Новые тенденции в AI-индустрии: от облака к локализации
Недавно в индустрии ИИ наблюдается интересная тенденция: от первоначального сосредоточения на крупных вычислительных мощностях и больших моделях к локальным малым моделям и расчетам на краю. Это изменение можно увидеть по нескольким признакам, таким как технологии ИИ от Apple, охватывающие 500 миллионов устройств, запуск Microsoft специализированной малой модели Mu с 330 миллионами параметров для Windows 11, а также попытки Google DeepMind в области робототехники проводить "офлайн" операции.
Это преобразование привело к различным акцентам в конкурентной борьбе. Облачный ИИ в основном соревнуется по масштабу параметров и объему обучающих данных, где финансовая мощь становится ключевой; в то время как локальный ИИ больше акцентирует внимание на оптимизации инженерных процессов и адаптации к сценариям, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Эта тенденция также предоставляет потенциальные решения проблемы "галлюцинаций", с которой сталкиваются универсальные большие модели при применении в специфических областях.
Для проектов Web3 AI это изменение принесло новые возможности. Ранее, в погоне за конкурентоспособностью в "универсальных" возможностях, проектам Web3 было трудно конкурировать с традиционными технологическими гигантами, так как они находились в невыгодном положении по ресурсам, технологиям и пользовательской базе. Однако в новой парадигме локализованных моделей и краевого вычисления преимущества технологий Web3 начинают проявляться.
Когда AI модели работают на устройствах пользователей, как обеспечить достоверность выводимых результатов? Как реализовать совместную работу моделей, защищая при этом конфиденциальность? Эти вопросы как раз находятся в области, в которой технологии блокчейн преуспевают. Некоторые новые проекты Web3 AI уже начали исследовать эти направления, такие как протоколы передачи данных, направленные на решение проблем централизации данных платформ AI и их непрозрачности, а также проекты устройств для считывания мозговых волн, которые строят "уровень искусственной верификации", собирая реальные данные человека. Эти попытки направлены на решение проблемы доверия к локальному AI.
В общем, только когда ИИ действительно "проникнет" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI, вместо того чтобы продолжать конкурировать на универсальной арене, лучше сосредоточиться на предоставлении инфраструктурной поддержки для локализованной волны ИИ, что может быть более перспективным направлением 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» .
10 Лайков
Награда
10
3
Поделиться
комментарий
0/400
JustHereForAirdrops
· 21ч назад
Эта волна удачно подхвачена.
Посмотреть ОригиналОтветить0
MEVSandwichMaker
· 21ч назад
Малые модели — это будущее.
Посмотреть ОригиналОтветить0
SerumDegen
· 21ч назад
эта структура рынка AI на грани выглядит как классический сигнал о дне... ngmi, если вы все еще держите токены облачных вычислений rn
Новые тренды в AI-индустрии: рост локализованных моделей, Web3 встречает новые возможности
Новые тенденции в AI-индустрии: от облака к локализации
Недавно в индустрии ИИ наблюдается интересная тенденция: от первоначального сосредоточения на крупных вычислительных мощностях и больших моделях к локальным малым моделям и расчетам на краю. Это изменение можно увидеть по нескольким признакам, таким как технологии ИИ от Apple, охватывающие 500 миллионов устройств, запуск Microsoft специализированной малой модели Mu с 330 миллионами параметров для Windows 11, а также попытки Google DeepMind в области робототехники проводить "офлайн" операции.
Это преобразование привело к различным акцентам в конкурентной борьбе. Облачный ИИ в основном соревнуется по масштабу параметров и объему обучающих данных, где финансовая мощь становится ключевой; в то время как локальный ИИ больше акцентирует внимание на оптимизации инженерных процессов и адаптации к сценариям, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Эта тенденция также предоставляет потенциальные решения проблемы "галлюцинаций", с которой сталкиваются универсальные большие модели при применении в специфических областях.
Для проектов Web3 AI это изменение принесло новые возможности. Ранее, в погоне за конкурентоспособностью в "универсальных" возможностях, проектам Web3 было трудно конкурировать с традиционными технологическими гигантами, так как они находились в невыгодном положении по ресурсам, технологиям и пользовательской базе. Однако в новой парадигме локализованных моделей и краевого вычисления преимущества технологий Web3 начинают проявляться.
Когда AI модели работают на устройствах пользователей, как обеспечить достоверность выводимых результатов? Как реализовать совместную работу моделей, защищая при этом конфиденциальность? Эти вопросы как раз находятся в области, в которой технологии блокчейн преуспевают. Некоторые новые проекты Web3 AI уже начали исследовать эти направления, такие как протоколы передачи данных, направленные на решение проблем централизации данных платформ AI и их непрозрачности, а также проекты устройств для считывания мозговых волн, которые строят "уровень искусственной верификации", собирая реальные данные человека. Эти попытки направлены на решение проблемы доверия к локальному AI.
В общем, только когда ИИ действительно "проникнет" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI, вместо того чтобы продолжать конкурировать на универсальной арене, лучше сосредоточиться на предоставлении инфраструктурной поддержки для локализованной волны ИИ, что может быть более перспективным направлением развития.