Новые тренды в AI-индустрии: от облака к локализации
В последнее время в индустрии ИИ наблюдается интересная тенденция: от первоначального акцента на крупномасштабных вычислениях и крупных моделях постепенно происходит переход к локальным малым моделям и Edge Computing. Эта тенденция заметна в действиях нескольких крупных технологических компаний.
Например, умная система, выпущенная одним из технологических гигантов, охватывает 500 миллионов устройств. Другой гигант операционных систем также разработал специализированную модель небольшого размера с количеством параметров всего 330 миллионов для своей последней версии. Также известные исследовательские учреждения в области ИИ изучают возможность работы роботов в "офлайн" режиме.
Это превращение привело к новой конкурентной среде. Облачный ИИ в основном зависит от масштабов модели и огромных объемов обучающих данных, финансовая мощь становится ключевым конкурентным преимуществом. В то время как локальный ИИ больше сосредоточен на оптимизации инженерных процессов и адаптации к сценариям, он обладает преимуществами в области защиты конфиденциальности, надежности и практичности. Особенно при применении в конкретных областях локальный ИИ может эффективно избежать распространенной проблемы "галлюцинаций" больших универсальных моделей.
Эта тенденция открывает новые возможности для проектов Web3 AI. Ранее в гонке за универсальными возможностями проектам Web3 было трудно конкурировать с традиционными технологическими гигантами, поскольку последние обладают абсолютным преимуществом в ресурсах, технологиях и пользовательской базе. Однако в новых областях локальных моделей и.edge computing преимущества технологий Web3 начинают проявляться.
Когда AI-модель работает на устройстве пользователя, как гарантировать достоверность выходных результатов? Как осуществить совместную работу моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются сильными сторонами технологии блокчейн.
В настоящее время уже есть некоторые проекты Web3 AI, которые начинают исследовать это направление. Например, некоторые проекты представили протоколы передачи данных, направленные на решение проблем монополии и непрозрачности данных централизованных AI-платформ. Другие проекты собирают реальные данные людей с помощью устройств для считывания мозговых волн, создавая "уровень искусственной верификации", и уже достигли значительного дохода. Эти попытки направлены на решение проблемы доверия к локальному AI.
Можно сказать, что только когда ИИ действительно "соприкасается" с каждым устройством, децентрализованное сотрудничество может перейти от концепции к реальным потребностям. Для проектов Web3 AI, вместо того чтобы конкурировать на переполненной универсальной арене, стоит подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ, что может быть более многообещающим направлением.
Посмотреть Оригинал
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Искусственный интеллект от облака до локализации: новые возможности для проектов Web3
Новые тренды в AI-индустрии: от облака к локализации
В последнее время в индустрии ИИ наблюдается интересная тенденция: от первоначального акцента на крупномасштабных вычислениях и крупных моделях постепенно происходит переход к локальным малым моделям и Edge Computing. Эта тенденция заметна в действиях нескольких крупных технологических компаний.
Например, умная система, выпущенная одним из технологических гигантов, охватывает 500 миллионов устройств. Другой гигант операционных систем также разработал специализированную модель небольшого размера с количеством параметров всего 330 миллионов для своей последней версии. Также известные исследовательские учреждения в области ИИ изучают возможность работы роботов в "офлайн" режиме.
Это превращение привело к новой конкурентной среде. Облачный ИИ в основном зависит от масштабов модели и огромных объемов обучающих данных, финансовая мощь становится ключевым конкурентным преимуществом. В то время как локальный ИИ больше сосредоточен на оптимизации инженерных процессов и адаптации к сценариям, он обладает преимуществами в области защиты конфиденциальности, надежности и практичности. Особенно при применении в конкретных областях локальный ИИ может эффективно избежать распространенной проблемы "галлюцинаций" больших универсальных моделей.
Эта тенденция открывает новые возможности для проектов Web3 AI. Ранее в гонке за универсальными возможностями проектам Web3 было трудно конкурировать с традиционными технологическими гигантами, поскольку последние обладают абсолютным преимуществом в ресурсах, технологиях и пользовательской базе. Однако в новых областях локальных моделей и.edge computing преимущества технологий Web3 начинают проявляться.
Когда AI-модель работает на устройстве пользователя, как гарантировать достоверность выходных результатов? Как осуществить совместную работу моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются сильными сторонами технологии блокчейн.
В настоящее время уже есть некоторые проекты Web3 AI, которые начинают исследовать это направление. Например, некоторые проекты представили протоколы передачи данных, направленные на решение проблем монополии и непрозрачности данных централизованных AI-платформ. Другие проекты собирают реальные данные людей с помощью устройств для считывания мозговых волн, создавая "уровень искусственной верификации", и уже достигли значительного дохода. Эти попытки направлены на решение проблемы доверия к локальному AI.
Можно сказать, что только когда ИИ действительно "соприкасается" с каждым устройством, децентрализованное сотрудничество может перейти от концепции к реальным потребностям. Для проектов Web3 AI, вместо того чтобы конкурировать на переполненной универсальной арене, стоит подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ, что может быть более многообещающим направлением.