Новые тренды в AI-индустрии: рост локализованных малых моделей и Передовые вычисления
Недавно в AI-индустрии наблюдается интересная тенденция изменений: от ранее общего стремления к концентрации вычислительной мощности и крупных моделей постепенно выделяется новый путь, сосредоточенный на локальных малых моделях и Передовые вычисления.
Эта тенденция может быть подтверждена с нескольких сторон. Например,智能技术 одного из технологических гигантов охватывает 500 миллионов устройств; другая технологическая компания представила специализированную модель малых размеров с 330 миллионами параметров для своей операционной системы; также исследовательская организация в области ИИ разработала робота, который может работать "офлайн" и т.д.
Конкуренция между облачным ИИ и локальным ИИ имеет разные акценты. Первый в основном соперничает по масштабу моделей и объему обучающих данных, финансовые ресурсы играют ключевую роль; второй же больше ориентирован на оптимизацию инженерных решений и адаптацию к сценарию, превосходя в вопросах защиты конфиденциальности, надежности и практичности. Это в основном связано с тем, что проблемы иллюзий универсальных моделей серьезно влияют на их применение в вертикальных областях.
Эта тенденция открывает更多 возможностей для web3 AI. В прошлом все стремились к "универсальным" возможностям, что естественно привело к монополии со стороны традиционных технологических гигантов. Просто применить концепцию децентрализации для конкуренции с отраслевыми гигантами нереально, поскольку отсутствуют такие преимущества, как ресурсы, технологии и база пользователей.
Однако в условиях новой модели локализации и Передовые вычисления ситуация с технологиями блокчейн кардинально изменилась. Как доказать подлинность выходных результатов, когда AI модель работает на устройствах пользователей? Как достичь сотрудничества моделей при защите конфиденциальности? Именно в этом и заключается сильная сторона технологий блокчейн.
В отрасли уже появились некоторые новые проекты. Например, компания, выпустившая протокол передачи данных, нацелена на решение проблем централизации данных и непрозрачности на платформах ИИ; другая компания разработала устройство для считывания мозговых волн, предназначенное для сбора реальных данных людей и создания "слоя искусственной верификации", что уже принесло значительный доход. Эти проекты пытаются решить проблему "достоверности" локального ИИ.
В заключение, только когда ИИ действительно "опустится" на каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальным потребностям. Для web3 AI проектов лучше не продолжать внутреннюю конкуренцию на универсальной арене, а серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ.
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» .
17 Лайков
Награда
17
6
Поделиться
комментарий
0/400
MetaNomad
· 08-01 15:20
Модель поменьше более приземленная
Посмотреть ОригиналОтветить0
GasWaster
· 07-30 18:13
Локальная вычислительная мощность еще более мощная
Посмотреть ОригиналОтветить0
DecentralizeMe
· 07-30 18:13
Передовые вычисления好顶赞
Посмотреть ОригиналОтветить0
GasGasGasBro
· 07-30 18:00
Классно и интересно
Посмотреть ОригиналОтветить0
ZenMiner
· 07-30 17:55
Вычислительная мощность не является единственным путем
Новые тенденции в AI: рост локализованных малых моделей и Передовые вычисления. Обсуждение возможностей Web3.
Новые тренды в AI-индустрии: рост локализованных малых моделей и Передовые вычисления
Недавно в AI-индустрии наблюдается интересная тенденция изменений: от ранее общего стремления к концентрации вычислительной мощности и крупных моделей постепенно выделяется новый путь, сосредоточенный на локальных малых моделях и Передовые вычисления.
Эта тенденция может быть подтверждена с нескольких сторон. Например,智能技术 одного из технологических гигантов охватывает 500 миллионов устройств; другая технологическая компания представила специализированную модель малых размеров с 330 миллионами параметров для своей операционной системы; также исследовательская организация в области ИИ разработала робота, который может работать "офлайн" и т.д.
Конкуренция между облачным ИИ и локальным ИИ имеет разные акценты. Первый в основном соперничает по масштабу моделей и объему обучающих данных, финансовые ресурсы играют ключевую роль; второй же больше ориентирован на оптимизацию инженерных решений и адаптацию к сценарию, превосходя в вопросах защиты конфиденциальности, надежности и практичности. Это в основном связано с тем, что проблемы иллюзий универсальных моделей серьезно влияют на их применение в вертикальных областях.
Эта тенденция открывает更多 возможностей для web3 AI. В прошлом все стремились к "универсальным" возможностям, что естественно привело к монополии со стороны традиционных технологических гигантов. Просто применить концепцию децентрализации для конкуренции с отраслевыми гигантами нереально, поскольку отсутствуют такие преимущества, как ресурсы, технологии и база пользователей.
Однако в условиях новой модели локализации и Передовые вычисления ситуация с технологиями блокчейн кардинально изменилась. Как доказать подлинность выходных результатов, когда AI модель работает на устройствах пользователей? Как достичь сотрудничества моделей при защите конфиденциальности? Именно в этом и заключается сильная сторона технологий блокчейн.
В отрасли уже появились некоторые новые проекты. Например, компания, выпустившая протокол передачи данных, нацелена на решение проблем централизации данных и непрозрачности на платформах ИИ; другая компания разработала устройство для считывания мозговых волн, предназначенное для сбора реальных данных людей и создания "слоя искусственной верификации", что уже принесло значительный доход. Эти проекты пытаются решить проблему "достоверности" локального ИИ.
В заключение, только когда ИИ действительно "опустится" на каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальным потребностям. Для web3 AI проектов лучше не продолжать внутреннюю конкуренцию на универсальной арене, а серьезно подумать о том, как обеспечить инфраструктурную поддержку для локализованной волны ИИ.