FLock.io a conclu un partenariat stratégique avec Qwen, une filiale d'Alibaba Cloud, le Web3 AI doit trouver un emplacement écologique complémentaire avec le Web2 AI.

Rédigé par : Haotian

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

Annonce officielle de coopération pour de grands modèles de langage. Si je ne me trompe pas, cela devrait être considéré comme la première coopération d’intégration où l’IA Web2 se tourne activement vers l’IA Web3. Cela permet non seulement à Flock de sortir véritablement de son cercle, mais cela redonne également du moral au secteur de l’IA Web3, qui est sous pression et en déclin. Laissez-moi vous expliquer plus en détail :

1. J’ai expliqué dans le tweet épinglé que le Web3 AI Agent a longtemps essayé de stimuler le déploiement des applications Agent par le biais de la Tokenomics, en adoptant également le paradigme de déploiement rapide. Cependant, après une frénésie d’émission d’actifs, tout le monde a réalisé qu’en termes d’utilité, d’innovation, etc., le Web3 AI n’avait presque aucune chance par rapport au Web2 AI.

Ainsi, la naissance de technologies innovantes en IA Web2 telles que Manus, MCP et A2A a directement ou indirectement percé la bulle du marché des agents IA Web3, entraînant une hémorragie sur le marché secondaire.

2. Comment sortir de cette impasse ? Le chemin est en réalité assez clair, le Web3 IA doit impérativement trouver un créneau complémentaire au Web2 IA, afin de résoudre des problèmes tels que le coût élevé de la puissance de calcul que l’IA centralisée du Web2 ne peut pas résoudre, les problèmes de confidentialité des données, les problèmes de micro-ajustement des modèles dans des scénarios verticaux, etc.

Les raisons sont essentiellement que les modèles d’IA purement centralisés finiront par rencontrer des problèmes majeurs liés à l’acquisition de ressources de calcul et à leurs coûts, ainsi qu’aux problèmes de confidentialité des données. En revanche, l’architecture décentralisée que tente de mettre en place l’IA Web3 peut utiliser des ressources de calcul inutilisées pour réduire les coûts. Elle s’appuie également sur des technologies matérielles et logicielles telles que les preuves à divulgation nulle de connaissance et l’environnement d’exécution de confiance (TEE) pour protéger la vie privée. Parallèlement, elle promeut le développement et le réglage des modèles dans des scénarios verticaux grâce à la propriété des données et à des mécanismes d’incitation à la contribution.

Peu importe les critiques, l’architecture décentralisée et le mécanisme d’incitation flexible de l’IA Web3 peuvent avoir un impact immédiat sur certains des problèmes existants de l’IA Web2.

3. En ce qui concerne 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 lors des tests de référence et à la flexibilité qui permet aux développeurs de déployer et d’ajuster localement.

Flock est une plateforme d’entraînement AI décentralisée qui combine l’apprentissage fédéré AI et une architecture technique distribuée AI. Sa principale caractéristique est de permettre que les « données ne sortent pas du local » tout en protégeant la vie privée des utilisateurs grâce à un entraînement distribué, offrant une contribution de données transparente et traçable, afin de résoudre 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, en voici un bref aperçu :

1、AI Arena (AI Arène), 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 gagner des récompenses. Son principal objectif est, grâce à la conception d’un mécanisme « ludique », d’inciter les utilisateurs à affiner et améliorer constamment leur grand modèle local, afin de sélectionner de meilleurs modèles de référence.

2. FL Alliance (Alliance d’apprentissage fédéré) a été créée pour résoudre les problèmes de collaboration inter-organisationnelle dans des scénarios sensibles verticaux tels que la médecine traditionnelle, l’éducation et la finance. L’alliance d’apprentissage fédéré a réalisé, grâce à un entraînement de modèle localisé et à un cadre de collaboration distribué, une amélioration conjointe des performances du modèle sans partager les données brutes.

3. Moonbase (基地 lunaire), il peut être considéré comme le centre nerveux de l’écosystème Flock, équivalent à une plateforme de gestion et d’optimisation de modèles décentralisée, offrant divers outils de réglage fin et un support de puissance de calcul (fournisseurs de puissance de calcul, annotateurs de données). Il ne fournit pas seulement un dépôt de modèles distribués, mais intègre également des outils de réglage fin, 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 ? Personnellement, je pense que la signification de leur coopération s’étend même au-delà de la substance actuelle de la collaboration.

D’une part, dans le contexte où l’IA Web3 est continuellement écrasée par la technologie de l’IA Web2, Qwen, représentant le géant technologique Alibaba, a déjà 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 par Web2AI de l’équipe technique de Flock, tandis que la série de recherches et de développements ultérieurs entre l’équipe de Flock et l’équipe de Qwen approfondira la connexion entre l’IA Web3 et l’IA Web2.

D’une part, le Web3 AI avait auparavant un cadre de Tokenomics, mais ses performances en matière d’utilité réelle étaient décevantes. Bien qu’il ait tenté de nombreuses directions telles que les agents AI, les plateformes AI et même les frameworks AI, il n’a pas réussi à proposer de véritables solutions pour résoudre des problèmes dans des domaines concrets comme DeFai ou Gamefai. Le fait que des géants technologiques du Web2 dévoilent leurs projets a, dans une certaine mesure, défini la direction et les points d’intervention pour le développement futur de l’AI dans le Web3.

Le plus important est que l’IA Web3, après avoir connu une période de frénésie Fomo axée sur la “émission d’actifs”, doit se recentrer sur un objectif qui peut produire de véritables résultats.

En réalité, le Web3 AI n’est jamais seulement un moyen plus facile et plus efficace de déployer des agents d’IA pour émettre des actifs, ni un jeu pour lever des fonds avec des actifs. Il faut envisager une collaboration possible avec le Web2 AI, en complémentant les niches écologiques de chacun. C’est ainsi que le Web3 AI pourra vraiment jouer son rôle indispensable dans cette vague de tendances AI.

Je suis très heureux de voir davantage de collaborations interdisciplinaires comme Web2AI et Web3AI se concrétiser.