AI行业的新趋势:从云端到本地化

近期AI行业呈现出一个有趣的发展趋势:从原先追求大规模算力集中和大模型的主流思路,逐渐衍生出了一条偏向本地小模型和边缘计算的新方向。

这种趋势可以从多个迹象中看出:Apple Intelligence已覆盖5亿设备,微软为Windows 11推出了3.3亿参数的专用小模型Mu,谷歌DeepMind也在探索机器人的离线操作等。

云端AI和本地AI的竞争重点有所不同。云端AI主要比拼参数规模和训练数据,资金实力是核心竞争力。而本地AI则更注重工程优化和场景适配,在隐私保护、可靠性和实用性方面具有优势。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带来了新的机遇。在之前追求"通用化"能力的阶段,传统科技巨头在计算、数据和算法方面占据绝对优势,Web3项目很难与之竞争。但在本地化模型和边缘计算的新格局下,区块链技术的优势开始凸显。

当AI模型运行在用户设备上时,如何保证输出结果的真实性?如何在保护隐私的同时实现模型协作?这些问题恰好是区块链技术的强项所在。

业内已经出现了一些相关的新项目。例如,一家新兴公司推出了数据通信协议Lattica,旨在解决中心化AI平台的数据垄断和黑箱问题。另一个项目通过脑电波设备HeadCap采集真实人类数据,构建"人工验证层",已实现1400万美元的收入。这些项目都在尝试解决本地AI的"可信性"问题。

总的来说,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变成现实需求。对于Web3 AI项目而言,与其继续在通用化赛道内卷,不如认真思考如何为本地化AI浪潮提供基础设施支持。这或许是一个更有前景的发展方向。