數據即資産：DataFi 正在開啓新藍海

作者：Biteye核心貢獻者 @anci_hu49074

「我們正處於全球競相構建最佳基礎模型的時代。計算能力和模型架構雖然重要，但真正的護城河是訓練數據」

——Sandeep Chinchali，Story首席AI官

從Scale AI談起，聊聊AI Data賽道的潛力

要說本月AI圈最大的八卦，莫過於Meta展現鈔能力，紮克伯格四處招募人才，組建了一支以華人科研人才為主的豪華 Meta AI 團隊。領隊正是年僅 28 歲、創建了 Scale AI 的 Alexander Wang。他一手創建了Scale AI，目前估值290億美金， 服務對象既包括美國軍方，也覆蓋OpenAI、Anthropic、Meta等等的多家有競爭關係的AI巨頭，都要依靠Scale AI提供的數據服務，而Scale AI的核心業務便是提供大量準確的標注數據（labeled data）。

為什麼Scale AI可以從一眾獨角獸中脫穎而出？

原因就在於它早早發現了數據在AI産業中的重要性。

算力、模型、數據是AI模型的三大支柱。如果把大模型比成一個人的話，那麼模型是身體、算力是食物，而數據，就是知識/信息。

在LLM拔地而起發展至今的歲月裡，業界的發展重點也經歷了從模型到算力的轉移，如今大多數模型都已確立了transformer作為模型框架，偶爾創新MoE或MoRe等；各大巨頭或者是自建Super Clusters完成算力長城，或者是和AWS等實力雄厚的雲服務簽訂長期協議；搞定了算力的基礎溫飽，數據的重要性就逐漸凸顯了。

與 Palantir 等二級市場聲名顯赫的傳統 To B 大數據公司不同，Scale AI公司如其名，致力於為AI模型打造堅實的數據基礎，其業務不止於對現有數據等挖掘，還將眼光投向更長遠的數據生成業務，並試圖通過不同領域的人工專家組成AI trainer團隊，為AI模型的訓練提供更加優質的訓練數據。

如果你對這個業務不以為然，那麼我們不妨先看看模型是如何訓練的。

模型的訓練分為兩個部分——預訓練和微調。

預訓練的部分，有點像人類的嬰兒逐漸學會說話的過程，我們通常需要的是喂給AI模型大量從網上爬蟲獲取的文本、代碼等信息，模型通過自我學習這些内容，學會說人話（學術上叫做自然語言），具備基礎的溝通能力。

微調的部分，就類似去學校讀書，通常有明確的對錯、答案和方向。學校會根據各自的定位，把學生們培養成不同的人才。而我們也會通過一些事先處理好的、有針對的數據集，把模型訓練得具備我們期待的能力。

至此，聰明的你可能已經明了，我們需要的數據也分為兩部分。

• 一部分數據不需要經過太多處理，足夠多就好，通常來自例如Reddit、Twitter、Github等大型UGC平台的爬蟲數據、公開文獻數據庫、企業私有數據庫等。
• 另一部分，就像專業的課本，需要精細的設計和篩選，確保能夠培養模型特定的優良品質，這就需要我們進行一些必要的數據清洗、篩選、打標簽、人工反饋等工作。

這兩部分數據集，就構成了AI Data賽道的主體。不要小看這些看似沒什麼科技含量的數據集，目前主流觀點認為，隨著Scaling laws中算力優勢的逐漸失效，數據將成為不同大模型廠商保持競爭優勢的最重要支柱。

隨著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為模型能力的關鍵影響變量。如果我們更進一步把模型的訓練比作武林高手的養成，那麼優質的數據集，就是最上乘的武功秘籍（要想把這個比喻補充完整，也可以說算力是靈丹妙藥、模型是本身資質)。

縱向來看，AI Data也是一個具備滾雪球能力的長期主義賽道，隨著前期工作的積累，數據資産也將具備復利能力，越老越吃香。

Web3 DataFi：天選AI Data沃土

相比Scale AI在菲律賓、委内瑞拉等地組建的幾十萬人的遠程人工標記團隊，Web3在進行AI 數據領域上有天然的優勢，DataFi的新名詞也隨之誕生。

在理想情況下，Web3 DataFi的優勢如下：

1. 智能合約保障的數據主權、安全和隱私

在現存公開數據即將被開發用盡的階段，如何進一步挖掘未公開數據、甚至是隱私數據，是獲取拓展數據源的一個重要方向。這就面臨一個重要的信任選擇的問題——你是選擇中心化大公司的一紙合同買斷制，出賣自己手上的數據；還是選擇區塊鏈上的方式，繼續把數據IP握在手中的同時，還能夠通過智能合約清晰明了的明白：自己的數據被何人何時何事使用。

同時，對於敏感信息，還有可以通zk、TEE等方式，保證你的隱私數據只有守口如瓶的機器經手，而不會被洩露。

2. 天然的地理套利優勢：自由的分佈式架構，吸引最適合的勞動力

或許是時候挑戰一下傳統的勞動生産關係了。與其像Scale AI這樣全世界尋找低價勞動力，不如發揮區塊鏈的分佈式特點，並通過由智能合約保障的公開、透明的激勵措施，讓分散在全世界的勞動力都能夠參與到數據貢獻中去。

對於數據打標、模型評估等人力密集工作，相比於中心化的建立數據工廠的方式，使用Web3 DataFi的方式還有利於參與者的多樣性，這對避免數據的偏見也有長遠意義。

3. 區塊鏈明確的激勵和結算優勢

如何避免「江南皮革廠」式的悲劇？自然是用智能合約明碼標價的激勵制度，取代人性的陰暗。

在不可避免的去全球化背景下，如何繼續實現低成本的地理套利？滿世界開公司顯然已經更難了，那不如繞過舊世界的藩籬，擁抱鏈上結算的方式吧。

4. 有利於構建更加高效、開放的「一條龍」數據市場

「中間商賺差價」是供需雙方永遠的痛，與其讓一個中心化的數據公司充當中間商，不如在鏈上創建平台，通過像淘寶一樣公開的市場，讓數據的供求雙方能夠更加透明、高效的對接。

隨著鏈上AI生態的發展，鏈上的數據需求將更加旺盛、細分和多樣，只有去中心化的市場能夠高效的消化這種需求，並轉化成生態的繁榮。

對於散戶而言，DataFi也是最有利於普通散戶參與的去中心化AI項目。

雖然AI工具的出現一定程度降低了學習門檻，去中心化AI的初衷也是打破當下巨頭壟斷AI生意的格局；但不得不承認，當前的許多項目對於毫無技術背景的散戶而言，可參與性並不強——參與去中心化算力網絡挖礦往往伴隨著昂貴的前期硬件投入，模型市場的技術門檻又總能輕易讓普通參與者望而卻步。

相比之下，是普通用戶可以在AI革命中抓住的為數不多的機會——Web3讓你不需要簽下一份數據血工廠的合同，只需要鼠標一點登錄下錢包，就可以通過完成各種簡單的任務參與其中，包括：提供數據、根據人腦的直覺和本能對模型進行打標、評估等簡單工作、或者進一步利用AI工具進行一些簡單的創作、參與數據交易等。對於撸毛黨老司機們，難度值基本為零。

Web3 DataFi的潛力項目

錢流向了哪裡，方向就在哪裡。除了Web2世界中 Scale AI獲Meta投資143億美金、Palantir一年内股票狂飙5倍+以外，Web3融資中，DataFi賽道的表現也十分優秀。這裡我們對這些項目做一個簡單的介紹。

Sahara AI， @SaharaLabsAI，融資4900萬美金

Sahara AI的最終目標是打造一個去中心化AI的超級基礎設施和交易市場，試水的第一個板塊就是AI Data，其DSP （Data Services Platform，數據服務平台）公測版將於7月22日上綫，用戶可以通過貢獻數據、參與數據打標等任務獲得代幣獎勵。

鏈接：app.saharaai.com

Yupp， @yupp_ai ，融資3300萬美金

Yupp是一個AI模型的反饋平台，主要收集用戶對模型輸出内容的反饋。當前的主要任務是用戶可以對比不同模型對同一個prompt的輸出，然後評選出個人認為更好的那一個。完成任務可以獲取Yupp積分，Yupp積分可以進一步兌換成USDC等法幣穩定幣。

鏈接：https://yupp.ai/

Vana， @vana，融資2300萬美金

Vana的重點在於將用戶的個人數據（如社交媒體活動、浏覽記錄等）轉化為可貨幣化的數字資産。用戶可以授權將個人數據上傳到DataDAOs中相應的數據流動性池（DLP）中，這些數據將會被匯集起來，用於參與AI模型訓練等任務，用戶也將獲得相應的代幣獎勵。

鏈接：https://www.vana.org/collectives

Chainbase， @ChainbaseHQ，融資1650萬美金

Chainbase 的業務聚焦在鏈上數據，目前已覆蓋200多條區塊鏈，將鏈上活動化為結構化、可驗證且可貨幣化的數據資産，供dApp開發使用。Chainbase的業務主要通過多鏈索引等方式獲得，並通過其Manuscript 係統和 Theia AI 模型對數據加工，普通用戶目前可參與度不高。

Sapien， @JoinSapien，融資1550萬美金

Sapien的目標是將人類知識大規模轉化為高質量的 AI 訓練數據，任何人都可以在平台上進行數據標注工作，並通過同伴驗證的方式，保證數據的質量。同時鼓勵用戶建立長期信譽、或通過質押的方式做出承諾，賺取更多獎勵。

鏈接：https://earn.sapien.io/#hiw

Prisma X， @PrismaXai ， 融資1100萬美金

Prisma X想做機器人的開放協調層，其中物理數據收集是關鍵。這個項目目前處於早期階段，根據近期剛發佈的白皮書推測，參與方式可能有投資機器人收集數據、遠程操作機器人數據等方式。目前開放基於白皮書的quiz活動，可以參與賺積分。

鏈接：https://app.prismax.ai/whitepaper

Masa，@getmasafi，融資890萬美金

Masa是Bittensor生態的頭部子網項目之一，目前運營有42號數據子網和59號Agent子網。數據子網致力於提供實時訪問數據，目前主要是礦工通過TEE硬件爬取X/Twitter上的實時數據，對於普通用戶來說，參與難度和成本都比較大。

Irys， @irys_xyz，融資870萬美金

Irys專注於可編程數據存儲和計算，旨在為 AI、去中心化應用（dApps）和其他數據密集型應用提供高效、低成本的解決方案。數據貢獻方面目前看普通用戶可以參與的不多，但當前測試網階段有多重活動可以參與。

鏈接：https://bitomokx.irys.xyz/

ORO， @getoro_xyz，融資600萬美金

ORO想做的是賦能普通人參與AI貢獻。支持的方式有：1. 鏈接自己的個人賬號貢獻個人數據，包括社交賬號、健康數據、電商金融等賬號；2.完成數據任務。目前測試網已上綫，可以參與。

鏈接：app.getoro.xyz

Gata， @Gata_xyz， 融資400萬美金

定位為去中心化數據層，Gata目前推出了三個産品key參與：1. Data Agent：一係列只要用戶打開網頁就可以自動運行處理數據的AI Agent；2. AII-in-one Chat：類似與Yupp的模型評估賺取獎勵的機制；3. GPT-to-Earn：浏覽器插件，收集用戶在 ChatGPT 上的對話數據。

鏈接：https://app.gata.xyz/dataAgent

https://chromewebstore.google.com/detail/hhibbomloleicghkgmldapmghagagfao?utm_source=item-share-cb

怎樣看當下的這些項目？

目前看這些項目壁壘普遍不高，但要承認的是，一旦積累了用戶和生態粘性，平台優勢會迅速累積，因此早期的應在激勵措施、用戶體驗上著重發力，只有吸引到足夠的用戶才能做成數據這單大生意。

不過，作為人力密集型的項目，這些數據平台在吸引人工的同時，也要考慮如何管理人工、保障數據産出的質量。畢竟Web3許多項目的通病——平台上大部分用戶都只是無情的撸毛黨——他們為了獲得短期的利益往往犧牲質量，如果放任他們成為平台主力用戶，勢必會劣幣驅逐良幣，最終使數據質量得不到保障，也無法吸引來買家。目前我們看到Sahara、 Sapien等項目都已在數據質量上有所強調，努力與平台上的人工建立長期健康的合作關係。

另外，透明度不夠，是當下鏈上項目的又一問題所在。誠然，區塊鏈的不可能三角，讓許多項目在啓動階段都只能走一條「中心化帶動去中心化」的道路。但如今越來越多的鏈上項目給人的感觀，更像「披著Web3皮的Web2舊項目」——公開的可鏈上追蹤的數據寥寥無幾，甚至路綫圖上也很難看出公開、透明的長期決心。這對於Web3 DataFi的長期健康發展無疑是有毒的，我們也期待更多項目常懷初心，加快開放、透明的步伐。

最後，DataFi的mass adoption路徑也要分為兩個部分看：一部分是吸引到足夠多toC參與者加入到這個網絡，形成數據採集/生成工程的生力軍、AI經濟的消費者，組成生態閉環；另一部分則是得到目前主流to B大公司的認可，畢竟短期看財大氣粗的他們才是數據大單的主要來源。這方面我們也看到Sahara AI、Vana等都取得了不錯的進展。

結尾

宿命論一點說，DataFi是用人類智能長期哺育機器智能，同時以智能合約為契約，保障人類智能的勞動有所收益，並最終享受機器智能的反哺。

如果你在為AI時代的不確定性焦慮，如果你在幣圈的沉浮中依然懷有區塊鏈理想，那麼跟隨一眾資本大佬的腳步，加入DataFi不失為一個順勢而為的好選擇。

内容來源：PANews