メタは148億ドルを費やして、AIのエクイティのほぼ半分を取得しました

一方では、メタは148億ドルを費やしてスケールのAIのエクイティのほぼ半分を獲得し、シリコンバレー全体が巨大な「データラベリング」が空の価格で「データラベリング」を再リケートしたことにショックを受けました。

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”.

出力：一方では、メタは148億ドルを費やしてAIのエクイティのほぼ半分を獲得し、シリコンバレー全体が巨大な「データラベル付け」がスカイハイ価格で「データラベル付け」を再リケートしたことにショックを受けました。一方、今後のTGE @saharalabsaiは、「コンセプトに乗って自分自身を証明できない」というWeb3 AIバイアスラベルの下にまだ閉じ込められています。

What is the market ignoring behind this huge contrast?

この巨大なコントラストの背後にある市場は何ですか？

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

まず、データラベル付けは、分散化されたコンピューティング電源集約よりも貴重なトラックです。

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.

アイドルGPUを使用してクラウドコンピューティングの巨人に挑戦するという話は本当にエキサイティングですが、コンピューティングパワーは本質的に標準化された商品であり、違いは主に価格と可用性にあります。価格の優位性は、巨人の独占にギャップを見つけることができるようですが、可用性は地理的分布、ネットワークの遅延、およびユーザーのインセンティブが不十分であることの影響を受けます。巨人が価格を下げたり、供給を増やしたりすると、この利点は一瞬で一掃されます。

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.

データのラベル付けは完全に異なります - これは、人間の知恵と職業上の判断を必要とする差別化された分野です。各高品質のラベルには、ユニークな専門知識、文化的背景、認知経験などがあります。これは、GPUコンピューティングパワーのように「標準化」して複製することはできません。

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.

正確な癌画像診断注釈には、上級腫瘍医の専門的な直観が必要です。経験豊富な金融市場のセンチメント分析は、ウォール街のトレーダーの実際の経験から分離することはできません。この自然な希少性と無関心性は、「データアノテーション」に、コンピューティングパワーが到達できない堀の深さを与えます。

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.

6月10日、METAは、今年のAI分野で最大の単一投資であるデータラベル付け会社のAIの株式の49％を148億ドルで取得することを正式に発表しました。さらに注目に値するのは、Scale AIの創設者兼CEOであるAlexandr Wangが、メタの新しく設立された「スーパーインテリジェンス」研究所の責任者としても機能することです。

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.

25歳の中国の起業家は、2016年にスケールAIを設立したとき、スタンフォード大学のドロップアウトでした。今日、彼が管理している会社は300億ドルと評価されています。 Scale AIのクライアントリストは、AI業界の「オールスターラインナップ」です。Openai、Tesla、Microsoft、The Department of Depertive of Deventionはすべて、すべての長期パートナーです。同社は、AIモデルトレーニングに高品質のデータアノテーションサービスを提供することを専門としており、300,000を超える専門的な訓練を受けたアノテーターを持っています。

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.

ご存知のように、誰もが誰のモデルが高いスコアを持っているかについてまだ主張していますが、実際のプレーヤーは静かに戦場をデータソースに移しました。

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

AIの未来を制御するための「秘密の戦争」が始まっています。

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.

スケールAIの成功は見落とされがちな真実を明らかにします。コンピューティングパワーはもはや乏しくなく、モデルアーキテクチャはより均一になり、AIインテリジェンスの実際の上限は慎重に「調整」データです。メタが空の価格で購入したのは、アウトソーシング会社ではなく、AI時代の「石油採掘権」でした。

There is always a rebel in the story of Monopoly.

独占の物語には常に反逆者がいます。

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.

クラウドコンピューティングの集約プラットフォームが集中クラウドコンピューティングサービスを破壊しようとするように、Sahara AIは、ブロックチェーンでデータアノテーションの価値分布ルールを完全に書き直そうとします。従来のデータアノテーションモデルの致命的な欠陥は、技術的な問題ではなく、インセンティブ設計の問題です。

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.

医師は、医療画像のラベル付けに数時間しか得られない場合がありますが、これらのデータで訓練されたAIモデルは数十億ドルの価値がありますが、医師はペニーを取得しません。この価値の非常に不公平な分布は、高品質のデータを提供する意欲を真剣に抑制しました。

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.

Web3トークンインセンティブメカニズムの触媒により、それらはもはや安価なデータ「移民労働者」ではなく、AI LLMネットワークの実際の「株主」です。明らかに、生産関係の変換におけるWeb3の利点は、コンピューティングパワーよりもデータラベリングシナリオにより適しています。

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”.

興味深いことに、Sahara AiはたまたまSky Highの価格で取得したMetaのTGEノードにいました。それは偶然の一致ですか、それとも慎重な計画ですか？私の意見では、これは実際に市場の変曲点を反映しています。Web3AIとWeb2 AIの両方が「ボリュームコンピューティングパワー」から「ボリュームデータ品質」の交差点に移行しました。

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

従来の巨人はデータの障壁を構築するためにお金を使用していますが、Web3はトコノミクスを使用して、より大きな「データ民主化」実験を構築しています。