L'infrastruttura del mercato dei dati AI, questo settore è stato gravemente sottovalutato
Tutti parlano di AI, ma pochi si pongono una domanda: da dove provengono i dati per i modelli AI? Come si garantisce la qualità?
Per addestrare un grande modello affidabile, sono necessari set di dati di livello TB. Questi dati devono essere verificabili, immutabili e utilizzabili a lungo termine. L'archiviazione centralizzata non può farlo. Amazon S3 può cancellare i tuoi dati in qualsiasi momento, Google Drive potrebbe cambiare strategia un giorno. Per le applicazioni AI che necessitano di tracciabilità dei dati, questo è un difetto fatale.
Quello che fa Walrus è in realtà piuttosto di base. Divide i dati in frammenti, li archivia in modo distribuito sui nodi della rete Sui, garantendo la prova di disponibilità tramite blockchain. Sembra che i dettagli tecnici siano un po' complessi, ma la logica centrale è: trasformare i dati in asset programmabili. Gli sviluppatori possono richiamare direttamente questi dati, senza preoccuparsi di essere bloccati dalla piattaforma.
Il caso di Myriad del 14 gennaio è piuttosto tipico. I mercati predittivi hanno bisogno di memorizzare dati storici per prevenire le manomissioni; le soluzioni tradizionali sono costose o hanno costi di fiducia ancora più elevati. Ora si memorizzano direttamente sulla catena, con contratti intelligenti che verificano automaticamente, e l'intero processo è trasparente e verificabile. Questo tipo di scenario applicativo aumenterà sempre di più nell'era dell'AI.
Il mercato non si è ancora completamente adattato. Una capitalizzazione di mercato di 250 milioni di dollari è bassa per un progetto che potrebbe diventare un'infrastruttura AI. Naturalmente, a condizione che l'ecosistema inizi davvero a funzionare. Ci sono già diversi progetti che stanno migrando dati; questa tendenza merita di essere osservata.
