AI行業的新趨勢:從雲端到本地

近期AI行業呈現出一個有趣的轉變趨勢:從之前普遍追求大規模算力集中和超大模型,逐漸演變出了一個偏向本地小型模型和邊緣計算的新方向。

這一趨勢在多個領域都有體現。比如某科技巨頭推出的智能系統已覆蓋5億臺設備,某操作系統開發商爲其最新系統定制了擁有3.3億參數的專用小型模型,還有AI研究機構開發的機器人能夠脫離網路獨立運作等。

雲端AI和本地AI的競爭重點有所不同。雲端AI主要比拼模型規模和訓練數據量,資金實力是關鍵;本地AI則更注重工程優化和場景適配,在隱私保護、可靠性和實用性方面具有優勢。這主要是因爲大型通用模型的幻覺問題在特定場景應用中表現得更爲突出。

這種轉變爲Web3 AI項目帶來了新的機遇。過去在通用化能力的競爭中,Web3項目難以與傳統科技巨頭抗衡,因爲缺乏資源、技術和用戶基礎方面的優勢。但在本地化模型和邊緣計算領域,形勢可能會發生顯著變化。

當AI模型運行在用戶設備上時,如何保證輸出結果的真實性?如何在保護隱私的同時實現模型協作?這些問題恰好是區塊鏈技術的強項。

業內已經出現了一些相關的新項目,例如某數據通信協議旨在解決中心化AI平台的數據壟斷和黑箱問題。另有項目通過腦電波設備採集真實人類數據,構建"人工驗證層",已實現可觀收入。這些項目都在嘗試解決本地AI的可信度問題。

總的來說,只有當AI真正"下沉"到每個設備時,去中心化協作才能從概念變爲現實需求。Web3 AI項目不應繼續在通用化賽道上內卷,而是應該認真思考如何爲本地化AI浪潮提供基礎設施支持。