🍁 金秋送福,大奖转不停!Gate 广场第 1️⃣ 3️⃣ 期秋季成长值抽奖大狂欢开启!
总奖池超 $15,000+,iPhone 17 Pro Max、Gate 精美周边、大额合约体验券等你来抽!
立即抽奖 👉 https://www.gate.com/activities/pointprize/?now_period=13&refUid=13129053
💡 如何攒成长值,解锁更多抽奖机会?
1️⃣ 进入【广场】,点头像旁标识进入【社区中心】
2️⃣ 完成发帖、评论、点赞、社群发言等日常任务,成长值拿不停
100% 必中,手气再差也不亏,手气爆棚就能抱走大奖,赶紧试试手气!
详情: https://www.gate.com/announcements/article/47381
#成长值抽奖赢iPhone17和精美周边# #BONK# #BTC# #ETH# #GT#
AI“下沉”之后,才是Web3大显身手的时候?
作者:Haotian
最近观察 AI 行业,发现个越来越「下沉」的变化:从原先拼算力集中和「大」模型的主流共识中,演变出了一条偏向本地小模型和边缘计算的分支。
这一点,从 Apple Intelligence 覆盖 5 亿设备,到微软推出 Windows 11 专用 3.3 亿参数小模型 Mu,再到谷歌 DeepMind 的机器人「脱网」操作等等都能看出来。
会有啥不同呢?云端 AI 拼的是参数规模和训练数据,烧钱能力是核心竞争力;本地 AI 拼的是工程优化和场景适配,在保护隐私、可靠性和实用性上会更进一步。(主要通用模型的幻觉问题会严重影响垂类场景渗透)
这其实对 web3 AI 会有更大的机会,原来大家拼「通用化」(计算、数据、算法)能力时自然被传统 Giant 大厂垄断,套上去中心化的概念就想和谷歌、AWS、OpenAI 等竞争简直痴人说梦,毕竟没有资源优势、技术优势,也更没有用户基础。
但到了本地化模型 + 边缘计算的世界,区块链技术服务面临的形势可就大为不同了。
当 AI 模型运行在用户设备上时,如何证明输出结果没有被篡改?如何在保护隐私的前提下实现模型协作?这些问题恰恰是区块链技术的强项...
有注意到一些 web3 AI 相关新项目,诸如最近由 Pantera 零投 10M 的@Gradient_HQ推出的数据通信协议 Lattica,来解决中心化 AI 平台的数据垄断和黑箱问题;@PublicAI_脑电波设备 HeadCap采集真实人类数据,构建「人工验证层」,已经实现了 14M 的收入;其实,都在尝试解决本地 AI 的「可信性」问题。
一句话:只有当 AI 真正「下沉」到每个设备时,去中心化协作才会从概念变成刚需?
#Web3AI 项目与其继续在通用化赛道里内卷,不如认真思考怎么为本地化 AI 浪潮提供基础设施支持?