最近我一直在關注 AI 領域，但感覺我們好像錯過了重點。大家都在爭論誰在訓練最聰明的模型，可幾乎沒人會問：到底是誰在擁有運行這些模型的基礎設施。
如今，智能正在退回到圍牆花園裏。如果幾家大型公司控制了所有託管、推理和訪問，我們就並沒有在構建新的前沿。我們只是從寡頭壟斷中“租用”認知而已。如果無法驗證，開發者又怎麼能信任模型輸出呢？
真正的瓶頸並不在於讓 AI 變得更聰明。關鍵在於讓它保持開放。沒有去中心化的 AI 基礎設施，開源 AI 只不過是一種短暫的幻象。
因此我更願意去審視基礎層，而不是追逐 AI 熱度。OpenGradient（$OPG ）正在用更務實的方式推進。與其再做一個炫目的應用，他們正在構建一個去中心化的推理網絡，用於在規模化條件下託管並運行 AI 模型。這是他們嘗試建立“開放智能”。
要實現可驗證的 AI 執行，我們就不必盲目地信任某個集中的提供者。這會強制系統透明，並顯著降低對傳統科技巨頭的依賴。
至於這個網絡能否如願成功，這確實是個很難回答的問題。去中心化計算衆所周知很難。但結合我們目前的軌跡，也許 AI 的未來並不取決於誰能構建最聰明的模型，而在於誰能構建那種讓智能對所有人保持開放的基礎設施。#opg $OPG @OpenGradient
如今，智能正在退回到圍牆花園裏。如果幾家大型公司控制了所有託管、推理和訪問，我們就並沒有在構建新的前沿。我們只是從寡頭壟斷中“租用”認知而已。如果無法驗證，開發者又怎麼能信任模型輸出呢？
真正的瓶頸並不在於讓 AI 變得更聰明。關鍵在於讓它保持開放。沒有去中心化的 AI 基礎設施，開源 AI 只不過是一種短暫的幻象。
因此我更願意去審視基礎層，而不是追逐 AI 熱度。OpenGradient（$OPG ）正在用更務實的方式推進。與其再做一個炫目的應用，他們正在構建一個去中心化的推理網絡，用於在規模化條件下託管並運行 AI 模型。這是他們嘗試建立“開放智能”。
要實現可驗證的 AI 執行，我們就不必盲目地信任某個集中的提供者。這會強制系統透明，並顯著降低對傳統科技巨頭的依賴。
至於這個網絡能否如願成功，這確實是個很難回答的問題。去中心化計算衆所周知很難。但結合我們目前的軌跡，也許 AI 的未來並不取決於誰能構建最聰明的模型，而在於誰能構建那種讓智能對所有人保持開放的基礎設施。#opg $OPG @OpenGradient