Xu hướng địa phương hóa trong ngành AI và ảnh hưởng của nó đến Web3
Gần đây, quan sát sự phát triển của ngành AI, một xu hướng nổi bật đang hình thành: từ việc trước đây tập trung vào việc tập trung sức mạnh tính toán quy mô lớn và mô hình lớn, dần dần đã phát triển thành một hướng mới chú trọng vào mô hình nhỏ tại chỗ và tính toán biên.
Xu hướng này đã được thể hiện trong nhiều lĩnh vực. Chẳng hạn, một gã khổng lồ công nghệ đã phủ sóng hệ thống thông minh trên 500 triệu thiết bị, một công ty công nghệ khác đã ra mắt mô hình nhỏ với 3,3 tỷ tham số dành riêng cho hệ điều hành của họ, và một tổ chức nghiên cứu AI nổi tiếng đang phát triển công nghệ robot có khả năng hoạt động "ngoại tuyến".
Trên phương diện cạnh tranh, AI đám mây và AI cục bộ có sự khác biệt rõ rệt. AI đám mây chủ yếu cạnh tranh về quy mô tham số và khối lượng dữ liệu huấn luyện, tài chính là năng lực cạnh tranh cốt lõi. Ngược lại, AI cục bộ chú trọng vào tối ưu hóa kỹ thuật và thích ứng với bối cảnh, có lợi thế về bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. Sự khác biệt này chủ yếu xuất phát từ vấn đề "ảo tưởng" thường gặp khi mô hình tổng quát được áp dụng trong các lĩnh vực cụ thể, ảnh hưởng đến khả năng thâm nhập của nó trong các lĩnh vực dọc.
Đối với Web3 AI, xu hướng này mang lại những cơ hội mới. Trước đây, trong cuộc cạnh tranh nhằm theo đuổi khả năng "tổng quát hóa" (tính toán, dữ liệu, thuật toán), các ông lớn công nghệ truyền thống chiếm ưu thế tuyệt đối, các dự án Web3 khó có thể cạnh tranh. Tuy nhiên, trong môi trường mới của các mô hình địa phương hóa và tính toán biên, lợi thế của công nghệ blockchain bắt đầu nổi bật.
Khi mô hình AI hoạt động trên thiết bị của người dùng, làm thế nào để đảm bảo tính chính xác của kết quả đầu ra? Làm thế nào để thực hiện hợp tác mô hình trong khi bảo vệ quyền riêng tư? Những vấn đề này chính là chuyên môn của công nghệ blockchain.
Trong ngành đã xuất hiện một số dự án đổi mới nhằm giải quyết những vấn đề này. Ví dụ, có công ty đã giới thiệu một giao thức truyền dữ liệu, nhằm giải quyết tình trạng độc quyền và tính không minh bạch của các nền tảng AI tập trung. Một dự án khác thu thập dữ liệu con người thực qua thiết bị sóng não, xây dựng "tầng xác minh nhân tạo", và đã đạt được doanh thu đáng kể. Những nỗ lực này đều nhằm giải quyết vấn đề "độ tin cậy" của AI địa phương.
Nói chung, chỉ khi AI thực sự "thẩm thấu" vào từng thiết bị thì hợp tác phi tập trung mới có thể chuyển từ khái niệm thành nhu cầu thực tế. Đối với các dự án Web3 AI, thay vì tiếp tục cạnh tranh trong lĩnh vực tổng quát, tốt hơn hết là suy nghĩ nghiêm túc về cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương, điều này có thể là một hướng đi triển vọng hơn.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Xu hướng địa phương hóa AI nổi lên: Web3 làm thế nào để nắm bắt cơ hội mới
Xu hướng địa phương hóa trong ngành AI và ảnh hưởng của nó đến Web3
Gần đây, quan sát sự phát triển của ngành AI, một xu hướng nổi bật đang hình thành: từ việc trước đây tập trung vào việc tập trung sức mạnh tính toán quy mô lớn và mô hình lớn, dần dần đã phát triển thành một hướng mới chú trọng vào mô hình nhỏ tại chỗ và tính toán biên.
Xu hướng này đã được thể hiện trong nhiều lĩnh vực. Chẳng hạn, một gã khổng lồ công nghệ đã phủ sóng hệ thống thông minh trên 500 triệu thiết bị, một công ty công nghệ khác đã ra mắt mô hình nhỏ với 3,3 tỷ tham số dành riêng cho hệ điều hành của họ, và một tổ chức nghiên cứu AI nổi tiếng đang phát triển công nghệ robot có khả năng hoạt động "ngoại tuyến".
Trên phương diện cạnh tranh, AI đám mây và AI cục bộ có sự khác biệt rõ rệt. AI đám mây chủ yếu cạnh tranh về quy mô tham số và khối lượng dữ liệu huấn luyện, tài chính là năng lực cạnh tranh cốt lõi. Ngược lại, AI cục bộ chú trọng vào tối ưu hóa kỹ thuật và thích ứng với bối cảnh, có lợi thế về bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. Sự khác biệt này chủ yếu xuất phát từ vấn đề "ảo tưởng" thường gặp khi mô hình tổng quát được áp dụng trong các lĩnh vực cụ thể, ảnh hưởng đến khả năng thâm nhập của nó trong các lĩnh vực dọc.
Đối với Web3 AI, xu hướng này mang lại những cơ hội mới. Trước đây, trong cuộc cạnh tranh nhằm theo đuổi khả năng "tổng quát hóa" (tính toán, dữ liệu, thuật toán), các ông lớn công nghệ truyền thống chiếm ưu thế tuyệt đối, các dự án Web3 khó có thể cạnh tranh. Tuy nhiên, trong môi trường mới của các mô hình địa phương hóa và tính toán biên, lợi thế của công nghệ blockchain bắt đầu nổi bật.
Khi mô hình AI hoạt động trên thiết bị của người dùng, làm thế nào để đảm bảo tính chính xác của kết quả đầu ra? Làm thế nào để thực hiện hợp tác mô hình trong khi bảo vệ quyền riêng tư? Những vấn đề này chính là chuyên môn của công nghệ blockchain.
Trong ngành đã xuất hiện một số dự án đổi mới nhằm giải quyết những vấn đề này. Ví dụ, có công ty đã giới thiệu một giao thức truyền dữ liệu, nhằm giải quyết tình trạng độc quyền và tính không minh bạch của các nền tảng AI tập trung. Một dự án khác thu thập dữ liệu con người thực qua thiết bị sóng não, xây dựng "tầng xác minh nhân tạo", và đã đạt được doanh thu đáng kể. Những nỗ lực này đều nhằm giải quyết vấn đề "độ tin cậy" của AI địa phương.
Nói chung, chỉ khi AI thực sự "thẩm thấu" vào từng thiết bị thì hợp tác phi tập trung mới có thể chuyển từ khái niệm thành nhu cầu thực tế. Đối với các dự án Web3 AI, thay vì tiếp tục cạnh tranh trong lĩnh vực tổng quát, tốt hơn hết là suy nghĩ nghiêm túc về cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương, điều này có thể là một hướng đi triển vọng hơn.