AI行業的新趨勢:從雲端到本地的轉變

近期AI行業呈現出一個有趣的發展趨勢:從之前追求大規模算力和龐大模型的主流思路,逐漸衍生出了一條傾向於本地小型模型和邊緣計算的新方向。

這種轉變可以從多個跡象中看出:Apple Intelligence已經覆蓋5億設備,Windows 11推出了專用的3.3億參數小型模型Mu,而DeepMind也在探索機器人的離線操作能力。

相比於雲端AI依賴海量參數和訓練數據、以資金實力爲核心競爭力,本地AI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明顯優勢。這主要是因爲通用大模型的幻覺問題會嚴重影響其在特定領域的應用。

對Web3 AI而言,這種變化帶來了新的機遇。過去在"通用化"能力的競爭中,Web3項目很難與科技巨頭抗衡,缺乏資源、技術和用戶基礎的優勢。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?這些正是區塊鏈技術的長項所在。

業界已經出現了一些針對這些問題的新項目。例如,Gradient推出的數據通信協議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PublicAI通過腦電波設備HeadCap收集真實人類數據,構建"人工驗證層",已經取得了不錯的收入。這些項目都在嘗試解決本地AI的可信度問題。

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爲現實需求。對於Web3 AI項目來說,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,這可能是一個更有前景的方向。