AI行業的新趨勢:本地化小模型與邊緣計算的興起

近期AI行業呈現出一個有趣的變化趨勢:從之前普遍追求大規模算力集中和龐大模型的共識,逐漸分化出一條注重本地小型模型和邊緣計算的新路線。

這一趨勢可以從多個方面得到印證。比如,某科技巨頭的智能技術已覆蓋5億臺設備;另一家科技公司爲其操作系統推出了專用的3.3億參數小型模型;還有AI研究機構開發出可以"離線"工作的機器人等。

雲端AI和本地AI的競爭重點有所不同。前者主要比拼模型規模和訓練數據量,財力是關鍵;後者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更勝一籌。這主要是因爲通用模型的幻覺問題會嚴重影響其在垂直領域的應用。

這一趨勢爲web3 AI帶來了更多機遇。過去,大家都在追求"通用化"能力,自然被傳統科技巨頭壟斷。僅僅套用去中心化的概念就想與行業巨頭競爭是不現實的,因爲缺乏資源、技術和用戶基礎等優勢。

然而,在本地化模型和邊緣計算的新格局下,區塊鏈技術面臨的形勢大爲不同。當AI模型運行在用戶設備上時,如何證明輸出結果的真實性?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長處所在。

業內已經出現了一些相關的新項目。例如,某公司推出的數據通信協議,旨在解決中心化AI平台的數據壟斷和不透明問題;另一家公司開發的腦電波設備用於採集真實人類數據,構建"人工驗證層",已取得可觀收入。這些項目都在嘗試解決本地AI的"可信性"問題。

綜上所述,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轉變爲實際需求。對於web3 AI項目而言,與其在通用化賽道中繼續內卷,不如認真思考如何爲本地化AI浪潮提供基礎設施支持。