Тренды локализации в AI индустрии и возможности Web3
В последнее время в индустрии ИИ наблюдается тенденция к "углублению", от ранее сосредоточенного на крупномасштабной вычислительной мощности и крупных моделях основного направления, постепенно рождается новое направление, ориентированное на локальные небольшие модели и технологии обработки данных на краю сети. Эта тенденция проявляется в различных областях, включая широкий охват устройств интеллектуальными технологиями Apple, запуск специализированных небольших моделей Microsoft для Windows 11, а также разработку технологий оффлайн-роботов Google DeepMind.
В облачном ИИ и локальном ИИ есть явные различия в фокусе конкуренции. Облачный ИИ в основном зависит от масштаба модели и объема обучающих данных, финансовые ресурсы становятся ключевым конкурентным преимуществом. В отличие от этого, локальный ИИ больше ориентирован на оптимизацию инженерии и адаптацию к сценарию, что дает ему преимущества в области защиты конфиденциальности, надежности и практичности. Эти различия в основном возникают из-за проблем с иллюзиями, которые могут возникнуть при применении универсальных моделей в конкретных сценариях, что влияет на их применение в вертикальных областях.
Эта тенденция открывает новые возможности для Web3 AI. На этапе стремления к "универсальности" традиционные технологические гиганты занимали доминирующее положение благодаря своим ресурсам, технологиям и пользовательской базе, и проектам Web3 было трудно с ними конкурировать. Однако с ростом локализованных моделей и вычислений на краю преимущества блокчейн-технологий начинают проявляться.
Когда AI-модели работают на устройствах пользователей, как гарантировать достоверность выходных результатов и как реализовать сотрудничество моделей при защите конфиденциальности — это именно те проблемы, в которых разбирается блокчейн-технология. Это открывает новые направления для развития Web3 AI проектов.
Некоторые новые проекты Web3 AI уже начали исследовать эту область. Например, протокол передачи данных, разработанный одной компанией, нацелен на решение проблем централизации данных и прозрачности на платформах AI. Другая компания собирает реальные данные человека с помощью оборудования для считывания мозговых волн и создает "уровень искусственной проверки", уже добившись первых результатов. Эти проекты пытаются решить проблемы надежности локального AI.
В целом, только когда ИИ действительно "погрузится" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI вместо того, чтобы продолжать конкурировать на универсальной арене, лучше сосредоточиться на предоставлении инфраструктурной поддержки для локализованной волны ИИ, что может быть более многообещающим направлением 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» .
14 Лайков
Награда
14
5
Поделиться
комментарий
0/400
MysteriousZhang
· 4ч назад
Конфиденциальность — это заманчивый трюк.
Посмотреть ОригиналОтветить0
RugpullAlertOfficer
· 6ч назад
Так называемое погружение - это сбор денег.
Посмотреть ОригиналОтветить0
just_another_wallet
· 08-01 06:55
Оффлайн вычислительная мощность — это будущее!
Посмотреть ОригиналОтветить0
Rugman_Walking
· 08-01 06:47
Локализация ИИ - это действительно правильный путь.
Тренды локализации ИИ: Web3 встречает новые возможности
Тренды локализации в AI индустрии и возможности Web3
В последнее время в индустрии ИИ наблюдается тенденция к "углублению", от ранее сосредоточенного на крупномасштабной вычислительной мощности и крупных моделях основного направления, постепенно рождается новое направление, ориентированное на локальные небольшие модели и технологии обработки данных на краю сети. Эта тенденция проявляется в различных областях, включая широкий охват устройств интеллектуальными технологиями Apple, запуск специализированных небольших моделей Microsoft для Windows 11, а также разработку технологий оффлайн-роботов Google DeepMind.
В облачном ИИ и локальном ИИ есть явные различия в фокусе конкуренции. Облачный ИИ в основном зависит от масштаба модели и объема обучающих данных, финансовые ресурсы становятся ключевым конкурентным преимуществом. В отличие от этого, локальный ИИ больше ориентирован на оптимизацию инженерии и адаптацию к сценарию, что дает ему преимущества в области защиты конфиденциальности, надежности и практичности. Эти различия в основном возникают из-за проблем с иллюзиями, которые могут возникнуть при применении универсальных моделей в конкретных сценариях, что влияет на их применение в вертикальных областях.
Эта тенденция открывает новые возможности для Web3 AI. На этапе стремления к "универсальности" традиционные технологические гиганты занимали доминирующее положение благодаря своим ресурсам, технологиям и пользовательской базе, и проектам Web3 было трудно с ними конкурировать. Однако с ростом локализованных моделей и вычислений на краю преимущества блокчейн-технологий начинают проявляться.
Когда AI-модели работают на устройствах пользователей, как гарантировать достоверность выходных результатов и как реализовать сотрудничество моделей при защите конфиденциальности — это именно те проблемы, в которых разбирается блокчейн-технология. Это открывает новые направления для развития Web3 AI проектов.
Некоторые новые проекты Web3 AI уже начали исследовать эту область. Например, протокол передачи данных, разработанный одной компанией, нацелен на решение проблем централизации данных и прозрачности на платформах AI. Другая компания собирает реальные данные человека с помощью оборудования для считывания мозговых волн и создает "уровень искусственной проверки", уже добившись первых результатов. Эти проекты пытаются решить проблемы надежности локального AI.
В целом, только когда ИИ действительно "погрузится" в каждое устройство, децентрализованное сотрудничество сможет перейти от концепции к реальной необходимости. Для проектов Web3 AI вместо того, чтобы продолжать конкурировать на универсальной арене, лучше сосредоточиться на предоставлении инфраструктурной поддержки для локализованной волны ИИ, что может быть более многообещающим направлением развития.