Новые шаги Grass: от пассивного майнинга к платформе разработки ИИ, создание базовых инструментов в разгар золотой лихорадки ИИ

Автор：Aylo

Перевод: TechFlow

Настоящая золотая лихорадка заключается в AI-данных, и один проект создает инфраструктурные инструменты для этой “золотой лихорадки”.

Представьте, если бы вы могли инвестировать в криптопроект, который тихо набирает обороты и может стать “Google” в сфере AI……

Вчера в прямом эфире Discord @0xdrej поделился последними достижениями @getgrass_io. Самым важным моментом стало то, что Grass движется к революционной платформе разработки AI, которая может раскрыть огромный потенциал стоимости.

Ниже приведены ключевые моменты семинара:

• Преимущество огромного объема данных: Grass уже проиндексировал более 3 миллиардов видео данных, что значительно превышает 200 миллионов видео данных, используемых такими компаниями, как NVIDIA, для обучения лучших видео моделей. Это дает Grass непревзойденный на данный момент мультимодальный набор данных.

• Техническое обновление: Благодаря обновлению Scion эффективность и масштаб поиска данных Grass значительно улучшились. После запуска обновления объем сбора данных заметно увеличился. А обновление второй фазы еще больше расширит его возможности.

• Семантический мультимодальный поиск: Grass скоро запустит функцию семантического мультимодального поиска по своему огромному индексу данных. Это означает, что пользователи могут эффективно искать и извлекать видеоролики, аудио и изображения, высоко релевантные их запросам. На данный момент ни одна другая платформа не может реализовать такую функцию в масштабе Grass.

• Спрос, ориентированный на будущее: По мере того как AI в таких областях, как робототехника, постепенно переходит на мультимодальные модели, спрос на специализированные наборы данных будет продолжать расти. Уникальное преимущество Grass в этой области делает его идеальной платформой для удовлетворения этого спроса.

• Вертикальная интеграция: Grass планирует превратиться из сети поиска данных в сквозную платформу разработки AI для обучения моделей. Кроме того, они могут открыть исходный код некоторых мощных моделей, разработанных ими самостоятельно, чтобы предоставить разработчикам большую поддержку.

• Инновации в оборудовании: Grass изучает новые способы распределения узлов, включая технологии специализированного оборудования. Эта инновация может привести к революционным изменениям, позволив Grass сделать то, что в настоящее время под силу лишь немногим компаниям —— загружать скрипты веб-скрапинга непосредственно на оборудование, тем самым значительно повышая эффективность. Если это удастся, это еще больше укрепит конкурентное преимущество Grass в плане затрат и масштаба.

• Расширение платформы: На семинаре также был анонсирован новый продукт, который внедрит “горизонтальное масштабирование” и “изменит ваше восприятие Grass”. Хотя конкретные детали еще не опубликованы, это указывает на то, что Grass разрабатывает важную функцию масштабирования, которая может открыть совершенно новые сценарии использования и рынки.

В общем, Grass строит критически важную инфраструктуру для AI следующего поколения —— включая масштабируемые мультимодальные наборы данных и эффективные решения для масштабирования. По мере роста спроса на специализацию для таких моделей, как NVIDIA, Grass имеет все шансы стать предпочтительной платформой для разработчиков, чтобы легко искать и дообучать пользовательские наборы данных.

Если Grass сможет реализовать свое видение, потенциальное создание стоимости будет огромным. Он предоставит “инструментарий” для волны мультимодального AI, став ключевым игроком в этой технологической революции.

Будь то веб-разработка или робототехника, практически все области попытаются использовать эту технологию. И Grass имеет все шансы занять важное место на этом рынке стоимостью в триллионы долларов.

Представьте, что вы проектируете робота, которому нужно понимать окружающий мир. Для достижения этой цели роботу нужно не только обучение на текстовых данных, но и поддержка данными изображений, видео и аудио. Это так называемые “мультимодальные” данные, и Grass обеспечивает основную поддержку для этого спроса.

Нынешние крупные AI-модели, хотя и могут обрабатывать мультимодальные данные, но их функции часто слишком общие. Если вы хотите, чтобы ваш робот превосходно справлялся с определенными задачами, например, распознавал различные фрукты или ориентировался на складе, нужно дообучать модель специализированными наборами данных для этих задач.

В этом и заключается преимущество Grass. Они уже проиндексировали огромные объемы мультимодальных данных из интернета, включая миллиарды изображений, видео и аудио файлов.Но по-настоящему революционным является то, что они скоро запустят функцию “семантического мультимодального поиска”.

Так называемый “семантический мультимодальный поиск” позволяет вам искать данные не только по ключевым словам, но и согласно фактическому смыслу контента. Например, если вам нужно видео о том, как робот подбирает яблоки, вы можете точно найти эти видео, а не просто те, где в описании упоминаются “робот” и “яблоки”.

Значение этой функции заключается в том, что на данный момент ни одна другая платформа не может предоставить такой точный и понимающий содержание поиск в масштабе Grass. По мере того как все больше компаний и разработчиков хотят применять AI в робототехнике и других областях, им понадобятся эти специализированные наборы данных, чтобы сделать AI более эффективным. И Grass создан именно для удовлетворения этого спроса.

Конечно, Grass также сталкивается с рисками исполнения, и эта область конкурентна. Но масштаб данных Grass, эффективность децентрализации и функция семантического поиска дают ему уникальное преимущество в конкуренции. На семинаре также было раскрыто, что они разрабатывают совершенно новый продукт горизонтального масштабирования, что еще больше расширит сценарии использования и рыночное пространство Grass.

В целом, Grass все еще находится на ранней стадии развития. Это напоминает мне Chainlink в 2018/2019 годах, когда он, будучи ключевой инфраструктурой для разблокировки глобального DeFi, постепенно демонстрировал огромный потенциал. Видение и позиционирование Grass аналогичны Chainlink, он стремится разблокировать мультимодальные данные для разработчиков AI и предприятий, что может создать огромную ценность для мира.

На данный момент объем данных, ежедневно хранимых Grass, достиг 0.5 ПБ (петабайт), и эта цифра может вскоре значительно вырасти. Можно представить, что затраты на хранение очень высоки, поэтому протокол должен генерировать достаточный доход для покрытия этих затрат (большой объем сбора данных выполняется направленно в соответствии с потребностями клиентов).

В сфере AI и крипто я еще не видел другого протокола, который мог бы, как Grass, одновременно иметь продукт, действительно оплачиваемый и используемый клиентами Web2 AI, и продолжать инновировать и доставлять технологии, разблокируя новую ценность для AI. Хотя на рынке также есть некоторые интересные платформы AI-агентов (я также владею некоторыми из них), но они в настоящее время все еще находятся на довольно спекулятивной стадии (больше похоже на “логику казино”). Продукт LCR от Grass также будет предоставлять услуги для AI-агентов.

Если Grass сможет добиться успеха, его будущий потенциал безграничен. Он имеет все шансы стать знаковой технологической платформой в сфере AI. Следующие 6 до 12 месяцев будут критическим периодом, поскольку Grass должен удержать текущее лидерство. Если он сможет достичь этой цели, то через несколько лет текущая рыночная капитализация покажется незначительной.

Отказ от ответственности: Вышеизложенное не является инвестиционной рекомендацией. Я являюсь держателем Grass. Хотя я полон ожиданий относительно его перспектив, также необходимо осознавать наличие рисков исполнения и потенциальных вызовов.