Новые тренды в индустрии ИИ: переход от облака к локальным решениям
В последнее время в AI-индустрии наблюдается интересная тенденция развития: от ранее доминирующего подхода, направленного на масштабные вычислительные мощности и крупные модели, постепенно возникает новая направленность, ориентированная на локальные небольшие модели и вычисления на краю.
Это изменение можно увидеть по нескольким признакам: Apple Intelligence охватила 500 миллионов устройств, Windows 11 выпустила специализированную модель Mu с 330 миллионами параметров, а DeepMind также исследует возможности оффлайн-операций роботов.
В отличие от облачного ИИ, который зависит от огромного количества параметров и обучающих данных, а также основывается на финансовых ресурсах как ключевом конкурентном преимуществе, локальный ИИ больше акцентирует внимание на оптимизации инженерии и адаптации к конкретным сценариям, что дает ему явные преимущества в области защиты конфиденциальности, надежности и практичности. Это связано с тем, что проблема иллюзий универсальных больших моделей может серьезно повлиять на их применение в определенных областях.
Для Web3 AI это изменение принесло новые возможности. В прошлом в конкуренции за "универсальные" возможности проектам Web3 было трудно соперничать с технологическими гигантами из-за недостатка ресурсов, технологий и пользовательской базы. Но в новой парадигме локализованных моделей и периферийных вычислений преимущества блокчейн-технологий начинают проявляться.
Когда ИИ-модель работает на устройстве пользователя, как гарантировать истинность выходных данных? Как добиться совместной работы моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются сильными сторонами технологий блокчейн.
В отрасли уже появились новые проекты, направленные на решение этих проблем. Например, протокол передачи данных Lattica, разработанный Gradient, призван решить проблемы монополии на данные и черного ящика централизованных AI-платформ. Другой проект, PublicAI, собирает реальные данные о людях с помощью устройства для считывания электроэнцефалограммы HeadCap, создавая «слой искусственной верификации», и уже добился неплохих доходов. Все эти проекты пытаются решить проблему доверия к локальному AI.
В общем, только когда ИИ действительно "погрузится" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI, вместо того чтобы продолжать углубляться в универсальную нишу, имеет смысл серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ, что может стать более перспективным направлением.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
12 Лайков
Награда
12
6
Репост
Поделиться
комментарий
0/400
FarmToRiches
· 5ч назад
Снова играем в капиталистическую игру
Посмотреть ОригиналОтветить0
SingleForYears
· 22ч назад
Снова маленькие трюки капитала?
Посмотреть ОригиналОтветить0
VibesOverCharts
· 22ч назад
囤储机Вычислительная мощностьing... 寄！
Посмотреть ОригиналОтветить0
TooScaredToSell
· 22ч назад
Платные услуги также стали местными?
Посмотреть ОригиналОтветить0
CounterIndicator
· 23ч назад
Оффлайн ИИ звучит привлекательно
Посмотреть ОригиналОтветить0
GasFeeTears
· 23ч назад
Пей, никто не может справиться с расходами на топливо, даже у кого есть большая модель.
Новые тренды ИИ: переход от облака к локальному, возможности Web3 проявляются
Новые тренды в индустрии ИИ: переход от облака к локальным решениям
В последнее время в AI-индустрии наблюдается интересная тенденция развития: от ранее доминирующего подхода, направленного на масштабные вычислительные мощности и крупные модели, постепенно возникает новая направленность, ориентированная на локальные небольшие модели и вычисления на краю.
Это изменение можно увидеть по нескольким признакам: Apple Intelligence охватила 500 миллионов устройств, Windows 11 выпустила специализированную модель Mu с 330 миллионами параметров, а DeepMind также исследует возможности оффлайн-операций роботов.
В отличие от облачного ИИ, который зависит от огромного количества параметров и обучающих данных, а также основывается на финансовых ресурсах как ключевом конкурентном преимуществе, локальный ИИ больше акцентирует внимание на оптимизации инженерии и адаптации к конкретным сценариям, что дает ему явные преимущества в области защиты конфиденциальности, надежности и практичности. Это связано с тем, что проблема иллюзий универсальных больших моделей может серьезно повлиять на их применение в определенных областях.
Для Web3 AI это изменение принесло новые возможности. В прошлом в конкуренции за "универсальные" возможности проектам Web3 было трудно соперничать с технологическими гигантами из-за недостатка ресурсов, технологий и пользовательской базы. Но в новой парадигме локализованных моделей и периферийных вычислений преимущества блокчейн-технологий начинают проявляться.
Когда ИИ-модель работает на устройстве пользователя, как гарантировать истинность выходных данных? Как добиться совместной работы моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются сильными сторонами технологий блокчейн.
В отрасли уже появились новые проекты, направленные на решение этих проблем. Например, протокол передачи данных Lattica, разработанный Gradient, призван решить проблемы монополии на данные и черного ящика централизованных AI-платформ. Другой проект, PublicAI, собирает реальные данные о людях с помощью устройства для считывания электроэнцефалограммы HeadCap, создавая «слой искусственной верификации», и уже добился неплохих доходов. Все эти проекты пытаются решить проблему доверия к локальному AI.
В общем, только когда ИИ действительно "погрузится" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI, вместо того чтобы продолжать углубляться в универсальную нишу, имеет смысл серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ, что может стать более перспективным направлением.