AI行业的新趋势:从云端到本地的转变

近期AI行业呈现出一个有趣的发展趋势:从之前追求大规模算力和庞大模型的主流思路,逐渐衍生出了一条倾向于本地小型模型和边缘计算的新方向。

这种转变可以从多个迹象中看出:Apple Intelligence已经覆盖5亿设备,Windows 11推出了专用的3.3亿参数小型模型Mu,而DeepMind也在探索机器人的离线操作能力。

相比于云端AI依赖海量参数和训练数据、以资金实力为核心竞争力,本地AI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明显优势。这主要是因为通用大模型的幻觉问题会严重影响其在特定领域的应用。

对Web3 AI而言,这种变化带来了新的机遇。过去在"通用化"能力的竞争中,Web3项目很难与科技巨头抗衡,缺乏资源、技术和用户基础的优势。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?这些正是区块链技术的长项所在。

业界已经出现了一些针对这些问题的新项目。例如,Gradient推出的数据通信协议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PublicAI通过脑电波设备HeadCap收集真实人类数据,构建"人工验证层",已经取得了不错的收入。这些项目都在尝试解决本地AI的可信度问题。

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为现实需求。对于Web3 AI项目来说,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,这可能是一个更有前景的方向。