Nuevo paradigma de la economía de datos de IA: la ambición de DIN y la venta de nodos desde la perspectiva del procesamiento modular de datos
En la actualidad, la IA es sin duda uno de los sectores más populares a nivel global. Tanto startups innovadoras como gigantes tradicionales, desde OpenAI en Silicon Valley hasta Moonshot y Zhipu Qingyan en China, están participando activamente en esta revolución de la inteligencia artificial.
Prólogo
En la actualidad, la IA es sin duda uno de los sectores más populares a nivel global. Tanto startups innovadoras como grandes empresas tradicionales, desde OpenAI en Silicon Valley hasta Moonshot y Zhipu Qingyan en China, se han sumado a esta revolución de la IA. No solo lidera las tendencias en el ámbito tecnológico, sino que también es uno de los sectores más destacados en el mercado de criptomonedas este año. Observando los proyectos listados en los principales CEX este año, a pesar de la reciente volatilidad del mercado, el líder de IA Bittensor (TAO) sigue encabezando todos los nuevos tokens de este año con un retorno superior a 5 veces. A medida que la tecnología de IA sigue desarrollándose y aplicándose, los datos, como base fundamental del desarrollo de la IA, se vuelven cada vez más importantes.
En la era de la IA, la importancia y el valor potencial de los datos han alcanzado un nivel sin precedentes
Según las estadísticas, las principales empresas de modelos de IA actualmente necesitan procesar y consumir cientos de millones de conjuntos de datos cada año. La eficacia y precisión de estos datos afectan directamente el resultado del entrenamiento de los modelos de IA. Sin embargo, el coste de obtención de datos sigue aumentando, convirtiéndose en un gran desafío para todas las empresas de IA.
La optimización del rendimiento se sostiene en el creciente consumo de datos
En el mercado actual, las empresas de grandes modelos procesan y consumen enormes cantidades de datos cada año. Por ejemplo, OpenAI utilizó aproximadamente 45TB de datos de texto para entrenar el modelo GPT-3, y el coste de entrenamiento de GPT-4 alcanzó los 78 millones de dólares; el coste computacional para entrenar el modelo Gemini Ultra de Google fue de unos 191 millones de dólares. Esta enorme demanda de datos no se limita a OpenAI; otras empresas de IA como Google y Meta también necesitan procesar grandes volúmenes de datos al entrenar modelos de IA a gran escala.
La eficacia de los datos requiere atención
Los datos efectivos deben ser de alta calidad, sin sesgos y con información de características rica, para asegurar que el modelo de IA pueda aprender de ellos y hacer predicciones precisas. Por ejemplo, OpenAI utilizó datos de texto de diversas fuentes, incluidos libros, artículos y sitios web, para entrenar GPT-3, garantizando la diversidad y representatividad de los datos. Sin embargo, la eficacia de los datos no solo depende de su origen, sino que también involucra procesos de limpieza, etiquetado y preprocesamiento, los cuales requieren una gran inversión de recursos humanos y materiales.
La economía no debe ser ignorada: el coste de la recopilación y procesamiento de datos
En la práctica del entrenamiento de modelos de IA, los costes de recopilación, etiquetado y procesamiento de datos suelen subestimarse, pero pueden ser muy significativos. En concreto, el etiquetado de datos es un proceso que consume mucho tiempo y es costoso, y a menudo requiere trabajo manual. Una vez recopilados los datos, es necesario limpiarlos, organizarlos y procesarlos para que los algoritmos de IA puedan utilizarlos eficazmente. Según un informe de McKinsey, el coste de entrenar un modelo de IA a gran escala puede alcanzar varios millones de dólares. Además, la construcción y el mantenimiento de los centros de datos y la infraestructura computacional de las empresas de IA también representan un gasto considerable.
En resumen, el entrenamiento de grandes modelos de IA depende de grandes cantidades de datos de alta calidad, y la cantidad, eficacia y coste de adquisición de estos datos determinan directamente el rendimiento y el éxito de los modelos de IA. En el futuro, a medida que la tecnología de IA siga avanzando, la eficiencia en la obtención y utilización de datos será un factor clave en la competencia entre empresas de IA.
Capa de preprocesamiento de datos modular: una solución de datos de IA descentralizada basada en blockchain
En este contexto, DIN (anteriormente Web3Go) surge como la primera capa modular de preprocesamiento de datos nativa de IA. DIN tiene como objetivo permitir, mediante la validación descentralizada de datos y el procesamiento vectorial, que cualquier persona pueda proporcionar datos a la IA y recibir recompensas, liderando una nueva economía de datos donde todos pueden monetizar sus datos personales y las empresas pueden obtener datos de manera más eficiente y económica. Actualmente, DIN ha recibido una financiación semilla de 4 millones de dólares de Binance Labs, y posteriormente ha obtenido otros 4 millones de dólares en financiación pre-listing de otras instituciones, comunidades y redes de KOL, con una valoración actual de 80 millones de dólares, lo que demuestra el gran reconocimiento del mercado a su potencial y desarrollo futuro. Sus socios incluyen Polkadot, BNB Chain, Moonbeam Network y Manta Network, entre otros.
Nodo de preprocesamiento de datos de DIN – Chipper Node
La posición de mercado de DIN es muy clara, dedicada a establecer una red de inteligencia de datos descentralizada en el ámbito de la IA y los datos.Chipper Node desempeña un papel importante en el ecosistema DIN,siendo responsable de la validación de datos, el procesamiento vectorial y el cálculo de recompensas, y es un componente central de la capa de preprocesamiento de datos de DIN.
Disclaimer: The content of this article solely reflects the author's opinion and does not represent the platform in any capacity. This article is not intended to serve as a reference for making investment decisions.
You may also like
¿Es SpaceX una acción de IA defensiva?
Mientras las acciones de IA enfrentan presión, Morgan Stanley respalda a SpaceX por tener el atributo defensivo más fuerte, manteniendo el precio objetivo de 300 dólares. Los analistas consideran que sus negocios aeroespaciales y Starlink crean un foso de flujo de efectivo, mientras que el potencial a largo plazo de la “IA orbital” está prácticamente valorado en cero por el mercado. Sumando la sobresaliente capacidad de ejecución de crisis de Elon Musk, el momento actual representa una ventana ideal para apostar a bajo precio por el gigante de la IA basada en el espacio.
Morgan Stanley le dio a SpaceX (SPCX.US) una nueva etiqueta: un "colchón de seguridad" en medio de la turbulencia de la IA, con un precio objetivo de 300 dólares.
En medio de una venta de pánico de las acciones conceptuales de IA, el analista de Morgan Stanley, Adam Jonas, transmitió a sus clientes un juicio bastante inusual: SpaceX podría ser precisamente uno de los objetivos de IA con una cualidad defensiva relativamente más fuerte durante esta ronda de volatilidad.
Desde la ola de Token hasta el océano azul de servidores AI valorados en 1,3 billones de dólares: el poder de cómputo para la inferencia AI explota completamente, líderes como Dell entran en una era dorada de “precio, volumen y participación en el mercado”.
Dell y otros líderes mundiales en la fabricación de clusters de servidores AI están compartiendo simultáneamente dos ventajas de crecimiento: la aceleración en la expansión del mercado de servidores AI y el aumento significativo en la participación de pedidos por parte de clientes clave en la computación en la nube AI, como grandes empresas y nuevas plataformas en la nube, y no solo se benefician pasivamente del aumento de precios del hardware.
La ola de aumentos de precios en servicios de nube con GPU: Nebius vuelve a subir tarifas un 20%, el lado de la oferta de poder de cómputo obtiene poder de negociación
Nebius aumentará los precios de todos sus servicios de nube GPU en aproximadamente un 20% a partir del 1 de octubre; varios chips, desde H100 hasta B300, verán incrementos. Esta es la segunda subida de precios en pocos meses, y el B300 acumula un aumento total del 56%. La visibilidad de la demanda supera los 24 meses y los clientes están comprando potencia de Blackwell, incluso dispuestos a pujar por encima del precio. El desequilibrio entre la oferta y la demanda de capacidad de IA está remodelando todo el panorama de negociación de la industria, con el poder de fijar precios trasladándose discretamente al lado de la oferta.
Crypto prices
More
