幾年前，我可能會認爲這是個荒謬的想法。
如果一個 AI 系統比另一個更聰明，爲什麼它不應該贏？
這聽起來顯而易見。
但我觀察技術發展的時間越久，這份“顯而易見”就越不確定。
歷史上充滿了那些未必就是最好的產品。
它們之所以變得主導，是因爲人們信任它。
或者因爲它解決了一個比單純的性能更重要的問題。
AI 也許正在接近類似的時刻。
今天，大多數對話都圍繞能力展開。
模型有多大？
提升速度有多快？
推理表現有多好？
這些問題確實重要。
但它們都建立在同一個前提上：
智能是主要瓶頸。
我現在不再確定這點。
想象一個 AI 系統能幫助執行交易、審批付款、分析合同，或支持商業決策。
在這些場景裏，智能只是方程的一部分。
另一部分是“可信度”。
不是指答案聽起來是否正確。
而是指流程本身是否值得信賴。
這正是讓我對 OpenGradient 感到有趣的原因。
該項目正在探索 AI 棧的另一層：驗證。
藉助諸如可信執行環境（TEE）和零知識機器學習（ZKML）等技術，目標是讓重要的 AI 計算能夠被獨立地驗證，而不是僅憑聲譽就被接受。
這並不會神奇地解決一切。
驗證會帶來額外開銷。
在規模化條件下，證明系統仍然難且昂貴。
這些限制都是真實存在的。
儘管如此，我總會回到同一個想法。
AI 的第一章在於生成智能。
下一章可能會是證明智能。
而如果真是這樣，未來的 AI 競賽未必只會由最聰明的系統贏得。
可能會由人們能夠驗證的那一個贏得。
@OpenGradient #OPG $OPG
如果一個 AI 系統比另一個更聰明，爲什麼它不應該贏？
這聽起來顯而易見。
但我觀察技術發展的時間越久，這份“顯而易見”就越不確定。
歷史上充滿了那些未必就是最好的產品。
它們之所以變得主導，是因爲人們信任它。
或者因爲它解決了一個比單純的性能更重要的問題。
AI 也許正在接近類似的時刻。
今天，大多數對話都圍繞能力展開。
模型有多大？
提升速度有多快？
推理表現有多好？
這些問題確實重要。
但它們都建立在同一個前提上：
智能是主要瓶頸。
我現在不再確定這點。
想象一個 AI 系統能幫助執行交易、審批付款、分析合同，或支持商業決策。
在這些場景裏，智能只是方程的一部分。
另一部分是“可信度”。
不是指答案聽起來是否正確。
而是指流程本身是否值得信賴。
這正是讓我對 OpenGradient 感到有趣的原因。
該項目正在探索 AI 棧的另一層：驗證。
藉助諸如可信執行環境（TEE）和零知識機器學習（ZKML）等技術，目標是讓重要的 AI 計算能夠被獨立地驗證，而不是僅憑聲譽就被接受。
這並不會神奇地解決一切。
驗證會帶來額外開銷。
在規模化條件下，證明系統仍然難且昂貴。
這些限制都是真實存在的。
儘管如此，我總會回到同一個想法。
AI 的第一章在於生成智能。
下一章可能會是證明智能。
而如果真是這樣，未來的 AI 競賽未必只會由最聰明的系統贏得。
可能會由人們能夠驗證的那一個贏得。
@OpenGradient #OPG $OPG