當我第一次看到 @OpenGradient 時，我做出了大多數加密貨幣投資者都會做出的同樣假設。去中心化的 AI 基礎設施等於 DeFi 用例。這就是資金流動的地方，這就是敘事所獎勵的地方。🤨
在花更多時間瞭解實際架構後，我認爲這個假設可能是大多數人低估這個項目的原因。
是的，DeFi 可能最終成爲這個實際上重要的行業中最小的一個。
想想 AI 輸出的驗證實際上解決了什麼 🤔。這不是一個加密問題。它是一個信任問題。而信任問題直接與錯誤後果的後果成比例。一個計算錯誤的 DeFi 收益是可以恢復的。而一個基於損壞的 AI 指令行動的手術機器人則不是。一個企業合規系統因 AI 輸出在執行和交付之間被靜默修改而批准錯誤的文件——那完全是另一類後果。
在研究這個問題時，我心中一直記着的幾件事情是，自治代理、物理機器人、醫療診斷和企業自動化都正在朝着 AI 驅動的決策邁進。目前，這些行業都沒有可靠的方法來驗證正確的模型是否運行，正確的輸入，且返回未修改的輸出。它們默認都是基於信任運作的。
而 OpenGradient 的 TEE 認證推理和 ZKML 架構所提供的其實是一個通用的驗證基礎設施，而加密貨幣恰好是第一個在構建它的。
在我看來，市場將其視爲一個 DeFi 基礎設施的賭注。實際可尋址的領域是地球上每一個高風險的 AI 部署。
不過，權衡是殘酷的。在延遲、成本和企業可靠性方面與谷歌、微軟和 AWS 競爭，確實是技術中最難解決的問題之一。驗證增加了信任，但並不自動增加集中提供商花了幾十年建立的操作效率。
#OPG $OPG
在花更多時間瞭解實際架構後，我認爲這個假設可能是大多數人低估這個項目的原因。
是的，DeFi 可能最終成爲這個實際上重要的行業中最小的一個。
想想 AI 輸出的驗證實際上解決了什麼 🤔。這不是一個加密問題。它是一個信任問題。而信任問題直接與錯誤後果的後果成比例。一個計算錯誤的 DeFi 收益是可以恢復的。而一個基於損壞的 AI 指令行動的手術機器人則不是。一個企業合規系統因 AI 輸出在執行和交付之間被靜默修改而批准錯誤的文件——那完全是另一類後果。
在研究這個問題時，我心中一直記着的幾件事情是，自治代理、物理機器人、醫療診斷和企業自動化都正在朝着 AI 驅動的決策邁進。目前，這些行業都沒有可靠的方法來驗證正確的模型是否運行，正確的輸入，且返回未修改的輸出。它們默認都是基於信任運作的。
而 OpenGradient 的 TEE 認證推理和 ZKML 架構所提供的其實是一個通用的驗證基礎設施，而加密貨幣恰好是第一個在構建它的。
在我看來，市場將其視爲一個 DeFi 基礎設施的賭注。實際可尋址的領域是地球上每一個高風險的 AI 部署。
不過，權衡是殘酷的。在延遲、成本和企業可靠性方面與谷歌、微軟和 AWS 競爭，確實是技術中最難解決的問題之一。驗證增加了信任，但並不自動增加集中提供商花了幾十年建立的操作效率。
#OPG $OPG