#opg $OPG
@OpenGradient
我一直在重新思考：到底什麼才是 AI 基礎設施真正有價值的地方。多數討論似乎都聚焦在基準測試（benchmarks）、延遲（latency）或降低推論成本。然而，這些指標固然重要，但它們並沒有回答我最在意的問題：當我送出一則提示（prompt）之後，我的資料會發生什麼事？

事實上，許多 AI 服務仍然需要使用者對支撐基礎設施的營運者投注相當程度的信任。這種模式在 AI 尚未處理敏感內容前可能還說得過去，但當 AI 開始介入金融決策、個人資訊或其他敏感工作負載時，光靠信任往往還不夠。

這也是我開始研究 OpenGradient 的原因之一。它使用可信執行環境（Trusted Execution Environments, TEEs）的目標，是讓 AI 運算更容易被驗證，並在資料處理過程中更好地保護資料。它並不能消除所有信任假設，但它確實能降低使用者必須全然依賴的「盲目信任」程度。

當然，這個做法並非沒有代價。TEEs 會帶來額外的工程複雜度、需要專用硬體，而且也不代表它們完全免於安全挑戰。總是需要在更強的保證與最高效能之間取得平衡。

儘管如此，我認為關於 AI 基礎設施的長期討論，將不再只是比拼誰能提供最快的回應，而是看誰能夠提供信心：能確保敏感工作負載在安全且透明的條件下被妥善處理。隨著 AI 成為關鍵系統的一部分，可驗證的信任或許會變得同樣重要，甚至與運算能力一樣關鍵。

$TAC

$AIGENSYN