Wciąż rozgryzam w głowie tę narrację na poziomie „top-level” o numerze $OPG — im dłużej ją analizuję, tym bardziej wydaje mi się pusta. Projekt obiecuje od razu rozbić scentralizowaną czarną skrzynkę dla AI, zbudować zdecentralizowaną warstwę, w której użytkownicy samodzielnie kontrolują aktywa AI, oraz oskarża gigantów technologicznych o monopol na dane i dowolne fałszowanie wyników modeli. Ale kiedy dokładnie przyjrzę się rzeczywistości w ekosystemie, widzę, że ta narracja nie ma żadnych solidnych podstaw.
Na początku skupiłem się na haśle „użytkownik posiada AI” jako kluczowej obietnicy. W Model Hub jest kilka tysięcy modeli — większość to po prostu przeniesione zasoby open source, bez wprowadzania jakichkolwiek podziałów praw autorskich zysku dla zwykłych osób korzystających. Użytkownicy mogą jedynie biernie używać modeli i nie dostają żadnych dochodów z aktywów. O jakiej „kontroli nad aktywami AI” w takim razie mowa? Ruch i przychody trafiają w całości do zespołów samodzielnie rozwijających aplikacje. Twórcy zewnętrzni praktycznie nie mają jak utrzymać się w ekosystemie, więc tak zwana suwerenność użytkowników sprowadza się w praktyce wyłącznie do haseł w materiałach promocyjnych @OpenGradient
Potem przeanalizowałem wymóg zgodności i prywatności. Jeśli firma ma jakiekolwiek wymagania dotyczące poufności danych, to wystarczy zbudować prywatną chmurę i/lub własne zaplecze lokalne — separację danych da się osiągnąć bez problemu. W ogóle nie ma potrzeby wchodzić w sieci oparte o blockchain ani ponosić ogromnych kosztów obliczeniowych wynikających z połączenia TEE i ZKML. Firmy rozliczają zakup mocy obliczeniowej przede wszystkim pod kątem kosztów i stabilności, a taki wariant „premium” jest trudny do przełożenia na realne zamówienia.
Nie dajmy się też zwieść twierdzeniu, że TEE to „wyłączna karta atutowa”, bo widzę to jasno. Binance i OKX prowadzą równoległe prace nad komponentami do poufnych obliczeń. Zwykli dostawcy usług chmurowych już też dawno wdrożyli audyt dzienników operacyjnych ji. Przy tych samych możliwościach bezpieczeństwa scentralizowane klastry w dużych firmach są tańsze w utrzymaniu, szybciej się rozbudowują i nie ma żadnych barier technologicznych #opg .
Bóle problemowe zostały w projekcie nieskończenie wyolbrzymione, ale opłacalność proponowanych rozwiązań pozostaje rażąco niezrównoważona. Bez dowodów w postaci płatnych przypadków po stronie firm B2B zwykli użytkownicy również nie otrzymają praw do aktywów modelu. Owijanie niszowych potrzeb prywatności w opowieść o rzekomej potrzebie „dla każdego” — wielka narracja o zdecentralizowanej warstwie AI — sprowadza się, mówiąc wprost, do historii kręconej pod chwilowy trend. Trudno mi uwierzyć, że da się ją długofalowo przekształcić w dochodowy biznes.
Na początku skupiłem się na haśle „użytkownik posiada AI” jako kluczowej obietnicy. W Model Hub jest kilka tysięcy modeli — większość to po prostu przeniesione zasoby open source, bez wprowadzania jakichkolwiek podziałów praw autorskich zysku dla zwykłych osób korzystających. Użytkownicy mogą jedynie biernie używać modeli i nie dostają żadnych dochodów z aktywów. O jakiej „kontroli nad aktywami AI” w takim razie mowa? Ruch i przychody trafiają w całości do zespołów samodzielnie rozwijających aplikacje. Twórcy zewnętrzni praktycznie nie mają jak utrzymać się w ekosystemie, więc tak zwana suwerenność użytkowników sprowadza się w praktyce wyłącznie do haseł w materiałach promocyjnych @OpenGradient
Potem przeanalizowałem wymóg zgodności i prywatności. Jeśli firma ma jakiekolwiek wymagania dotyczące poufności danych, to wystarczy zbudować prywatną chmurę i/lub własne zaplecze lokalne — separację danych da się osiągnąć bez problemu. W ogóle nie ma potrzeby wchodzić w sieci oparte o blockchain ani ponosić ogromnych kosztów obliczeniowych wynikających z połączenia TEE i ZKML. Firmy rozliczają zakup mocy obliczeniowej przede wszystkim pod kątem kosztów i stabilności, a taki wariant „premium” jest trudny do przełożenia na realne zamówienia.
Nie dajmy się też zwieść twierdzeniu, że TEE to „wyłączna karta atutowa”, bo widzę to jasno. Binance i OKX prowadzą równoległe prace nad komponentami do poufnych obliczeń. Zwykli dostawcy usług chmurowych już też dawno wdrożyli audyt dzienników operacyjnych ji. Przy tych samych możliwościach bezpieczeństwa scentralizowane klastry w dużych firmach są tańsze w utrzymaniu, szybciej się rozbudowują i nie ma żadnych barier technologicznych #opg .
Bóle problemowe zostały w projekcie nieskończenie wyolbrzymione, ale opłacalność proponowanych rozwiązań pozostaje rażąco niezrównoważona. Bez dowodów w postaci płatnych przypadków po stronie firm B2B zwykli użytkownicy również nie otrzymają praw do aktywów modelu. Owijanie niszowych potrzeb prywatności w opowieść o rzekomej potrzebie „dla każdego” — wielka narracja o zdecentralizowanej warstwie AI — sprowadza się, mówiąc wprost, do historii kręconej pod chwilowy trend. Trudno mi uwierzyć, że da się ją długofalowo przekształcić w dochodowy biznes.