#opg $OPG Sau khi đào sâu vào @OpenGradient , tôi nghĩ rằng Model Hub xứng đáng nhận được nhiều sự chú ý hơn nữa. Hầu hết các cuộc thảo luận về AI tập trung vào các mô hình lớn hơn, nhưng tôi tin rằng cơ sở hạ tầng mới là nơi tạo ra giá trị lâu dài.
Dựa trên nghiên cứu của tôi, Hub được thiết kế như một sổ đăng ký không cần quyền truy cập, nơi các mô hình AI có thể được tải lên, phiên bản hóa và truy cập mà không phụ thuộc vào các nhà cung cấp tập trung. Chỉ điều đó thôi đã thay đổi cách mà các nhà phát triển có thể phân phối tài sản máy học trên một mạng lưới phi tập trung.
Điều khiến tôi chú ý là sự tích hợp với lưu trữ theo địa chỉ nội dung và Blob IDs. Thay vì chỉ vào một vị trí file có thể thay đổi, mỗi mô hình được liên kết với một định danh mã hóa, giúp việc kiểm tra tính toàn vẹn và khả năng tái sản xuất dễ dàng hơn rất nhiều. Theo quan điểm của tôi, đây là một bước thực tiễn hướng tới AI có thể xác minh.
Hỗ trợ cho ONNX cũng quan trọng. Các nhà phát triển có thể chuyển đổi các mô hình đã được đào tạo thành định dạng tiêu chuẩn và triển khai chúng cho các đường dẫn thực thi khác nhau bao gồm suy diễn Vanilla, xác minh ZKML, và khối lượng công việc LLM. Điều đó giảm bớt ma sát giữa phát triển mô hình và sử dụng trong sản xuất, đồng thời mở ra cánh cửa cho các ứng dụng AI không cần tin cậy.
Tôi đã theo dõi các dự án trong lĩnh vực này và nhận thấy rằng nhiều dự án chỉ giải quyết một lớp trong ngăn xếp. OpenGradient đang cố gắng kết hợp lưu trữ phi tập trung, hạ tầng suy diễn, và khả năng kết hợp Web3 vào một hệ sinh thái duy nhất. Đây không phải là một thành công đảm bảo và việc áp dụng sẽ là thử nghiệm thực sự, nhưng hướng đi kỹ thuật có vẻ vững chắc.
Nếu hoạt động của các nhà phát triển tiếp tục tăng trưởng và nhiều mô hình chất lượng cao hơn được công bố, tôi nghĩ rằng cơ sở hạ tầng này có thể trở nên ngày càng giá trị hơn trong vài năm tới. Thị trường thường đuổi theo độ sốt trước tiên, nhưng tiện ích thực sự thường chiến thắng theo thời gian. Tôi có thể sai, nhưng đây là một dự án mà tôi vẫn tiếp tục nghiên cứu kỹ lưỡng.
#OpenGradient #AIInfrastructure #ZKML #LLM
$SPCXB $LAB
Dựa trên nghiên cứu của tôi, Hub được thiết kế như một sổ đăng ký không cần quyền truy cập, nơi các mô hình AI có thể được tải lên, phiên bản hóa và truy cập mà không phụ thuộc vào các nhà cung cấp tập trung. Chỉ điều đó thôi đã thay đổi cách mà các nhà phát triển có thể phân phối tài sản máy học trên một mạng lưới phi tập trung.
Điều khiến tôi chú ý là sự tích hợp với lưu trữ theo địa chỉ nội dung và Blob IDs. Thay vì chỉ vào một vị trí file có thể thay đổi, mỗi mô hình được liên kết với một định danh mã hóa, giúp việc kiểm tra tính toàn vẹn và khả năng tái sản xuất dễ dàng hơn rất nhiều. Theo quan điểm của tôi, đây là một bước thực tiễn hướng tới AI có thể xác minh.
Hỗ trợ cho ONNX cũng quan trọng. Các nhà phát triển có thể chuyển đổi các mô hình đã được đào tạo thành định dạng tiêu chuẩn và triển khai chúng cho các đường dẫn thực thi khác nhau bao gồm suy diễn Vanilla, xác minh ZKML, và khối lượng công việc LLM. Điều đó giảm bớt ma sát giữa phát triển mô hình và sử dụng trong sản xuất, đồng thời mở ra cánh cửa cho các ứng dụng AI không cần tin cậy.
Tôi đã theo dõi các dự án trong lĩnh vực này và nhận thấy rằng nhiều dự án chỉ giải quyết một lớp trong ngăn xếp. OpenGradient đang cố gắng kết hợp lưu trữ phi tập trung, hạ tầng suy diễn, và khả năng kết hợp Web3 vào một hệ sinh thái duy nhất. Đây không phải là một thành công đảm bảo và việc áp dụng sẽ là thử nghiệm thực sự, nhưng hướng đi kỹ thuật có vẻ vững chắc.
Nếu hoạt động của các nhà phát triển tiếp tục tăng trưởng và nhiều mô hình chất lượng cao hơn được công bố, tôi nghĩ rằng cơ sở hạ tầng này có thể trở nên ngày càng giá trị hơn trong vài năm tới. Thị trường thường đuổi theo độ sốt trước tiên, nhưng tiện ích thực sự thường chiến thắng theo thời gian. Tôi có thể sai, nhưng đây là một dự án mà tôi vẫn tiếp tục nghiên cứu kỹ lưỡng.
#OpenGradient #AIInfrastructure #ZKML #LLM
$SPCXB $LAB
