你知道嗎，市場並不總是先認可那些最終真正造成影響的想法？

$TAO y $RNDR 就是一個很好的例子。

當 Bittensor 剛開始時，許多人把它視為一個網路：在這裡，AI 模型彼此競爭以貢獻知識並獲得獎勵。它的目標是建立一種開放且去中心化的智慧——在當時看來，這個想法似乎過於雄心勃勃。

Render 也發生了類似的事情。它的提案是連接數千台分散式的 GPU，以提供運算能力，而不依賴大型集中式供應商。如今，它已成為 AI 生態系中最受認可的基礎設施之一。

這兩者都沒有在一夜之間變得重要。他們先建設。接著才迎來認可。

在研究 @OpenGradient 的過程中，我想到的就是這種演變。最吸引我注意的是，它並不試圖去比拼擁有最強大的 AI 模型。它的賭注在於建立基礎設施：讓模型、代理與 AI 應用能夠在一個開放且可驗證的網路上運行。此外，它除了在 TEE 中執行推論，還整合了像 Model Hub 這樣的工具，提供數以千計的模型；MemSync，讓代理能在互動之間保留記憶；以及給開發者的 SDK，還有 x402，旨在促進代理與 AI 服務之間的經濟互動。

如果 TAO 把焦點放在模型上，而 RNDR 放在運算算力上，那麼 @OpenGradient 則押注在另一個層面：打造一種基礎設施，讓 AI 能以更開放、更可驗證的方式執行，並讓使用者擁有更高的控制權。

#opg $OPG @OpenGradient

📊 你覺得市場還在低估什麼？