Nouvelles tendances dans l'industrie de l'IA : la transition du cloud vers le local

Récemment, en observant le développement de l'industrie de l'intelligence artificielle, une tendance intéressante se forme : de la consensus antérieur qui mettait l'accent sur la concentration de puissance de calcul à grande échelle et les modèles géants, nous évoluons progressivement vers une nouvelle direction qui privilégie les modèles locaux de petite taille et le calcul en périphérie.

Cette transformation peut être observée à travers plusieurs signes. Par exemple, le système intelligent d'un grand acteur technologique couvre 500 millions d'appareils ; un autre géant du logiciel a lancé un modèle compact de 330 millions de paramètres pour son dernier système d'exploitation ; et une célèbre institution de recherche en IA explore les capacités d'opération "hors ligne" des robots.

La concurrence entre l'IA cloud et l'IA locale se concentre sur des aspects différents. L'IA cloud se mesure principalement à la taille des paramètres et à la quantité de données d'entraînement, la puissance financière étant la principale force concurrentielle. En revanche, l'IA locale met davantage l'accent sur l'optimisation technique et l'adaptabilité des scénarios, offrant des avantages en matière de protection de la vie privée, de fiabilité et de praticité. Cela est principalement dû au fait que le problème des hallucinations des modèles généraux peut gravement affecter leur application dans des domaines spécifiques.

Cette tendance offre de plus en plus d'opportunités aux projets Web3 AI. Auparavant, dans la course à la capacité de "généralisation" (calcul, données, algorithmes), les géants technologiques traditionnels détenaient un avantage absolu. Tenter de rivaliser avec ces géants simplement en appliquant le concept de décentralisation est sans aucun doute une chimère, car cela manque de ressources, de technologie et de base d'utilisateurs.

Cependant, dans le nouveau contexte de la modélisation localisée et du calcul en périphérie, les perspectives d'application de la technologie blockchain ont considérablement changé. Lorsque les modèles d'IA fonctionnent sur les appareils des utilisateurs, comment prouver la véracité des résultats ? Comment réaliser la collaboration des modèles tout en protégeant la vie privée ? Ce sont précisément les points forts de la technologie blockchain.

De nouveaux projets connexes ont déjà émergé dans l'industrie. Par exemple, un protocole de communication de données vise à résoudre les problèmes de monopole de données et de boîte noire des plateformes d'IA centralisées ; un autre projet collecte des données humaines réelles à l'aide d'appareils de mesure des ondes cérébrales, construisant un "niveau de validation humaine", et a déjà généré des revenus considérables. Ces projets tentent tous de résoudre le problème de "fiabilité" de l'IA locale.

Dans l'ensemble, la collaboration décentralisée ne peut devenir une nécessité réelle que lorsque l'IA "s'implante" réellement dans chaque appareil. Pour les projets Web3 AI, plutôt que de continuer à se battre dans une course de généralisation, il vaut mieux réfléchir sérieusement à la façon de fournir un soutien infrastructurel à la vague d'IA localisée. Cela pourrait être une direction digne d'exploration approfondie.