Новые тренды в индустрии ИИ: от облака к локальным решениям, создающим новые возможности для Web3
Недавно в AI-индустрии наблюдается интересная тенденция развития: от первоначального акцента на централизованной вычислительной мощности и крупных моделях, постепенно возникло новое направление, сосредоточенное на локальных малых моделях и вычислениях на краю. Это изменение нашло отражение в действиях нескольких технологических гигантов.
Каковы отличия этого преобразования? Облачный ИИ в основном конкурирует по масштабу параметров и объему обучающих данных, а финансовые ресурсы становятся основной конкурентоспособностью; в то время как локальный ИИ больше сосредоточен на оптимизации технологий и адаптации к сценарию, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Это связано с тем, что проблема галлюцинаций у универсальных моделей может серьезно повлиять на их применение в конкретных областях.
Для Web3 AI эта тенденция может открыть большие возможности. На предыдущем этапе, когда акцент делался на "универсальные" возможности, традиционные крупные технологические компании имели абсолютное преимущество, и проектам Web3 было сложно конкурировать. Однако в новой обстановке с локализованными моделями и边缘ными вычислениями преимущества технологии блокчейн могут быть реализованы более эффективно.
Когда AI-модель работает на устройствах пользователей, как гарантировать достоверность выводимых результатов? Как достичь сотрудничества моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются сильными сторонами технологии блокчейн.
В отрасли уже появились новые проекты, нацеленные на решение этих проблем. Например, некоторые компании разработали протоколы передачи данных, направленные на устранение монополии данных и проблем непрозрачности централизованных AI-платформ. Другие проекты собирают реальные человеческие данные с помощью устройств для считывания мозговых волн, создавая «уровень искусственной верификации», и уже добились значительного дохода. Эти попытки стремятся решить проблему «достоверности» локального AI.
В целом, только когда ИИ действительно "углубится" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI вместо того, чтобы продолжать борьбу на универсальной арене, стоит серьезно задуматься о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ. Возможно, это более перспективное направление развития.
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» .
AI переходит на локализацию: проекты Web3 встречают новые возможности
Новые тренды в индустрии ИИ: от облака к локальным решениям, создающим новые возможности для Web3
Недавно в AI-индустрии наблюдается интересная тенденция развития: от первоначального акцента на централизованной вычислительной мощности и крупных моделях, постепенно возникло новое направление, сосредоточенное на локальных малых моделях и вычислениях на краю. Это изменение нашло отражение в действиях нескольких технологических гигантов.
Каковы отличия этого преобразования? Облачный ИИ в основном конкурирует по масштабу параметров и объему обучающих данных, а финансовые ресурсы становятся основной конкурентоспособностью; в то время как локальный ИИ больше сосредоточен на оптимизации технологий и адаптации к сценарию, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Это связано с тем, что проблема галлюцинаций у универсальных моделей может серьезно повлиять на их применение в конкретных областях.
Для Web3 AI эта тенденция может открыть большие возможности. На предыдущем этапе, когда акцент делался на "универсальные" возможности, традиционные крупные технологические компании имели абсолютное преимущество, и проектам Web3 было сложно конкурировать. Однако в новой обстановке с локализованными моделями и边缘ными вычислениями преимущества технологии блокчейн могут быть реализованы более эффективно.
Когда AI-модель работает на устройствах пользователей, как гарантировать достоверность выводимых результатов? Как достичь сотрудничества моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются сильными сторонами технологии блокчейн.
В отрасли уже появились новые проекты, нацеленные на решение этих проблем. Например, некоторые компании разработали протоколы передачи данных, направленные на устранение монополии данных и проблем непрозрачности централизованных AI-платформ. Другие проекты собирают реальные человеческие данные с помощью устройств для считывания мозговых волн, создавая «уровень искусственной верификации», и уже добились значительного дохода. Эти попытки стремятся решить проблему «достоверности» локального AI.
В целом, только когда ИИ действительно "углубится" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI вместо того, чтобы продолжать борьбу на универсальной арене, стоит серьезно задуматься о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ. Возможно, это более перспективное направление развития.