AI行業的新趨勢:從雲端到本地化

近期AI行業呈現出一個有趣的發展趨勢:從原先追求大規模算力集中和大模型的主流思路,逐漸衍生出了一條偏向本地小模型和邊緣計算的新方向。

這種趨勢可以從多個跡象中看出:Apple Intelligence已覆蓋5億設備,微軟爲Windows 11推出了3.3億參數的專用小模型Mu,谷歌DeepMind也在探索機器人的離線操作等。

雲端AI和本地AI的競爭重點有所不同。雲端AI主要比拼參數規模和訓練數據,資金實力是核心競爭力。而本地AI則更注重工程優化和場景適配,在隱私保護、可靠性和實用性方面具有優勢。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帶來了新的機遇。在之前追求"通用化"能力的階段,傳統科技巨頭在計算、數據和算法方面佔據絕對優勢,Web3項目很難與之競爭。但在本地化模型和邊緣計算的新格局下,區塊鏈技術的優勢開始凸顯。

當AI模型運行在用戶設備上時,如何保證輸出結果的真實性?如何在保護隱私的同時實現模型協作?這些問題恰好是區塊鏈技術的強項所在。

業內已經出現了一些相關的新項目。例如,一家新興公司推出了數據通信協議Lattica,旨在解決中心化AI平台的數據壟斷和黑箱問題。另一個項目通過腦電波設備HeadCap採集真實人類數據,構建"人工驗證層",已實現1400萬美元的收入。這些項目都在嘗試解決本地AI的"可信性"問題。

總的來說,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變成現實需求。對於Web3 AI項目而言,與其繼續在通用化賽道內卷,不如認真思考如何爲本地化AI浪潮提供基礎設施支持。這或許是一個更有前景的發展方向。