Nuevas tendencias en la industria de la IA: el auge de los modelos pequeños localizados y la Computación Edge

Recientemente, al observar el desarrollo de la industria de la inteligencia artificial, se está formando una tendencia notable: desde la dirección principal enfocada anteriormente en la concentración de potencia computacional a gran escala y modelos grandes, se ha ido evolucionando gradualmente hacia una nueva ruta que se inclina hacia modelos pequeños locales y Computación Edge.

Esta tendencia se refleja en múltiples campos. Por ejemplo, un gigante tecnológico ha lanzado un sistema inteligente que ya cubre 500 millones de dispositivos; otra empresa tecnológica ha desarrollado un modelo pequeño de 3.3 mil millones de parámetros para su sistema operativo; además, instituciones de investigación están explorando la capacidad de operación offline de los robots. Estas son señales claras del desarrollo de la IA local.

La IA en la nube y la IA local presentan diferencias significativas en sus enfoques competitivos. La IA en la nube depende principalmente de una gran escala de parámetros y de una cantidad masiva de datos de entrenamiento, donde la capacidad financiera se convierte en la principal ventaja competitiva. En contraste, la IA local se enfoca más en la optimización de ingeniería y la adaptación a escenarios, lo que le otorga ventajas en la protección de la privacidad del usuario, así como en la mejora de la fiabilidad y la utilidad del sistema. Esto es especialmente importante, ya que los modelos generales a menudo enfrentan problemas de insuficiencia de precisión al aplicarse en dominios específicos.

Esta transformación ha traído nuevas oportunidades para los proyectos de IA en Web3. En la competencia anterior por la capacidad de generalización, los gigantes tecnológicos tradicionales dominaban gracias a sus ventajas en recursos, tecnología y base de usuarios. Sin embargo, en el nuevo ámbito de los modelos localizados y la Computación Edge, la tecnología blockchain podría encontrar más espacio para desarrollarse.

¿Cómo garantizar la veracidad de los resultados de salida cuando los modelos de IA se ejecutan en los dispositivos de los usuarios? ¿Cómo lograr la colaboración entre modelos mientras se protege la privacidad? Estos son precisamente los problemas que la tecnología blockchain se especializa en resolver.

Ya han surgido algunos proyectos innovadores en la industria para abordar estos desafíos. Por ejemplo, hay empresas que han desarrollado protocolos de comunicación de datos, destinados a resolver el monopolio de datos y la falta de transparencia en la toma de decisiones de las plataformas de IA centralizadas. Otros proyectos están recolectando datos humanos reales a través de dispositivos de ondas cerebrales para construir una "capa de verificación humana" y ya han obtenido ingresos considerables. Estos intentos están explorando cómo mejorar la credibilidad de la IA local.

En resumen, solo cuando la tecnología AI se integre realmente en cada dispositivo terminal, la colaboración descentralizada podrá pasar de ser una idea a una necesidad real. Para los proyectos de AI en Web3, en lugar de luchar en el competitivo campo de la AI general, sería mejor reflexionar sobre cómo proporcionar el soporte de infraestructura necesario para la ola de AI localizada, lo que podría ser una dirección de desarrollo más prometedora.