Zhao_Feng赵峰

我在關注AI的發展方向，心裏一直有個簡單的問題：誰會擁有大家默默依賴的那一層？我們花了大量時間討論AI能創造什麼，卻很少停下來思考它在哪裏運行，誰來驗證，或者爲什麼任何人一開始就應該信任它。

這個想法讓我花了更多時間探索@OpenGradient 。我不認爲這會提供簡單的答案。相反，這感覺像是在重新思考智能與基礎設施之間的關係。有趣的部分不是技術本身，而是AI可能變得比集中化更具協作性的想法。

我在等待看看這種網絡是否能鼓勵人們貢獻，因爲他們從共享系統中真正受益，而不是因爲他們在追逐下一個趨勢。通過架構建立信任感覺比通過公告建立興奮要難得多。

也許這就是更大的故事。AI的下一個階段可能不屬於聲音最大或模型最龐大的公司，而是屬於那些默默讓智能變得更透明、更可驗證和更可獲取的生態系統。OpenGradient讓我再次想到，技術的基礎往往比大家第一眼注意到的特性更重要。

#OPG @OpenGradient $OPG

$SYN $UB

我在關注 OpenGradient，花的時間越多，對那些大承諾的興趣就越少，對底層細節的興趣就越多。許多事情在圖表中看起來很有說服力，但當真實用戶、真實需求和真實錯誤開始在系統中流動時，它們完全變得不同。

我一直注意到的是，從一個層到下一個層需要傳遞多少信任。基礎設施信任運營商，運營商信任模型，模型依賴於驗證。大多數時候，什麼都不會崩潰，這正是人們停止關注的原因。但是，重要的地方往往是這些層之間安靜的縫隙，那裏可能會潛藏小的弱點而不被察覺很長時間。

市場通常對目的地感到興奮。我更感興趣的是通往那裏道路的情況。開放智能是一個強大的理念，但理念並不能自我證明。系統纔可以。而系統只有在被迫處理那些不在原始展示中的條件時，纔會揭示它們的本質。

也許 OpenGradient 會成爲未來的重要組成部分。也許一些假設證明比預期更難以擴展。現在，我認爲最有用的事情就是關注正在建設的內容、正在測試的內容，以及當它周圍的興奮開始減退時，哪些仍然有效。

@OpenGradient

#OPG

$OPG

$NAORIS
{future}(NAORISUSDT)
$LAB
{future}(LABUSDT)

我在關注 OpenGradient，讓我不斷回頭的並不是開放智能的願景，而是這個願景與實現它所需的基礎設施之間的距離。去中心化的托管、推理和驗證在寫入框架時聽起來很合理，但每一層都依賴於另一層在條件變得不再可預測時按預期運作。

我越看，越注意到交接的過程。信任從基礎設施轉移到操作方，從操作方轉移到模型，然後再從模型轉移到驗證系統。每一次轉移都會引入風險，創造出信心可能在任何可見失敗出現之前就悄然削弱的點。

這正是那種緊張感最真實的地方。市場的興奮往往在證據之前到來，而證據則通常在壓力、規模和意外邊緣案例中慢慢浮現。OpenGradient 要求人們相信智能可以保持開放而不會變得支離破碎，並且驗證可以跟上複雜性。

也許某些假設會破裂。也許某些層級的去中心化會比預期的更困難。但如果有什麼可以存活下來的，那很可能是那些在激勵轉變、參與者變化以及系統被迫展示可靠性而不僅僅是描述它時仍能繼續運行的部分。 $BTW $BEL

$OPG #OPG @OpenGradient

親愛的Squre家族，最近我花了一些時間試圖理解OpenGradient，越看越讓我思考AI基礎設施中隱藏的假設。從表面上看，它被描述爲一個去中心化的網絡，用於託管、運行和驗證AI模型，但讓我一直關注的詞是“驗證”。我們談論AI輸出很多，但往往很難知道一個模型實際運行在哪裏，是否是你所期望的模型，或者你應該在這個過程中投入多少信任。

當我思考OpenGradient時，我在想，當這些問題被推入去中心化環境時會發生什麼。分佈式基礎設施的想法聽起來很吸引人，但它也引入了新的協調、激勵和治理層。如果許多參與者共同服務模型，信任和問責在實踐中如何真正出現，而不僅僅是在理論上？ $ALICE $BEL

我發現有趣的是，該項目似乎將透明性視爲一個基礎設施問題，而不是社會問題。不過，我不確定這兩者是否可以完全分開。隨着AI系統越來越多地嵌入日常決策，我很好奇像OpenGradient這樣的網絡是否能讓信任變得更可觀察，或者它們是否只是將信任轉移到一個完全不同的地方。

#OPG $OPG @OpenGradient
{future}(OPGUSDT)
#opg

我在關注OpenGradient自我描述的方式，話語的到來速度快於它們所描述的基礎設施。託管、推理、驗證，三種不同的問題堆疊在同一句話中，就好像擴展模型和證明其輸出是同一種工作。

我在等待看看實際的計算在哪裏。一個去中心化的AI網絡聽起來很乾淨，直到你問誰在底下運行這些GPU，以及有多少臺機器坐落在大家已經依賴的那幾塊雲區域中。

我不斷回到驗證這塊，因爲這是聲明變得昂貴的地方。證明一次推理髮生得正確，而不需要重新運行它或信任單一方，這並不是一個解決的問題——這是一個在公共場合被解決的開放問題，在一個實時網絡上，已經與資金掛鉤。

我注意到提案和證明之間的差距。提案說的是無信任的AI大規模應用。迄今爲止，證明是一些模型在一個仍然依賴於驗證者、排序器或某個中介悄悄在一旁做重活的系統中運行。

我專注於交接——一個模型的輸出離開鏈的保證，重新進入鏈外計算的混亂世界的時刻。這個縫隙是這些系統大多 hold 住或不 hold 住的地方，而關於這個問題的討論很少像吞吐量數字那樣開放。

在這裏存活下來的可能不是完全去中心化的敘述。而是任何驗證的子集，能夠以足夠便宜的方式誠實運行，並且足夠透明，以至於人們不再需要對其餘的內容抱有信仰。

$OPG #OPG @OpenGradient
{future}(OPGUSDT)
$BEL $SLX

最重要的AI問題不是智能——而是信任 | OpenGradient

我一直看到AI項目在同樣的指標上競爭：更大的模型、更快的推理、更低的成本。但在深入瞭解OpenGradient後，我認爲更有趣的問題完全不同。

當AI成爲基礎設施時會發生什麼？

不是工具。也不是聊天機器人。基礎設施。

當AI開始影響金融系統、自治代理、研究和關鍵決策時，僅僅依靠性能已不足夠。信任纔是真正的瓶頸。

這就是爲什麼@OpenGradient 引起了我的注意。

這個項目不僅僅專注於生成智能。它正在探索如何在不犧牲去中心化的情況下保持智能的可驗證性。這聽起來微妙，但我認爲它解決了今天AI和加密貨幣中最大的盲點之一。

大多數系統優化能力。很少有系統優化問責制。

從我的角度來看，最強大的基礎設施很少是增長最快的。它是爲了在不確定性中生存而設計的。驗證引入了成本。去中心化會造成摩擦。透明性可能會降低效率。這些都是現實的權衡。#OPG

但歷史表明，純粹爲了速度而構建的系統在信任變得關鍵時往往會掙扎。#opg

隨着AI和區塊鏈的不斷融合，我相信挑戰不會是創造更多的智能。將是創造人們可以驗證、依賴並追究責任的智能。

這就是OpenGradient值得關注的地方。

$OPG $BEL $MET

{future}(OPGUSDT)

OpenGradient：代幣發行後使用數據的出現，而不是之前

最近在研究@OpenGradient ，主要是因爲"區塊鏈上的AI基礎設施"是那種聽起來在資料中很棒，但檢查時很少顯示真實使用的提案。

有幾件事讓我開始關注。它們完成了一輪950萬美元的融資，由a16z crypto主導，Coinbase Ventures和Foresight Ventures也參與其中。這不是一個龐大的融資輪，但支持它的名字也不是隨機的。

OPG代幣通過Binance Wallet的TGE與PancakeSwap合作於4月21日上線。這個發售過程算是正常。令我注意的是，到了5月，網絡處理了超過320萬個可驗證的推斷，其中大約120萬個是在代幣上線後進行的。使用量在發行後上升，這與通常的情況相反。$OPG

模型中心是可以向非技術人員解釋的最簡單部分。它基本上是一個市場，開發者可以在上面列出AI模型，任何人都可以支付費用來運行它們，並提供加密證明輸出沒有被僞造或更改。這個上市數量在幾個月內從大約2000個模型增長到超過4500個，來自100多個不同開發者的貢獻。$BASED

這實際上非常有趣，因爲大多數"可驗證的AI"項目幾乎無法通過測試網，更不用說吸引外部開發者在其上構建了。$VELVET

不確定市場最終如何定價這個，但使用數據比我遇到的大多數基礎設施敘事更難以忽視。#opg

#OPG