มุมมองต่อความร่วมมือระหว่าง Flock และ Qwen เป็นอย่างไร

ผู้เขียน: Haotian

เมื่อวานนี้ แพลตฟอร์มการฝึกอบรม DeAi ในสาขา Web3AI Flock.io ได้ประกาศความร่วมมือกับโมเดลภาษาขนาดใหญ่ Qwen ของ Alibaba Cloud หากจำไม่ผิด นี่น่าจะถือว่าเป็นการร่วมมือการรวมกันครั้งแรกจาก web2 AI สู่ web3 AI อย่างเป็นทางการ ไม่เพียงแต่ทำให้ Flock สามารถขยายขอบเขตได้อย่างแท้จริง แต่ยังช่วยฟื้นฟูขวัญกำลังใจในสนาม Web3AI ที่กำลังซบเซา มาลองฟังรายละเอียดกัน:

1）ฉันได้ชี้แจงในโพสต์ที่ติดอันดับก่อนหน้านี้ว่า ก่อนหน้านี้ web3 AI Agent พยายามกระตุ้นการนำแอปพลิเคชัน Agent ไปใช้ผ่าน Tokenomics และยังพยายามใช้แนวทางการแข่งขันในการปรับใช้ที่รวดเร็ว แต่เมื่อความตื่นเต้นจากการออกสินทรัพย์สิ้นสุดลง ทุกคนพบว่า web3 AI ในด้านการใช้งานจริงและนวัตกรรมเมื่อเปรียบเทียบกับ web2 AI นั้นแทบไม่มีโอกาสชนะเลย.

ดังนั้น การเกิดขึ้นของเทคโนโลยี AI แบบนวัตกรรม Web2 เช่น Manus, MCP, A2A เป็นต้น จึงได้เจาะทะลุฟองสบู่ที่มีอยู่ในตลาด Web3 AI Agent อย่างตรงไปตรงมา หรือทางอ้อม ส่งผลให้ตลาดรองเคยมีเลือดไหลนองเป็นจำนวนมาก.

2）จะทำอย่างไรให้เกิดการเปลี่ยนแปลง? แนวทางนั้นชัดเจนมากจริงๆ web3 AI จำเป็นต้องหาตำแหน่งทางนิเวศที่สามารถเสริมกับ web2 AI เพื่อแก้ปัญหาต้นทุนการคำนวณที่สูงซึ่ง web2 AI ไม่สามารถแก้ไขได้ ปัญหาความเป็นส่วนตัวของข้อมูล ปัญหาการปรับแต่งโมเดลในแนวตั้ง ฯลฯ.

สถาปัตยกรรมแบบกระจายที่พยายามโดย web3 AI สามารถใช้ทรัพยากรการประมวลผลที่ไม่ได้ใช้งานเพื่อลดต้นทุนปกป้องความเป็นส่วนตัวตามเทคโนโลยีซอฟต์แวร์และฮาร์ดแวร์เช่นการพิสูจน์ความรู้เป็นศูนย์และ TEE และส่งเสริมการพัฒนาแบบจําลองและการปรับแต่งสถานการณ์แนวตั้งผ่านการเป็นเจ้าของข้อมูลและกลไกการมีส่วนร่วมจูงใจ สถาปัตยกรรมแบบกระจายอํานาจและกลไกจูงใจที่ยืดหยุ่นของ web3 AI สามารถมีผลทันทีในการแก้ปัญหาบางอย่างที่มีอยู่ใน web2 AI

3. เมื่อพูดถึงความร่วมมือระหว่าง Flock และ Qwen นั้น Qwen เป็นโมเดลภาษาขนาดใหญ่ที่พัฒนาโดย Alibaba Cloud ซึ่งมีประสิทธิภาพที่โดดเด่นในการทดสอบมาตรฐานและความยืดหยุ่นในการปรับแต่งในระดับท้องถิ่นที่อนุญาตให้นักพัฒนาสามารถปรับแต่งได้ ทำให้มันเป็นตัวเลือกที่นิยมในหมู่นักพัฒนาและทีมวิจัยบางส่วน.

Flock เป็นแพลตฟอร์มการฝึกอบรม AI แบบกระจายอํานาจที่รวมการเรียนรู้แบบรวมศูนย์ AI และสถาปัตยกรรมเทคโนโลยีแบบกระจาย AI และคุณสมบัติที่ใหญ่ที่สุดคือการปกป้องความเป็นส่วนตัวของผู้ใช้ผ่านการฝึกอบรมแบบกระจายการมีส่วนร่วมของข้อมูลที่โปร่งใสและติดตามได้จากนั้นแก้ปัญหาการปรับแต่งและการประยุกต์ใช้แบบจําลอง AI ในการศึกษาการแพทย์และสาขาแนวตั้งอื่น ๆ โดยเฉพาะ Flock มีองค์ประกอบหลักสามประการ:

1. AI Arena (AI Arena) ซึ่งเป็นแพลตฟอร์มการฝึกอบรมแบบจําลองการแข่งขันที่ผู้ใช้สามารถส่งโมเดลของตนเองและแข่งขันกับผู้เข้าร่วมคนอื่น ๆ เพื่อรับเอฟเฟกต์การเพิ่มประสิทธิภาพและรางวัล วัตถุประสงค์หลักคือเพื่อกระตุ้นให้ผู้ใช้ปรับแต่งและปรับปรุงโมเดลขนาดใหญ่ในท้องถิ่นอย่างต่อเนื่องผ่านการออกแบบกลไกของ "การเล่นเกม" จากนั้นกรองโมเดลมาตรฐานที่ดีขึ้น

2、FL Alliance (สหพันธ์การเรียนรู้) เพื่อแก้ปัญหาการทำงานร่วมกันระหว่างองค์กรในบริบทที่ละเอียดอ่อน เช่น การแพทย์ การศึกษา การเงิน สหพันธ์การเรียนรู้ได้ดำเนินการโดยการฝึกอบรมโมเดลในท้องถิ่น + โครงสร้างพื้นฐานการทำงานร่วมกันแบบกระจาย ซึ่งช่วยให้หลายฝ่ายสามารถปรับปรุงประสิทธิภาพของโมเดลได้โดยไม่ต้องแบ่งปันข้อมูลดั้งเดิม;

3. Moonbase ซึ่งเป็นศูนย์กลางประสาทของระบบนิเวศ Flock เทียบเท่ากับแพลตฟอร์มการจัดการโมเดลและการเพิ่มประสิทธิภาพแบบกระจายอํานาจโดยมีเครื่องมือปรับแต่งและการสนับสนุนพลังงานการประมวลผลที่หลากหลาย (ผู้ให้บริการพลังงานการประมวลผลคําอธิบายประกอบข้อมูล) ซึ่งไม่เพียง แต่ให้ที่เก็บโมเดลแบบกระจาย แต่ยังรวมเครื่องมือปรับแต่งทรัพยากรการประมวลผลและการสนับสนุนคําอธิบายประกอบข้อมูลทําให้ผู้ใช้สามารถเพิ่มประสิทธิภาพโมเดลท้องถิ่นได้อย่างมีประสิทธิภาพ

4. ดังนั้น เราจะมองการร่วมมือระหว่าง Qwen และ Flock อย่างไร? ในมุมมองของฉัน ความหมายที่ขยายออกไปจากการร่วมมือครั้งนี้ยิ่งใหญ่กว่าความร่วมมือในปัจจุบันเสียอีก.

ในแง่หนึ่ง ในบริบทที่ web3 AI ถูก web2 AI กดดันทางเทคนิคอย่างต่อเนื่อง Qwen ซึ่งเป็นตัวแทนของยักษ์ใหญ่ด้านเทคโนโลยีอย่าง Alibaba ได้ออกมาสู้ในวงการ AI และมีอำนาจและอิทธิพลในระดับหนึ่ง การที่ Qwen สามารถเลือกที่จะร่วมมือกับแพลตฟอร์ม web3 AI แสดงให้เห็นอย่างชัดเจนว่า web2

การยอมรับของ AI ต่อทีมเทคโนโลยี Flock ในขณะเดียวกัน การวิจัยและการพัฒนาชุดต่อไปของทีม Flock และทีม Qwen จะช่วยเสริมสร้างการเชื่อมโยงระหว่าง web3AI และ web2AI ให้ลึกซึ้งยิ่งขึ้น;

ในทางกลับกัน ก่อนหน้านี้ web3 AI มีเพียงโครงสร้าง Tokenomics ที่ว่างเปล่า ในด้านการนำไปใช้จริงกลับแสดงผลลัพธ์ที่น่าผิดหวัง แม้ว่าจะมีการพยายามในหลายทิศทาง เช่น AI Agent, AI Platform และแม้แต่ AI Framework แต่เมื่อมองไปที่ด้าน DeFai และ Gamfai กลับไม่สามารถนำเสนอทางออกที่แท้จริงในการแก้ปัญหาได้ การเปิดตัวจากยักษ์ใหญ่เทคโนโลยีใน web2 นี้ได้กำหนดทิศทางและจุดมุ่งหมายของการพัฒนา web3 AI ในอนาคตในระดับหนึ่ง;

สิ่งที่สําคัญที่สุดคือ web3 AI จําเป็นต้องให้ความสําคัญกับเป้าหมายที่สามารถสร้างผลลัพธ์ที่แท้จริงหลังจากช่วงเวลาของ Fomo boom "การออกสินทรัพย์" ที่บริสุทธิ์ ในความเป็นจริง web3 AI ไม่เคยเป็นเพียงวิธีที่ง่ายและมีประสิทธิภาพมากขึ้นในการปรับใช้ตัวแทน AI เพื่อออกสินทรัพย์และไม่ใช่เกมในการสร้างรายได้จากสินทรัพย์

ดีใจที่ได้เห็นความร่วมมือข้ามสายงานที่คล้ายกับ web2AI และ web3AI เกิดขึ้นมากขึ้น.