆出現的，與當前流行的模型無關，並隨着AI的使用而增長。驗證變成了一種稀缺的經濟資源，因爲在存在競爭輸出時，正確性不能被假定。
從這個角度來看，@OpenGradient 的意義在於它並不是參與AI推理，而是因爲它更靠近當分歧變得正常時經濟價值可能積累的堆棧部分。OpenGradient Chat 進一步突顯了這種動態，將模型輸出直接放在用戶面前，在這裏驗證和信心變得越來越重要。
如果AI擴展到一個競爭答案的世界，而不是完美答案的世界，那麼長期機會可能不再屬於那些生成智能的人，而是屬於那些證明智能的人。
$OPG #OPG