Xu hướng mới trong ngành AI: sự nổi lên của mô hình nhỏ hóa địa phương và Điện toán biên

Gần đây, ngành AI đang xuất hiện một xu hướng thay đổi thú vị: từ sự đồng thuận trước đây về việc theo đuổi sức mạnh tính toán tập trung và các mô hình khổng lồ, dần dần phân hóa ra một con đường mới tập trung vào các mô hình nhỏ tại chỗ và điện toán biên.

Xu hướng này có thể được xác nhận từ nhiều khía cạnh. Chẳng hạn, một ông lớn công nghệ đã phủ sóng công nghệ thông minh trên 500 triệu thiết bị; một công ty công nghệ khác đã ra mắt mô hình nhỏ với 3,3 triệu tham số dành riêng cho hệ điều hành của mình; còn một viện nghiên cứu AI đã phát triển robot có thể hoạt động "ngoại tuyến".

Cạnh tranh giữa AI đám mây và AI cục bộ có trọng điểm khác nhau. Cái trước chủ yếu cạnh tranh về quy mô mô hình và khối lượng dữ liệu đào tạo, tài chính là yếu tố then chốt; cái sau lại chú trọng hơn vào tối ưu hóa kỹ thuật và thích ứng với bối cảnh, vượt trội hơn trong việc bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. Điều này chủ yếu là do vấn đề ảo giác của mô hình tổng quát có thể ảnh hưởng nghiêm trọng đến ứng dụng của nó trong các lĩnh vực chuyên biệt.

Xu hướng này đã mang lại nhiều cơ hội hơn cho web3 AI. Trong quá khứ, mọi người đều theo đuổi khả năng "đại trà", tự nhiên bị các ông lớn công nghệ truyền thống độc quyền. Chỉ đơn thuần áp dụng khái niệm phi tập trung để cạnh tranh với các ông lớn trong ngành là điều không thực tế, vì thiếu các lợi thế về tài nguyên, công nghệ và cơ sở người dùng.

Tuy nhiên, trong bối cảnh mô hình địa phương hóa và điện toán biên mới, tình hình mà công nghệ blockchain phải đối mặt hoàn toàn khác biệt. Khi mô hình AI hoạt động trên thiết bị của người dùng, làm thế nào để chứng minh tính xác thực của kết quả đầu ra? Làm thế nào để thực hiện sự hợp tác mô hình trong khi bảo vệ quyền riêng tư? Đây chính là những điểm mạnh của công nghệ blockchain.

Trong ngành đã xuất hiện một số dự án mới liên quan. Chẳng hạn, một công ty đã tung ra một giao thức truyền thông dữ liệu nhằm giải quyết vấn đề độc quyền dữ liệu và sự không minh bạch của các nền tảng AI tập trung; một công ty khác phát triển thiết bị sóng não để thu thập dữ liệu con người thực, xây dựng "tầng xác thực nhân tạo", đã đạt được doanh thu đáng kể. Tất cả các dự án này đều đang cố gắng giải quyết vấn đề "độ tin cậy" của AI địa phương.

Tóm lại, chỉ khi AI thực sự "đi sâu" vào từng thiết bị, thì hợp tác phi tập trung mới có thể chuyển từ khái niệm sang nhu cầu thực tế. Đối với các dự án web3 AI, thay vì tiếp tục cạnh tranh trong lĩnh vực chung, tốt hơn là suy nghĩ nghiêm túc về cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương.