메타는 AI의 주식의 거의 절반을 얻기 위해 $ 14.8B를 소비했습니다.

한편으로 메타는 AI의 주식의 거의 절반을 얻기 위해 148 억 달러를 소비했으며, 실리콘 밸리 전체가 거대한 가격으로 하늘 높은 가격으로“데이터 라벨링”을 상환했다는 충격을 받았습니다.

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”.

출력 : 한편으로 메타는 AI의 주식의 거의 절반을 얻기 위해 148 억 달러를 소비했으며, 실리콘 밸리 전체가 거대한 가격으로 하늘 높은 가격으로“데이터 라벨링”을 상환했다는 충격을 받았습니다. 반면에, 다가오는 TGE @Saharalabsai는 여전히“개념을 라이딩하고 스스로 증명할 수 없다”라는 Web3 AI 바이어스 레이블 아래에 갇혀 있습니다.

What is the market ignoring behind this huge contrast?

이 거대한 대비 뒤에 시장은 무엇입니까?

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

우선, 데이터 라벨링은 분산 된 컴퓨팅 전력 집계보다 더 귀중한 트랙입니다.

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.

클라우드 컴퓨팅 거대 기업에 도전하기 위해 유휴 GPU를 사용하는 이야기는 실제로 흥미 진진하지만 컴퓨팅 파워는 본질적으로 표준화 된 상품이며 차이는 주로 가격과 가용성에 있습니다. 가격 이점은 자이언트 독점에서 격차를 찾을 수있는 것으로 보이지만 가용성은 지리적 배포, 네트워크 대기 시간 및 불충분 한 사용자 인센티브의 대상이됩니다. 자이언츠가 가격을 낮추거나 공급을 증가 시키면이 장점은 순간적으로 사라질 것입니다.

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.

데이터 라벨링은 완전히 다릅니다. 이것은 인간의 지혜와 전문적인 판단이 필요한 차별화 된 분야입니다. 각 고품질 레이블은 고유 한 전문 지식, 문화적 배경,인지 경험 등을 전달하며, 이는 GPU 컴퓨팅 성능과 같이 "표준화"및 복제 할 수 없습니다.

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.

정확한 암 이미지 진단 주석에는 선임 종양 전문의의 전문 직관이 필요합니다. 경험이 풍부한 금융 시장 감정 분석은 월스트리트 상인의 실제 경험과 분리 될 수 없습니다. 이 자연적 부족과 비교성은“데이터 주석”에 컴퓨팅 전력에 도달 할 수없는 해자 깊이를 제공합니다.

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 월 10 일, Meta는 공식적으로 데이터 라벨링 회사 Scale AI의 주식의 49%를 148 억 달러에 인수 할 것이라고 발표했습니다. 이는 올해 AI 분야에서 가장 큰 단일 투자 인 148 억 달러에 148 억 달러를 인수 할 것이라고 발표했습니다. 더욱 주목할만한 것은 Scale AI의 창립자이자 CEO 인 Alexandr Wang이 Meta의 새로 설립 된 "Super Intelligence"연구 실험실의 책임자 역할을 할 것입니다.

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 세의 중국 기업가는 2016 년에 Scale AI를 설립했을 때 스탠포드 대학교의 중퇴자였습니다. 오늘날 그가 관리하는 회사는 300 억 달러입니다. Scale AI의 클라이언트 목록은 AI 업계의 "올스타 라인업"입니다. Openai, Tesla, Microsoft, 국방부 등은 모두 장기 파트너입니다. 이 회사는 AI 모델 교육을위한 고품질 데이터 주석 서비스를 제공하는 것을 전문으로하며 전문적으로 훈련 된 주석이 30 만 명 이상입니다.

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.

모든 사람들이 여전히 모델의 점수가 높은 사람에 대해 여전히 논쟁하는 동안 실제 플레이어는 전장을 조용히 데이터 소스로 옮겼습니다.

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

AI의 미래를 통제하기위한“비밀 전쟁”이 시작되었습니다.

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.

Scale AI의 성공은 간과 된 진실을 드러냅니다. 컴퓨팅 전력은 더 이상 부족하지 않으며, 모델 아키텍처가 점점 균질 해지고 있으며, AI 인텔리전스의 실제 상한은 신중하게 "조정 된"데이터입니다. 하늘 높은 가격으로 메타를 구입 한 것은 아웃소싱 회사가 아니라 AI 시대의“석유 마이닝 권리”였습니다.

There is always a rebel in the story of Monopoly.

독점 이야기에는 항상 반란군이 있습니다.

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.

클라우드 컴퓨팅 집계 플랫폼이 중앙 클라우드 컴퓨팅 서비스를 파괴하려고 시도하는 것처럼 Sahara AI는 블록 체인과 함께 데이터 주석의 값 분포 규칙을 완전히 다시 작성하려고 시도합니다. 전통적인 데이터 주석 모델의 치명적인 결함은 기술적 인 문제가 아니라 인센티브 설계 문제입니다.

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.

의사는 몇 시간 동안 의료 이미지를 표시하는 동안 수십 달러 만받을 수 있지만,이 데이터로 훈련 된 AI 모델은 수십억 달러의 가치가 있지만 의사는 페니를 얻지 못합니다. 이 매우 불공평 한 가치 분포는 고품질 데이터를 제공하려는 의지를 심각하게 억제했습니다.

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 토큰 인센티브 메커니즘의 촉매로 인해 더 이상 저렴한 데이터가 "이주 노동자"가 아니라 AI LLM 네트워크의 실제 "주주"입니다. 분명히, 생산 관계 변환에서 Web3의 장점은 컴퓨팅 성능보다 데이터 라벨링 시나리오에 더 적합합니다.

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”.

흥미롭게도 Sahara Ai는 하늘 높은 가격으로 인수 된 메타의 TGE 노드에있었습니다. 우연의 일치입니까 아니면 신중한 계획입니까? 제 생각에, 이것은 실제로 시장 변곡점을 반영합니다. Web3 AI와 Web2 AI는“볼륨 컴퓨팅 파워”에서“볼륨 데이터 품질”의 교차로로 갔다.

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

전통적인 거인은 돈을 사용하여 데이터 장벽을 구축하지만 Web3는 토 케노 믹스를 사용하여 더 큰“데이터 민주화”실험을 구축하고 있습니다.