關於前沿人工智能數據的一個被低估的事實： 到2025年，規模化人工智能項目的收入將達到20億美元。再加上Surge、Mercor等，數據總支出將達到約35億美元：主要用於推理模型。 但是多模態人工智能呢？預計將大十倍。由視頻、音頻等驅動。

我們的朋友 @NiphermeDave 的內容總是很棒 🗣️ 快去看看吧

有時候你就是會有這種「那種」的一週.... 感謝ORO社群。對於任何度過艱難一週的人，保持積極！這只是個開始。祝你有個愉快的星期天

很多人一直在問我們... 我的數據能做什麼？ 在 ORO，我們幫助廣泛地推動多模態 AI 模型。推理、語音、視頻，還有即將到來的... 其他領域 👀 為什麼是多模態？因為這是集中式玩家無法也不會攻擊的領域。視頻、音頻、來自可穿戴設備的長尾數據的世界... 只有像我們這樣的平台才能聚合它。 而且我們是唯一與領先實驗室合作的公司。先行者優勢正在發揮作用。

我們文本系列中的另一篇文章... $META 在 2024：如果你試圖聚合全世界的高品質音頻數據，你會得到 3,000 小時。 我們需要數百萬小時。 誰真的知道如何大規模聚合這些數據？過濾掉數百萬小時，得到 10,000 小時實際可用的數據來訓練下一代模型？ORO。就這樣。

我們就直說吧... 大多數的 AI 數據提供者實際上並沒有聚合有用的數據。他們沒有真正的研究人員在領先的實驗室中使用他們的數據進行訓練。 學會分辨信號與噪音。就像我們對待我們的音頻數據一樣!

為什麼嚴肅的數據提供者會對基礎設施如此著迷？ 🤔 因為優秀的 AI 數據需要兩樣東西： 1️⃣ 全球規模的收集 2️⃣ 自主質量驗證 #1 需要去中心化。 #2 依賴強大的基礎設施。 我們是唯一在這兩方面都經過實戰考驗的平台——以最佳的多模態實驗室在規模上收集私人視頻、音頻和可穿戴數據。

幾週前，我們分享了我們的 AI 數據基礎設施的一瞥。 今天，它為領先的多模態 AI 實驗室提供可擴展的管道： – 可擴展的數據合成 – 模型迴圈標註 – 細粒度、可自定義的搜索 在我們之前：脆弱的內部工具或緩慢的舊有供應商。 現在：專為大規模 AI 構建的基礎設施。

今天大多數模型都是基於抓取的網頁數據進行訓練的……但下一個性能飛躍不會來自這裡。 未開發的層次？ 語音備忘錄、可穿戴設備的數據流、收據、日曆、診斷。 結構化、經過授權，並且富含現實世界的上下文。

下一個 LLM 突破不會來自模型的微調。 它將來自於對真實數據的測試時計算： 🔸 動態上下文 🔸 源級歸因 🔸 來自設備和日誌的實時輸入 我們正在創造被動模型與互動智能之間的橋樑 🤝