Новые тренды в AI-индустрии: локальные малые модели и Передовые вычисления
В последнее время в AI-отрасли наблюдается интересная тенденция: от ранее сосредоточенного на масштабной вычислительной мощности и крупных моделях основного направления, постепенно возникла новая ветвь, ориентированная на локальные небольшие модели и Передовые вычисления. Эта тенденция подтверждается с разных сторон, таких как Apple Intelligence, охватывающий 500 миллионов устройств, Microsoft выпустила специализированную небольшую модель Mu с 330 миллионами параметров для Windows 11, а также разработанная Google DeepMind робот, способный работать "в оффлайне".
Каковы различия, которые принесет это преобразование? Облачный ИИ в основном зависит от огромного объема параметров и больших объемов тренировочных данных, финансовая мощь становится ключевым конкурентным фактором. В то же время, локальный ИИ больше ориентирован на оптимизацию инженерии и адаптацию к сценарию, что дает ему явные преимущества в защите конфиденциальности пользователей, повышении надежности и практичности. Это особенно важно, поскольку проблема "галлюцинаций", которая часто возникает у универсальных моделей при применении в определенных областях, серьезно ограничивает их внедрение в вертикальные сценарии.
Для проектов Web3 AI эта тенденция может принести больше возможностей. Ранее, когда отрасль сосредоточилась на способности "универсализации" (, включая вычисления, данные и алгоритмы ), традиционные технологические гиганты естественным образом заняли доминирующую позицию. В таких условиях простое обращение к концепции децентрализации с намерением конкурировать с гигантами отрасли было бы все равно, что мечтать. В конце концов, по сравнению с этими гигантами, проекты Web3 находятся в невыгодном положении по таким аспектам, как ресурсы, технологии и база пользователей.
Однако с ростом локализованных моделей и Передовые вычисления, перспективы применения технологии блокчейн в области ИИ стали более широкими. Как обеспечить достоверность выходных данных, когда модели ИИ работают на устройствах пользователей? Как добиться сотрудничества между моделями, обеспечивая при этом защиту конфиденциальности? Эти вопросы как раз находятся в области, в которой технология блокчейн преуспевает.
В отрасли уже появились некоторые новые проекты, направленные на решение этих проблем. Например, недавно получивший финансирование в размере 10 миллионов долларов проект запустил протокол передачи данных, который нацелен на решение проблем монополии данных и черного ящика, присущих централизованным AI платформам. Другой проект с помощью устройств для считывания электроэнцефалограммы собирает реальные данные человека, создавая "уровень искусственной проверки", и уже достиг дохода в 14 миллионов долларов. Эти проекты пытаются решить проблему "достоверности", с которой сталкивается локальный AI.
В общем, только когда технологии ИИ действительно «опустятся» на каждое пользовательское устройство, децентрализованное сотрудничество сможет перейти от концепции к реальным потребностям. Для Web3 AI проектов, вместо того чтобы продолжать углубляться в уже переполненной универсальной нише, стоит серьезно подумать о том, как предоставить необходимую инфраструктурную поддержку для надвигающейся волны локализованного ИИ. Это может быть более перспективное направление развития.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
22 Лайков
Награда
22
9
Поделиться
комментарий
0/400
RunWhenCut
· 07-18 23:42
Не думайте о маленьких моделях, сначала заработайте деньги.
Посмотреть ОригиналОтветить0
HackerWhoCares
· 07-18 23:34
Пришло время, новый рынок неудачников Web3 для сокращения потерь.
Посмотреть ОригиналОтветить0
StablecoinAnxiety
· 07-17 23:29
Блокчейн大势所趋!
Посмотреть ОригиналОтветить0
GateUser-1a2ed0b9
· 07-17 09:03
Ну и дела, разогревать старое?
Посмотреть ОригиналОтветить0
CodeAuditQueen
· 07-16 01:20
Маленькая модель в этот раз хорошо оптимизировала Газ.
Новые тенденции в ИИ: возникновение локальных малых моделей, проекты Web3 получают возможности
Новые тренды в AI-индустрии: локальные малые модели и Передовые вычисления
В последнее время в AI-отрасли наблюдается интересная тенденция: от ранее сосредоточенного на масштабной вычислительной мощности и крупных моделях основного направления, постепенно возникла новая ветвь, ориентированная на локальные небольшие модели и Передовые вычисления. Эта тенденция подтверждается с разных сторон, таких как Apple Intelligence, охватывающий 500 миллионов устройств, Microsoft выпустила специализированную небольшую модель Mu с 330 миллионами параметров для Windows 11, а также разработанная Google DeepMind робот, способный работать "в оффлайне".
Каковы различия, которые принесет это преобразование? Облачный ИИ в основном зависит от огромного объема параметров и больших объемов тренировочных данных, финансовая мощь становится ключевым конкурентным фактором. В то же время, локальный ИИ больше ориентирован на оптимизацию инженерии и адаптацию к сценарию, что дает ему явные преимущества в защите конфиденциальности пользователей, повышении надежности и практичности. Это особенно важно, поскольку проблема "галлюцинаций", которая часто возникает у универсальных моделей при применении в определенных областях, серьезно ограничивает их внедрение в вертикальные сценарии.
Для проектов Web3 AI эта тенденция может принести больше возможностей. Ранее, когда отрасль сосредоточилась на способности "универсализации" (, включая вычисления, данные и алгоритмы ), традиционные технологические гиганты естественным образом заняли доминирующую позицию. В таких условиях простое обращение к концепции децентрализации с намерением конкурировать с гигантами отрасли было бы все равно, что мечтать. В конце концов, по сравнению с этими гигантами, проекты Web3 находятся в невыгодном положении по таким аспектам, как ресурсы, технологии и база пользователей.
Однако с ростом локализованных моделей и Передовые вычисления, перспективы применения технологии блокчейн в области ИИ стали более широкими. Как обеспечить достоверность выходных данных, когда модели ИИ работают на устройствах пользователей? Как добиться сотрудничества между моделями, обеспечивая при этом защиту конфиденциальности? Эти вопросы как раз находятся в области, в которой технология блокчейн преуспевает.
В отрасли уже появились некоторые новые проекты, направленные на решение этих проблем. Например, недавно получивший финансирование в размере 10 миллионов долларов проект запустил протокол передачи данных, который нацелен на решение проблем монополии данных и черного ящика, присущих централизованным AI платформам. Другой проект с помощью устройств для считывания электроэнцефалограммы собирает реальные данные человека, создавая "уровень искусственной проверки", и уже достиг дохода в 14 миллионов долларов. Эти проекты пытаются решить проблему "достоверности", с которой сталкивается локальный AI.
В общем, только когда технологии ИИ действительно «опустятся» на каждое пользовательское устройство, децентрализованное сотрудничество сможет перейти от концепции к реальным потребностям. Для Web3 AI проектов, вместо того чтобы продолжать углубляться в уже переполненной универсальной нише, стоит серьезно подумать о том, как предоставить необходимую инфраструктурную поддержку для надвигающейся волны локализованного ИИ. Это может быть более перспективное направление развития.