大家都在爭相談論更強大的AI模型,更便宜的推理,更智能的代理。
但真正的AI競賽可能並不在於模型。
而是在於數據。
- 因爲任何模型都可以進行微調。
- 推理也會越來越便宜。
- 代理也會越來越容易構建。
但可信的數據卻不容易產生。
- 數據需要明確的來源。
- 需要真實的貢獻者。
- 需要透明的追蹤。
- 需要激勵讓貢獻者持續創造價值。
這就是我覺得OpenLedger非常有趣的原因。
- OpenLedger並不試圖成爲新的ChatGPT或Gemini。
它在押注於AI背後的基礎層:可信的數據管道。
- 一個系統,在這裏數據不僅僅被提取,使用後就消失。
而是可以被記錄、驗證並與其創造的價值掛鉤。
在未來,AI可能不會缺少模型。
=> AI最缺少的可能就是足夠乾淨、足夠可靠和足夠透明的數據。
這可能是OpenLedger找到真正優勢的地方。
@OpenLedger #OpenLedger #OPEN #Web3 $OPEN
但真正的AI競賽可能並不在於模型。
而是在於數據。
- 因爲任何模型都可以進行微調。
- 推理也會越來越便宜。
- 代理也會越來越容易構建。
但可信的數據卻不容易產生。
- 數據需要明確的來源。
- 需要真實的貢獻者。
- 需要透明的追蹤。
- 需要激勵讓貢獻者持續創造價值。
這就是我覺得OpenLedger非常有趣的原因。
- OpenLedger並不試圖成爲新的ChatGPT或Gemini。
它在押注於AI背後的基礎層:可信的數據管道。
- 一個系統,在這裏數據不僅僅被提取,使用後就消失。
而是可以被記錄、驗證並與其創造的價值掛鉤。
在未來,AI可能不會缺少模型。
=> AI最缺少的可能就是足夠乾淨、足夠可靠和足夠透明的數據。
這可能是OpenLedger找到真正優勢的地方。
@OpenLedger #OpenLedger #OPEN #Web3 $OPEN