Tren Lokalisasi di Industri AI dan Dampaknya terhadap Web3
Dalam beberapa waktu terakhir, industri AI menunjukkan tren perkembangan yang menarik: dari fokus sebelumnya pada konsentrasi daya komputasi dan model besar, secara bertahap muncul arah baru yang lebih mengarah pada model kecil lokal dan komputasi tepi. Tren ini tercermin dalam langkah terbaru dari beberapa raksasa teknologi.
AI cloud dan AI lokal memiliki kelebihan masing-masing. AI cloud terutama bergantung pada skala parameter yang besar dan data pelatihan yang melimpah, kekuatan finansial menjadi faktor persaingan kunci. Sebaliknya, AI lokal lebih fokus pada optimasi teknik dan penyesuaian skenario, memiliki keunggulan unik dalam melindungi privasi pengguna, meningkatkan keandalan sistem, dan kegunaan. Perbedaan ini terutama berasal dari masalah "ilusi" yang mungkin muncul ketika model umum diterapkan dalam skenario tertentu, yang mempengaruhi penetrasi mereka di bidang vertikal.
Tren ini membawa peluang baru bagi proyek Web3 AI. Di masa lalu, dalam persaingan untuk mengejar kemampuan "generalisasi", raksasa teknologi tradisional mendominasi berkat keunggulan sumber daya, teknologi, dan basis pengguna mereka. Namun, dengan munculnya model lokal dan komputasi tepi, prospek aplikasi teknologi blockchain di bidang AI menjadi semakin luas.
Ketika model AI berjalan di perangkat pengguna sendiri, bagaimana memastikan keaslian hasil output? Bagaimana mewujudkan kolaborasi antar model sambil melindungi privasi? Masalah-masalah ini adalah bidang di mana teknologi blockchain sangat ahli dalam menyelesaikannya.
Beberapa proyek inovatif telah muncul dalam industri untuk menangani masalah ini. Misalnya, sebuah protokol komunikasi data yang baru muncul bertujuan untuk mengatasi monopoli data dan ketidaktransparanan dari platform AI terpusat. Proyek lain mengumpulkan data manusia nyata melalui perangkat gelombang otak untuk membangun "lapisan verifikasi manusia", dan telah mencapai pendapatan yang cukup besar. Semua proyek ini berusaha untuk menyelesaikan masalah keandalan AI lokal.
Dapat dikatakan, hanya ketika AI benar-benar "menyentuh" setiap perangkat, kolaborasi terdesentralisasi dapat berubah dari konsep menjadi kebutuhan nyata. Untuk proyek Web3 AI, alih-alih terus bersaing dalam jalur umum yang semakin kompetitif, lebih baik memikirkan dengan serius bagaimana memberikan dukungan infrastruktur untuk gelombang AI yang terlokalisasi, yang mungkin merupakan arah pengembangan yang lebih menjanjikan.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
17 Suka
Hadiah
17
8
Bagikan
Komentar
0/400
LadderToolGuy
· 07-25 21:58
Hehe, modal bahkan harus diatur saat bermimpi.
Lihat AsliBalas0
GasFeeThunder
· 07-25 06:53
Data di mana? Sudah mulai menggambar kue lagi. Jangan mengangkat isu lokal.
Lihat AsliBalas0
GasFeeCry
· 07-23 13:45
Hanya ini? Masih butuh dana besar?
Lihat AsliBalas0
MetamaskMechanic
· 07-23 13:44
Skala kecil adalah jalan yang benar!
Lihat AsliBalas0
GasFeeCrier
· 07-23 13:40
Sekali lagi Dianggap Bodoh
Lihat AsliBalas0
BTCRetirementFund
· 07-23 13:37
Jangan berharap pada AI lokal, itu hanya untuk ikut-ikutan.
Lihat AsliBalas0
BankruptWorker
· 07-23 13:32
Model besar telah dimanfaatkan secara berlebihan oleh mereka yang memiliki banyak uang.
Lihat AsliBalas0
InfraVibes
· 07-23 13:22
Awan sulit untuk bertahan, tidak punya uang untuk memulai.
Tren lokalitas AI bangkit, proyek Web3 menyambut peluang baru
Tren Lokalisasi di Industri AI dan Dampaknya terhadap Web3
Dalam beberapa waktu terakhir, industri AI menunjukkan tren perkembangan yang menarik: dari fokus sebelumnya pada konsentrasi daya komputasi dan model besar, secara bertahap muncul arah baru yang lebih mengarah pada model kecil lokal dan komputasi tepi. Tren ini tercermin dalam langkah terbaru dari beberapa raksasa teknologi.
AI cloud dan AI lokal memiliki kelebihan masing-masing. AI cloud terutama bergantung pada skala parameter yang besar dan data pelatihan yang melimpah, kekuatan finansial menjadi faktor persaingan kunci. Sebaliknya, AI lokal lebih fokus pada optimasi teknik dan penyesuaian skenario, memiliki keunggulan unik dalam melindungi privasi pengguna, meningkatkan keandalan sistem, dan kegunaan. Perbedaan ini terutama berasal dari masalah "ilusi" yang mungkin muncul ketika model umum diterapkan dalam skenario tertentu, yang mempengaruhi penetrasi mereka di bidang vertikal.
Tren ini membawa peluang baru bagi proyek Web3 AI. Di masa lalu, dalam persaingan untuk mengejar kemampuan "generalisasi", raksasa teknologi tradisional mendominasi berkat keunggulan sumber daya, teknologi, dan basis pengguna mereka. Namun, dengan munculnya model lokal dan komputasi tepi, prospek aplikasi teknologi blockchain di bidang AI menjadi semakin luas.
Ketika model AI berjalan di perangkat pengguna sendiri, bagaimana memastikan keaslian hasil output? Bagaimana mewujudkan kolaborasi antar model sambil melindungi privasi? Masalah-masalah ini adalah bidang di mana teknologi blockchain sangat ahli dalam menyelesaikannya.
Beberapa proyek inovatif telah muncul dalam industri untuk menangani masalah ini. Misalnya, sebuah protokol komunikasi data yang baru muncul bertujuan untuk mengatasi monopoli data dan ketidaktransparanan dari platform AI terpusat. Proyek lain mengumpulkan data manusia nyata melalui perangkat gelombang otak untuk membangun "lapisan verifikasi manusia", dan telah mencapai pendapatan yang cukup besar. Semua proyek ini berusaha untuk menyelesaikan masalah keandalan AI lokal.
Dapat dikatakan, hanya ketika AI benar-benar "menyentuh" setiap perangkat, kolaborasi terdesentralisasi dapat berubah dari konsep menjadi kebutuhan nyata. Untuk proyek Web3 AI, alih-alih terus bersaing dalam jalur umum yang semakin kompetitif, lebih baik memikirkan dengan serius bagaimana memberikan dukungan infrastruktur untuk gelombang AI yang terlokalisasi, yang mungkin merupakan arah pengembangan yang lebih menjanjikan.