我花在研究 AI 基礎設施上的時間越多，就越覺得自己當初是在從錯誤的方向評估它。我以前會用模型性能、推理需求以及生態增長來比較不同的網絡。後來我意識到，這些指標都取決於某些不那麼顯眼的東西。

大多數投資者關注採用率，因爲它更容易衡量。更多開發者、更多用戶、以及更多 AI 活動，自然會吸引注意。這些都是重要信號，但它們並不能解釋爲什麼一個網絡能夠持續建立信任，而另一個網絡卻不行。

我覺得有趣的是那些指標之下的隱藏層。AI 的採用取決於可靠的服務。可靠的服務依賴可信的託管、推理與驗證。如果這些基礎開始削弱，那麼它們之上的每一項增長指標就都會變得不那麼有意義。

這也是爲什麼 OpenGradient 會讓我印象深刻。它的架構不僅僅是爲了運行 AI 模型。它也被設計用來對模型進行驗證，而治理則會成爲該基礎設施隨時間演進的組成部分。如果期望去中心化 AI 變成關鍵基礎設施，那麼關於網絡的決策可能與技術本身一樣重要。

市場關注可見的採用。我的注意力則在於那些保護其下層基礎設施的激勵機制。我覺得這是一種容易被忽略的套利形式，因爲人們通常要等到需求到來之後，纔會理解基礎性的信任價值，而不是在那之前就開始評估。

大多數人關注 AI 的增長。

AI 的增長由可信的基礎設施創造。

可信的基礎設施由治理塑造。

市場先給增長定價。它之後才理解治理。
@OpenGradient $OPG #OPG $XPL $DUSK