我以前以為，AI 基礎設施主要就是多一些 GPU。

在閱讀 OpenGradient 的文件後，我才發現事情比那更複雜。

執行一個 AI 模型只是流程的一部分。

必須有人把這個模型提供給開發者。必須有人提供一種方式來支付推論費用。必須有人驗證計算是否如預期發生。而所有這些部分都需要協同運作，同時避免讓網路變得不必要地慢。

也許因此，我一直反覆回到架構本身，而不是那些標題。

白皮書並沒有把 @OpenGradient 描述成單一的 AI 應用程式。它描述的是一個網路，其中不同元件各自承擔不同的責任，從模型託管與推論，到驗證與結算。

我想，這個細節很容易被忽略。

我們大多只會接觸到 AI 模型的最終回覆，很少去思考：正是哪些系統，才讓那個回覆成為可能。

我讀到像 OpenGradient 這樣的專案越多，就越能理解——使用者在第一次輸入提示詞之前，那些工程層面的決策。

這些決策不像新的模型發佈那樣顯眼。

但它們正是原因：讓開發者能夠在網路之上放心地建立應用。

這也是我最近開始更感興趣的 AI 那一面。

$OPG #OPG #OPG