Nouvelles tendances dans l'industrie de l'IA : petits modèles locaux et Informatique de pointe

Récemment, l'industrie de l'IA montre une tendance de développement intéressante : passant d'une direction principale axée sur la concentration de puissance de calcul à grande échelle et de grands modèles, elle a progressivement donné naissance à une nouvelle branche axée sur les petits modèles locaux et l'Informatique de pointe. Cette tendance peut être corroborée par plusieurs aspects, tels qu'Apple Intelligence, qui a couvert 500 millions d'appareils, Microsoft qui a lancé un petit modèle dédié Mu avec 330 millions de paramètres pour Windows 11, et le robot développé par Google DeepMind capable de fonctionner "hors ligne".

Quels sont les différents aspects apportés par cette transformation ? L'IA cloud repose principalement sur une grande échelle de paramètres et d'énormes quantités de données d'entraînement, où la puissance financière devient un facteur de concurrence clé. En revanche, l'IA locale se concentre davantage sur l'optimisation technique et l'adaptation aux scénarios, offrant des avantages évidents en matière de protection de la vie privée des utilisateurs, d'amélioration de la fiabilité et de la praticité. Cela est particulièrement important, car le problème des "hallucinations" qui survient souvent lors de l'application de modèles généraux dans des domaines spécifiques limite gravement leur promotion dans des scénarios verticaux.

Pour les projets Web3 AI, cette tendance pourrait offrir davantage d'opportunités. Auparavant, lorsque l'industrie se concentrait sur les capacités "générales" (, y compris le calcul, les données et les algorithmes ), les géants technologiques traditionnels occupaient naturellement une position dominante. Dans ce contexte, il est illusoire de penser qu'il suffit d'appliquer le concept de décentralisation pour rivaliser avec les géants de l'industrie. Après tout, par rapport à ces géants, les projets Web3 sont en position d'infériorité en termes de ressources, de technologie et de base d'utilisateurs.

Cependant, avec l'émergence des modèles de localisation et de l'Informatique de pointe, les perspectives d'application de la technologie blockchain dans le domaine de l'IA deviennent de plus en plus vastes. Lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs, comment garantir l'authenticité des résultats? Comment assurer la coopération entre les modèles tout en protégeant la vie privée? Ces questions sont précisément des domaines dans lesquels la technologie blockchain excelle.

L'industrie a déjà vu émerger de nouveaux projets visant à relever ces défis. Par exemple, un projet récemment financé à hauteur de 10 millions de dollars a lancé un protocole de communication de données, visant à résoudre les problèmes de monopole de données et d'opérations opaques des plateformes d'IA centralisées. Un autre projet collecte des données humaines réelles à l'aide de dispositifs d'ondes cérébrales, construisant une "couche de validation artificielle", et a déjà réalisé un revenu de 14 millions de dollars. Ces projets tentent tous de résoudre le problème de "fiabilité" auquel l'IA locale est confrontée.

Dans l'ensemble, la collaboration décentralisée ne peut passer de la conception à un besoin réel que lorsque la technologie AI est véritablement "intégrée" dans chaque appareil utilisateur. Pour les projets Web3 AI, il vaut mieux réfléchir sérieusement à la manière de fournir le soutien d'infrastructure nécessaire à la prochaine vague d'AI localisée, plutôt que de continuer à s'engager dans une compétition acharnée sur une voie déjà encombrée. Cela pourrait être une direction de développement plus prometteuse.