FLock.io a établi une coopération stratégique avec Qwen, une filiale d'Alibaba Cloud. L'IA Web3 doit trouver un écosystème complémentaire à celui de l'IA Web2.

web3 AI doit rapidement trouver un écosystème complémentaire à web2 AI pour résoudre des problèmes tels que le coût élevé de la Puissance de calcul, la confidentialité des données, et les problèmes de réglage fin des modèles dans des scénarios verticaux que l’IA centralisée de web2 ne peut pas résoudre.

Rédigé par : Haotian

Hier, la plateforme de formation DeAI dans le domaine de Web3AI @flock_io a collaboré avec @Alibaba_Qwen, une filiale d’Alibaba Cloud.

Le grand modèle de langage annonce officiellement un partenariat. Si je ne me trompe pas, cela devrait être la première collaboration d’intégration proactive entre l’IA web2 et l’IA web3. Non seulement cela a permis à Flock de vraiment sortir de son cercle, mais cela a également redonné de l’élan à la morale du secteur de l’IA web3 sous pression. Laissez-moi vous en dire plus :

1. J’ai expliqué dans le tweet épinglé que le web3 AI Agent a toujours essayé de stimuler le déploiement des applications Agent par le biais de Tokenomics, et a également mis en place un modèle concurrentiel de déploiement rapide. Cependant, après l’engouement Fomo lié à l’émission d’actifs, tout le monde a réalisé que le web3 AI, en termes d’utilité et d’innovation, n’a presque aucune chance par rapport au web2 AI.

Ainsi, la naissance de technologies innovantes en IA comme Manus, MCP et A2A dans le web2 a directement ou indirectement fait éclater la bulle existante du marché des agents IA Web3, entraînant une hémorragie sur le marché secondaire.

2. Comment résoudre le problème ? Le chemin est en fait assez clair, le web3 AI doit urgentement trouver un créneau écologique qui complète le web2 AI, afin de résoudre les problèmes de coût élevé de la puissance de calcul, de confidentialité des données, de réglage fin des modèles pour des scénarios verticaux, etc., que l’IA centralisée du web2 ne peut pas résoudre.

L’architecture distribuée tentée par l’IA web3 peut utiliser des ressources informatiques inutilisées pour réduire les coûts, protéger la vie privée sur la base de technologies logicielles et matérielles telles que les preuves à divulgation nulle de connaissance et les TEE, et promouvoir le développement de modèles et l’ajustement fin de scénarios verticaux grâce à la propriété des données et aux mécanismes de contribution incitative.

Peu importe les critiques, l’architecture décentralisée et le mécanisme d’incitation flexible de l’IA web3 peuvent avoir un impact immédiat sur la résolution de certains problèmes existants dans l’IA web2.

3. En parlant de la collaboration entre Flock et Qwen. Qwen est un modèle de langage open source développé par Alibaba Cloud, qui est devenu un choix courant pour certains développeurs et équipes de recherche grâce à ses performances exceptionnelles dans les tests de référence et à la flexibilité permettant aux développeurs de déployer localement des ajustements.

Flock est une plateforme de formation AI décentralisée qui intègre l’apprentissage fédéré AI et une architecture technologique distribuée AI. Sa principale caractéristique est de permettre que « les données ne sortent pas localement », tout en protégeant la vie privée des utilisateurs grâce à une formation distribuée, et en assurant une contribution de données transparente et traçable, résolvant ainsi les problèmes de réglage fin et d’application des modèles AI dans des domaines verticaux tels que l’éducation et la santé.

Plus précisément, Flock a trois composants clés, que je vais partager brièvement ici :

1、AI Arena (AI Arena), c’est une plateforme d’entraînement de modèles compétitifs où les utilisateurs peuvent soumettre leurs propres modèles et rivaliser avec d’autres participants pour optimiser les résultats et remporter des récompenses. Son objectif principal est, grâce à la conception de mécanismes « ludiques », d’inciter les utilisateurs à ajuster et améliorer en continu leurs grands modèles locaux, afin de sélectionner des modèles de référence plus performants ;

2. FL Alliance (Alliance de Learning Fédéral), pour résoudre les problèmes de collaboration inter-organisationnelle dans des scénarios sensibles verticaux tels que la santé, l’éducation et la finance, l’Alliance de Learning Fédéral a réalisé, grâce à l’entraînement de modèles localisés + un cadre de collaboration distribué, une amélioration conjointe des performances des modèles sans partager les données brutes.

3, Moonbase (base lunaire), il s’agit du nerf central de l’écosystème Flock, équivalent à une plateforme de gestion et d’optimisation de modèles décentralisée, offrant divers outils de réglage et un soutien en puissance de calcul (fournisseurs de puissance de calcul, annotateurs de données). Il ne fournit pas seulement un dépôt de modèles distribué, mais intègre également des outils de réglage, des ressources de puissance de calcul et un soutien à l’annotation des données, permettant aux utilisateurs d’optimiser efficacement leurs modèles locaux.

4. Alors, comment percevoir la collaboration entre Qwen et Flock ? À mon avis, la signification étendue de leur coopération est même plus grande que la substance de la coopération actuelle.

D’une part, dans le contexte où l’IA web3 est continuellement écrasée par l’IA web2, Qwen, représentant le géant technologique Alibaba, a déjà acquis une certaine autorité et influence dans le domaine de l’IA. Le fait que Qwen puisse choisir activement de collaborer avec une plateforme d’IA web3 prouve pleinement la reconnaissance de l’équipe technique Flock par l’IA web2, tandis que la série de recherches et de développements ultérieurs entre l’équipe Flock et l’équipe Qwen approfondira les interactions entre l’IA web3 et l’IA web2.

D’autre part, le web3 AI antérieur avait un shell de Tokenomics, mais a montré des performances décevantes en termes de mise en œuvre réelle de l’Utility. Bien qu’il ait essayé de nombreuses directions telles que divers AI Agents, AI Platforms et même AI Frameworks, il n’a pas été en mesure de proposer de véritables solutions capables de résoudre des problèmes dans des domaines tels que DeFai et Gamefai. Cette révélation provenant de géants technologiques du web2 a en quelque sorte donné une orientation sur la voie de développement et les points d’appui futurs du web3 AI.

Le plus important est que le web3 AI, après avoir traversé une période de frénésie Fomo pure liée à l’« émission d’actifs », doit se réorganiser pour se concentrer sur un objectif capable de produire de vrais résultats.

En réalité, le web3 AI n’est pas seulement un moyen plus facile et plus efficace de déployer des agents IA pour distribuer des actifs, ni un jeu pour lever des fonds. Il doit viser à collaborer avec le web2 AI pour compléter les niches écologiques de chacun, afin de vraiment démontrer l’indispensabilité du web3 AI dans cette vague actuelle de tendances en matière d’IA.

Je suis très heureux de voir davantage de collaborations interdisciplinaires comme web2AI et web3AI se concrétiser.