Новые тенденции в AI-индустрии: рост локализованных малых моделей и Передовые вычисления

Недавние наблюдения за развитием индустрии искусственного интеллекта показывают, что формируется заметная тенденция: от ранее сосредоточенного на масштабных вычислительных мощностях и крупных моделях основного направления, постепенно развивается новый путь, ориентированный на локальные малые модели и Передовые вычисления.

Эта тенденция проявляется в различных областях. Например, умная система, запущенная одним из технологических гигантов, охватила 500 миллионов устройств; другая технологическая компания разработала специализированную модель с 3,3 миллиарда параметров для своей операционной системы; исследовательские учреждения также исследуют возможности оффлайн-операций для роботов. Все это очевидные признаки локализованного развития ИИ.

В облачном ИИ и локальном ИИ есть явные различия в акцентах конкуренции. Облачный ИИ в основном зависит от огромного объема параметров и больших объемов обучающих данных, финансовая мощь становится основной конкурентоспособностью. В отличие от этого, локальный ИИ больше сосредоточен на оптимизации проектов и адаптации к сценарию, что дает преимущества в защите конфиденциальности пользователей, повышении надежности и практичности системы. Это особенно важно, поскольку универсальные модели часто сталкиваются с проблемой недостаточной точности при применении в специфических областях.

Это преобразование создало новые возможности для проектов Web3 AI. В прошлом, в конкуренции за универсальные возможности, традиционные технологические гиганты доминировали благодаря своим ресурсам, технологиям и пользовательской базе. Однако в новых областях локализованных моделей и Передовые вычисления, технологии блокчейн могут найти больше пространства для проявления.

Когда модели ИИ работают на устройствах пользователей, как можно гарантировать достоверность выходных результатов? Как осуществить сотрудничество между моделями, защищая при этом конфиденциальность? Это как раз те проблемы, которые технологии блокчейн умеют решать.

В отрасли уже появились некоторые инновационные проекты, направленные на решение этих проблем. Например, некоторые компании разработали протоколы передачи данных, призванные решить проблемы монополии данных и непрозрачности решений централизованных AI-платформ. Другие проекты собирают реальные данные человека с помощью устройств для считывания мозговых волн, создавая "уровень искусственной верификации", и уже достигли значительного дохода. Эти попытки исследуют, как повысить доверие к локальному AI.

В заключение, только когда технологии ИИ действительно проникнут в каждое конечное устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для Web3 AI проектов вместо того, чтобы мучительно соперничать в конкурентной области общего ИИ, лучше серьезно подумать о том, как предоставить необходимую инфраструктурную поддержку для локализованной волны ИИ, что может стать более перспективным направлением развития.