Meta erwirbt fast die Hälfte der Anteile von Scale AI zu einem exorbitanten Preis. Wie kann Web3 AI Vorurteile überwinden?

Egal ob Web3 AI oder Web2 AI, sie stehen bereits an der Kreuzung von “Rechenleistung” und “Datenqualität”.

Verfasser: Haotian

Einerseits hat Meta 14,8 Milliarden Dollar investiert, um fast die Hälfte der Anteile an Scale AI zu erwerben, und das gesamte Silicon Valley ist erstaunt, dass der Gigant einen exorbitanten Preis für “Datenanpassung” festlegt; andererseits steht die bevorstehende TGE.

@SaharaLabsAI, immer noch gefangen im Web3 AI-Vorurteil von “Konzept abgreifen, nicht selbst beweisen”. Was hat der Markt hinter diesem großen Gegensatz ignoriert?

Zunächst ist die Datenkennzeichnung ein wertvollerer Bereich als die Aggregation von dezentraler Rechenleistung.

Die Geschichte, wie man mit ungenutzten GPUs die Cloud-Computing-Riesen herausfordert, ist in der Tat faszinierend. Aber die Rechenleistung ist im Grunde genommen ein standardisiertes Gut, wobei die Unterschiede hauptsächlich im Preis und in der Verfügbarkeit liegen. Preisvorteile scheinen Lücken im Monopol der Riesen zu finden, aber die Verfügbarkeit wird durch geografische Verteilung, Netzwerkverzögerung und unzureichende Nutzeranreize eingeschränkt. Sobald die Riesen die Preise senken oder das Angebot erhöhen, wird dieser Vorteil sofort ausgeglichen.

Datenannotation ist hingegen völlig anders – es ist ein differenzierter Bereich, der menschliche Intelligenz und Fachurteil erfordert. Jede hochwertige Annotation trägt einzigartiges Fachwissen, kulturellen Hintergrund und kognitive Erfahrungen usw. in sich, die sich überhaupt nicht wie die GPU Rechenleistung “standardisiert” reproduzieren lassen.

Eine präzise bildgebende Diagnosestellung bei Krebs erfordert das Fachwissen erfahrener Onkologen; eine fundierte Analyse der Marktstimmung im Finanzsektor ist untrennbar mit der praktischen Erfahrung von Wall-Street-Tradern verbunden. Diese natürliche Knappheit und Unersetzlichkeit verleihen der “Datenannotation” eine Tiefe des Schutzgrabens, die die Rechenleistung niemals erreichen kann.

Am 10. Juni gab Meta offiziell bekannt, dass das Unternehmen für 14,8 Milliarden USD 49 % der Anteile an der Datenkennzeichnungsfirma Scale AI erwerben wird, was die größte Einzelinvestition im AI-Bereich in diesem Jahr darstellt. Besonders bemerkenswert ist, dass der Gründer und CEO von Scale AI, Alexandr Wang, gleichzeitig Leiter des neu gegründeten “Superintelligent” Forschungs-Labors von Meta sein wird.

Der 25-jährige chinesisch-amerikanische Unternehmer gründete 2016 Scale AI als Abbrecher der Stanford University und sein Unternehmen hat mittlerweile einen Wert von 30 Milliarden Dollar erreicht. Die Kundenliste von Scale AI gilt als “All-Star-Riege” der KI-Branche: OpenAI, Tesla, Microsoft und das Verteidigungsministerium sind allesamt Langzeitpartner. Das Unternehmen bietet hochwertige Datenannotierungsdienste für das Training von KI-Modellen an und verfügt über mehr als 300.000 professionell geschulte Annotatoren.

Sieh mal, während alle noch darüber streiten, wessen Modell höhere Punktzahlen erzielt, haben die echten Spieler heimlich das Schlachtfeld an die Datenquelle verlagert.

Ein “Kalter Krieg” um die Kontrolle über die Zukunft der KI hat begonnen.

Der Erfolg von Scale AI hat eine oft ignorierte Wahrheit ans Licht gebracht: Rechenleistung ist nicht mehr rar, die Modellarchitekturen tendieren zur Homogenität, und die tatsächliche Grenze der KI-Intelligenz wird von den sorgfältig “trainierten” Daten bestimmt. Meta hat nicht ein Outsourcing-Unternehmen zu einem hohen Preis gekauft, sondern die “Ölrechte” der KI-Ära.

Die Geschichte der Monopole hat immer Rebellen.

Wie die Cloud-Rechenleistung Aggregationsplattform versucht, die zentralisierten Cloud-Computing-Dienste zu revolutionieren, versucht Sahara AI, die Wertverteilungsregeln der Datenannotation mit Blockchain vollständig neu zu schreiben. Der fatale Fehler des traditionellen Datenannotationsmodells ist kein technisches Problem, sondern ein Problem des Anreizdesigns.

Ein Arzt verbringt mehrere Stunden damit, medizinische Bilder zu kennzeichnen, und erhält möglicherweise nur ein paar Dutzend Dollar für seine Arbeit, während das KI-Modell, das mit diesen Daten trainiert wurde, mehrere Milliarden Dollar wert ist, und der Arzt erhält keinen Cent davon. Diese extreme Ungerechtigkeit bei der Wertverteilung hemmt ernsthaft die Bereitschaft zur Bereitstellung hochwertiger Daten.

Und durch den Katalysator des Web3-Token-Anreizmechanismus sind sie nicht länger die billigen Daten-“Arbeiter”, sondern die echten “Aktionäre” des AI LLM Netzwerks. Offensichtlich ist der Vorteil von Web3, die Produktionsbeziehungen zu transformieren, im Vergleich zur Rechenleistung besser für Datenbeschriftungsszenarien geeignet.

Interessanterweise fällt der TGE von Sahara AI genau mit der Übernahme von Meta zu einem überteuerten Preis zusammen. Ist das Zufall oder sorgfältig geplant? Meiner Meinung nach spiegelt das tatsächlich einen Wendepunkt im Markt wider: Sowohl Web3 AI als auch Web2 AI haben den Übergang von “Rechenleistung” zur “Datenqualität” erreicht.

Wenn traditionelle Giganten mit Geld Datenbarrieren errichten, baut Web3 mit Tokenomics ein größeres Experiment zur “Daten-Demokratisierung”.