Web2 AI産業の壁が深まる中、Web3 AIは慎重に戦略を立てる必要がある

最近、NVIDIAの株価は再び最高値を更新し、マルチモーダルモデルの進展はWeb2 AIの技術的優位性を深めています。意味の整合から視覚理解、高次元埋め込みから特徴融合に至るまで、複雑なモデルは驚異的な速度でさまざまなモダリティの表現を統合し、ますます閉じたAIの高地を構築しています。

しかし、この熱潮は暗号通貨分野とはほとんど関係がありません。Web3 AIの最近のエージェント方向の試みは、方向性に大きな偏差があります：分散型構造を用いてWeb2スタイルのマルチモーダルモジュラーシステムを組み立てようとしていますが、実際には技術と思考の二重のミスマッチです。モジュールの結合性が非常に強く、特徴の分布が高度に不安定で、計算能力の需要がますます集中している現在、Web3環境でのマルチモーダルモジュラーは立足しにくいです。

Web3 AIの未来の発展は模倣に限るべきではなく、戦略的な迂回を取る必要があります。高次元空間の意味的整合から、注意機構における情報のボトルネック、さらには異種計算能力下での特徴整合まで、Web3 AIはその発展の道筋を再考する必要があります。

現在、Web3 AIは高次元埋め込み空間の実現において大きな課題に直面しています。ほとんどのWeb3エージェントプロトコルは、既存のAPIをそれぞれ独立したモジュールに封装するだけで、統一された中枢埋め込み空間やクロスモジュールの注意メカニズムが欠けています。これにより、情報はモジュール間で多角的かつ多層的に相互作用することができず、線形パイプラインを通るしかなく、全体的なクローズドループ最適化を形成することが難しくなっています。

低次元空間において、注意メカニズムを精密に設計することもできません。Web3 AIのモジュール化特性は、統一された注意スケジューリングを実現することを難しくし、共通のベクトル表現、並列加重および集約能力が不足しています。これにより、システムの性能上限が大きく制限されます。

特徴融合に関して、Web3 AIは現在、単純な静的接続段階にとどまっています。高次元空間や精密な注意メカニズムの基盤が欠如しているため、Web3 AIは動的特徴融合を実現することが難しく、複雑なクロスモーダル関連を捉えることができません。

AI業界の壁が深まっているにもかかわらず、Web3 AIの機会はまだ完全には顕在化していません。Web3 AIは「农村包围城市」の戦術を採用し、エッジシーンから小規模に試験を行うべきです。切り込むのに適した分野には、エッジコンピューティング、軽量構造、並列処理が容易でインセンティブが得られるタスクが含まれます。例えば、LoRA微調整、行動整合の後訓練タスク、クラウドソーシングデータの訓練とアノテーション、小型基礎モデルの訓練、エッジデバイスの協調訓練などです。

Web2のAIの利点がほぼ消失し、残された痛点が顕著になる前に、Web3のAIプロジェクトは慎重に切り口を選ぶ必要があります。理想的なプロジェクトは以下の特性を持つべきです：周辺から切り込むことができ、小さなシーンでしっかりと足場を築くことができる；特定のアプリケーションシーンで製品を継続的に反復更新できる；十分な柔軟性を持ち、異なるシーンに応じて迅速に調整できる。基盤施設に過度に依存するか、ネットワークアーキテクチャがあまりにも巨大なプロジェクトは淘汰されるリスクに直面する可能性があります。