Xu hướng mới trong ngành AI: Sự trỗi dậy của các mô hình nhỏ hóa địa phương và Điện toán biên

Gần đây, ngành AI đã xuất hiện một xu hướng phát triển thú vị: từ việc trước đây tập trung vào sức mạnh tính toán lớn và các mô hình lớn, dần dần phát triển thành một hướng mới chú trọng vào các mô hình nhỏ tại địa phương và Điện toán biên. Xu hướng này có thể nhận thấy từ nhiều dấu hiệu khác nhau, chẳng hạn như một công ty công nghệ đã phủ sóng 500 triệu thiết bị, một hệ điều hành đã ra mắt mô hình nhỏ 330 triệu tham số chuyên dụng, và các robot được phát triển bởi công ty AI đã thực hiện hoạt động "ngoại tuyến".

Sự chuyển đổi này mang lại một số khác biệt đáng kể. AI trên đám mây chủ yếu dựa vào quy mô tham số lớn và lượng dữ liệu huấn luyện khổng lồ, sức mạnh tài chính là lợi thế cạnh tranh chính. Trong khi đó, AI cục bộ chú trọng hơn vào tối ưu hóa kỹ thuật và phù hợp với ngữ cảnh, có những ưu điểm về bảo vệ quyền riêng tư, độ tin cậy và tính thực tiễn. Điều này chủ yếu là do vấn đề ảo giác của mô hình tổng quát có thể ảnh hưởng nghiêm trọng đến ứng dụng của nó trong các lĩnh vực cụ thể.

Đối với Web3 AI, xu hướng này có thể mang lại nhiều cơ hội hơn. Trước đó, trong cuộc cạnh tranh theo đuổi khả năng "chuẩn hóa", các gã khổng lồ công nghệ truyền thống đã chiếm ưu thế nhờ vào lợi thế về tài nguyên, công nghệ và cơ sở người dùng. Nếu các dự án Web3 muốn cạnh tranh với những gã khổng lồ này chỉ bằng cách áp dụng một cách đơn giản khái niệm phi tập trung, thì rõ ràng là không thực tế.

Tuy nhiên, với sự nổi lên của các mô hình địa phương hóa và Điện toán biên, triển vọng ứng dụng của công nghệ blockchain trở nên rộng rãi hơn. Khi mô hình AI hoạt động trên thiết bị của người dùng, làm thế nào để đảm bảo tính xác thực của kết quả đầu ra? Làm thế nào để đạt được sự hợp tác của mô hình trong khi vẫn bảo vệ quyền riêng tư? Những vấn đề này chính là điểm mạnh của công nghệ blockchain.

Ngành công nghiệp đã xuất hiện một số dự án mới liên quan, chẳng hạn như một giao thức truyền thông dữ liệu nhằm giải quyết vấn đề độc quyền dữ liệu và "hộp đen" của các nền tảng AI tập trung. Một dự án khác thu thập dữ liệu con người thực thông qua thiết bị sóng não, xây dựng "lớp xác thực nhân tạo", đã đạt được doanh thu đáng kể. Tất cả các dự án này đều đang cố gắng giải quyết vấn đề "độ tin cậy" của AI cục bộ.

Tổng thể mà nói, chỉ khi AI thực sự "thẩm thấu" vào từng thiết bị, thì hợp tác phi tập trung mới có thể biến từ khái niệm thành nhu cầu thực tế. Đối với các dự án Web3 AI, thay vì tiếp tục cạnh tranh trong lĩnh vực chung, tốt hơn là suy nghĩ nghiêm túc về cách cung cấp hỗ trợ cơ sở hạ tầng cho làn sóng AI địa phương. Đây có thể là một hướng phát triển đầy hứa hẹn hơn.