Meta a dépensé 14,8 milliards de dollars pour acquérir près de la moitié des capitaux propres de l'AI

D'une part, Meta a dépensé 14,8 milliards de dollars pour acquérir près de la moitié des capitaux propres de l'IA à l'échelle, et toute la Silicon Valley a été choquée que le géant ait relevé «l'étiquetage des données» à un prix ciel

output: On one hand, Meta spent $14.8 billion to acquire nearly half of Scale AI’s equity, and the entire Silicon Valley was shocked that the giant repriced “data labeling” at a sky-high price; on the other hand, the upcoming TGE @SaharaLabsAI is still trapped under the Web3 AI bias label of “riding the concept and unable to prove itself”.

Sortie: D'une part, Meta a dépensé 14,8 milliards de dollars pour acquérir près de la moitié des capitaux propres de l'IA à l'échelle, et toute la Silicon Valley a été choquée que le géant ait réparé «l'étiquetage des données» à un prix élevé du ciel; D'un autre côté, le prochain TGE @Saharalabsai est toujours piégé sous l'étiquette de biais WEB3 de «monter le concept et incapable de faire ses preuves».

What is the market ignoring behind this huge contrast?

Qu'est-ce que le marché ignore derrière cet énorme contraste?

First of all, data labeling is a more valuable track than decentralized computing power aggregation.

Tout d'abord, l'étiquetage des données est une piste plus précieuse que l'agrégation de puissance de calcul décentralisée.

The story of using idle GPUs to challenge cloud computing giants is indeed exciting, but computing power is essentially a standardized commodity, and the difference lies mainly in price and availability. The price advantage seems to be able to find a gap in the monopoly of giants, but availability is subject to geographical distribution, network latency, and insufficient user incentives. Once the giants reduce prices or increase supply, this advantage will be wiped out in an instant.

L'histoire de l'utilisation de GPU inactifs pour défier les géants du cloud computing est en effet excitante, mais la puissance de calcul est essentiellement une marchandise standardisée, et la différence réside principalement dans le prix et la disponibilité. L'avantage du prix semble être en mesure de trouver une lacune dans le monopole des géants, mais la disponibilité est soumise à une distribution géographique, à la latence du réseau et à des incitations insuffisantes. Une fois que les Giants réduisent les prix ou augmentent l'offre, cet avantage sera anéanti en un instant.

Data labeling is completely different - this is a differentiated field that requires human wisdom and professional judgment. Each high-quality label carries unique professional knowledge, cultural background, cognitive experience, etc., which cannot be “standardized” and replicated like GPU computing power.

L'étiquetage des données est complètement différent - il s'agit d'un domaine différencié qui nécessite une sagesse humaine et un jugement professionnel. Chaque étiquette de haute qualité propose des connaissances professionnelles uniques, un contexte culturel, une expérience cognitive, etc., qui ne peut pas être «standardisée» et répliqué comme la puissance de calcul du GPU.

An accurate cancer image diagnosis annotation requires the professional intuition of a senior oncologist; an experienced financial market sentiment analysis cannot be separated from the practical experience of a Wall Street trader. This natural scarcity and irreplaceability give “data annotation” a moat depth that computing power can never reach.

Une annotation précise du diagnostic d'image du cancer nécessite l'intuition professionnelle d'un oncologue senior; Une analyse expérimentée des sentiments du marché financier ne peut pas être séparée de l'expérience pratique d'un commerçant de Wall Street. Cette rareté naturelle et cette irreplacabilité donnent à «l'annotation des données» une profondeur de douves que la puissance de calcul ne peut jamais atteindre.

On June 10, Meta officially announced that it would acquire 49% of the shares of data labeling company Scale AI for $14.8 billion, which is the largest single investment in the AI field this year. What is more noteworthy is that Alexandr Wang, founder and CEO of Scale AI, will also serve as the head of Meta’s newly established “super intelligence” research laboratory.

Le 10 juin, Meta a officiellement annoncé qu'elle acquérirait 49% des actions de l'échelle de la société d'étiquetage de données pour 14,8 milliards de dollars, ce qui est le plus grand investissement unique dans le domaine de l'IA cette année. Ce qui est plus remarquable, c'est qu'Alexandr Wang, fondateur et PDG de Scale AI, sera également le chef du nouveau laboratoire de recherche «Super Intelligence» de Meta.

The 25-year-old Chinese entrepreneur was a Stanford University dropout when he founded Scale AI in 2016. Today, the company he manages is valued at $30 billion. Scale AI’s client list is an “all-star lineup” in the AI industry: OpenAI, Tesla, Microsoft, the Department of Defense, etc. are all its long-term partners. The company specializes in providing high-quality data annotation services for AI model training and has more than 300,000 professionally trained annotators.

L'entrepreneur chinois de 25 ans était un décrochage de l'Université de Stanford lorsqu'il a fondé l'échelle de l'IA en 2016. Aujourd'hui, l'entreprise qu'il gère est évaluée à 30 milliards de dollars. La liste des clients de l'échelle de l'AI est une «gamme d'étoiles» dans l'industrie de l'IA: Openai, Tesla, Microsoft, le ministère de la Défense, etc. sont tous ses partenaires à long terme. La société est spécialisée dans la fourniture de services d'annotation de données de haute qualité pour la formation des modèles d'IA et dispose de plus de 300 000 annotateurs formés par des professionnels.

You see, while everyone is still arguing about whose model has a higher score, the real players have quietly shifted the battlefield to the data source.

Vous voyez, alors que tout le monde se dispute toujours sur le modèle plus élevé, les vrais joueurs ont tranquillement déplacé le champ de bataille vers la source de données.

A “secret war” for control of the future of AI has begun.

Une «guerre secrète» pour le contrôle de l'avenir de l'IA a commencé.

The success of Scale AI exposes an overlooked truth: computing power is no longer scarce, model architectures are becoming more homogenous, and the real upper limit of AI intelligence is the carefully “tuned” data. What Meta bought at a sky-high price was not an outsourcing company, but the “oil mining rights” of the AI era.

Le succès de l'échelle AI expose une vérité négligée: le pouvoir de calcul n'est plus rare, les architectures de modèle deviennent plus homogènes et la limite supérieure réelle de l'intelligence de l'IA est les données soigneusement «réglées». Ce que Meta a acheté à un prix élevé du ciel n'était pas une entreprise d'externalisation, mais les «droits d'extraction de pétrole» de l'ère de l'IA.

There is always a rebel in the story of Monopoly.

Il y a toujours un rebelle dans l'histoire du monopole.

Just as cloud computing aggregation platforms attempt to subvert centralized cloud computing services, Sahara AI attempts to completely rewrite the value distribution rules of data annotation with blockchain. The fatal flaw of the traditional data annotation model is not a technical problem, but an incentive design problem.

Tout comme les plates-formes d'agrégation de cloud computing tentent de renverser les services centralisés du cloud computing, Sahara AI tente de réécrire complètement les règles de distribution de valeur de l'annotation des données avec la blockchain. La faille mortelle du modèle d'annotation de données traditionnel n'est pas un problème technique, mais un problème de conception d'incitation.

A doctor may only get a few dozen dollars for a few hours of labeling medical images, while the AI models trained with these data are worth billions of dollars, but the doctor does not get a penny. This extremely unfair distribution of value has seriously suppressed the willingness to provide high-quality data.

Un médecin ne peut obtenir que quelques dizaines de dollars pour quelques heures d'étiquetage des images médicales, tandis que les modèles d'IA formés avec ces données valent des milliards de dollars, mais le médecin n'obtient pas un sou. Cette distribution de valeur extrêmement injuste a sérieusement supprimé la volonté de fournir des données de haute qualité.

With the catalysis of the web3 token incentive mechanism, they are no longer cheap data “migrant workers”, but real “shareholders” of the AI LLM network. Obviously, the advantage of web3 in transforming production relations is more suitable for data labeling scenarios than computing power.

Avec la catalyse du mécanisme d'incitation à jeton Web3, ce ne sont plus des données bon marché «travailleurs migrants», mais de vrais «actionnaires» du réseau AI LLM. De toute évidence, l'avantage de Web3 dans la transformation des relations de production est plus adapté aux scénarios d'étiquetage des données que la puissance de calcul.

Interestingly, Sahara AI happened to be in the TGE node of Meta acquired at a sky-high price. Is it a coincidence or a careful plan? In my opinion, this actually reflects a market inflection point: both Web3 AI and Web2 AI have gone from “volume computing power” to the crossroads of “volume data quality”.

Fait intéressant, Sahara Ai se trouvait dans le nœud TGE de Meta acquis à un prix élevé. Est-ce une coïncidence ou un plan prudent? À mon avis, cela reflète en fait un point d'inflexion du marché: WEB3 AI et WEB2 AI sont passés de la «puissance de calcul du volume» au carrefour de la «qualité des données de volume».

While traditional giants use money to build data barriers, Web3 is using Tokenomics to build a larger “data democratization” experiment.

Alors que les géants traditionnels utilisent de l'argent pour créer des barrières de données, Web3 utilise le tokenomics pour créer une plus grande expérience de «démocratisation des données».