幾年前，我對基礎設施項目不再感到興奮。
並不是因爲基礎設施不再重要。如果說有什麼變化，那就是它變得更加重要。我只是厭倦了看着同樣的循環不斷重複。新的架構。新的圖表。新的承諾，這一層——沒人關注的那一層——最終會解決所有問題。
但大多數都沒能做到。
所以當我第一次接觸到OpenLedger時，我幾乎沒有太在意。
我看了一點，關閉了標籤，繼續前進。
但這個想法不斷浮現。
不是項目本身，而是它背後的問題。
AI不斷變得更聰明，但我發現自己對模型的想法越來越少，更多的是關注它們底下看不見的機械裝置。數據來自哪裏。誰貢獻了這些數據。誰擁有由此創造的價值。以及一旦真正的激勵進入畫面，是否有任何系統可以實際跟蹤這一切。
這就是事情變得複雜的地方。
每個人都喜歡歸屬的理論想法。一旦數據變得有價值，談話就會改變。突然間，每一個貢獻都變得重要。每一個獎勵都變得重要。每一個決定都成爲值得優化的對象。
而人們總是在優化。
也許這就是我不斷回到這些問題的原因。並不是因爲我期待完美的答案，而是因爲失敗模式看起來比成功故事更有趣。
我已經看過足夠多的去中心化系統緩緩趨向集中化，知道開放性容易承諾，但難以維持。
也許OpenLedger在這方面處理得比大多數項目更好。
也許它沒有。
我老實說不知道。
我只知道，今天沒人注意到的基礎設施，往往在崩潰後成爲大家談論的焦點。
而最近，我無法擺脫這樣的感覺：我們仍然非常早，尚未發現哪些部分的AI基礎設施實際上能夠承受這種壓力。
@OpenGradient #OPG $OPG
並不是因爲基礎設施不再重要。如果說有什麼變化，那就是它變得更加重要。我只是厭倦了看着同樣的循環不斷重複。新的架構。新的圖表。新的承諾，這一層——沒人關注的那一層——最終會解決所有問題。
但大多數都沒能做到。
所以當我第一次接觸到OpenLedger時，我幾乎沒有太在意。
我看了一點，關閉了標籤，繼續前進。
但這個想法不斷浮現。
不是項目本身，而是它背後的問題。
AI不斷變得更聰明，但我發現自己對模型的想法越來越少，更多的是關注它們底下看不見的機械裝置。數據來自哪裏。誰貢獻了這些數據。誰擁有由此創造的價值。以及一旦真正的激勵進入畫面，是否有任何系統可以實際跟蹤這一切。
這就是事情變得複雜的地方。
每個人都喜歡歸屬的理論想法。一旦數據變得有價值，談話就會改變。突然間，每一個貢獻都變得重要。每一個獎勵都變得重要。每一個決定都成爲值得優化的對象。
而人們總是在優化。
也許這就是我不斷回到這些問題的原因。並不是因爲我期待完美的答案，而是因爲失敗模式看起來比成功故事更有趣。
我已經看過足夠多的去中心化系統緩緩趨向集中化，知道開放性容易承諾，但難以維持。
也許OpenLedger在這方面處理得比大多數項目更好。
也許它沒有。
我老實說不知道。
我只知道，今天沒人注意到的基礎設施，往往在崩潰後成爲大家談論的焦點。
而最近，我無法擺脫這樣的感覺：我們仍然非常早，尚未發現哪些部分的AI基礎設施實際上能夠承受這種壓力。
@OpenGradient #OPG $OPG