AI行业的新趋势:本地化小模型与边缘计算的兴起

近期AI行业呈现出一个有趣的变化趋势:从之前普遍追求大规模算力集中和庞大模型的共识,逐渐分化出一条注重本地小型模型和边缘计算的新路线。

这一趋势可以从多个方面得到印证。比如,某科技巨头的智能技术已覆盖5亿台设备;另一家科技公司为其操作系统推出了专用的3.3亿参数小型模型;还有AI研究机构开发出可以"离线"工作的机器人等。

云端AI和本地AI的竞争重点有所不同。前者主要比拼模型规模和训练数据量,财力是关键;后者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更胜一筹。这主要是因为通用模型的幻觉问题会严重影响其在垂直领域的应用。

这一趋势为web3 AI带来了更多机遇。过去,大家都在追求"通用化"能力,自然被传统科技巨头垄断。仅仅套用去中心化的概念就想与行业巨头竞争是不现实的,因为缺乏资源、技术和用户基础等优势。

然而,在本地化模型和边缘计算的新格局下,区块链技术面临的形势大为不同。当AI模型运行在用户设备上时,如何证明输出结果的真实性?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长处所在。

业内已经出现了一些相关的新项目。例如,某公司推出的数据通信协议,旨在解决中心化AI平台的数据垄断和不透明问题;另一家公司开发的脑电波设备用于采集真实人类数据,构建"人工验证层",已取得可观收入。这些项目都在尝试解决本地AI的"可信性"问题。

综上所述,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转变为实际需求。对于web3 AI项目而言,与其在通用化赛道中继续内卷,不如认真思考如何为本地化AI浪潮提供基础设施支持。