Chỉ khi nào AI thực sự "dưới" mỗi thiết bị, Phi tập trung hợp tác mới chuyển từ khái niệm thành nhu cầu thiết yếu?
Tác giả: Haotian
Gần đây quan sát ngành AI, tôi nhận thấy một sự thay đổi ngày càng "hạ xuống": từ sự đồng thuận chính thống về việc tập trung sức mạnh tính toán và các mô hình "lớn", đã phát triển thành một nhánh nghiêng về các mô hình nhỏ địa phương và tính toán biên.
Điều này có thể thấy từ việc Apple Intelligence phủ sóng 500 triệu thiết bị, đến việc Microsoft ra mắt mô hình nhỏ 3,3 tỷ tham số Mu dành riêng cho Windows 11, và đến hoạt động "ngắt kết nối" của robot DeepMind của Google.
Sẽ có sự khác biệt gì? AI đám mây cạnh tranh về quy mô tham số và dữ liệu huấn luyện, khả năng tiêu tốn tiền là lợi thế cạnh tranh cốt lõi; AI cục bộ cạnh tranh về tối ưu hóa kỹ thuật và thích ứng với tình huống, sẽ tiến xa hơn trong việc bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. (Vấn đề ảo giác của các mô hình chung chủ yếu sẽ ảnh hưởng nghiêm trọng đến sự thâm nhập của các lĩnh vực chuyên biệt.)
Điều này thực sự sẽ mang lại cơ hội lớn hơn cho web3 AI, khi mọi người đều cạnh tranh về khả năng "chuẩn hóa" (tính toán, dữ liệu, thuật toán) thì tự nhiên bị các ông lớn truyền thống thống trị, việc áp dụng khái niệm Phi tập trung và muốn cạnh tranh với Google, AWS, OpenAI thì thực sự là mơ mộng hão huyền, bởi vì không có lợi thế về nguồn lực, lợi thế kỹ thuật, cũng không có nền tảng người dùng.
Nhưng đến với thế giới của mô hình địa phương hóa + tính toán biên, tình hình mà dịch vụ công nghệ blockchain phải đối mặt đã trở nên rất khác.
Khi mô hình AI chạy trên thiết bị của người dùng, làm thế nào để chứng minh rằng kết quả đầu ra không bị thay đổi? Làm thế nào để thực hiện sự hợp tác mô hình dưới điều kiện bảo vệ quyền riêng tư? Những vấn đề này chính là thế mạnh của công nghệ Phi tập trung...
Có chú ý đến một số dự án mới liên quan đến web3 AI, chẳng hạn như giao thức truyền dữ liệu Lattica do @Gradient_HQ gần đây được Pantera đầu tư 10M, nhằm giải quyết vấn đề độc quyền dữ liệu và hộp đen của các nền tảng AI tập trung; thiết bị sóng não HeadCap của @PublicAI_ thu thập dữ liệu con người thực, xây dựng "tầng xác thực nhân tạo", đã đạt được doanh thu 14M; thực ra, tất cả đều đang cố gắng giải quyết vấn đề "độ tin cậy" của AI địa phương.
Một câu: Chỉ khi AI thực sự "hạ xuống" từng thiết bị, thì Phi tập trung hợp tác mới trở thành nhu cầu thiết yếu từ một khái niệm?
#Web3AI Dự án thay vì tiếp tục cạnh tranh trong lĩnh vực chung, hãy nghiêm túc suy nghĩ về cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương?
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
AI "hạ xuống" có phải là cơ hội của Web3 không?
Tác giả: Haotian
Gần đây quan sát ngành AI, tôi nhận thấy một sự thay đổi ngày càng "hạ xuống": từ sự đồng thuận chính thống về việc tập trung sức mạnh tính toán và các mô hình "lớn", đã phát triển thành một nhánh nghiêng về các mô hình nhỏ địa phương và tính toán biên.
Điều này có thể thấy từ việc Apple Intelligence phủ sóng 500 triệu thiết bị, đến việc Microsoft ra mắt mô hình nhỏ 3,3 tỷ tham số Mu dành riêng cho Windows 11, và đến hoạt động "ngắt kết nối" của robot DeepMind của Google.
Sẽ có sự khác biệt gì? AI đám mây cạnh tranh về quy mô tham số và dữ liệu huấn luyện, khả năng tiêu tốn tiền là lợi thế cạnh tranh cốt lõi; AI cục bộ cạnh tranh về tối ưu hóa kỹ thuật và thích ứng với tình huống, sẽ tiến xa hơn trong việc bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. (Vấn đề ảo giác của các mô hình chung chủ yếu sẽ ảnh hưởng nghiêm trọng đến sự thâm nhập của các lĩnh vực chuyên biệt.)
Điều này thực sự sẽ mang lại cơ hội lớn hơn cho web3 AI, khi mọi người đều cạnh tranh về khả năng "chuẩn hóa" (tính toán, dữ liệu, thuật toán) thì tự nhiên bị các ông lớn truyền thống thống trị, việc áp dụng khái niệm Phi tập trung và muốn cạnh tranh với Google, AWS, OpenAI thì thực sự là mơ mộng hão huyền, bởi vì không có lợi thế về nguồn lực, lợi thế kỹ thuật, cũng không có nền tảng người dùng.
Nhưng đến với thế giới của mô hình địa phương hóa + tính toán biên, tình hình mà dịch vụ công nghệ blockchain phải đối mặt đã trở nên rất khác.
Khi mô hình AI chạy trên thiết bị của người dùng, làm thế nào để chứng minh rằng kết quả đầu ra không bị thay đổi? Làm thế nào để thực hiện sự hợp tác mô hình dưới điều kiện bảo vệ quyền riêng tư? Những vấn đề này chính là thế mạnh của công nghệ Phi tập trung...
Có chú ý đến một số dự án mới liên quan đến web3 AI, chẳng hạn như giao thức truyền dữ liệu Lattica do @Gradient_HQ gần đây được Pantera đầu tư 10M, nhằm giải quyết vấn đề độc quyền dữ liệu và hộp đen của các nền tảng AI tập trung; thiết bị sóng não HeadCap của @PublicAI_ thu thập dữ liệu con người thực, xây dựng "tầng xác thực nhân tạo", đã đạt được doanh thu 14M; thực ra, tất cả đều đang cố gắng giải quyết vấn đề "độ tin cậy" của AI địa phương.
Một câu: Chỉ khi AI thực sự "hạ xuống" từng thiết bị, thì Phi tập trung hợp tác mới trở thành nhu cầu thiết yếu từ một khái niệm?
#Web3AI Dự án thay vì tiếp tục cạnh tranh trong lĩnh vực chung, hãy nghiêm túc suy nghĩ về cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương?