Fato subestimado sobre dados de IA de fronteira: Projetos de IA em escala geram $2B em receita em 2025. Adicione Surge, Mercor e outros, e o gasto total em dados chega a cerca de $3,5B: principalmente para modelos de raciocínio. Mas IA multimodal? Espere que isso seja 10 vezes maior. Impulsionado por vídeo, áudio e além.

O conteúdo do nosso cara @NiphermeDave é sempre incrível 🗣️ confira!

Às vezes, você simplesmente tem "uma daquelas" semanas.... Agradecido pela comunidade ORO. Para quem terminou uma semana difícil, mantenha a cabeça erguida! É apenas o começo. Aproveite o seu domingo.

Muitas pessoas têm nos perguntado... o que os meus dados alimentam? Na ORO, ajudamos a alimentar modelos de IA multimodais de forma ampla. Raciocínio, Voz, Vídeo e em breve... outros verticais 👀 Por que Multimodal? Porque é o espaço que os players centralizados não podem e não vão atacar. O mundo do vídeo, áudio, dados de cauda longa de dispositivos vestíveis... apenas uma plataforma como a nossa pode agregá-los. E somos os únicos trabalhando com os principais laboratórios. Vantagem de primeiro a mover em efeito.

Outro post na nossa série de textos... $META em 2024: Se você tentasse agregar todos os dados de áudio de alta qualidade do mundo, obteria 3.000 horas. Precisamos de MILHÕES. Quem realmente sabe como agregar esses dados em grande escala? Para filtrar milhões de horas e obter 10.000 horas realmente utilizáveis para treinar a próxima geração de modelos? ORO. É isso.

Vamos apenas dizer isso... A maioria dos fornecedores de dados de IA não está realmente agregando dados úteis. Eles não têm pesquisadores reais nos principais laboratórios treinando com seus dados. Aprenda a separar o sinal do ruído. Como fazemos com os nossos dados de áudio!

Por que é que os fornecedores de dados sérios se preocupam tanto com a infraestrutura? 🤔 Porque grandes dados de IA requerem duas coisas: 1️⃣ coleta em escala global 2️⃣ verificação de qualidade autónoma A #1 precisa de descentralização. A #2 depende de uma infraestrutura poderosa. Somos a única plataforma testada em batalha em ambas—coletando dados privados de vídeo, áudio e vestíveis em escala com os melhores laboratórios multimodais a utilizá-los.

Há algumas semanas, partilhámos uma visão sobre a nossa infraestrutura de dados de IA. Hoje, ela alimenta laboratórios de IA multimodal líderes com pipelines extensíveis: – síntese de dados escalável – anotação com modelo em loop – pesquisa granular e personalizável Antes de nós: ferramentas internas frágeis ou fornecedores legados lentos. Agora: infraestrutura construída especificamente para IA em grande escala.

A maioria dos modelos hoje é treinada com dados da web extraídos... Mas não é daí que virão os próximos saltos de desempenho. A camada inexplorada? Notas de voz, transmissões de dispositivos vestíveis, recibos, calendários, diagnósticos. Estruturados, autorizados e ricos em contexto do mundo real.

O próximo avanço em LLM não virá de ajustes no modelo. Virão do cálculo em tempo de teste com dados reais: 🔸 contexto dinâmico 🔸 atribuição a nível de fonte 🔸 entradas ao vivo de dispositivos e registos Estamos a criar a ponte entre modelos passivos e inteligência interativa 🤝