ห้องปฏิบัติการ AI ต้องการข้อมูลที่สดใหม่และสะอาดกว่าที่ชุดข้อมูลสาธารณะมีให้ และเครือข่ายแบบกระจายศูนย์ที่เพิ่มจำนวนขึ้นเรื่อยๆ ก็อ้างว่าสามารถส่งมอบข้อมูลดังกล่าวได้ — ถูกกว่าและมีหลักฐานที่ตรวจสอบย้อนกลับได้ คำถามคือ DePIN แนวตั้งใหม่นี้จะเปลี่ยนกระแสที่ขับเคลื่อนด้วยโทเคนให้เป็นใบแจ้งหนี้ที่เกิดขึ้นซ้ำจากลูกค้าที่จ่ายเงินได้หรือไม่
โมเดลทำงานอย่างไร
GRASS โปรเจกต์ที่โดดเด่นในกลุ่ม data-for-AI รวบรวมข้อมูลเว็บสาธารณะโดยการเช่าจุดสิ้นสุดที่กระจายตัวอยู่ บุคคลทั่วไปรันไคลเอนต์ที่มีน้ำหนักเบาซึ่งทำหน้าที่เป็นพร็อกซีแบ่งปันแบนด์วิดท์ โดยรับคะแนนหรือโทเคนที่เชื่อมโยงกับเวลาทำงาน แบนด์วิดท์ ความหายากทางภูมิศาสตร์ และตัวกรองคุณภาพ ในด้านอุปสงค์ ห้องปฏิบัติการ AI และผู้จำหน่ายข้อมูลจ่ายเงินเพื่อรับข้อมูลที่สดใหม่ ปฏิบัติตามข้อกำหนด เฉพาะโดเมน พร้อมร่องรอยการตรวจสอบ การกำหนดราคาอาจเป็นต่อหน้า ต่อโทเคน ต่อกิกะไบต์ หรือต่องานที่รวมถึงการรวบรวมข้อมูล การทำความสะอาด การติดป้ายกำกับ และการกรองเนื้อหาที่เป็นพิษ
ข้อเสนอคือผู้จำหน่าย Web2 แบบรวมศูนย์ไม่สามารถเทียบความสดหรือต้นทุนของเครือข่ายแบบกระจายศูนย์ที่เข้าถึงจุดสิ้นสุดนับพันแห่งทั่วโลกได้ ผู้ซื้อยังให้ความสำคัญกับความครอบคลุม การปฏิบัติตาม robots.txt และกฎการเลือกไม่รับ รวมถึงการรับประกันความน่าเชื่อถือ เช่น SLA และตัวเลือกการรันซ้ำ
อุปทาน vs. อุปสงค์ — การทดลองจริง
GRASS เป็นส่วนหนึ่งของขบวนการ DePIN ที่กว้างขึ้นซึ่งได้ทะลุทะลวงไปแล้วในด้านไร้สาย (Helium) การทำแผนที่ (Hivemapper) การจัดเก็บ (Filecoin, Arweave) และการคำนวณ (Akash, Render) แต่ละแนวตั้งขายทรัพยากรที่แตกต่างกัน: Helium ขายการเชื่อมต่อ Hivemapper ขายแผนที่และอัปเดต Filecoin ขายการจัดเก็บที่ทนทาน และ Akash ขายเวลา GPU และ CPU
Data-for-AI เป็นเลนที่ใหม่ที่สุด ด้านอุปทานขึ้นอยู่กับบุคคลที่บริจาคแบนด์วิดท์และจุดสิ้นสุด โดยมีแรงจูงใจจากรางวัลโทเคน อุปสงค์มาจากห้องปฏิบัติการ AI ที่ต้องการชุดข้อมูลเฉพาะทาง — ไม่ใช่แค่ข้อมูลมากขึ้น แต่เป็นข้อมูลที่ทันสมัย สะอาด และถูกกฎหมายในการเก็บรวบรวม แต่อุปสงค์นั้นยังอยู่ในช่วงเริ่มต้นเมื่อเทียบกับตลาดการคำนวณหรือการจัดเก็บ
จากกระแสสู่งบดุล
ราคาโทเคนของโปรเจกต์อย่าง GRASS สะท้อนถึงความสนใจเชิงเก็งกำไร ไม่ใช่แรงดึงดูดทางการค้าอย่างแน่นอน การทดสอบสำคัญคือ data-for-AI DePINs สามารถสร้างใบแจ้งหนี้ที่เกิดขึ้นซ้ำจากธุรกิจจริงได้หรือไม่ ห้องปฏิบัติการ AI มีงบประมาณสำหรับการจัดหาข้อมูล แต่ก็มีความสัมพันธ์ที่มั่นคงกับผู้ให้บริการแบบรวมศูนย์อย่าง Scale AI, Appen และบริการเก็บข้อมูลเว็บ
เครือข่ายแบบกระจายศูนย์เสนอบันทึกแหล่งที่มาและร่องรอยการปฏิบัติตามข้อกำหนด ซึ่งอาจเป็นตัวสร้างความแตกต่างเมื่อหน่วยงานกำกับดูแลเข้มงวดกฎระเบียบเกี่ยวกับข้อมูลการฝึกอบรม แต่ผู้ซื้อต้องเชื่อมั่นว่าเครือข่ายสามารถส่งมอบข้อมูลคุณภาพสูงและสดใหม่ในระดับที่สม่ำเสมอได้ — และโทเคนที่พวกเขาจ่ายสำหรับบริการนั้นไม่ใช่แค่ความเสี่ยงด้านความผันผวน
คำถามที่ยังไม่มีคำตอบ
GRASS และโปรเจกต์อื่นๆ ยังอยู่ในช่วงเริ่มต้น แนวคิด data-for-Ai สมเหตุสมผลบนกระดาษ: โมเดลที่ฝึกด้วยข้อมูลเก่าหรือมีสัญญาณรบกวนให้ผลลัพธ์ที่แย่ลง และการเก็บข้อมูลแบบรวมศูนย์มีราคาแพงและมีความเสี่ยงทางกฎหมาย แต่การจัดหาแบบกระจายศูนย์จะสามารถตัดราคาผู้จำหน่ายที่มีอยู่ในด้านราคาและคุณภาพได้จริงหรือไม่ — และทำได้อย่างน่าเชื่อถือ — ยังไม่ได้รับการพิสูจน์
โปรเจกต์ที่อยู่รอดได้น่าจะเป็นโปรเจกต์ที่สามารถแสดงใบแจ้งหนี้จริงจากห้องปฏิบัติการ AI ไม่ใช่แค่ปริมาณการซื้อขายโทเคน ในตอนนี้กระแสยังคงมีอยู่จริง แต่รายได้ยังไม่เกิดขึ้น
