因此我又回頭檢查 @OpenGradient 。除了代幣的波動之外,這個專案仍在為 AI 持續開發去中心化的基礎設施,讓開發者可以部署模型、創建智慧代理,並透過 TEE 執行可驗證的推論。此外,它還整合了像 Model Hub、MemSync 這樣的工具,以及一個旨在促進開放、私有且可驗證 AI 應用創建的 SDK。
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。