По данным PANews, в отрасли ИИ наблюдается заметный сдвиг от централизованных крупномасштабных моделей к локальным малым моделям и периферийным вычислениям. Эта тенденция очевидна в таких разработках, как покрытие Apple Intelligence 500 миллионов устройств, введение Microsoft небольшой модели Mu с 330 миллионами параметров для Windows 11 и автономные операции роботов Google DeepMind.
Облачный ИИ фокусируется на масштабе параметров и данных обучения, при этом финансовые ресурсы являются ключевым фактором конкурентоспособности. Напротив, локальный ИИ делает упор на инженерную оптимизацию и адаптацию сценария, повышая конфиденциальность, надежность и практичность. Проблема иллюзии общих моделей существенно влияет на вертикальное проникновение сценария.
Этот сдвиг открывает большие возможности для web3 AI. Ранее конкуренция в общих возможностях (вычисления, данные, алгоритмы) доминировала со стороны традиционных гигантов, таких как Google, AWS и OpenAI, что затрудняло конкуренцию децентрализованным концепциям из-за нехватки ресурсов, технологий и преимуществ пользовательской базы.
Однако в сфере локализованных моделей и периферийных вычислений сервисы технологии блокчейн сталкиваются с иной ситуацией. Когда модели ИИ работают на пользовательских устройствах, возникают вопросы о том, как доказать целостность выходных данных и добиться совместной работы моделей, сохраняя при этом конфиденциальность. Это области, в которых технология блокчейна превосходит все.
Несколько проектов web3 AI решают эти проблемы. Например, Gradient HQ, поддержанный инвестициями в размере 10 миллионов долларов от Pantera, запустил протокол передачи данных Lattica для решения проблем монополии на данные и черного ящика на централизованных платформах AI. Устройство HeadCap от PublicAI собирает реальные человеческие данные для создания «искусственного слоя проверки», принося доход в размере 14 миллионов долларов. Эти инициативы направлены на решение проблемы «доверия» локального AI.
Подводя итог, можно сказать, что децентрализованное сотрудничество становится необходимым только тогда, когда ИИ действительно интегрируется в каждое устройство. Проекты Web3 AI должны рассмотреть вопрос о том, как поддержать инфраструктуру для локальной волны ИИ, а не конкурировать на обобщенном пути.