AI行業的新趨勢:從雲端到本地

近期觀察人工智能行業發展，可以發現一個有趣的趨勢:從之前追求大規模集中算力和大型模型的主流方向，逐漸分化出了一條注重本地小型模型和邊緣計算的新路線。

這一變化在多個領域都有體現。例如,某科技巨頭推出的智能系統已覆蓋5億臺設備;另一家大型科技公司爲其操作系統開發了擁有3.3億參數的專用小型模型;還有知名AI研究機構正在探索機器人的離線操作能力。

雲端AI和本地AI的競爭重點有所不同。雲端AI主要比拼模型規模和訓練數據量,資金實力是關鍵;本地AI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具有優勢。這主要是因爲大型通用模型的幻覺問題可能會影響其在特定領域的應用。

這一趨勢爲去中心化AI帶來了新的機遇。過去,在追求"通用化"能力的競爭中,傳統科技巨頭佔據絕對優勢,僅僅套用去中心化概念就想與之競爭是不現實的。但在本地模型和邊緣計算的新格局下,區塊鏈技術的應用前景變得更加廣闊。

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?這些問題恰恰是區塊鏈技術的優勢所在。

業內已經出現了一些相關的新興項目。比如,某數據通信協議旨在解決中心化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收集真實人類數據,構建"人工驗證層",已實現可觀收入。這些項目都在嘗試解決本地AI的"可信性"問題。

簡而言之,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剛需。對於去中心化AI項目而言,與其在通用化賽道上繼續內卷,不如認真思考如何爲本地化AI浪潮提供基礎設施支持。這或許是一個更有前景的方向。