Нові тенденції в індустрії ШІ: від хмари до локального
Нещодавно спостерігаючи за індустрією штучного інтелекту, виникає помітна тенденція: з традиційного підходу, що акцентує увагу на централізованих обчислювальних потужностях і гігантських моделях, поступово виникає новий напрямок, що зосереджується на локальних малих моделях і краєвих обчисленнях.
Цей тренд проявляється в кількох сферах. Наприклад, розумна система, розроблена великим технологічним гігантом, охопила 500 мільйонів пристроїв; інша технологічна компанія розробила спеціалізовану малу модель з 330 мільйонами параметрів для своєї операційної системи; також дослідницькі установи вивчають можливості оффлайн-операцій роботів.
В хмарному ШІ та локальному ШІ існують суттєві відмінності в акцентах конкуренції. Хмарний ШІ в основному змагається за масштабом моделей та обсягом навчальних даних, фінансова спроможність є основною конкурентною перевагою. Натомість, локальний ШІ більше зосереджений на оптимізації інженерії та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Ця відмінність переважно походить від проблеми точності, яка може виникнути при застосуванні загальних моделей у специфічних сферах.
Ця тенденція відкриває нові можливості для Web3 AI проектів. У сфері загального AI традиційні технологічні гіганти, завдяки своїм ресурсам, технологіям та базі користувачів, майже сформували монополію. Однак у нових сферах локалізованих моделей та крайових обчислень технології блокчейн можуть відігравати важливу роль.
Коли AI-модель працює на пристрої користувача, як забезпечити достовірність виходу результатів? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є спеціалізацією технології блокчейн.
В галузі вже з'явилися деякі нові проекти. Наприклад, одна компанія розробила протоколи даних для вирішення проблеми монополії та непрозорості даних централізованих AI платформ. Інший проект збирає реальні людські дані за допомогою пристроїв для зчитування електроенцефалограм, створюючи "шар штучної верифікації", і вже досяг значного доходу. Ці проекти намагаються вирішити проблему довіри до локального AI.
Коротше кажучи, лише тоді, коли ШІ справді стане поширеним на кожному пристрої, децентралізована співпраця зможе перетворитися з концепції на реальну потребу.
Для проектів Web3 AI, замість того щоб конкурувати на переповненій арені загального AI, краще серйозно подумати про те, як забезпечити інфраструктурну підтримку для локалізованої AI-спрямованості. Це може бути більш перспективним напрямком розвитку.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
10 лайків
Нагородити
10
6
Поділіться
Прокоментувати
0/400
SadMoneyMeow
· 07-22 17:41
Гарний брат вставляє AI в телефон
Переглянути оригіналвідповісти на0
rug_connoisseur
· 07-21 15:15
Скоротилося, скоротилося, ці Передові обчислення трохи нечесні.
Переглянути оригіналвідповісти на0
GasFeeLover
· 07-21 06:26
Ритм, повний можливостей!
Переглянути оригіналвідповісти на0
gas_fee_therapist
· 07-19 18:39
Місцевий AI все ще економить гроші
Переглянути оригіналвідповісти на0
OnChain_Detective
· 07-19 18:27
виявлено шаблон: крайні обчислення = більше векторів атак... будьте обережні, анонім
Нові тенденції AI: від хмари до локального - відкриття нових можливостей для проектів Web3
Нові тенденції в індустрії ШІ: від хмари до локального
Нещодавно спостерігаючи за індустрією штучного інтелекту, виникає помітна тенденція: з традиційного підходу, що акцентує увагу на централізованих обчислювальних потужностях і гігантських моделях, поступово виникає новий напрямок, що зосереджується на локальних малих моделях і краєвих обчисленнях.
Цей тренд проявляється в кількох сферах. Наприклад, розумна система, розроблена великим технологічним гігантом, охопила 500 мільйонів пристроїв; інша технологічна компанія розробила спеціалізовану малу модель з 330 мільйонами параметрів для своєї операційної системи; також дослідницькі установи вивчають можливості оффлайн-операцій роботів.
В хмарному ШІ та локальному ШІ існують суттєві відмінності в акцентах конкуренції. Хмарний ШІ в основному змагається за масштабом моделей та обсягом навчальних даних, фінансова спроможність є основною конкурентною перевагою. Натомість, локальний ШІ більше зосереджений на оптимізації інженерії та адаптації до сценаріїв, має переваги в захисті конфіденційності, надійності та практичності. Ця відмінність переважно походить від проблеми точності, яка може виникнути при застосуванні загальних моделей у специфічних сферах.
Ця тенденція відкриває нові можливості для Web3 AI проектів. У сфері загального AI традиційні технологічні гіганти, завдяки своїм ресурсам, технологіям та базі користувачів, майже сформували монополію. Однак у нових сферах локалізованих моделей та крайових обчислень технології блокчейн можуть відігравати важливу роль.
Коли AI-модель працює на пристрої користувача, як забезпечити достовірність виходу результатів? Як реалізувати співпрацю моделей, захищаючи при цьому конфіденційність? Ці питання є спеціалізацією технології блокчейн.
В галузі вже з'явилися деякі нові проекти. Наприклад, одна компанія розробила протоколи даних для вирішення проблеми монополії та непрозорості даних централізованих AI платформ. Інший проект збирає реальні людські дані за допомогою пристроїв для зчитування електроенцефалограм, створюючи "шар штучної верифікації", і вже досяг значного доходу. Ці проекти намагаються вирішити проблему довіри до локального AI.
Коротше кажучи, лише тоді, коли ШІ справді стане поширеним на кожному пристрої, децентралізована співпраця зможе перетворитися з концепції на реальну потребу.
Для проектів Web3 AI, замість того щоб конкурувати на переповненій арені загального AI, краще серйозно подумати про те, як забезпечити інфраструктурну підтримку для локалізованої AI-спрямованості. Це може бути більш перспективним напрямком розвитку.