Viết bởi: Advait Jayant, Matthew Sheldon, Sungjung Kim và Swastik Shrivastava
Biên dịch: BeWater
Với sự ra mắt gần đây của mô hình tham số Llama 1B và 3B nhẹ nhàng được tối ưu hóa cho các tình huống ứng dụng trên thiết bị của Meta, cùng với việc Apple Intelligence sẽ phát hành sản phẩm mới của mình vào cuối tháng 10, chúng tôi tin rằng trí tuệ biên và trí tuệ trên thiết bị sẽ trở thành chủ đề lớn nhất vào năm 2025.
Peri Labs và BeWater đã hợp tác để phát hành một bản báo cáo khoảng 250 trang, nội dung bao gồm:
Sự cần thiết của trí tuệ nhân tạo ở lề
Lĩnh vực đổi mới cốt lõi của trí tuệ nhân tạo tại ranh giới
Tại sao AI Edge cần công nghệ mã hóa
Hiểu cấu trúc cốt lõi của trí tuệ nhân tạo đầu mút
Tình trạng của AI Edge và công nghệ mã hóa
BeWater đã dịch báo cáo này sang tiếng Trung, tóm tắt chính như sau:
Sự nổi lên của trí tuệ nhân tạo thực thể trên cạnh
Edge AI đang đổi mới lĩnh vực trí tuệ nhân tạo bằng cách di chuyển xử lý dữ liệu từ máy chủ điện toán tập trung trực tiếp đến thiết bị cục bộ. Phương pháp này giải quyết những hạn chế của triển khai trí tuệ nhân tạo truyền thống như độ trễ cao, vấn đề về quyền riêng tư và hạn chế băng thông. Bằng cách thực hiện xử lý dữ liệu thời gian thực trên các thiết bị như điện thoại thông minh, thiết bị đeo được và cảm biến internet vạn vật, Edge AI giảm thời gian phản hồi và lưu trữ thông tin nhạy cảm an toàn trên chính thiết bị.
Tiến bộ về công nghệ phần cứng và phần mềm đã làm cho việc chạy các mô hình AI phức tạp trên các thiết bị có tài nguyên hạn chế trở nên có thể. Các đổi mới như chip xử lý cạnh và công nghệ tối ưu hóa mô hình đặc biệt đã làm cho tính toán tại thiết bị trở nên hiệu quả hơn mà không ảnh hưởng đáng kể đến hiệu suất.
Điểm quan trọng 1: Sự tăng lên nhanh chóng của trí tuệ nhân tạo đã vượt qua định luật Moore.
Định luật Moore cho biết số lượng transistor trên vi mạch tăng gấp đôi khoảng mỗi hai năm. Tuy nhiên, tốc độ tăng của mô hình AI đã vượt qua tốc độ cải tiến phần cứng, dẫn đến việc khoảng cách giữa nhu cầu tính toán và cung cấp ngày càng mở rộng. Sự khác biệt này làm cho việc thiết kế phần cứng và phần mềm cùng nhau trở nên cần thiết.
Điểm số 2: Các công ty lớn trong các ngành công nghiệp đang tăng cường đầu tư vào trí tuệ nhân tạo đầu múc và thực hiện các chiến lược khác nhau.
Các ngành công nghiệp lớn đều đầu tư mạnh mẽ vào trí tuệ nhân tạo tại mép, nhận ra rằng nó có thể thay đổi hoàn toàn các lĩnh vực như y tế, lái xe tự động, robot và trợ lý ảo bằng cách cung cấp trải nghiệm trí tuệ nhân tạo tức thì, cá nhân hóa và đáng tin cậy. Ví dụ, Meta vừa mới phát hành mô hình được tối ưu hóa cho thiết bị mép, và Apple Intelligence cũng sẽ ra mắt công nghệ trí tuệ nhân tạo tại mép của mình vào cuối tháng 10.
Sự giao thoa giữa trí tuệ nhân tạo vi xử lý và mã hóa
要点 3：区块链为边缘 AI 网络提供安全、Phi tập trung的信任机制
Blockchain, thông qua sổ cái bất biến của nó, đảm bảo tính toàn vẹn dữ liệu và khả năng chống giả mạo, điều này đặc biệt quan trọng trong một mạng lưới phi tập trung của các thiết bị biên. Bằng cách ghi lại các giao dịch và trao đổi dữ liệu trên blockchain, các thiết bị biên có thể xác thực và ủy quyền hoạt động một cách an toàn mà không cần dựa vào cơ quan tập trung.
Điểm số 4: Mã hóa cơ chế kích thích kinh tế thúc đẩy chia sẻ tài nguyên và chi tiêu vốn
Triển khai và bảo trì mạng lưới biên giới đòi hỏi rất nhiều tài nguyên. Mô hình kinh tế mã hóa hoặc khuyến khích Token có thể được thực hiện thông qua việc cung cấp phần thưởng Token, khuyến khích cá nhân và tổ chức đóng góp năng lực tính toán, dữ liệu và các tài nguyên khác để hỗ trợ xây dựng và vận hành mạng lưới.
Yếu điểm 5: Mô hình Tài chính phi tập trung thúc đẩy phân phối tài nguyên hiệu quả
Bằng cách giới thiệu các khái niệm thế chấp, cho vay và hồ chứa thanh khoản từ Tài chính phi tập trung, mạng lưới AI biên giới có thể xây dựng thị trường tài nguyên tính toán. Người tham gia có thể cung cấp khả năng tính toán bằng cách thế chấp Token, cho vay tài nguyên dư thừa hoặc đóng góp vào hồ chứa chung để nhận phần thưởng tương ứng. Hợp đồng thông minh sau đó sẽ tự động thực hiện các quy trình này, đảm bảo phân phối tài nguyên một cách công bằng và hiệu quả dựa trên cung cầu và thực hiện cơ chế định giá động trong mạng lưới.
Điểm số 6: Phi tập trung đáng tin cậy
Trong một mạng lưới thiết bị biên phiên tập trung, việc xây dựng sự tin tưởng không cần sự giám sát trung ương là một thách thức. Trong mạng lưới mã hóa, sự tin tưởng được thực hiện thông qua các phương pháp toán học; sự tin tưởng dựa trên tính toán và toán học này là yếu tố quan trọng trong việc thúc đẩy tương tác không cần sự tin tưởng, trong khi hiện tại trí tuệ nhân tạo vẫn chưa có tính năng này.
Triển vọng tương lai
Nhìn vào tương lai, vẫn còn rất nhiều cơ hội sáng tạo trong lĩnh vực Trí tuệ nhân tạo tại ranh giới. Chúng ta sẽ thấy Trí tuệ nhân tạo tại ranh giới trở thành một phần không thể thiếu trong cuộc sống của chúng ta trong nhiều tình huống ứng dụng, như trợ lý học tập siêu cá nhân, bản sao kỹ thuật số, ô tô tự lái, mạng lưới trí tuệ tập thể và bạn đồng hành Trí tuệ nhân tạo cảm xúc.
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
Câu chuyện về công nghệ cốt lõi của trí tuệ nhân tạo tại các cạnh vào năm 2025?
Viết bởi: Advait Jayant, Matthew Sheldon, Sungjung Kim và Swastik Shrivastava
Biên dịch: BeWater
Với sự ra mắt gần đây của mô hình tham số Llama 1B và 3B nhẹ nhàng được tối ưu hóa cho các tình huống ứng dụng trên thiết bị của Meta, cùng với việc Apple Intelligence sẽ phát hành sản phẩm mới của mình vào cuối tháng 10, chúng tôi tin rằng trí tuệ biên và trí tuệ trên thiết bị sẽ trở thành chủ đề lớn nhất vào năm 2025.
Peri Labs và BeWater đã hợp tác để phát hành một bản báo cáo khoảng 250 trang, nội dung bao gồm:
BeWater đã dịch báo cáo này sang tiếng Trung, tóm tắt chính như sau:
Sự nổi lên của trí tuệ nhân tạo thực thể trên cạnh
Edge AI đang đổi mới lĩnh vực trí tuệ nhân tạo bằng cách di chuyển xử lý dữ liệu từ máy chủ điện toán tập trung trực tiếp đến thiết bị cục bộ. Phương pháp này giải quyết những hạn chế của triển khai trí tuệ nhân tạo truyền thống như độ trễ cao, vấn đề về quyền riêng tư và hạn chế băng thông. Bằng cách thực hiện xử lý dữ liệu thời gian thực trên các thiết bị như điện thoại thông minh, thiết bị đeo được và cảm biến internet vạn vật, Edge AI giảm thời gian phản hồi và lưu trữ thông tin nhạy cảm an toàn trên chính thiết bị.
Tiến bộ về công nghệ phần cứng và phần mềm đã làm cho việc chạy các mô hình AI phức tạp trên các thiết bị có tài nguyên hạn chế trở nên có thể. Các đổi mới như chip xử lý cạnh và công nghệ tối ưu hóa mô hình đặc biệt đã làm cho tính toán tại thiết bị trở nên hiệu quả hơn mà không ảnh hưởng đáng kể đến hiệu suất.
Điểm quan trọng 1: Sự tăng lên nhanh chóng của trí tuệ nhân tạo đã vượt qua định luật Moore.
Định luật Moore cho biết số lượng transistor trên vi mạch tăng gấp đôi khoảng mỗi hai năm. Tuy nhiên, tốc độ tăng của mô hình AI đã vượt qua tốc độ cải tiến phần cứng, dẫn đến việc khoảng cách giữa nhu cầu tính toán và cung cấp ngày càng mở rộng. Sự khác biệt này làm cho việc thiết kế phần cứng và phần mềm cùng nhau trở nên cần thiết.
Điểm số 2: Các công ty lớn trong các ngành công nghiệp đang tăng cường đầu tư vào trí tuệ nhân tạo đầu múc và thực hiện các chiến lược khác nhau.
Các ngành công nghiệp lớn đều đầu tư mạnh mẽ vào trí tuệ nhân tạo tại mép, nhận ra rằng nó có thể thay đổi hoàn toàn các lĩnh vực như y tế, lái xe tự động, robot và trợ lý ảo bằng cách cung cấp trải nghiệm trí tuệ nhân tạo tức thì, cá nhân hóa và đáng tin cậy. Ví dụ, Meta vừa mới phát hành mô hình được tối ưu hóa cho thiết bị mép, và Apple Intelligence cũng sẽ ra mắt công nghệ trí tuệ nhân tạo tại mép của mình vào cuối tháng 10.
Sự giao thoa giữa trí tuệ nhân tạo vi xử lý và mã hóa
要点 3：区块链为边缘 AI 网络提供安全、Phi tập trung的信任机制
Blockchain, thông qua sổ cái bất biến của nó, đảm bảo tính toàn vẹn dữ liệu và khả năng chống giả mạo, điều này đặc biệt quan trọng trong một mạng lưới phi tập trung của các thiết bị biên. Bằng cách ghi lại các giao dịch và trao đổi dữ liệu trên blockchain, các thiết bị biên có thể xác thực và ủy quyền hoạt động một cách an toàn mà không cần dựa vào cơ quan tập trung.
Điểm số 4: Mã hóa cơ chế kích thích kinh tế thúc đẩy chia sẻ tài nguyên và chi tiêu vốn
Triển khai và bảo trì mạng lưới biên giới đòi hỏi rất nhiều tài nguyên. Mô hình kinh tế mã hóa hoặc khuyến khích Token có thể được thực hiện thông qua việc cung cấp phần thưởng Token, khuyến khích cá nhân và tổ chức đóng góp năng lực tính toán, dữ liệu và các tài nguyên khác để hỗ trợ xây dựng và vận hành mạng lưới.
Yếu điểm 5: Mô hình Tài chính phi tập trung thúc đẩy phân phối tài nguyên hiệu quả
Bằng cách giới thiệu các khái niệm thế chấp, cho vay và hồ chứa thanh khoản từ Tài chính phi tập trung, mạng lưới AI biên giới có thể xây dựng thị trường tài nguyên tính toán. Người tham gia có thể cung cấp khả năng tính toán bằng cách thế chấp Token, cho vay tài nguyên dư thừa hoặc đóng góp vào hồ chứa chung để nhận phần thưởng tương ứng. Hợp đồng thông minh sau đó sẽ tự động thực hiện các quy trình này, đảm bảo phân phối tài nguyên một cách công bằng và hiệu quả dựa trên cung cầu và thực hiện cơ chế định giá động trong mạng lưới.
Điểm số 6: Phi tập trung đáng tin cậy
Trong một mạng lưới thiết bị biên phiên tập trung, việc xây dựng sự tin tưởng không cần sự giám sát trung ương là một thách thức. Trong mạng lưới mã hóa, sự tin tưởng được thực hiện thông qua các phương pháp toán học; sự tin tưởng dựa trên tính toán và toán học này là yếu tố quan trọng trong việc thúc đẩy tương tác không cần sự tin tưởng, trong khi hiện tại trí tuệ nhân tạo vẫn chưa có tính năng này.
Triển vọng tương lai
Nhìn vào tương lai, vẫn còn rất nhiều cơ hội sáng tạo trong lĩnh vực Trí tuệ nhân tạo tại ranh giới. Chúng ta sẽ thấy Trí tuệ nhân tạo tại ranh giới trở thành một phần không thể thiếu trong cuộc sống của chúng ta trong nhiều tình huống ứng dụng, như trợ lý học tập siêu cá nhân, bản sao kỹ thuật số, ô tô tự lái, mạng lưới trí tuệ tập thể và bạn đồng hành Trí tuệ nhân tạo cảm xúc.