作者：Haotian

最近觀察AI 產業，發現個越來越「下沉」的變化：從原先拼算力集中和「大」模型的主流共識中，演變出了一條偏向本地小模型和邊緣運算的分支。

這一點，從Apple Intelligence 覆蓋5 億設備，到微軟推出Windows 11 專用3.3 億參數小模型Mu，再到谷歌DeepMind 的機器人「脫網」操作等等都能看出來。

會有啥不同呢？雲端AI 拼的是參數規模和訓練數據，燒錢能力是核心競爭力；本地AI 拼的是工程優化和場景適配，在保護隱私、可靠性和實用性上會更進一步。 （主要通用模​​型的幻覺問題會嚴重影響垂類場景滲透）

這其實對web3 AI 會有更大的機會，原來大家拼「通用化」（計算、數據、演算法）能力時自然被傳統Giant 大廠壟斷，套上去中心化的概念就想和谷歌、AWS、OpenAI 等競爭簡直癡人說夢，畢竟沒有資源優勢、技術優勢，也更沒有用戶基礎。

但到了在地化模型+ 邊緣運算的世界，區塊鏈技術服務面臨的情況可就大為不同了。

當AI 模型運行在使用者裝置上時，如何證明輸出結果沒有被竄改？如何在保護隱私的前提下實現模型協作？這些問題恰恰是區塊鏈技術的強項...

有註意到一些web3 AI 相關新項目，諸如最近由Pantera 零投10M 的@Gradient_HQ推出的數據通信協議Lattica，來解決中心化AI 平台的數據壟斷和黑箱問題；@PublicAI_腦電波設備HeadCapAI 的收入，構建“人工驗證層”，已經實現了14M 的收入；

一句話：只有當AI 真正「下沉」到每個裝置時，去中心化協作才會從概念變成剛需？

#Web3AI 計畫與其繼續在通用化賽道裡內卷，不如認真思考怎麼為在地化AI 浪潮提供基礎設施支援？