Według PANews, przemysł AI doświadcza wyraźnej zmiany od scentralizowanych modeli dużej skali do lokalnych modeli małej skali i obliczeń brzegowych. Tendencja ta jest widoczna w takich wydarzeniach jak pokrycie 500 milionów urządzeń przez Apple Intelligence, wprowadzenie przez Microsoft małego modelu Mu, specyficznego dla systemu Windows 11, z 330 milionami parametrów oraz operacje offline robotów od Google DeepMind.
AI w chmurze koncentruje się na skali parametrów i danych treningowych, a zasoby finansowe są kluczowym czynnikiem konkurencyjnym. W przeciwieństwie do tego, lokalna AI kładzie nacisk na optymalizację inżynieryjną i adaptację scenariuszy, zwiększając prywatność, niezawodność i praktyczność. Problem iluzji ogólnych modeli znacząco wpływa na penetrację scenariuszy wertykalnych.
Ta zmiana stwarza większe możliwości dla web3 AI. Wcześniej konkurencja w ogólnych możliwościach (obliczenia, dane, algorytmy) była zdominowana przez tradycyjnych gigantów, takich jak Google, AWS i OpenAI, co utrudniało zdecentralizowanym koncepcjom konkurowanie z powodu braku zasobów, technologii i przewagi bazy użytkowników.
Jednak w dziedzinie zlokalizowanych modeli i obliczeń brzegowych usługi technologii blockchain stają w obliczu innego krajobrazu. Gdy modele AI działają na urządzeniach użytkowników, pojawiają się pytania dotyczące sposobu udowodnienia integralności wyników i osiągnięcia współpracy modeli przy jednoczesnym zachowaniu prywatności. To obszary, w których technologia blockchain odnosi sukcesy.
Kilka projektów web3 AI zajmuje się tymi wyzwaniami. Na przykład, Gradient HQ, wspierany przez inwestycję w wysokości 10 milionów dolarów od Pantera, uruchomił protokół komunikacji danych Lattica, aby zająć się problemami monopolu danych i czarnej skrzynki w scentralizowanych platformach AI. Urządzenie HeadCap od PublicAI zbiera prawdziwe dane ludzkie, aby zbudować "warstwę weryfikacji sztucznej", generując 14 milionów dolarów przychodu. Te inicjatywy mają na celu rozwiązanie problemu "wiarygodności" lokalnej AI.
Podsumowując, zdecentralizowana współpraca staje się niezbędna dopiero wtedy, gdy AI naprawdę integruje się w każde urządzenie. Projekty web3 AI powinny rozważyć, jak wspierać infrastrukturę dla lokalnej fali AI, zamiast konkurować na ogólnej ścieżce.