Underskattad fakta om AI-data i framkant: Scale AI räknar med intäkter på 2 miljarder dollar år 2025. Lägg till Surge, Mercor och andra, och de totala datautgifterna uppgår till cirka 3,5 miljarder dollar: främst för resonemangsmodeller. Men multimodal AI? Räkna med att den är 10 gånger större. Drivs av video, ljud och mycket mer.

Vår kille @NiphermeDave innehåll slår alltid kolla 🗣️ in det

Ibland har man bara "en sån där" vecka.... Tacksam för ORO-gemenskapen. För alla som avslutat en tuff vecka, håll huvudet högt! Det är bara början. Njut av din söndag

Många människor har frågat oss... Vad ger min data kraft? På ORO hjälper vi till att driva multimodala AI-modeller på bred front. Resonemang, röst, video och snart... Andra vertikaler 👀 Varför multimodalt? För det är utrymmet som centraliserade spelare inte kan och inte kommer att attackera. En värld av video, ljud, long-tail-data från wearables... Endast en plattform som oss kan aggregera den. Och vi är de enda som arbetar med de ledande laboratorierna. Fördelen med att vara först på marknaden är i själva verket.

Ännu ett inlägg i vår textserie... $META 2024: Om du försökte samla alla världens högkvalitativa ljuddata skulle du få 3 000 timmar. Vi behöver MILJONER. Vem vet egentligen hur man aggregerar dessa data i stor skala? Att filtrera bort miljontals timmar för att få 10 000 faktiskt användbara timmar för att träna nästa generations modeller? ORO. Det är allt.

Vi går bara ut och säger det... De flesta AI-dataleverantörer aggregerar faktiskt inte användbara data. De har inga riktiga forskare på de ledande laboratorierna som tränar på deras data. Lär dig att skilja signalen från bruset. Precis som vi är med våra ljuddata!

Varför är seriösa dataleverantörer besatta av infra? 🤔 För bra AI-data kräver två saker: 1️⃣ Insamling i global skala 2️⃣ Autonom kvalitetsverifiering #1 behöver decentralisering. #2 beror på kraftfull infra. Vi är den enda plattformen som har testats på båda – vi samlar in privat video, ljud och bärbar data i stor skala med de bästa multimodala laboratorierna som använder den.

För några veckor sedan delade vi med oss av en titt på vår AI-datainfrastruktur. Idag driver det ledande multimodala AI-laboratorier med utökningsbara pipelines: – Skalbar datasyntes - modell-i-loopen-anteckning – Granulär, anpassningsbar sökning Före oss: bräckliga interna verktyg eller långsamma äldre leverantörer. Nu: infrastruktur som är specialbyggd för AI i stor skala.

De flesta modeller idag är tränade på skrapad webbdata... Men det är inte därifrån nästa prestandasprång kommer att komma. Det outnyttjade lagret? Röstanteckningar, bärbara strömmar, kvitton, kalendrar, diagnostik. Strukturerad, tillåten och rik på verkliga sammanhang.

Nästa LLM-genombrott kommer inte att komma från modelljusteringar. Det kommer från beräkning i testtid på verkliga data: 🔸 Dynamisk kontext 🔸 Attribuering på källnivå 🔸 Liveindata från enheter och loggar Vi skapar en bro mellan passiva modeller och interaktiv intelligens 🤝