在人工智能領域，一場革命性的變革正在悄然發生。想象一下，如果大語言模型的強大功能能夠在顯著降低能耗的同時實現，這將帶來怎樣的影響？更進一步，如果這種模型能夠在我們的智能手機上直接運行，那又會開啟怎樣的新篇章？
新一代AI平臺正以前所未有的設計理念推動行業發展，這些平臺不僅致力于節能，還解鎖了一系列全新的、改進的功能。尤為重要的是，它們提供了邊緣計算能力，這一技術正在逐步改變數據處理的方式。
邊緣計算，簡而言之，是指將數據處理和其他計算任務移至接近數據源的地方進行，即在用戶的終端設備，如數據收集硬件或個人手機上完成。這一轉變意味著，我們不再完全依賴云端處理，而是開始回歸本地計算，這既減少了數據傳輸成本，又增強了控制力。
在云端集中存儲數據的時代，雖然便捷，但也伴隨著高昂的傳輸成本和有限的控制靈活性。而邊緣計算則通過本地運行操作，帶來了顯著的效率提升，尤其是在能源消耗和應對氣候變化方面。這一轉變不僅環保，還促進了技術的廣泛應用。
在這場變革中，一種名為液體基礎模型（LFM）的新興技術嶄露頭角。這些模型從傳統的基于Transformer的大語言模型設計中脫穎而出，展現出全新的形態。據VentureBeat報道，LFM在性能上已經超越了同等規模的Transformer模型，如meta的Llama 3.1-8B和微軟的Phi-3.5 3.8B。
LFM不僅在性能基準測試中表現出色，還在運營效率上展現出巨大潛力，適用于從金融服務、生物技術到消費電子等多個領域的企業級應用，甚至能夠部署在邊緣設備上。Liquid AI的顧問及與MIT CSAIL實驗室有緊密聯系的專家，對這一創新給予了高度評價。
在一次訪談中，Liquid AI的Ramin Hasani分享了團隊如何利用秀麗隱桿線蟲的大腦開發模型，以及這些后Transformer模型在設備、汽車、無人機和飛機上的廣泛應用。他提到，LFM能夠完成GPT的工作，而且在設備上本地運行，無需依賴云端。
“它們能夠聽，也能夠說話。”Hasani強調說。這些模型不僅具備強大的功能，還帶來了隱私、安全和低延遲應用的顯著優勢，這是傳統AI公司所無法提供的。
自項目啟動以來，Liquid AI一直在與各大公司進行商業討論，探索如何將這一創新技術應用于企業。Hasani指出，隱私、安全和低延遲是企業最為關心的三個方面，而LFM正是解決這些問題的關鍵。
尤為如果LFM能夠在設備上離線運行，那么我們將無需依賴龐大的基礎設施。數據中心、云服務等將不再是必需，這不僅降低了成本，還提高了性能。這正是“摩爾定律”在AI領域應用的體現，意味著AI系統正迅速變得更便宜、更多樣化、更易于管理。
