Тенденции локализации в AI-индустрии и их влияние на Web3
Недавние наблюдения за развитием отрасли ИИ показывают, что формируется ярко выраженная тенденция: от ранее общего внимания к масштабированию вычислительных мощностей и большим моделям постепенно происходит переход к новому направлению, сосредоточенному на локальных малых моделях и вычислениях на краю.
Этот тренд проявляется в нескольких областях. Например, умная система одного из крупных технологических гигантов охватывает 500 миллионов устройств, другая технологическая компания выпустила специализированную небольшую модель с 330 миллионами параметров для своей операционной системы, а также известное исследовательское учреждение в области ИИ разрабатывает технологии роботов, которые могут работать в "офлайн" режиме.
Облачный ИИ и локальный ИИ имеют явные различия в основных направлениях конкуренции. Облачный ИИ в первую очередь соперничает по масштабам параметров и объему учебных данных, финансовые ресурсы являются ключевой конкурентной силой. В то же время локальный ИИ больше акцентирует внимание на оптимизации инженерии и адаптации к сценариям, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Это различие в основном связано с проблемой "галлюцинаций", часто возникающей при применении универсальных моделей в определенных областях, что влияет на их проникновение в вертикальные области.
Для Web3 AI эта тенденция открывает новые возможности. Ранее в конкуренции за способности "универсализации" (вычисления, данные, алгоритмы) традиционные технологические гиганты имели абсолютное преимущество, и проектам Web3 было трудно с ними соперничать. Однако в новой обстановке локализованных моделей и крайних вычислений преимущества технологии блокчейн начинают проявляться.
Когда AI-модель работает на устройствах пользователей, как обеспечить достоверность выходных данных? Как достичь совместной работы моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются специализацией технологий блокчейн.
В отрасли уже появились некоторые инновационные проекты, направленные на решение этих проблем. Например, некоторые компании разработали протоколы передачи данных, цель которых - решить вопросы монополии и непрозрачности данных централизованных AI-платформ. Другие проекты используют устройства для считывания мозговых волн для сбора реальных данных о человеке, создавая "уровень искусственной верификации", и уже достигли значительного дохода. Эти попытки направлены на решение проблемы "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 конкурировать на универсальной арене, имеет смысл серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ, что может стать более перспективным направлением.
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» .
14 Лайков
Награда
14
3
Поделиться
комментарий
0/400
FarmHopper
· 08-06 05:23
Маленькая модель — это возможность!
Посмотреть ОригиналОтветить0
GasBankrupter
· 08-06 05:23
Но это нельзя съесть, какая от этого польза?
Посмотреть ОригиналОтветить0
OnchainSniper
· 08-06 05:18
Малые модели действительно хороши, кто понимает, тот и использует.
Рост тенденций локализации AI: как Web3 может использовать новые возможности
Тенденции локализации в AI-индустрии и их влияние на Web3
Недавние наблюдения за развитием отрасли ИИ показывают, что формируется ярко выраженная тенденция: от ранее общего внимания к масштабированию вычислительных мощностей и большим моделям постепенно происходит переход к новому направлению, сосредоточенному на локальных малых моделях и вычислениях на краю.
Этот тренд проявляется в нескольких областях. Например, умная система одного из крупных технологических гигантов охватывает 500 миллионов устройств, другая технологическая компания выпустила специализированную небольшую модель с 330 миллионами параметров для своей операционной системы, а также известное исследовательское учреждение в области ИИ разрабатывает технологии роботов, которые могут работать в "офлайн" режиме.
Облачный ИИ и локальный ИИ имеют явные различия в основных направлениях конкуренции. Облачный ИИ в первую очередь соперничает по масштабам параметров и объему учебных данных, финансовые ресурсы являются ключевой конкурентной силой. В то же время локальный ИИ больше акцентирует внимание на оптимизации инженерии и адаптации к сценариям, обладая преимуществами в области защиты конфиденциальности, надежности и практичности. Это различие в основном связано с проблемой "галлюцинаций", часто возникающей при применении универсальных моделей в определенных областях, что влияет на их проникновение в вертикальные области.
Для Web3 AI эта тенденция открывает новые возможности. Ранее в конкуренции за способности "универсализации" (вычисления, данные, алгоритмы) традиционные технологические гиганты имели абсолютное преимущество, и проектам Web3 было трудно с ними соперничать. Однако в новой обстановке локализованных моделей и крайних вычислений преимущества технологии блокчейн начинают проявляться.
Когда AI-модель работает на устройствах пользователей, как обеспечить достоверность выходных данных? Как достичь совместной работы моделей, защищая при этом конфиденциальность? Эти вопросы как раз являются специализацией технологий блокчейн.
В отрасли уже появились некоторые инновационные проекты, направленные на решение этих проблем. Например, некоторые компании разработали протоколы передачи данных, цель которых - решить вопросы монополии и непрозрачности данных централизованных AI-платформ. Другие проекты используют устройства для считывания мозговых волн для сбора реальных данных о человеке, создавая "уровень искусственной верификации", и уже достигли значительного дохода. Эти попытки направлены на решение проблемы "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 конкурировать на универсальной арене, имеет смысл серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ, что может стать более перспективным направлением.