Multicoin 投资 Grass：既赚 AI 训练数据的钱，又卡位推理时代搜索入口

据深潮 TechFlow发布，作者：Spencer Applebaum、Shayon Sengupta 编译：深潮 TechFlow 深潮导读： 当大多数 DePIN 项目还在为商业模式发愁时，Grass 已经靠卖预训练数据实现盈利，并正在向推理时代的实时检索市场扩张。Multicoin 认为市场严重低估了这个方向的规模，如果 AI 代理每次行动都需要搜索网页，那将是一个比训练数据大几个数量级的市场。 今天，我们宣布从对冲基金和风险基金中投资 Grass，机器智能的读取层。 Andrej Radonjic 最近发布了他关于 Grass 网络生成“丰富智能”的计划。我们认为 Grass 已经赢得了追求这一雄心的权利，并且它是 DePIN 在商业规模上运作的最清晰范例之一。 在过去十八个月里，Grass 部署了精细调校的加密激励措施，招募贡献者分享其互联网连接中未被充分利用的带宽。这个贡献者网络充当了查询和解析公共互联网的基础设施，使 Grass 能够迅速进入前沿实验室的数据管道。这些合作需要收集海量信息，使聚合状态可用于模型训练，并将其可靠地交付给需求随每次新训练运行而变化的客户。 我们认为市场将 Grass 理解为一个通过预训练数据服务 AI 实验室的代理网络，但尚未计入推理时数据检索这一巨大扩张。Grass 团队似乎拥有独特的优势，可以服务于每当模型搜索网页回答问题或代理在行动前检索上下文时对新鲜信息的需求，这个市场可能比预训练数据大几个数量级，因为这些请求在模型的整个部署期间反复出现（而预训练数据集是针对离散运行的一次性交付）。 代理系统每次行动都需要搜索和检索信息。有效完成这一任务的成本和延迟要求，实际上需要重建一个网络索引，这是历史上只有 Google 和 Microsoft 这样的参与者才进行过的资本密集度最高的事业之一。随着互联网通过代理的行动递归增长，实时检索正变得越来越关键的基础设施。我们相信 Grass 在构建和提供这一服务方面拥有结构性的成本和访问优势，拥有与将消费该服务的实验室的关系，以及使其对机器智能有用的技术能力。 过去：预训练数据公共互联网的大部分内容对于传统 AI 实验室在预训练期间来说本质上难以访问。网站对自动化流量进行速率限制，在不同地理区域呈现不同内容，并且越来越多地要求页面通过普通浏览器渲染。Grass 通过将请求路由到数百万个住宅连接来解决这个问题，这些连接的所有者选择加入网络并因其贡献获得报酬。 与之前时代的许多代理网络不同，Grass 不需要制造硬件、通过与 ISP 的批发交易获取住宅连接，或在消费者不知情的情况下渗透其设备。世界各地的用户已经在为这些连接付费，而其中大部分容量未被使用。代币帮助 Grass 在客户需求足以支付之前招募贡献者并建立地理覆盖，网络迅速将这一聚合资源转化为 AI 实验室可以依赖的预训练资源。 Grass 必须在紧凑的时间表上交付海量数据，并以实验室可以直接用于其训练管道的格式提供。每次交付都需要与实验室团队密切协调，并让 Grass 更深入地了解他们下一步需要什么。 在我们 2023 年关于 DePIN 网络设计的文章中，我们将“阈值规模”描述为网络的分布式供应变得具有商业可用性的临界点。代币在那个临界点之前特别强大，因为它们可以奖励人们为尚未有足够覆盖来吸引客户的基础设施做出贡献。真正的考验在那之后到来：网络能否销售可靠的服务，并最终为其所使用的供应付费。 Grass 是我们遇到的少数通过这一考验的网络之一。超过 600 万贡献者获得了以美元计价的奖励，这些奖励完全由他们贡献直接产生的收入资助。Gra