AI数据赛道蕴含巨大潜力，Web3 DataFi或成新蓝海

在全球AI竞赛日益激烈的今天，数据正逐渐成为构建优秀基础模型的关键护城河。随着模型架构和计算能力的差距逐渐缩小，高质量的训练数据将成为决定AI公司竞争力的核心要素。

本月AI圈最引人注目的事件莫过于Meta大举招募人才，组建了以华人科研人员为主的顶尖AI团队。其中，年仅28岁的Alexander Wang尤其引人瞩目。他创立的Scale AI目前估值高达290亿美元,为包括美国军方在内的众多AI巨头提供数据服务。Scale AI之所以能在众多独角兽中脱颖而出,正是因为其早早洞察到了数据在AI产业中的重要地位。

如果将大模型比作一个人,那么模型就是身体,算力是食物,而数据则是知识和信息。在大语言模型迅猛发展的过程中,业界的重点已经从模型架构转向算力,如今大多数模型都采用transformer作为基础框架。各大公司或自建超级计算集群,或与云服务商签订长期协议,解决了算力的基本需求。在这种背景下,数据的重要性日益凸显。

与传统的To B大数据公司不同,Scale AI专注于为AI模型打造坚实的数据基础。其业务不仅包括对现有数据的挖掘,还致力于更长远的数据生成业务,并组建了由各领域专家组成的AI训练团队,为模型提供更优质的训练数据。

模型训练通常分为预训练和微调两个阶段。预训练类似婴儿学习说话的过程,需要大量从网上爬取的文本、代码等信息。微调则像上学,有明确的对错和方向,通过精心设计的数据集培养模型的特定能力。

因此,AI数据也可分为两类:一类是海量但无需太多处理的数据,如社交媒体、代码仓库的爬虫数据;另一类则需要精细设计和筛选,确保能培养模型的特定优良品质,这需要进行数据清洗、标注等工作。这两类数据集构成了AI Data赛道的主体。

随着模型能力的进一步提升,各种专业、精细的训练数据将成为决定模型能力的关键变量。优质的数据集就像武林高手的绝世秘籍,对模型的能力提升至关重要。从长远来看,AI Data也是一个具有滚雪球效应的赛道,随着前期工作的积累,数据资产将产生复利效应,价值愈发凸显。

在这一背景下,Web3 DataFi作为新兴领域,在AI数据方面具有天然优势:

1. 智能合约保障了数据主权、安全和隐私。用户可以清楚地了解自己的数据被如何使用,同时通过零知识证明等技术保护敏感信息。

2. 分布式架构吸引全球最适合的劳动力。区块链的去中心化特性和透明的激励机制,可以吸引全球范围内的劳动力参与数据贡献,有利于提高数据的多样性。

3. 区块链提供明确的激励和结算优势。智能合约可以实现透明的激励制度,避免传统中心化公司可能出现的问题。同时,链上结算方式可以突破地域限制,实现更高效的跨境支付。

4. 有利于构建高效、开放的数据市场。去中心化的市场可以让数据供需双方更加透明、高效地对接,促进生态的繁荣发展。

对于普通用户而言,DataFi是参与去中心化AI项目的最佳切入点。相比于高门槛的算力挖矿或模型开发,用户只需通过简单的任务就可以参与其中,如提供数据、评估模型等。这为普通人提供了在AI革命中抓住机遇的可能性。

目前,Web3 DataFi领域已经涌现出一批有潜力的项目,如Sahara AI、Yupp、Vana等。这些项目在用户激励、数据质量管理等方面各有特色。然而,它们也面临着一些共同的挑战,如如何平衡短期利益和长期质量、提高透明度等。

未来,DataFi的大规模应用需要两方面并进:一是吸引足够多的普通用户参与,形成数据采集和生成的生力军;二是获得主流大公司的认可,吸引大额订单。一些领先项目已经在这两个方向上取得了不错的进展。

总的来说,DataFi代表了人类智能与机器智能的一种新型互动模式。通过智能合约,它既保障了人类劳动的收益,又为机器智能的发展提供了养料。对于那些对AI时代充满憧憬,又坚持区块链理想的人来说,DataFi无疑是一个值得关注和投入的领域。