币安说6月1日发新产品,
他们说是美股来了
但是我看图,配上的是一堆草
我想牛🐮是吃草的
所以我猜牛市要来了!
当然,以上纯属个人脑洞,大家看看乐呵一下就行。最近市场情绪确实比前段时间活跃不少,大家讨论的话题也开始从熊市生存重新回到未来机会。
聊了这么多天 @OpenLedger ,今天换个角度。
很多项目都会重点讲自己的优势和愿景,但真正值得长期关注的项目,也需要接受风险层面的讨论。因为决定一个项目最终高度的,往往是它能否跨过那些潜在的结构性障碍。
对于 OpenLedger 来说,目前最值得关注的风险主要有三个。
1️⃣高质量数据供给不足。
OpenLedger希望建立一个开放的数据网络,但AI训练真正需要的是高质量、可验证、持续更新的数据。数据数量并不等于数据价值。如果未来生态内的数据质量无法持续提升,模型训练效果就会受到影响,进而影响整个网络的吸引力。
2️⃣模型需求不足。
数据网络建立起来之后,最终还需要有人使用这些模型。开发者、企业以及AI应用方是否愿意持续接入,决定了整个生态能否形成价值闭环。技术层面做得再完善,如果缺少真实需求支撑,增长速度也会受到限制。
3️⃣ Attribution 机制过于复杂。
这是 OpenLedger 最有特色的设计之一,也是挑战最大的部分之一。项目希望记录数据贡献,并将收益分配给对应参与者。但随着数据规模扩大、模型复杂度提升,如何准确衡量每一份数据的贡献价值,本身就是一个非常复杂的问题。
这些风险并不意味着项目一定会失败,反而说明 OpenLedger 正在尝试解决一些行业里最难的问题。数据、模型和收益分配如果能够形成正向循环,它的发展空间会非常大。
#openledger $OPEN