上個月我在四個不同的AI應用之間切換，試圖找到一個既快速又可靠的。那天下午chatgpt崩潰了。我轉向了perplexity，然後嘗試了grok，接着打開了一個我一直想測試的小模型。在某個時刻，我注意到chatgpt的停機和azure的停機是在同一時間開始的。

每個應用的賣點各不相同。不同的訓練方法、不同的隱私聲明、不同的界面理念。它們背後的假設是，在它們之間的選擇是一個有意義的選擇，決定了誰控制你所使用的。

但是chatgpt運行在azure上。其他幾個應用也共享同一小組的雲服務提供商。用戶所閱讀的隱私政策屬於應用層。關於正常運行時間、數據處理和模型訪問的實際決策則在這一層之下，掌握在用戶從未選擇且無法審計的運營商手中。

這個差距以特定的方式加深。如果雲服務提供商更改其條款、限制推理能力，或者決定某種模型類型違反其可接受使用政策，應用必須遵從。用戶只看到某項功能消失或工具變慢。原因則始終不爲人知。

而且這種不透明性以我意想不到的方式加深。並不是說用戶被誤導。基礎設施層根本沒有出現在討論中。應用在功能上競爭，沒有人會推廣不同的上游雲協議，因此這個問題從未形成。

opengradient在基礎設施層工作，而不是在界面層。模型託管分佈在獨立節點上，這意味着控制並不由一個坐在視線之外的單一提供商掌握。該架構通過分佈使這一層可見。

我仍然在新AI應用發佈時打開它們。但我現在檢查一件以前不在我名單上的事情。不是模型能做什麼，而是誰真正掌握其運行的基礎設施的權威。這個答案几乎從未在賣點中出現。

@OpenGradient $OPG #OPG $SYN $RE