AI行業的新趨勢:從雲端到本地化

近期AI行業出現了一個有趣的趨勢變化:從之前注重大規模算力和大模型的主流思路,逐漸衍生出了一條側重於本地小模型和邊緣計算的新方向。

這種趨勢可以從多個方面觀察到。某科技巨頭推出的人工智能技術已覆蓋5億設備;某操作系統開發商爲其最新系統推出了擁有3.3億參數的專用小模型;某知名AI研究機構也在探索機器人的離線操作等。

雲端AI和本地AI有着不同的競爭重點。雲端AI主要比拼參數規模和訓練數據量,資金實力是關鍵;而本地AI則更注重工程優化和場景適配,在保護隱私、可靠性和實用性方面具有優勢。這主要是因爲通用大模型的"幻覺"問題會嚴重影響其在特定領域的應用。

這一趨勢爲Web3 AI提供了更多機會。之前在"通用化"能力(計算、數據、算法)的競爭中,傳統科技巨頭佔據絕對優勢。Web3項目若想與之競爭,無論是資源、技術還是用戶基礎都相形見絀。

然而,在本地化模型和邊緣計算的新格局下,區塊鏈技術的應用前景變得更加廣闊。當AI模型在用戶設備上運行時,如何保證輸出結果的真實性?如何在保護隱私的同時實現模型協作?這些正是區塊鏈技術的專長所在。

業內已經出現了一些相關的新興項目。例如,某數據通信協議旨在解決中心化AI平台的數據壟斷和不透明問題;另一個項目通過腦電波設備收集真實人類數據,構建"人工驗證層",並已實現可觀收入。這些項目都在嘗試解決本地AI的"可信性"問題。

簡而言之,只有當AI真正"下沉"到每個設備時,去中心化協作才能從概念變爲現實需求。

對於Web3 AI項目而言,與其繼續在通用化賽道中內卷,不如認真思考如何爲本地化AI浪潮提供基礎設施支持。這或許是一個更有前景的發展方向。