数据瓶颈相关 AI 资讯 · AITOP · AI热报

7月29日

01:17

01:17

a16z@a16z

World Labs CEO李飞飞与SceniX联合创始人Yunzhu Li在a16z的对话中指出，机器人领域面临训练和评估数据严重缺乏的问题，这与互联网上数据丰富的语言模型截然不同。他们认为必须通过世界模型建模环境来释放缩放定律的潜力。通过创建数字世界生成数据，可以替代昂贵且危险的真实环境数据，实现机器人的可扩展学习和评估。

行业 World Labs SceniX 李飞飞

推荐理由：李飞飞和Yunzhu Li直接点出机器人训练的数据瓶颈，并分享用数字世界生成数据替代真实数据的思路，和语言模型的对比很直观。

7月7日

06:24

06:24

官方账号Clement Delangue@ClementDelangue

精选

Hugging Face 创始人 Clement Delangue 发布推文，展示 AI 开发者存储在 HF Xet 上的数据量，称已完全取代 Git 存储。该平台数据量正快速接近 EB 级。伴随推文的一篇长文指出，AI 训练已从计算受限进入数据受限阶段，互联网公共文本数据仅剩约 300 万亿 token 可用，高质量新数据增速无法匹配模型规模增长。文章认为需要像建设计算基础设施一样，启动“数据星门”计划以应对每年超 1000 亿美元的数据支出需求。

行业 Hugging Face Xet 数据存储

推荐理由：Hugging Face 晒出 Xet 存储数据量，说明 AI 开发者对数据的需求爆炸式增长，同时深入解释了为什么互联网数据快不够用了。