AI數據賽道的潛力與Web3 DataFi的興起

近期，AI圈最引人注目的事件莫過於Meta展現出的強大實力。扎克伯格四處招募人才，組建了一支以華人科研人才爲主的豪華AI團隊。其中，年僅28歲的Alexander Wang成爲了領隊。Wang曾創立估值290億美元的Scale AI，爲包括美國軍方、OpenAI、Anthropic和Meta在內的多家AI巨頭提供數據服務。Scale AI的核心業務是提供大量準確的標注數據。

Scale AI之所以能在衆多獨角獸中脫穎而出，關鍵在於它早早認識到了數據在AI產業中的重要性。算力、模型和數據是AI模型的三大支柱。如果將大模型比作一個人，那麼模型是身體、算力是食物，而數據則是知識和信息。

在大語言模型快速發展的過程中，業界的重點經歷了從模型到算力的轉移。如今，大多數模型都採用transformer作爲框架，偶爾會有MoE或MoRe等創新。各大巨頭要麼自建超級計算集羣，要麼與AWS等雲服務提供商籤訂長期協議。在解決了算力這一基礎問題後，數據的重要性逐漸凸顯。

與傳統的To B大數據公司不同，Scale AI致力於爲AI模型打造堅實的數據基礎。其業務不僅包括對現有數據的挖掘，還涉及更長遠的數據生成業務。公司還組建了由不同領域人工專家組成的AI訓練團隊，爲AI模型提供更高質量的訓練數據。

模型訓練分爲預訓練和微調兩個階段。預訓練階段類似於嬰兒學習說話的過程，需要向AI模型輸入大量從網上爬取的文本、代碼等信息。微調階段則類似於學校教育，通常有明確的對錯、答案和方向。通過特定的數據集，我們可以培養模型具備所需的能力。

因此，所需的數據也分爲兩類：一類是無需過多處理的大量數據，通常來自Reddit、Twitter、Github等UGC平台的爬蟲數據、公開文獻數據庫和企業私有數據庫；另一類則需要精細設計和篩選，以培養模型的特定優良品質，這需要進行數據清洗、篩選、標注和人工反饋等工作。

隨着模型能力的進一步提升，各種更加精細、專業的訓練數據將成爲模型能力的關鍵影響因素。從長遠來看，AI數據也是一個具備滾雪球能力的長期主義賽道，隨着前期工作的積累，數據資產將具備複利能力，越老越有價值。

在Web3領域，DataFi的概念應運而生。Web3 DataFi具有多方面優勢：

1. 智能合約保障數據主權、安全和隱私
2. 天然的地理套利優勢，吸引最適合的全球分布式勞動力
3. 區塊鏈明確的激勵和結算優勢
4. 有利於構建更加高效、開放的"一條龍"數據市場

對於普通用戶而言，DataFi是最有利於參與的去中心化AI項目。用戶無需籤訂數據工廠合同，只需登入錢包即可通過完成各種簡單任務參與其中，如提供數據、對模型進行評估、利用AI工具進行簡單創作或參與數據交易等。

目前，Web3 DataFi領域已湧現出一批潛力項目，如Sahara AI、Yupp、Vana、Chainbase、Sapien、Prisma X、Masa、Irys、ORO和Gata等。這些項目分別專注於不同的數據服務領域，包括數據收集、模型評估、個人數據貨幣化、鏈上數據索引等。

雖然當前這些項目的壁壘普遍不高，但一旦積累了用戶和生態粘性，平台優勢將迅速累積。因此，早期項目應在激勵措施和用戶體驗上着重發力。同時，這些數據平台還需要考慮如何管理人工、保障數據產出的質量，避免出現劣幣驅逐良幣的情況。

此外，提高透明度也是當前鏈上項目面臨的一個重要挑戰。越來越多的項目需要展現出公開、透明的長期決心，以推動Web3 DataFi的健康發展。

DataFi的大規模應用路徑包括兩個方面：一是吸引足夠多的普通用戶參與數據採集和生成，形成AI經濟的消費者羣體；二是獲得主流大公司的認可，因爲短期內它們仍是數據大單的主要來源。

總的來說，DataFi代表着人類智能長期培育機器智能的過程，同時通過智能合約保障人類勞動的收益，最終實現機器智能對人類的反哺。對於那些對AI時代充滿不確定性的人來說，加入DataFi不失爲一個順應趨勢的明智選擇。