OpenGradient の検証アーキテクチャについて、腰を据えて考えるまで完全には腑に落ちなかったことがある。$OPG #OPG @OpenGradient は、検証可能なAI推論の周りに組み立てられている――つまり、オペレーターを信用しなくても「モデルが正しく実行されたこと」を証明できるという発想だ。これは ZKML に寄りかかっている。ZKML は確かに実在するが、今日の実用的なスケールでほとんどのモデルを動かすことを考えると、計算的に負担が大きすぎる。実際にプロトコルがデフォルトとして採用しているのは、TEE（信頼できる実行環境）によるアテステーション――Intel や AMD のハードウェアに裏打ちされたものだ。これらは同じではない。ZKML は数学的な証明を与える。一方 TEE は、実行環境が改ざんされていないことをハードウェア製造元が保証するアテステーションを与える。前者は数学以外の信頼仮定を必要としないが、後者は信頼の所在をオペレーターからシリコンのサプライチェーンへ静かに移してしまう。これはプロジェクトを無効化するものだとは思わない――TEE は、検証されない推論より意味のある改善だ――ただ、「暗号学的に検証されたAI」と「信頼できるハードウェア上でのアテスト済み実行」の間にはギャップがあり、そのギャップは物語として語られるときに圧縮されがちだ。興味深いのは、ZKML がスケールで計算可能になるのか、それとも TEE が、ひっそりと恒久的なデフォルトになるのかという点だ。