AI「下沉」趋势是否为Web3带来新机遇？

作者：Haotian

近期观察人工智能（AI）行业，可以明显感受到一个逐渐「下沉」的变化：从过去集中于算力竞争和大模型开发的主流共识中，分化出了一条偏向本地小模型和边缘计算的新路径。

这一变化在多个科技巨头的动作中得到了验证。例如，Apple Intelligence 的功能覆盖了 5 亿台设备；微软推出了专为 Windows 11 打造的 3.3 亿参数小模型 Mu；谷歌 DeepMind 的机器人实现了无需联网的「脱网」操作等。

云端 AI 和本地 AI 的差异显而易见。云端 AI 主要依赖参数规模和训练数据，其核心竞争力在于烧钱能力；而本地 AI 则更注重工程优化与场景适配，在隐私保护、可靠性以及实用性方面更具优势。（尤其是通用模型中的幻觉问题，严重阻碍了其在垂直领域的应用渗透）

这种转变对 Web3 和 AI 的结合或许是一个重要的机会。当大家还在比拼「通用化」（计算、数据、算法）能力时，传统科技巨头如谷歌、AWS 和 OpenAI 等自然占据主导地位。此时，试图通过去中心化的概念来与这些巨头竞争几乎不切实际，毕竟缺乏资源优势、技术积累和用户基础。

然而，当 AI 模型运行转向用户设备，并与边缘计算结合时，区块链技术的应用场景将显著不同。

当 AI 模型在本地设备上运行时，如何确保输出结果未被篡改？如何在保护隐私的前提下实现多方协作？这些问题恰好是区块链技术的优势所在。

最近，一些新兴的 Web3 AI 项目开始崭露头角。例如，Pantera 领投 1000 万美元支持的 @Gradient_HQ 推出了数据通信协议 Lattica，旨在解决中心化 AI 平台的数据垄断和黑箱问题；@PublicAI_ 开发的脑电波设备 HeadCap 能够采集真实人类数据，构建「人工验证层」，目前已实现 1400 万美元的收入。这些项目都在尝试解决本地 AI 应用中的「可信性」挑战。

总结来说：只有当 AI 真正「下沉」到每个用户的设备时，去中心化协作才有可能从理念转变为刚需。

#Web3AI 项目与其继续在通用化赛道中内卷，不如认真思考如何为本地化 AI 浪潮提供基础设施支持。