我發現目前的 AI 敘事中有些有趣的現象。

幾乎所有人似乎都被一個指標所迷住。

更多 GPU。更多運算能力。更快的模型。

但我越深入研究 AI 基礎設施，就越覺得市場可能把注意力放在了錯誤的瓶頸上。

僅靠原始運算並不能解決信任。

當 AI 系統開始處理更敏感的決策、金融交易，並在缺乏人工監督的情況下進行自主互動時，這就會成為嚴重的問題。

也正因如此，我才花時間去研究 @OpenGradient 。

我注意到的一點是，OpenGradient 並沒有參與爭奪更大模型或更大規模運算集群的競賽。

相反，他們的架構聚焦在我認為許多人正在低估的東西。

可信運算。

他們的基礎設施結合了機密執行環境、透過 HACA 架構進行的硬體鑑定，以及為了證明 AI 運算實際發生在哪裡而設計的可驗證推論系統。

這會改變討論的方向。

因為在一個 AI 代理能夠獨立運作的未來裡，如果沒有人能驗證產生結果的環境，那麼快速運算就幾乎沒有什麼意義。

我認為，下一階段的 AI 基礎設施未必會獎勵擁有最多 GPU 的那一方。

更可能獎勵的是，能在執行層解決信任問題的團隊。

有時候，基礎設施在市場完全理解原因之前，就已悄悄變得極具價值。
#OPG $OPG
$SYN $M
在下一場 AI 基礎設施競賽中，什麼會變得更重要？