FLock.io hat eine strategische Partnerschaft mit Qwen, einer Tochtergesellschaft von Alibaba Cloud, geschlossen. Web3 AI muss ein komplementäres ökologisches Nischen zu Web2 AI finden.

web3 AI muss dringend einen komplementären ökologischen Raum zu web2 AI finden, um Probleme wie die hohen Kosten der Rechenleistung, die Datenprivatsphäre und die Feinabstimmung von Modellen in vertikalen Szenarien zu lösen, die von zentralisierten AI in web2 nicht gelöst werden können.

Verfasser: Haotian

Gestern hat die DeAI-Trainingsplattform @flock_io im Web3AI-Bereich mit @Alibaba_Qwen von Alibaba Cloud zusammengearbeitet.

Die große Sprachmodell-Ankündigung zur Zusammenarbeit. Wenn ich mich nicht täusche, sollte dies die erste aktive Integrationskooperation von web2 AI mit web3 AI sein. Es ermöglicht Flock nicht nur, wirklich nach außen zu expandieren, sondern hebt auch die Moral im web3 AI-Bereich, der unter Druck steht. Lass mich das genauer erklären:

1. Ich habe in dem angepinnten Tweet erläutert, dass der web3 AI Agent zuvor versucht hat, durch Tokenomics die Implementierung von Agent-Anwendungen zu fördern. Außerdem wurde das Konzept der schnellen Bereitstellung verfolgt, aber nach dem Fomo-Hype um die Vermögensausgabe stellte sich heraus, dass web3 AI in Bezug auf Praktikabilität, Innovationskraft usw. im Vergleich zu web2 AI fast keine Gewinnmöglichkeiten hat.

Die Geburt von Web2-Innovationen in der KI-Technologie wie Manus, MCP und A2A hat direkt oder indirekt die Blase im Web3 AI Agent-Markt durchstoßen, was zu einem vorübergehenden Blutbad auf dem Sekundärmarkt führte.

2. Wie kann man die Situation entschärfen? Der Weg ist eigentlich recht klar: Web3 AI muss dringend eine komplementäre Nische zu Web2 AI finden, um Probleme zu lösen, die durch die zentralisierte AI von Web2 nicht gelöst werden können, wie etwa die hohen Kosten der Rechenleistung, Datenschutzprobleme, die Feinabstimmung von Modellen für vertikale Szenarien usw.

Die Gründe liegen auf der Hand: Reine zentralisierte KI-Modelle werden letztendlich in Bezug auf den Zugang zu Rechenleistung und Kosten sowie auf Datenschutzprobleme von Datenressourcen zu Problemen führen. Das verteilte Architekturmodell von Web3 KI kann ungenutzte Rechenleistung nutzen, um die Kosten zu senken, und gleichzeitig durch Technologien wie Zero-Knowledge-Proofs und TEE sowohl die Privatsphäre schützen als auch die Modellentwicklung und Feinabstimmung in vertikalen Szenarien durch Eigentum an Daten und Anreizmechanismen vorantreiben.

Egal wie man es kritisiert, die dezentralisierte Architektur und die flexiblen Anreizmechanismen von web3 AI können einige Probleme, die bei web2 AI bestehen, sofort lösen.

3. Wenn es um die Zusammenarbeit von Flock und Qwen geht. Qwen ist ein von Alibaba Cloud entwickeltes Open-Source-Sprachmodell, das aufgrund seiner hervorragenden Leistung in Benchmark-Tests und der Flexibilität, die es Entwicklern ermöglicht, lokale Anpassungen vorzunehmen, zur allgemeinen Wahl für einige Entwickler und Forschungsteams geworden ist.

Flock ist eine dezentrale AI-Trainingsplattform, die AI-föderiertes Lernen und eine AI-verteilte technische Architektur integriert. Ihr Hauptmerkmal besteht darin, dass “Daten nicht lokal verlassen” werden, um Benutzerprivatsphäre durch verteiltes Training zu schützen, transparente und nachvollziehbare Datenbeiträge zu gewährleisten und somit die Feinabstimmung und Anwendung von AI-Modellen in vertikalen Bereichen wie Bildung und Gesundheitswesen zu lösen.

Konkret hat Flock drei Hauptkomponenten, die ich hier kurz teilen möchte:

1、AI Arena（AI Arena）， dies ist eine wettbewerbsfähige Modelltrainingsplattform, auf der Benutzer ihre eigenen Modelle einreichen und mit anderen Teilnehmern um die Optimierung der Ergebnisse und die Belohnung konkurrieren können. Das Hauptziel besteht darin, durch das Design eines “Spielmechanismus” die Benutzer zu motivieren, ihre lokalen großen Modelle ständig zu verfeinern und zu verbessern, um schließlich bessere Basismodelle auszuwählen;

2. FL Alliance (Federated Learning Alliance), um das Problem der organisationsübergreifenden Zusammenarbeit in traditionellen medizinischen, pädagogischen, finanziellen und anderen vertikal sensiblen Szenarien zu lösen, wird die FL Alliance durch lokalisiertes Modelltraining + verteiltes Kollaborationsframework realisiert, und mehrere Parteien können gemeinsam die Modellleistung verbessern, ohne Rohdaten auszutauschen;

3. Moonbase (Mondbasis), es ist das Nervenzentrum des Flock-Ökosystems und fungiert als eine dezentrale Plattform zur Modellverwaltung und -optimierung, die verschiedene Feinabstimmungstools und Rechenleistung unterstützt (Rechenleistung Anbieter, Datenannotatoren). Es bietet nicht nur ein verteiltes Modell-Repository, sondern integriert auch Feinabstimmungstools, Rechenressourcen und Datenannotationsunterstützung, um den Nutzern zu ermöglichen, lokale Modelle effizient zu optimieren.

4. Wie sollten wir die Zusammenarbeit zwischen Qwen und Flock betrachten? Meiner Meinung nach ist die erweiterte Bedeutung ihrer Zusammenarbeit sogar größer als der aktuelle substantielle Aspekt der Kooperation.

Einerseits, im Kontext, dass web3 AI durch die kontinuierliche technologische Überlegenheit von web2 AI stark unter Druck steht, tritt Qwen, vertreten durch den Technologieriesen Alibaba, an und hat bereits eine gewisse Autorität und Einfluss im AI-Bereich erlangt. Dass Qwen aktiv die Zusammenarbeit mit einer web3 AI-Plattform wählt, beweist die Anerkennung des Flock-Technikteams durch web2 AI. Gleichzeitig wird die Reihe von Forschungen und Entwicklungen, die das Flock-Team in der Folge mit dem Qwen-Team durchführen wird, die Interaktion zwischen web3 AI und web2 AI vertiefen;

Auf der anderen Seite hatte das vorherige Web3-AI eine Zeit lang nur die Hülle der Tokenomics, während die tatsächliche Utility in der Umsetzung eher unbefriedigend war. Obwohl verschiedene Richtungen wie AI-Agenten, AI-Plattformen und sogar AI-Frameworks ausprobiert wurden, konnten in den Bereichen DeFai und Gamefai keine wirklich problemlösenden Lösungen präsentiert werden. Die Ankündigung der Web2-Technologieriesen legt in gewissem Maße den Kurs und die Schwerpunkte für die zukünftige Entwicklung von Web3-AI fest.

Das Wichtigste ist, dass Web3 AI nach einer Phase des reinen „Asset Issuance“-Fomo-Hypes die Reihen neu ordnen und sich auf ein Ziel konzentrieren muss, das tatsächlich Ergebnisse liefert.

Tatsächlich war Web3-KI noch nie nur eine einfachere und effizientere Möglichkeit, KI-Agenten zur Verteilung von Vermögenswerten einzusetzen, noch ist es ein Spiel, um durch die Ausgabe von Vermögenswerten Geld zu verdienen.

Ich freue mich, dass mehr interdisziplinäre Kooperationen wie web2AI und web3AI zustande kommen.