@OpenGradient 我花了過去十年時間,目睹技術週期如何輪轉,我始終揮之不去一種對 AI 領域的隱隱挫敗感。大家都在癡迷於模型的“智能”,但幾乎沒人去關注它們之下的金屬底層。
一種巨大的中心化問題正在悄然成形。當僅有三家公司掌控全球智能的託管、推理以及全部訪問權限時,會發生什麼?當 AI 成爲基礎性基礎設施之後,究竟是誰擁有 AI?
我們正走到一個節點:爲“開放智能”而奮鬥,比訓練更大的模型更重要。既然獨立驗證不可能實現,開發者又如何信任模型輸出?在其下缺乏去中心化的 AI 基礎設施時,AI 還能真正保持開放嗎?
正是基於這種認識,我不再追逐 AI 炒作,而是開始關注諸如 OpenGradient($OPG )這類底層。它們正試圖構建一個面向大規模託管與運行模型的 AI 推理網絡。
這裏的重點是可驗證的 AI 執行。若我們想在這些系統中擁有任何真正的信任與透明,就必須主動降低我們對中心化 AI 提供方的依賴。我仍然懷疑去中心化網絡能否在延遲方面與企業級服務器集羣相匹敵。要擴展分佈式計算的規模,這無疑非常艱難。
但替代方案是:把對全球認知的控制權交給少數高管。也許 AI 的未來並不在於誰能打造最聰明的模型,而在於誰能搭建那套讓智能對所有人保持開放的基礎設施。#opg $OPG
一種巨大的中心化問題正在悄然成形。當僅有三家公司掌控全球智能的託管、推理以及全部訪問權限時,會發生什麼?當 AI 成爲基礎性基礎設施之後,究竟是誰擁有 AI?
我們正走到一個節點:爲“開放智能”而奮鬥,比訓練更大的模型更重要。既然獨立驗證不可能實現,開發者又如何信任模型輸出?在其下缺乏去中心化的 AI 基礎設施時,AI 還能真正保持開放嗎?
正是基於這種認識,我不再追逐 AI 炒作,而是開始關注諸如 OpenGradient($OPG )這類底層。它們正試圖構建一個面向大規模託管與運行模型的 AI 推理網絡。
這裏的重點是可驗證的 AI 執行。若我們想在這些系統中擁有任何真正的信任與透明,就必須主動降低我們對中心化 AI 提供方的依賴。我仍然懷疑去中心化網絡能否在延遲方面與企業級服務器集羣相匹敵。要擴展分佈式計算的規模,這無疑非常艱難。
但替代方案是:把對全球認知的控制權交給少數高管。也許 AI 的未來並不在於誰能打造最聰明的模型,而在於誰能搭建那套讓智能對所有人保持開放的基礎設施。#opg $OPG