AI行业的新趋势:从云端到本地化

近期AI行业出现了一个有趣的趋势变化:从之前注重大规模算力和大模型的主流思路,逐渐衍生出了一条侧重于本地小模型和边缘计算的新方向。

这种趋势可以从多个方面观察到。某科技巨头推出的人工智能技术已覆盖5亿设备;某操作系统开发商为其最新系统推出了拥有3.3亿参数的专用小模型;某知名AI研究机构也在探索机器人的离线操作等。

云端AI和本地AI有着不同的竞争重点。云端AI主要比拼参数规模和训练数据量,资金实力是关键;而本地AI则更注重工程优化和场景适配,在保护隐私、可靠性和实用性方面具有优势。这主要是因为通用大模型的"幻觉"问题会严重影响其在特定领域的应用。

这一趋势为Web3 AI提供了更多机会。之前在"通用化"能力(计算、数据、算法)的竞争中,传统科技巨头占据绝对优势。Web3项目若想与之竞争,无论是资源、技术还是用户基础都相形见绌。

然而,在本地化模型和边缘计算的新格局下,区块链技术的应用前景变得更加广阔。当AI模型在用户设备上运行时,如何保证输出结果的真实性?如何在保护隐私的同时实现模型协作?这些正是区块链技术的专长所在。

业内已经出现了一些相关的新兴项目。例如,某数据通信协议旨在解决中心化AI平台的数据垄断和不透明问题;另一个项目通过脑电波设备收集真实人类数据,构建"人工验证层",并已实现可观收入。这些项目都在尝试解决本地AI的"可信性"问题。

简而言之,只有当AI真正"下沉"到每个设备时,去中心化协作才能从概念变为现实需求。

对于Web3 AI项目而言,与其继续在通用化赛道中内卷,不如认真思考如何为本地化AI浪潮提供基础设施支持。这或许是一个更有前景的发展方向。