我第一次接觸OpenGradient時持懷疑態度。去中心化的AI是目前任何尋求敘事的東西都會附加的短語。
但我一直在回想一件具體的事情。當AI不再是你諮詢的工具，而是一個執行的代理時，究竟它運行了什麼，在哪些硬件上，在哪種條件下，這些問題就成了你必須回答的。現在大多數人只是……信任這個終端。這讓我坐着想得越久越覺得不安。
吸引我注意的是，OpenGradient並不是想要取代雲AI。它更像是在朝向一個責任層面發展。加密證明附加於推理。TEE節點。已經記錄了超過兩百萬個可驗證的推理。這是一個基礎設施的賭注，而不是產品的賭注。這是兩回事。
我覺得最難評估的是擁有1500多個鏈上模型的模型中心。這樣的數字可能意味着很多，也可能幾乎沒有意義，具體取決於實際使用情況。
我越想越覺得，延遲問題是我一直停留的焦點。可驗證性和速度歷史上並沒有優雅地共存。這可能是真正的挑戰所在，不在於願景，而在於底層架構是否能同時支撐兩者而不崩潰。
我仍然不完全確定有意義的規模下采用的樣子是什麼。但他們指出的問題確實存在。這通常是一個合理的起點。
@OpenGradient #OPG $OPG
$BEL $BICO
但我一直在回想一件具體的事情。當AI不再是你諮詢的工具，而是一個執行的代理時，究竟它運行了什麼，在哪些硬件上，在哪種條件下，這些問題就成了你必須回答的。現在大多數人只是……信任這個終端。這讓我坐着想得越久越覺得不安。
吸引我注意的是，OpenGradient並不是想要取代雲AI。它更像是在朝向一個責任層面發展。加密證明附加於推理。TEE節點。已經記錄了超過兩百萬個可驗證的推理。這是一個基礎設施的賭注，而不是產品的賭注。這是兩回事。
我覺得最難評估的是擁有1500多個鏈上模型的模型中心。這樣的數字可能意味着很多，也可能幾乎沒有意義，具體取決於實際使用情況。
我越想越覺得，延遲問題是我一直停留的焦點。可驗證性和速度歷史上並沒有優雅地共存。這可能是真正的挑戰所在，不在於願景，而在於底層架構是否能同時支撐兩者而不崩潰。
我仍然不完全確定有意義的規模下采用的樣子是什麼。但他們指出的問題確實存在。這通常是一個合理的起點。
@OpenGradient #OPG $OPG
$BEL $BICO