ผู้แต่งต้นฉบับ: Haotian (X: @tmel0211 )
ในขณะเดียวกัน Meta ก็ใช้เงินไป 14,800 ล้านดอลลาร์เพื่อซื้อหุ้นของ Scale AI เกือบครึ่งหนึ่ง และทั้ง Silicon Valley ก็ตกตะลึงที่ยักษ์ใหญ่รายนี้ปรับราคา การติดฉลากข้อมูล ใหม่ในราคาที่สูงลิ่ว อีกด้านหนึ่ง @SaharaLabsAI ซึ่งกำลังจะเข้าสู่ TGE ยังคงติดอยู่ในฉลากอคติของ Web3 AI ที่ว่า อาศัยแนวคิดและพิสูจน์ตัวเองไม่ได้ ตลาดกำลังละเลยอะไรอยู่เบื้องหลังความแตกต่างมหาศาลนี้
ประการแรก การติดฉลากข้อมูลเป็นแนวทางที่มีคุณค่ามากกว่าการรวมพลังการประมวลผลแบบกระจายอำนาจ
เรื่องราวของการใช้ GPU ที่ไม่ได้ใช้งานเพื่อท้าทายยักษ์ใหญ่ด้านการประมวลผลบนคลาวด์นั้นน่าตื่นเต้นทีเดียว แต่พลังการประมวลผลนั้นถือเป็นสินค้ามาตรฐาน และความแตกต่างนั้นส่วนใหญ่อยู่ที่ราคาและความพร้อมใช้งาน ข้อได้เปรียบด้านราคาอาจหาช่องว่างในการผูกขาดของยักษ์ใหญ่ได้ แต่ความพร้อมใช้งานนั้นขึ้นอยู่กับการกระจายทางภูมิศาสตร์ ความหน่วงของเครือข่าย และแรงจูงใจของผู้ใช้ที่ไม่เพียงพอ เมื่อยักษ์ใหญ่ลดราคาหรือเพิ่มอุปทาน ข้อได้เปรียบนี้จะหมดไปในทันที
การติดฉลากข้อมูลนั้นแตกต่างอย่างสิ้นเชิง ซึ่งเป็นสาขาที่แตกต่างกันซึ่งต้องใช้ภูมิปัญญาของมนุษย์และการตัดสินใจอย่างมืออาชีพ ฉลากคุณภาพสูงแต่ละฉลากจะประกอบด้วยความรู้เฉพาะทาง พื้นเพทางวัฒนธรรม ประสบการณ์ทางปัญญา ฯลฯ ซึ่งไม่สามารถ ทำให้เป็นมาตรฐาน และทำซ้ำได้เหมือนพลังการประมวลผลของ GPU
การอธิบายภาพการวินิจฉัยมะเร็งที่แม่นยำต้องอาศัยสัญชาตญาณของผู้เชี่ยวชาญเฉพาะทางด้านมะเร็งวิทยาอาวุโส การวิเคราะห์อารมณ์ของตลาดการเงินที่มีประสบการณ์ไม่สามารถแยกออกจากประสบการณ์จริงของผู้ค้าบนวอลล์สตรีทได้ ความขาดแคลนตามธรรมชาติและสิ่งที่ไม่สามารถทดแทนได้นี้ทำให้ คำอธิบายข้อมูล มีความลึกล้ำที่พลังการประมวลผลไม่สามารถเข้าถึงได้
เมื่อวันที่ 10 มิถุนายน Meta ประกาศอย่างเป็นทางการว่าจะเข้าซื้อหุ้น 49% ของ Scale AI บริษัทด้านการติดฉลากข้อมูลด้วยมูลค่า 14,800 ล้านดอลลาร์ ซึ่งถือเป็นการลงทุนครั้งเดียวครั้งใหญ่ที่สุดในสาขา AI ในปีนี้ ที่น่าสนใจยิ่งกว่าก็คือ Alexandr Wang ผู้ก่อตั้งและซีอีโอของ Scale AI จะดำรงตำแหน่งหัวหน้าห้องปฏิบัติการวิจัย ซูเปอร์อินเทลลิเจนซ์ ที่เพิ่งก่อตั้งใหม่ของ Meta ด้วย
ผู้ประกอบการชาวจีนวัย 25 ปีคนนี้เคยลาออกจากมหาวิทยาลัยสแตนฟอร์ดเมื่อเขาได้ก่อตั้ง Scale AI ในปี 2016 ปัจจุบัน บริษัทที่เขาบริหารมีมูลค่า 3 หมื่นล้านดอลลาร์ รายชื่อลูกค้าของ Scale AI ถือเป็น กลุ่มลูกค้าระดับซูเปอร์สตาร์ ในอุตสาหกรรม AI: OpenAI, Tesla, Microsoft, กระทรวงกลาโหม ฯลฯ ล้วนเป็นพันธมิตรระยะยาวของบริษัท บริษัทมีความเชี่ยวชาญในการให้บริการการอธิบายข้อมูลคุณภาพสูงสำหรับการฝึกอบรมโมเดล AI และมีผู้ให้คำอธิบายที่ผ่านการฝึกอบรมอย่างมืออาชีพมากกว่า 300,000 คน
คุณจะเห็นได้ว่าในขณะที่ทุกคนยังคงโต้เถียงกันว่าโมเดลไหนมีคะแนนสูงกว่า ผู้เล่นจริงได้ย้ายสนามรบไปยังแหล่งข้อมูลอย่างเงียบๆ
“สงครามลับ” เพื่อควบคุมอนาคตของ AI ได้เริ่มต้นขึ้นแล้ว
ความสำเร็จของ Scale AI เผยให้เห็นความจริงที่ถูกมองข้าม: พลังการประมวลผลไม่ได้ขาดแคลนอีกต่อไป สถาปัตยกรรมโมเดลกำลังมีความเป็นเนื้อเดียวกันมากขึ้น และขีดจำกัดบนที่แท้จริงของปัญญาประดิษฐ์คือข้อมูลที่ ปรับแต่ง อย่างระมัดระวัง สิ่งที่ Meta ซื้อในราคาที่สูงลิ่วไม่ใช่บริษัทเอาท์ซอร์ส แต่เป็น สิทธิ์ในการขุดน้ำมัน ของยุค AI
ในเรื่องราวของเกม Monopoly มักจะมีผู้ก่อกบฏอยู่เสมอ
ในขณะที่แพลตฟอร์มรวมข้อมูลบนคลาวด์พยายามโค่นล้มบริการคลาวด์คอมพิวติ้งแบบรวมศูนย์ Sahara AI ก็พยายามเขียนกฎการกระจายค่าของคำอธิบายข้อมูลใหม่ทั้งหมดโดยใช้บล็อคเชน ข้อบกพร่องร้ายแรงของโมเดลคำอธิบายข้อมูลแบบดั้งเดิมไม่ใช่ปัญหาทางเทคนิค แต่เป็นปัญหาด้านการออกแบบแรงจูงใจ
แพทย์อาจได้รับเงินเพียงไม่กี่สิบเหรียญสหรัฐจากการติดฉลากภาพทางการแพทย์เพียงไม่กี่ชั่วโมง ในขณะที่โมเดล AI ที่ได้รับการฝึกด้วยข้อมูลเหล่านี้มีมูลค่าหลายพันล้านเหรียญสหรัฐ แต่แพทย์กลับไม่ได้รับแม้แต่เพนนีเดียว การกระจายมูลค่าที่ไม่เป็นธรรมอย่างยิ่งนี้ทำให้ความเต็มใจที่จะให้ข้อมูลที่มีคุณภาพสูงถูกกดทับลงอย่างมาก
ด้วยกลไกกระตุ้นโทเค็น web3 พวกเขาไม่ใช่ แรงงานข้ามชาติ ที่ใช้ข้อมูลราคาถูกอีกต่อไป แต่เป็น ผู้ถือหุ้น ที่แท้จริงของเครือข่าย AI LLM เห็นได้ชัดว่าข้อได้เปรียบของ web3 ในการแปลงความสัมพันธ์การผลิตนั้นเหมาะสำหรับสถานการณ์การติดฉลากข้อมูลมากกว่าพลังการประมวลผล
ที่น่าสนใจคือ Sahara AI บังเอิญอยู่ในโหนด TGE ที่ Meta ได้มาในราคาที่สูงลิ่ว เป็นเรื่องบังเอิญหรือเป็นการวางแผนอย่างรอบคอบกันแน่ ในความคิดของฉัน นี่สะท้อนถึงจุดเปลี่ยนของตลาด: ทั้ง Web3 AI และ Web2 AI ต่างก็ก้าวจาก พลังการประมวลผลแบบปริมาณมาก ไปสู่จุดตัดของ คุณภาพข้อมูลแบบปริมาณมาก
ในขณะที่ยักษ์ใหญ่แบบดั้งเดิมใช้เงินเพื่อสร้างอุปสรรคด้านข้อมูล Web3 กลับใช้ Tokenomics เพื่อสร้างการทดลอง การประชาธิปไตยข้อมูล ที่ยิ่งใหญ่กว่า
