AI数据赛道的潜力与Web3 DataFi的兴起

近期，AI圈最引人注目的事件莫过于Meta展现出的强大实力。扎克伯格四处招募人才，组建了一支以华人科研人才为主的豪华AI团队。其中，年仅28岁的Alexander Wang成为了领队。Wang曾创立估值290亿美元的Scale AI，为包括美国军方、OpenAI、Anthropic和Meta在内的多家AI巨头提供数据服务。Scale AI的核心业务是提供大量准确的标注数据。

Scale AI之所以能在众多独角兽中脱颖而出，关键在于它早早认识到了数据在AI产业中的重要性。算力、模型和数据是AI模型的三大支柱。如果将大模型比作一个人，那么模型是身体、算力是食物，而数据则是知识和信息。

在大语言模型快速发展的过程中，业界的重点经历了从模型到算力的转移。如今，大多数模型都采用transformer作为框架，偶尔会有MoE或MoRe等创新。各大巨头要么自建超级计算集群，要么与AWS等云服务提供商签订长期协议。在解决了算力这一基础问题后，数据的重要性逐渐凸显。

与传统的To B大数据公司不同，Scale AI致力于为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，还涉及更长远的数据生成业务。公司还组建了由不同领域人工专家组成的AI训练团队，为AI模型提供更高质量的训练数据。

模型训练分为预训练和微调两个阶段。预训练阶段类似于婴儿学习说话的过程，需要向AI模型输入大量从网上爬取的文本、代码等信息。微调阶段则类似于学校教育，通常有明确的对错、答案和方向。通过特定的数据集，我们可以培养模型具备所需的能力。

因此，所需的数据也分为两类：一类是无需过多处理的大量数据，通常来自Reddit、Twitter、Github等UGC平台的爬虫数据、公开文献数据库和企业私有数据库；另一类则需要精细设计和筛选，以培养模型的特定优良品质，这需要进行数据清洗、筛选、标注和人工反馈等工作。

随着模型能力的进一步提升，各种更加精细、专业的训练数据将成为模型能力的关键影响因素。从长远来看，AI数据也是一个具备滚雪球能力的长期主义赛道，随着前期工作的积累，数据资产将具备复利能力，越老越有价值。

在Web3领域，DataFi的概念应运而生。Web3 DataFi具有多方面优势：

1. 智能合约保障数据主权、安全和隐私
2. 天然的地理套利优势，吸引最适合的全球分布式劳动力
3. 区块链明确的激励和结算优势
4. 有利于构建更加高效、开放的"一条龙"数据市场

对于普通用户而言，DataFi是最有利于参与的去中心化AI项目。用户无需签订数据工厂合同，只需登录钱包即可通过完成各种简单任务参与其中，如提供数据、对模型进行评估、利用AI工具进行简单创作或参与数据交易等。

目前，Web3 DataFi领域已涌现出一批潜力项目，如Sahara AI、Yupp、Vana、Chainbase、Sapien、Prisma X、Masa、Irys、ORO和Gata等。这些项目分别专注于不同的数据服务领域，包括数据收集、模型评估、个人数据货币化、链上数据索引等。

虽然当前这些项目的壁垒普遍不高，但一旦积累了用户和生态粘性，平台优势将迅速累积。因此，早期项目应在激励措施和用户体验上着重发力。同时，这些数据平台还需要考虑如何管理人工、保障数据产出的质量，避免出现劣币驱逐良币的情况。

此外，提高透明度也是当前链上项目面临的一个重要挑战。越来越多的项目需要展现出公开、透明的长期决心，以推动Web3 DataFi的健康发展。

DataFi的大规模应用路径包括两个方面：一是吸引足够多的普通用户参与数据采集和生成，形成AI经济的消费者群体；二是获得主流大公司的认可，因为短期内它们仍是数据大单的主要来源。

总的来说，DataFi代表着人类智能长期培育机器智能的过程，同时通过智能合约保障人类劳动的收益，最终实现机器智能对人类的反哺。对于那些对AI时代充满不确定性的人来说，加入DataFi不失为一个顺应趋势的明智选择。