Індустрія ШІ з хмари переходить на край: зростання локальних малих моделей приносить нові можливості
Останнім часом в індустрії штучного інтелекту спостерігається виражена тенденція: від минулого прагнення до масштабних хмарних моделей до більшої уваги до локальних малих моделей і обчислень на краю. Ця зміна проявляється в кількох аспектах, таких як охоплення Apple Intelligence 500 мільйонами пристроїв, розробка Microsoft Mu-моделі з 330 мільйонами параметрів для Windows 11, а також дослідження Google DeepMind щодо офлайн-операцій роботів.
Ця зміна призвела до нової конкурентної ситуації. Хмарний AI в основному змагається за фінансовими ресурсами, параметрами та обсягом навчальних даних, тоді як локальний AI більше зосереджується на оптимізації інженерії та адаптації до сцен, маючи переваги в захисті приватності, надійності та практичності. Особливо в деяких специфічних сферах локальні моделі можуть демонструвати кращі результати, ніж загальні великі моделі.
Для проектів Web3 AI ця тенденція містить величезні можливості. У минулому в галузі загального штучного інтелекту проекти Web3 важко було протистояти технологічним гігантам. Але в умовах локалізованих моделей та сценаріїв краєвих обчислень переваги технології блокчейн можуть бути цілком реалізовані.
Наприклад, коли AI-модель працює на пристрої користувача, як забезпечити достовірність виходу? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Це саме ті сфери, в яких технологія блокчейн проявляє свої сильні сторони.
Вже існує кілька проектів Web3 AI, які почали досліджувати цей напрямок. Один з таких проектів, що розробляє протокол зв'язку даних, прагне вирішити проблему монополії даних та чорної скриньки централізованих AI-платформ; інший проект збирає реальні дані людей за допомогою пристроїв для зчитування електроенцефалограми, створюючи "штучний рівень верифікації", і вже досяг попереднього комерційного успіху. Усі ці спроби спрямовані на вирішення проблеми надійності локального AI.
Можна сказати, що лише коли ШІ справді "зануриться" в кожен пристрій, децентралізована співпраця зможе перейти з концепції в реальні вимоги. Для проектів Web3 AI, замість того щоб змагатися на загальному ринку ШІ, краще зосередитися на наданні інфраструктурної підтримки для локалізованої хвилі ШІ, що, можливо, є більш перспективним напрямком.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Поява локальних малих моделей ШІ відкриває нові можливості для проектів Web3
Індустрія ШІ з хмари переходить на край: зростання локальних малих моделей приносить нові можливості
Останнім часом в індустрії штучного інтелекту спостерігається виражена тенденція: від минулого прагнення до масштабних хмарних моделей до більшої уваги до локальних малих моделей і обчислень на краю. Ця зміна проявляється в кількох аспектах, таких як охоплення Apple Intelligence 500 мільйонами пристроїв, розробка Microsoft Mu-моделі з 330 мільйонами параметрів для Windows 11, а також дослідження Google DeepMind щодо офлайн-операцій роботів.
Ця зміна призвела до нової конкурентної ситуації. Хмарний AI в основному змагається за фінансовими ресурсами, параметрами та обсягом навчальних даних, тоді як локальний AI більше зосереджується на оптимізації інженерії та адаптації до сцен, маючи переваги в захисті приватності, надійності та практичності. Особливо в деяких специфічних сферах локальні моделі можуть демонструвати кращі результати, ніж загальні великі моделі.
Для проектів Web3 AI ця тенденція містить величезні можливості. У минулому в галузі загального штучного інтелекту проекти Web3 важко було протистояти технологічним гігантам. Але в умовах локалізованих моделей та сценаріїв краєвих обчислень переваги технології блокчейн можуть бути цілком реалізовані.
Наприклад, коли AI-модель працює на пристрої користувача, як забезпечити достовірність виходу? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Це саме ті сфери, в яких технологія блокчейн проявляє свої сильні сторони.
Вже існує кілька проектів Web3 AI, які почали досліджувати цей напрямок. Один з таких проектів, що розробляє протокол зв'язку даних, прагне вирішити проблему монополії даних та чорної скриньки централізованих AI-платформ; інший проект збирає реальні дані людей за допомогою пристроїв для зчитування електроенцефалограми, створюючи "штучний рівень верифікації", і вже досяг попереднього комерційного успіху. Усі ці спроби спрямовані на вирішення проблеми надійності локального AI.
Можна сказати, що лише коли ШІ справді "зануриться" в кожен пристрій, децентралізована співпраця зможе перейти з концепції в реальні вимоги. Для проектів Web3 AI, замість того щоб змагатися на загальному ринку ШІ, краще зосередитися на наданні інфраструктурної підтримки для локалізованої хвилі ШІ, що, можливо, є більш перспективним напрямком.