المؤلف: هاوتيان، المصدر: X، @tmel0211
من جهة، أنفقت شركة ميتا 14.8 مليار دولار للاستحواذ على ما يقرب من نصف أسهم شركة سكيل للذكاء الاصطناعي، وثارت ضجة في وادي السيليكون بأكمله زاعمةً أن الشركات العملاقة استخدمت أسعارًا باهظة لإعادة تسعير "تصنيف البيانات". من جهة أخرى، لا تزال شركة @SaharaLabsAI، التي على وشك الاستحواذ على TGE، عالقة في فخ تحيز Web3 AI المتمثل في "استخدام المفاهيم وعدم القدرة على إثبات نفسها". ما الذي أغفله السوق تحديدًا وراء هذا التناقض الهائل؟
أولًا، يُعد تصنيف البيانات مسارًا أكثر قيمة من تجميع قوة الحوسبة اللامركزية.
إن قصة تحدي شركات الحوسبة السحابية العملاقة ذات وحدات معالجة الرسومات الخاملة مثيرة للاهتمام حقًا، لكن قوة الحوسبة في جوهرها سلعة موحدة، والفرق يكمن أساسًا في السعر والتوافر. يبدو أن ميزة السعر قادرة على سد ثغرة في احتكار الشركات العملاقة، إلا أن التوافر يخضع للتوزيع الجغرافي، وتأخر الشبكة، وقلة حوافز المستخدمين. بمجرد أن تخفض الشركات العملاقة الأسعار أو تزيد العرض، ستتلاشى هذه الميزة في لحظة.
تصنيف البيانات مختلف تمامًا - إنه مجال متمايز يتطلب حكمة بشرية وحكمة مهنية. كل تصنيف عالي الجودة يحمل معرفة مهنية فريدة، وخلفية ثقافية، وخبرة معرفية، وما إلى ذلك، والتي لا يمكن "توحيدها" ونسخها مثل قوة الحوسبة في وحدة معالجة الرسومات.
يتطلب تصنيف تشخيص دقيق لتصوير السرطان حدسًا مهنيًا لطبيب أورام كبير؛ ولا يمكن فصل تحليل مشاعر السوق المالية الخبير عن الخبرة العملية لـ "وول ستريت تريدر". هذه الندرة الطبيعية وعدم القدرة على الاستبدال يمنحان "تصنيف البيانات" عمقًا هائلاً لا يمكن لقوة الحوسبة الوصول إليه. في 10 يونيو، أعلنت ميتا رسميًا عن استحواذها على 49% من أسهم شركة تصنيف البيانات Scale AI مقابل 14.8 مليار دولار أمريكي، وهو أكبر استثمار فردي في مجال الذكاء الاصطناعي هذا العام. والجدير بالذكر أن ألكسندر وانغ، المؤسس والرئيس التنفيذي لشركة Scale AI، سيتولى أيضًا رئاسة مختبر أبحاث "الذكاء الفائق" الذي أنشأته ميتا حديثًا. كان رائد الأعمال الصيني البالغ من العمر 25 عامًا قد ترك دراسته في جامعة ستانفورد عندما أسس Scale AI عام 2016. واليوم، تُقدر قيمة الشركة التي يديرها بـ 30 مليار دولار. قائمة عملاء Scale AI هي "مجموعة من النجوم" في صناعة الذكاء الاصطناعي: OpenAI، وTesla، وMicrosoft، ووزارة الدفاع الأمريكية، وغيرها، جميعهم شركاء على المدى الطويل. تتخصص الشركة في تقديم خدمات شرح البيانات عالية الجودة لتدريب نماذج الذكاء الاصطناعي ولديها أكثر من 300000 معلق مدربين تدريبًا احترافيًا. كما ترى، بينما لا يزال الجميع يتجادلون حول أي نموذج لديه أعلى درجة، نقل اللاعبون الحقيقيون ساحة المعركة بهدوء إلى مصدر البيانات. بدأت "حرب سرية" للسيطرة على مستقبل الذكاء الاصطناعي. يكشف نجاح Scale AI عن حقيقة تم تجاهلها: لم تعد قوة الحوسبة نادرة، وتميل هياكل النماذج إلى أن تكون متجانسة، وما يحدد حقًا الحد الأعلى لذكاء الذكاء الاصطناعي هو البيانات "المضبوطة" بعناية. ما اشترته ميتا بسعرٍ باهظٍ لم يكن شركة تعهيد، بل "حقوق تعدين النفط" في عصر الذكاء الاصطناعي.
دائمًا ما يكون هناك متمردون في قصص الاحتكار.
وكما تحاول منصات تجميع الحوسبة السحابية تقويض خدمات الحوسبة السحابية المركزية، تحاول شركة Sahara AI استخدام تقنية البلوك تشين لإعادة صياغة قواعد توزيع القيمة لشرح البيانات بالكامل. إن العيب الفادح في نموذج شرح البيانات التقليدي ليس مشكلة تقنية، بل مشكلة في تصميم الحوافز.
قد لا يحصل الطبيب إلا على بضع عشرات من الدولارات كأجور عمل لبضع ساعات من شرح الصور الطبية، بينما تبلغ قيمة نموذج الذكاء الاصطناعي المُدرّب بهذه البيانات مليارات الدولارات، لكن الطبيب لا يحصل على أي شيء. هذا التوزيع غير العادل للقيمة يُضعف بشكل كبير الرغبة في توفير بيانات عالية الجودة. بفضل آلية حوافز رمز web3، لم يعودوا مجرد "عمال مهاجرين" للبيانات بأسعار زهيدة، بل أصبحوا "مساهمين" حقيقيين في شبكة AI LLM. من الواضح أن ميزة web3 في تحويل علاقات الإنتاج أكثر ملاءمةً لسيناريوهات شرح البيانات منها لقوة الحوسبة. ومن المثير للاهتمام أن Sahara AI كانت ضمن عقدة TGE التي استحوذت عليها Meta بسعر باهظ. هل هي مصادفة أم خطة مدروسة؟ في رأيي، يعكس هذا في الواقع نقطة تحول في السوق: فقد انتقل كلٌّ من Web3 AI وWeb2 AI من "قوة حوسبة حجمية" إلى مفترق طرق "جودة بيانات حجمية". بينما تستخدم الشركات العملاقة التقليدية المال لبناء حواجز البيانات، تستخدم Web3 Tokenomics لبناء تجربة أوسع نطاقًا "لتعميم البيانات".