2023年是AI大语言模型爆发的一年，以OpenAI推出的GPT大模型为起始，整个行业开始从“推理式AI”向“生成式AI”迈进。据Market Data Forecast预测，全球AI市场规模将从2023年的1502亿美元增长到2030年的13452亿美元，年复合增长率高达36.8%。
在此背景下，国内如百度文心一言、科大讯飞星火、阿里通义千问等各种国产垂直大模型相继问世，深刻改变了我们的办公与生活。然而，大模型的培养与训练自然离不开大量的数据投喂。简而言之，数据量的多少决定了大模型参数的大小，也就决定了大模型的能力。同时，处理这些数据也需要大量的算力，那么毫无疑问，就需要与之相对应的硬件规模。
所以现如今，这些能够处理非常复杂工作的，例如可以形成符合你要求的特定主题的图片、视频，甚至还能生成音频和配乐的大模型，基本都跑在云端服务器上。而投喂给它们的训练数据，也基本上都是用户签署过“使用协议”，合法的，能够被摆在“台面上”使用的数据，这也就导致了目前AI答案的标准化和空洞宽泛，无法真正意义上匹配到每一个消费者自身的使用场景，简而言之就是缺乏个性化和深入性。
在这样的情况下，一些参数量相对较小但是可以处理一些相对简单、更个性化、更私密的任务的大模型，就成为了AI未来的发展方向之一。当然更重要的一点是，这种体量的大模型可以实现本地化部署，用户可以利用自己的数据进行定向培养，在终端侧使用。
NAS作为AI硬件载体的潜力
想要寻找现如今消费者日常生活中可以容纳大模型生存的硬件形态，NAS就成为了为数不多兼具“数据和算力”的存在。NAS作为消费者的私人数据汇集地，同时拥有一定的计算和网络能力，数据也更加安全，是搭载本地化AI智能助手非常好的阵地之一。
但现实情况却是，即便放在物质充裕的当下，能够拥有私人的NAS(Network Attached Storage，网络附属存储)，对于普通人来说似乎是件遥不可及的事情。不仅是因为其硬件成本相对高昂，同时其使用前的配置操作相对繁琐，对于没有相关专业知识的普通人来说，传统NAS天生就自带入门门槛。
有困难，就会有解决困难的人。聚焦数码产品评测十六年的鲁大师发现，“PC端的用户开机时间变短了，从最初的每天开机，到半个月开一次，甚至有时一个月才开一次机，开机时间缩短得非常厉害，但这些电脑并没有被淘汰，依然在用户的家里”。外加目前PC整个行业下滑趋势明显，尤其是疫情后的市场透支与恢复缓慢。“怎么才能让闲置的PC机变得有价值?”成为了一直萦绕在鲁大师CEO田野脑袋中的问题。
此时一个想法迅速占领了田野的大脑：他不仅要让PC成为和个人NAS一样的“存储工具”，同时还能根据个人的需求让其成为自己的AI助手。
在这样的天马行空的思考下，鲁大师 AiNAS由此诞生。
其实简单来说，本地NAS就是一台将传统电脑去掉显示器等设备，只保留硬盘以及联网能力的小型服务器。那么自然，为家用电脑安装NAS系统，家用电脑就可以变成NAS，这样用户就无需再花高价额外购买NAS的硬件。这就是鲁大师 AiNAS彻底解决“NAS贵”的方案，通过抛弃NAS硬件的生产，直接利用用户手边的闲置电脑实现硬件层面的“零成本”。
针对NAS使用“难”的问题，鲁大师将传统NAS在使用中涉及到的“异常复杂的产品参数和配置选项”全部简化，用户只需要一键安装客户端，即可完成部署。
由此，鲁大师AiNAS轻松帮助用户构建起了私密文件存储的“必然领地”。同时，田野表示，其实鲁大师并不参与用户任何资料的存储，其角色更像是一个类似中国移动这样的中转商，通过其提供的网络路径可以远程查看自己存储的东西，相当于把虚拟资产(文件、照片等)放在自己的家中闲置电脑。
如此，用户即拥有了安全性更高的数据存储，有拥有了能够提供相当算力的硬件，前文中所提到的“部署本地化私人AI大模型”的设想，顺理成章地成为了可能。
创造每个人自己的AI时代
对于前文中提到的AI本地化部署的设想，想要付诸实现，最重要的事情是AI和私有化的数据进行拟合，从而发挥更“个性化”的价值，最终实现大家大家理想中的个人智能助理或家庭智能助理。鲁大师 AiNAS则是通过其内置的“智能助理”功能，率先开启了这方面的尝试。
具体来看，当得到用户的授权之后，鲁大师AiNAS内置的“智能助理”就会开始对已经存储的资料进行全盘的扫描、阅读、理解、分析、总结、归档，最终实现资料的自动分类、去重、检索。然后以GPT大模型常见的对话形式，解决用户提出的诸如一键查询、一键总结摘要等生成式AI能够处理的相关需求。
相对于大模型，这种本地AI因为个人电脑性能有限不可能承载那么大的数据，只能算是个小模型，需求也是千人千面。但是，单就个人具象化的需求，如果有足够的数据，这类本地AI实现的价值会远高于公有AI上获取的内容。
目前鲁大师在本地AI的训练上选择的是“语言”，也就是通过语言指令，让NAS上存储的资料进行分类、提炼，包括总结PPT等，这套方案的优势是其算力需求90%的电脑都可以胜任，只是速度会有一些差异。对于选择语言这个细分领域的原因，田野的想法就是让所有人以最快的速度用上本地AI，未来随着用户数据量的增加，相信还会有更多个人AI的细分领域出现。
鲁大师AiNAS的商业潜力
除了带给用户个人的高价值，用户训练的AI模型还具有极大的商业潜力。在未来，或许鲁大师AiNAS用户可以共享或交易自己训练的AI模型，形成新的商业模式。例如，一个用户可能训练了一个擅长财务分析的AI助手，另一个用户可能需要这个助手来帮助管理投资组合。这种交易不仅可以为模型的创建者带来收益，还可以加速AI技术的普及和应用，形成一个互利共赢的生态系统。
AI助手的潜力不仅限于个人使用，还可以扩展到各个行业。教育领域，教师可以使用AI助手个性化教学方案，根据学生的学习情况提供定制化辅导。医疗领域，医生可以利用AI助手快速分析大量病历数据，提供更加精准的诊断和治疗方案。企业管理中，AI助手可以帮助管理者处理繁琐的日常事务，提高工作效率。这些多领域的应用将进一步扩大鲁大师AiNAS的市场空间，带来更广泛的商业机会。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
