关于前沿人工智能数据的一个被低估的事实： 到2025年，规模化人工智能项目的收入将达到20亿美元。再加上Surge、Mercor等，数据总支出将达到约35亿美元：主要用于推理模型。 但是多模态人工智能呢？预计将大十倍。由视频、音频等驱动。

我们的小伙子 @NiphermeDave 的内容总是很棒 🗣️ 快去看看吧

有时候你就是经历了"那种"一周.... 感恩ORO社区。对于任何经历了艰难一周的人，保持积极！这只是个开始。享受你的星期天

很多人问我们……我的数据能做什么？ 在ORO，我们帮助广泛地支持多模态AI模型。推理、语音、视频，以及即将到来的……其他领域👀 为什么选择多模态？因为这是集中化参与者无法也不会攻击的领域。视频、音频、来自可穿戴设备的长尾数据的世界……只有像我们这样的平台才能聚合这些数据。 而且我们是唯一与领先实验室合作的公司。先发优势正在发挥作用。

我们文本系列中的另一篇文章... $META在2024年：如果你试图汇总全世界的高质量音频数据，你会得到3000小时。 我们需要数百万小时。 谁实际上知道如何大规模汇总这些数据？过滤掉数百万小时，以获得10000小时真正可用的时间来训练下一代模型？ORO。就这样。

我们就直说吧…… 大多数AI数据提供商实际上并没有聚合有用的数据。他们没有真正的研究人员在领先的实验室上训练他们的数据。 学会分辨信号与噪声。就像我们处理音频数据一样！

为什么严肃的数据提供者如此痴迷于基础设施？🤔 因为优秀的AI数据需要两个条件： 1️⃣ 全球规模的收集 2️⃣ 自主质量验证 #1 需要去中心化。 #2 依赖强大的基础设施。 我们是唯一一个在这两方面都经过实战考验的平台——以最佳的多模态实验室在规模上收集私人视频、音频和可穿戴数据。

几周前，我们分享了我们AI数据基础设施的一个预览。 今天，它为领先的多模态AI实验室提供可扩展的管道： – 可扩展的数据合成 – 模型循环注释 – 细粒度、可定制的搜索 在我们之前：脆弱的内部工具或缓慢的传统供应商。 现在：专为大规模AI构建的基础设施。

如今大多数模型都是基于抓取的网络数据进行训练的……但这并不是下一个性能飞跃的来源。 未被开发的层面？ 语音笔记、可穿戴设备流、收据、日历、诊断。 结构化、经过授权，并且富含现实世界的上下文。

下一个 LLM 突破不会来自模型的微调。 它将来自真实数据上的测试时计算： 🔸 动态上下文 🔸 源级归因 🔸 来自设备和日志的实时输入 我们正在创建被动模型与互动智能之间的桥梁 🤝