Нові тенденції в індустрії ШІ: зростання локалізованих малих моделей та Передові обчислення
Останнім часом в AI-індустрії спостерігається цікава зміна тенденцій: з попередньої загальної мети досягнення концентрації обчислювальних потужностей і великих моделей поступово виникає новий напрямок, що акцентує увагу на локальних малих моделях та Передових обчисленнях.
Цю тенденцію можна підтвердити з кількох аспектів. Наприклад, розумні технології одного з технологічних гігантів охопили 500 мільйонів пристроїв; інша технологічна компанія випустила спеціалізовану модель з 330 мільйонами параметрів для своєї операційної системи; також AI-дослідницька організація розробила роботів, які можуть працювати "в оффлайн" режимі.
Конкуренція між хмарними AI та локальними AI має різні акценти. Перший в основному порівнює масштаби моделей та обсяги навчальних даних, фінансові ресурси є ключовими; другий більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, перевершуючи в питаннях захисту конфіденційності, надійності та практичності. Це в основному пов'язано з тим, що проблема ілюзії загальних моделей серйозно впливає на їхнє застосування в вертикальних сферах.
Ця тенденція відкриває більше можливостей для web3 AI. Раніше всі прагнули до "універсальності", і природно, це стало монополією традиційних технологічних гігантів. Просто застосування концепції децентралізації для конкуренції з великими гравцями галузі є нереалістичним через брак ресурсів, технологій та користувацької бази.
Однак, в умовах нової парадигми локалізованих моделей та Передових обчислень, ситуація, з якою стикається технологія блокчейн, кардинально змінилася. Коли AI-моделі працюють на пристроях користувачів, як довести достовірність виходу? Як досягти співпраці моделей, захищаючи при цьому конфіденційність? Саме в цьому полягає сила технології блокчейн.
В галузі вже з'явилися деякі нові проекти. Наприклад, певна компанія представила протокол даних, що має на меті вирішення проблеми монополії даних та непрозорості централізованих AI платформ; інша компанія розробила пристрій для збору електроенцефалографічних даних, щоб створити "шар штучної верифікації", що вже приніс значний дохід. Ці проекти намагаються вирішити питання "надійності" локального AI.
Отже, тільки коли ШІ справді "зануриться" в кожен пристрій, децентралізована співпраця зможе перейти від концепції до фактичних потреб. Для проектів web3 AI, замість того, щоб продовжувати внутрішню конкуренцію на загальному ринку, краще серйозно подумати про те, як надати інфраструктурну підтримку для локалізованої хвилі AI.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
AI нові тенденції: зростання локалізованих малих моделей та Передові обчислення обговорення можливостей Web3
Нові тенденції в індустрії ШІ: зростання локалізованих малих моделей та Передові обчислення
Останнім часом в AI-індустрії спостерігається цікава зміна тенденцій: з попередньої загальної мети досягнення концентрації обчислювальних потужностей і великих моделей поступово виникає новий напрямок, що акцентує увагу на локальних малих моделях та Передових обчисленнях.
Цю тенденцію можна підтвердити з кількох аспектів. Наприклад, розумні технології одного з технологічних гігантів охопили 500 мільйонів пристроїв; інша технологічна компанія випустила спеціалізовану модель з 330 мільйонами параметрів для своєї операційної системи; також AI-дослідницька організація розробила роботів, які можуть працювати "в оффлайн" режимі.
Конкуренція між хмарними AI та локальними AI має різні акценти. Перший в основному порівнює масштаби моделей та обсяги навчальних даних, фінансові ресурси є ключовими; другий більше зосереджується на інженерній оптимізації та адаптації до сценаріїв, перевершуючи в питаннях захисту конфіденційності, надійності та практичності. Це в основному пов'язано з тим, що проблема ілюзії загальних моделей серйозно впливає на їхнє застосування в вертикальних сферах.
Ця тенденція відкриває більше можливостей для web3 AI. Раніше всі прагнули до "універсальності", і природно, це стало монополією традиційних технологічних гігантів. Просто застосування концепції децентралізації для конкуренції з великими гравцями галузі є нереалістичним через брак ресурсів, технологій та користувацької бази.
Однак, в умовах нової парадигми локалізованих моделей та Передових обчислень, ситуація, з якою стикається технологія блокчейн, кардинально змінилася. Коли AI-моделі працюють на пристроях користувачів, як довести достовірність виходу? Як досягти співпраці моделей, захищаючи при цьому конфіденційність? Саме в цьому полягає сила технології блокчейн.
В галузі вже з'явилися деякі нові проекти. Наприклад, певна компанія представила протокол даних, що має на меті вирішення проблеми монополії даних та непрозорості централізованих AI платформ; інша компанія розробила пристрій для збору електроенцефалографічних даних, щоб створити "шар штучної верифікації", що вже приніс значний дохід. Ці проекти намагаються вирішити питання "надійності" локального AI.
Отже, тільки коли ШІ справді "зануриться" в кожен пристрій, децентралізована співпраця зможе перейти від концепції до фактичних потреб. Для проектів web3 AI, замість того, щоб продовжувати внутрішню конкуренцію на загальному ринку, краще серйозно подумати про те, як надати інфраструктурну підтримку для локалізованої хвилі AI.