Ayer, la plataforma de entrenamiento DeAI Flock en el campo de Web3AI anunció oficialmente su colaboración con el modelo de lenguaje grande Alibaba Qwen de Alibaba Cloud. Si no me equivoco, esto debería considerarse como la primera colaboración de integración en la que la IA de web2 se dirige proactivamente hacia la IA de web3. No solo permitió a Flock romper realmente las barreras externas, sino que también revitalizó la moral en el competitivo campo de web3AI, que se encuentra bajo una fuerte presión. Déjame explicarte en detalle:
He expuesto en el tweet anclado que, anteriormente, el Agente AI de web3 había estado intentando estimular la aplicación del Agente a través del Tokenomics, y también había implementado un modelo competitivo de despliegue rápido, pero después de la ola de Fomo tras la emisión de activos, todos se dieron cuenta de que el AI de web3 tiene pocas posibilidades de ganar en comparación con el AI de web2 en términos de utilidad, innovación, etc.
Por lo tanto, el nacimiento de tecnologías innovadoras de IA web2 como Manus, MCP y A2A ha pinchado, directa o indirectamente, la burbuja existente en el mercado de agentes de IA Web3, lo que llevó a que el mercado secundario estuviera inundado de sangre en un momento.
¿Cómo romper el estancamiento? El camino en realidad es bastante claro, web3 AI necesita urgentemente encontrar un nicho ecológico que complemente a web2 AI, para resolver problemas como el alto costo de la capacidad de cómputo que no puede ser solucionado por la IA centralizada de web2, los problemas de privacidad de datos, y el ajuste fino de modelos en escenarios verticales, entre otros.
La razón no es otra que el hecho de que, en un modelo de IA puramente centralizado, inevitablemente surgirán problemas concentrados en la obtención de recursos de potencia computacional y costos, así como en cuestiones de privacidad de los recursos de datos. Por otro lado, la arquitectura distribuida que intenta la IA en web3 puede aprovechar los recursos de potencia computacional inactivos para reducir costos, y también protegerá la privacidad mediante tecnologías de hardware y software como las pruebas de conocimiento cero y TEE, al mismo tiempo que promoverá el desarrollo y el ajuste fino de modelos en escenarios verticales a través de la propiedad de los datos y mecanismos de incentivos por contribuciones.
No importa cuántas críticas reciba, la arquitectura descentralizada y el mecanismo de incentivos flexible de la web3 AI pueden tener un efecto inmediato en la resolución de algunos problemas existentes en la web2 AI.
Hablando de la colaboración entre Flock y Qwen. Qwen es un modelo de lenguaje grande de código abierto desarrollado por Alibaba Cloud, que se ha convertido en una elección común para algunos desarrolladores y equipos de investigación gracias a su excelente rendimiento en pruebas de referencia y la flexibilidad que permite a los desarrolladores realizar ajustes finos localmente.
Flock es una plataforma de entrenamiento de IA descentralizada que combina el aprendizaje federado de IA y una arquitectura de tecnología distribuida. Su mayor característica es permitir que "los datos no salgan de la localidad", protegiendo la privacidad del usuario a través del entrenamiento distribuido, contribuyendo con datos de forma transparente y rastreable, y solucionando así los problemas de ajuste fino y aplicación de modelos de IA en campos verticales como la educación y la salud.
En concreto, Flock tiene tres componentes clave, los compartiré brevemente a continuación:
1、AI Arena (AI竞技场), esta es una plataforma de entrenamiento de modelos competitiva, donde los usuarios pueden enviar sus propios modelos y competir con otros participantes para optimizar los resultados y ganar recompensas. Su objetivo principal es a través del diseño de mecanismos de "jugabilidad", puede incentivar a los usuarios a seguir ajustando y mejorando sus grandes modelos locales, y así seleccionar modelos de referencia más óptimos;
FL Alliance (alianza de aprendizaje federado), para resolver los problemas de colaboración entre organizaciones en escenarios sensibles verticales como la atención médica, la educación y las finanzas, la alianza de aprendizaje federado ha logrado, a través de la capacitación de modelos localizados + un marco de colaboración distribuido, mejorar conjuntamente el rendimiento del modelo sin compartir datos originales.
Moonbase (base lunar), se considera el sistema nervioso de la ecología de Flock, equivalente a una plataforma de gestión y optimización de modelos descentralizada, que ofrece diversas herramientas de ajuste fino y soporte de potencia de cálculo (proveedores de potencia de cálculo, anotadores de datos). No solo proporciona un repositorio de modelos distribuidos, sino que también integra herramientas de ajuste fino, recursos de potencia de cálculo y soporte de anotación de datos, empoderando a los usuarios para optimizar eficazmente los modelos locales.
Entonces, ¿cómo debemos ver la colaboración entre Qwen y Flock? Desde mi punto de vista, el significado de su colaboración se extiende incluso más allá de la sustancia actual de la colaboración.
Por un lado, en el contexto general donde la IA de web3 es continuamente aplastada por la tecnología de IA de web2, Qwen, que representa al gigante tecnológico Alibaba, ya posee cierta autoridad e influencia en el ámbito de la IA. El hecho de que Qwen pueda elegir activamente colaborar con una plataforma de IA de web3 demuestra plenamente el reconocimiento que la IA de web2 tiene hacia el equipo tecnológico de Flock. Al mismo tiempo, la serie de investigaciones y desarrollos que el equipo de Flock llevará a cabo junto con el equipo de Qwen profundizará la conexión entre la IA de web3 y la IA de web2;
Por otro lado, la anterior web3 AI tenía en un momento solo la cáscara de Tokenomics, mostrando un desempeño bastante decepcionante en la implementación real de Utility. Aunque se intentaron diversas direcciones como AI Agent, AI Platform e incluso AI Framework, al concretarse en aspectos como DeFai y Gamefai, no se logró presentar verdaderas soluciones que resolvieran problemas. Esta revelación por parte de un gigante tecnológico de web2, en cierta medida, ha establecido la dirección y los puntos de enfoque para el desarrollo futuro de web3 AI.
Lo más importante es que, después de experimentar una ola de Fomo de pura "emisión de activos", web3 AI necesita reagruparse y centrarse en un objetivo que pueda ofrecer resultados reales.
En realidad, web3 AI nunca ha sido solo un canal más fácil y eficiente para desplegar agentes de IA y emitir activos, ni un juego para recaudar dinero mediante la emisión de activos. Es necesario buscar posibilidades de cooperación con web2 AI, complementando las necesidades de cada uno en sus respectivos ecosistemas. Solo así se podrá aprovechar realmente la indispensabilidad de web3 AI en esta ola de tendencias de IA.
Me alegra ver que se están logrando más colaboraciones intersectoriales similares a web2AI y web3AI.
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Desde la alianza de Potencia computacional entre Flock y Alibaba, se observa el paradigma de infraestructura de IA de próxima generación.
Ayer, la plataforma de entrenamiento DeAI Flock en el campo de Web3AI anunció oficialmente su colaboración con el modelo de lenguaje grande Alibaba Qwen de Alibaba Cloud. Si no me equivoco, esto debería considerarse como la primera colaboración de integración en la que la IA de web2 se dirige proactivamente hacia la IA de web3. No solo permitió a Flock romper realmente las barreras externas, sino que también revitalizó la moral en el competitivo campo de web3AI, que se encuentra bajo una fuerte presión. Déjame explicarte en detalle:
Por lo tanto, el nacimiento de tecnologías innovadoras de IA web2 como Manus, MCP y A2A ha pinchado, directa o indirectamente, la burbuja existente en el mercado de agentes de IA Web3, lo que llevó a que el mercado secundario estuviera inundado de sangre en un momento.
La razón no es otra que el hecho de que, en un modelo de IA puramente centralizado, inevitablemente surgirán problemas concentrados en la obtención de recursos de potencia computacional y costos, así como en cuestiones de privacidad de los recursos de datos. Por otro lado, la arquitectura distribuida que intenta la IA en web3 puede aprovechar los recursos de potencia computacional inactivos para reducir costos, y también protegerá la privacidad mediante tecnologías de hardware y software como las pruebas de conocimiento cero y TEE, al mismo tiempo que promoverá el desarrollo y el ajuste fino de modelos en escenarios verticales a través de la propiedad de los datos y mecanismos de incentivos por contribuciones.
No importa cuántas críticas reciba, la arquitectura descentralizada y el mecanismo de incentivos flexible de la web3 AI pueden tener un efecto inmediato en la resolución de algunos problemas existentes en la web2 AI.
Flock es una plataforma de entrenamiento de IA descentralizada que combina el aprendizaje federado de IA y una arquitectura de tecnología distribuida. Su mayor característica es permitir que "los datos no salgan de la localidad", protegiendo la privacidad del usuario a través del entrenamiento distribuido, contribuyendo con datos de forma transparente y rastreable, y solucionando así los problemas de ajuste fino y aplicación de modelos de IA en campos verticales como la educación y la salud.
En concreto, Flock tiene tres componentes clave, los compartiré brevemente a continuación:
1、AI Arena (AI竞技场), esta es una plataforma de entrenamiento de modelos competitiva, donde los usuarios pueden enviar sus propios modelos y competir con otros participantes para optimizar los resultados y ganar recompensas. Su objetivo principal es a través del diseño de mecanismos de "jugabilidad", puede incentivar a los usuarios a seguir ajustando y mejorando sus grandes modelos locales, y así seleccionar modelos de referencia más óptimos;
FL Alliance (alianza de aprendizaje federado), para resolver los problemas de colaboración entre organizaciones en escenarios sensibles verticales como la atención médica, la educación y las finanzas, la alianza de aprendizaje federado ha logrado, a través de la capacitación de modelos localizados + un marco de colaboración distribuido, mejorar conjuntamente el rendimiento del modelo sin compartir datos originales.
Moonbase (base lunar), se considera el sistema nervioso de la ecología de Flock, equivalente a una plataforma de gestión y optimización de modelos descentralizada, que ofrece diversas herramientas de ajuste fino y soporte de potencia de cálculo (proveedores de potencia de cálculo, anotadores de datos). No solo proporciona un repositorio de modelos distribuidos, sino que también integra herramientas de ajuste fino, recursos de potencia de cálculo y soporte de anotación de datos, empoderando a los usuarios para optimizar eficazmente los modelos locales.
Por un lado, en el contexto general donde la IA de web3 es continuamente aplastada por la tecnología de IA de web2, Qwen, que representa al gigante tecnológico Alibaba, ya posee cierta autoridad e influencia en el ámbito de la IA. El hecho de que Qwen pueda elegir activamente colaborar con una plataforma de IA de web3 demuestra plenamente el reconocimiento que la IA de web2 tiene hacia el equipo tecnológico de Flock. Al mismo tiempo, la serie de investigaciones y desarrollos que el equipo de Flock llevará a cabo junto con el equipo de Qwen profundizará la conexión entre la IA de web3 y la IA de web2;
Por otro lado, la anterior web3 AI tenía en un momento solo la cáscara de Tokenomics, mostrando un desempeño bastante decepcionante en la implementación real de Utility. Aunque se intentaron diversas direcciones como AI Agent, AI Platform e incluso AI Framework, al concretarse en aspectos como DeFai y Gamefai, no se logró presentar verdaderas soluciones que resolvieran problemas. Esta revelación por parte de un gigante tecnológico de web2, en cierta medida, ha establecido la dirección y los puntos de enfoque para el desarrollo futuro de web3 AI.
Lo más importante es que, después de experimentar una ola de Fomo de pura "emisión de activos", web3 AI necesita reagruparse y centrarse en un objetivo que pueda ofrecer resultados reales.
En realidad, web3 AI nunca ha sido solo un canal más fácil y eficiente para desplegar agentes de IA y emitir activos, ni un juego para recaudar dinero mediante la emisión de activos. Es necesario buscar posibilidades de cooperación con web2 AI, complementando las necesidades de cada uno en sus respectivos ecosistemas. Solo así se podrá aprovechar realmente la indispensabilidad de web3 AI en esta ola de tendencias de IA.
Me alegra ver que se están logrando más colaboraciones intersectoriales similares a web2AI y web3AI.