AI行业的新趋势:从云端到本地

近期AI行业呈现出一个有趣的转变趋势:从之前普遍追求大规模算力集中和超大模型,逐渐演变出了一个偏向本地小型模型和边缘计算的新方向。

这一趋势在多个领域都有体现。比如某科技巨头推出的智能系统已覆盖5亿台设备,某操作系统开发商为其最新系统定制了拥有3.3亿参数的专用小型模型,还有AI研究机构开发的机器人能够脱离网络独立运作等。

云端AI和本地AI的竞争重点有所不同。云端AI主要比拼模型规模和训练数据量,资金实力是关键;本地AI则更注重工程优化和场景适配,在隐私保护、可靠性和实用性方面具有优势。这主要是因为大型通用模型的幻觉问题在特定场景应用中表现得更为突出。

这种转变为Web3 AI项目带来了新的机遇。过去在通用化能力的竞争中,Web3项目难以与传统科技巨头抗衡,因为缺乏资源、技术和用户基础方面的优势。但在本地化模型和边缘计算领域,形势可能会发生显著变化。

当AI模型运行在用户设备上时,如何保证输出结果的真实性?如何在保护隐私的同时实现模型协作?这些问题恰好是区块链技术的强项。

业内已经出现了一些相关的新项目,例如某数据通信协议旨在解决中心化AI平台的数据垄断和黑箱问题。另有项目通过脑电波设备采集真实人类数据,构建"人工验证层",已实现可观收入。这些项目都在尝试解决本地AI的可信度问题。

总的来说,只有当AI真正"下沉"到每个设备时,去中心化协作才能从概念变为现实需求。Web3 AI项目不应继续在通用化赛道上内卷,而是应该认真思考如何为本地化AI浪潮提供基础设施支持。