Tanto la IA de Web3 como la IA de Web2 han llegado a la encrucijada de pasar de "Potencia computacional" a "Calidad de datos".
Escrito por: Haotian
Por un lado, Meta ha gastado 14,8 mil millones de dólares para adquirir cerca del 50% de Scale AI, y toda Silicon Valley está asombrada de que el gigante esté revalorizando la "etiquetado de datos" a un precio astronómico; por otro lado, está a punto de tener lugar el TGE.
@SaharaLabsAI, sigue atrapado bajo la etiqueta de prejuicio de IA Web3 "aprovechar el concepto, incapaz de auto demostrar". Detrás de este gran contraste, ¿qué es lo que realmente ha ignorado el mercado?
Primero, la anotación de datos es una pista más valiosa que la agregación de potencia computacional descentralizada.
La historia de desafiar a los gigantes de la nube con GPU inactivas es realmente maravillosa, pero la potencia de cálculo es esencialmente un producto estandarizado, y la diferencia está principalmente en el precio y la disponibilidad. La ventaja de precio parece ser capaz de encontrar una brecha en el monopolio de los gigantes, pero la disponibilidad está limitada por la distribución geográfica, la latencia de la red y los insuficientes incentivos para los usuarios, y una vez que los gigantes reduzcan los precios o aumenten la oferta, esta ventaja se desvanecerá en un instante.
La anotación de datos es completamente diferente: es un campo diferenciado que requiere inteligencia humana y juicio profesional. Cada anotación de alta calidad lleva consigo un conocimiento profesional único, un contexto cultural y experiencias cognitiva, que no se puede "estandarizar" y replicar como la Potencia computacional de una GPU.
Un etiquetado preciso de diagnóstico por imagen del cáncer requiere la intuición profesional de médicos oncólogos experimentados; un análisis de la emoción del mercado financiero, no puede prescindir de la experiencia práctica de un Trader de Wall Street. Esta escasez natural e irreemplazabilidad otorgan al "etiquetado de datos" una profundidad de murallas que la Potencia computacional nunca podrá alcanzar.
El 10 de junio, Meta anunció oficialmente la adquisición del 49% de las acciones de la empresa de etiquetado de datos Scale AI por 14,8 mil millones de dólares, lo que representa la inversión más grande del año en el campo de la IA. Más notable es que el fundador y CEO de Scale AI, Alexandr Wang, también se desempeñará como director del nuevo laboratorio de investigación "Superinteligencia" de Meta.
Este empresario estadounidense de origen chino, de 25 años, fundó Scale AI en 2016 mientras era un estudiante desertor de la Universidad de Stanford; hoy en día, la compañía que dirige tiene una valoración de 30 mil millones de dólares. La lista de clientes de Scale AI es considerada un "equipo de estrellas" en el ámbito de la IA: OpenAI, Tesla, Microsoft y el Departamento de Defensa son algunos de sus socios a largo plazo. La empresa se especializa en proporcionar servicios de etiquetado de datos de alta calidad para el entrenamiento de modelos de IA, y cuenta con más de 300,000 etiquetadores capacitados profesionalmente.
Mira, mientras todos discuten sobre quién tiene un modelo con puntajes más altos, los verdaderos jugadores ya han trasladado silenciosamente el campo de batalla a la fuente de datos.
Una "guerra oscura" por el control futuro de la IA ya ha comenzado.
El éxito de Scale AI ha expuesto una verdad que se ha pasado por alto: la Potencia computacional ya no es escasa, la arquitectura de los modelos tiende a homogeneizarse, y lo que realmente determina el límite de la inteligencia artificial son los datos que han sido cuidadosamente "entrenados". Meta no compró una empresa de subcontratación a precio de oro, sino el "derecho de extracción de petróleo" de la era de la IA.
Siempre hay rebeldes en las historias de monopolios.
Así como la plataforma de agregación de potencia computacional en la nube intenta revolucionar los servicios de computación en la nube centralizados, Sahara AI busca reescribir completamente las reglas de distribución de valor de la anotación de datos mediante blockchain. La fatal deficiencia del modelo tradicional de anotación de datos no es un problema técnico, sino un problema de diseño de incentivos.
Un médico pasa horas etiquetando imágenes médicas y lo que recibe puede ser solo unos pocos dólares por su trabajo, mientras que el modelo de IA entrenado con esos datos vale miles de millones de dólares, y el médico no recibe ni un centavo. Esta distribución de valor es extremadamente injusta y frena gravemente la voluntad de proporcionar datos de alta calidad.
Y con la catalización del mecanismo de incentivos de tokens web3, ya no son los «trabajadores migrantes» de datos baratos, sino los verdaderos «accionistas» de la red AI LLM. Es evidente que la ventaja de web3 en la transformación de las relaciones de producción es más adecuada para escenarios de etiquetado de datos en comparación con la Potencia computacional.
Es interesante que Sahara AI coincida exactamente con el TGE del nodo adquirido a un precio exorbitante por Meta, ¿es una coincidencia o una planificación cuidadosa? En mi opinión, esto refleja un punto de inflexión en el mercado: tanto la IA de Web3 como la IA de Web2 han pasado de "volumen de potencia computacional" a la encrucijada de "volumen de calidad de datos".
Cuando los gigantes tradicionales construyen barreras de datos con dinero, Web3 está creando un experimento de "democratización de datos" más grande con Tokenomics.
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Detrás de la adquisición a precio exorbitante de Meta de casi la mitad de las acciones de Scale AI, ¿cómo puede Web3 AI deshacerse de los prejuicios?
Escrito por: Haotian
Por un lado, Meta ha gastado 14,8 mil millones de dólares para adquirir cerca del 50% de Scale AI, y toda Silicon Valley está asombrada de que el gigante esté revalorizando la "etiquetado de datos" a un precio astronómico; por otro lado, está a punto de tener lugar el TGE.
@SaharaLabsAI, sigue atrapado bajo la etiqueta de prejuicio de IA Web3 "aprovechar el concepto, incapaz de auto demostrar". Detrás de este gran contraste, ¿qué es lo que realmente ha ignorado el mercado?
Primero, la anotación de datos es una pista más valiosa que la agregación de potencia computacional descentralizada.
La historia de desafiar a los gigantes de la nube con GPU inactivas es realmente maravillosa, pero la potencia de cálculo es esencialmente un producto estandarizado, y la diferencia está principalmente en el precio y la disponibilidad. La ventaja de precio parece ser capaz de encontrar una brecha en el monopolio de los gigantes, pero la disponibilidad está limitada por la distribución geográfica, la latencia de la red y los insuficientes incentivos para los usuarios, y una vez que los gigantes reduzcan los precios o aumenten la oferta, esta ventaja se desvanecerá en un instante.
La anotación de datos es completamente diferente: es un campo diferenciado que requiere inteligencia humana y juicio profesional. Cada anotación de alta calidad lleva consigo un conocimiento profesional único, un contexto cultural y experiencias cognitiva, que no se puede "estandarizar" y replicar como la Potencia computacional de una GPU.
Un etiquetado preciso de diagnóstico por imagen del cáncer requiere la intuición profesional de médicos oncólogos experimentados; un análisis de la emoción del mercado financiero, no puede prescindir de la experiencia práctica de un Trader de Wall Street. Esta escasez natural e irreemplazabilidad otorgan al "etiquetado de datos" una profundidad de murallas que la Potencia computacional nunca podrá alcanzar.
El 10 de junio, Meta anunció oficialmente la adquisición del 49% de las acciones de la empresa de etiquetado de datos Scale AI por 14,8 mil millones de dólares, lo que representa la inversión más grande del año en el campo de la IA. Más notable es que el fundador y CEO de Scale AI, Alexandr Wang, también se desempeñará como director del nuevo laboratorio de investigación "Superinteligencia" de Meta.
Este empresario estadounidense de origen chino, de 25 años, fundó Scale AI en 2016 mientras era un estudiante desertor de la Universidad de Stanford; hoy en día, la compañía que dirige tiene una valoración de 30 mil millones de dólares. La lista de clientes de Scale AI es considerada un "equipo de estrellas" en el ámbito de la IA: OpenAI, Tesla, Microsoft y el Departamento de Defensa son algunos de sus socios a largo plazo. La empresa se especializa en proporcionar servicios de etiquetado de datos de alta calidad para el entrenamiento de modelos de IA, y cuenta con más de 300,000 etiquetadores capacitados profesionalmente.
Mira, mientras todos discuten sobre quién tiene un modelo con puntajes más altos, los verdaderos jugadores ya han trasladado silenciosamente el campo de batalla a la fuente de datos.
Una "guerra oscura" por el control futuro de la IA ya ha comenzado.
El éxito de Scale AI ha expuesto una verdad que se ha pasado por alto: la Potencia computacional ya no es escasa, la arquitectura de los modelos tiende a homogeneizarse, y lo que realmente determina el límite de la inteligencia artificial son los datos que han sido cuidadosamente "entrenados". Meta no compró una empresa de subcontratación a precio de oro, sino el "derecho de extracción de petróleo" de la era de la IA.
Siempre hay rebeldes en las historias de monopolios.
Así como la plataforma de agregación de potencia computacional en la nube intenta revolucionar los servicios de computación en la nube centralizados, Sahara AI busca reescribir completamente las reglas de distribución de valor de la anotación de datos mediante blockchain. La fatal deficiencia del modelo tradicional de anotación de datos no es un problema técnico, sino un problema de diseño de incentivos.
Un médico pasa horas etiquetando imágenes médicas y lo que recibe puede ser solo unos pocos dólares por su trabajo, mientras que el modelo de IA entrenado con esos datos vale miles de millones de dólares, y el médico no recibe ni un centavo. Esta distribución de valor es extremadamente injusta y frena gravemente la voluntad de proporcionar datos de alta calidad.
Y con la catalización del mecanismo de incentivos de tokens web3, ya no son los «trabajadores migrantes» de datos baratos, sino los verdaderos «accionistas» de la red AI LLM. Es evidente que la ventaja de web3 en la transformación de las relaciones de producción es más adecuada para escenarios de etiquetado de datos en comparación con la Potencia computacional.
Es interesante que Sahara AI coincida exactamente con el TGE del nodo adquirido a un precio exorbitante por Meta, ¿es una coincidencia o una planificación cuidadosa? En mi opinión, esto refleja un punto de inflexión en el mercado: tanto la IA de Web3 como la IA de Web2 han pasado de "volumen de potencia computacional" a la encrucijada de "volumen de calidad de datos".
Cuando los gigantes tradicionales construyen barreras de datos con dinero, Web3 está creando un experimento de "democratización de datos" más grande con Tokenomics.