Протягом останнього часу в галузі AI інфраструктури даних спостерігається яскраво виражена контраст: з одного боку, ринок постійно переслідує прориви в передових великих моделях; з іншого боку, індустрія все більше усвідомлює — незалежно від того, наскільки передова архітектура моделі, якщо бракує високоякісних, відстежуваних даних для навчання, все оптимізування залишиться поверхневим.

На цьому тлі KGeN (@KGeN_CN / @KGeN_IO), проект, сфокусований на верифіцій людської мережі, нещодавно демонструє постійне зростання дискусій у спільноті та на платформі X. Його основна цінність полягає в точному розв'язанні одного з найкритичніших вузьких місць AI навчання: високоякісне анотування та постачання даних.
Упродовж останніх років AI компанії витрачали великі кошти на закупівлю даних, але проблеми з нестабільністю якості даних, ризики конфіденційності та відповідності, складність верифікації ідентичності анотаторів завжди були присутні. KGeN @KGeN_CN через фреймворк VeriFi реалізує верифікацію ланцюгової ідентичності користувачів та, спираючись на рушій репутації POGE (Proof of Genuine Engagement), побудував глобальну мережу справжніх експертів-людей.
Відповідно до публічних даних та недавніх звітів:
- Платформа накопила понад 52,7 млн верифікованих користувачів, охоплюючи понад 60 країн та понад 20 мовних регіонів;
- Річний дохід (ARR) перевищив 83,5 млн доларів США, що демонструє потужну комерціалізацію;
- Інституціональна підтримка є вагомою, включаючи Prosus Ventures, Jump Crypto (пов'язана з Jump Capital), Accel та інші найкращі інвестиційні фонди, із загальним обсягом фінансування 43,5 млн доларів США.
З точки зору технічної архітектури, KGeN є не просто платформою торгівлі даними, а скоріше побудував екосистему глибоко інтегрованої інфраструктури блокчейну та AI. Його флагманський продукт KAI (Training & Evaluation) позиціонується як професійний рушій анотування та оцінювання AI даних, наголошуючи на "доказі навичок + відповідності репутації" замість анонімного краудсорсингу.
Основні механізми коротко описуються так:
1. Інтелектуальне розподілення завдань: розподіл завдань базується на динамічному рейтингу POGE та професійному профілі користувача для точного відповідання;
2. Підтримка мультимодальності: охоплює анотування зображень, відео, аудіо, тексту, коду та інших типів;
3. Цикл якості: поєднання попередньо-анотування AI + експерти-люди + ланцюгова верифікація + постперевірка якості, з точністю AI-асистивної перевірки якості понад 98%;
4. Стимули та розрахунки: при виконанні завдання відбувається миттєва видача нагород в ланцюгу, утворюючи стійкий цикл створення вартості.
Цей проект особливо корисний у сценаріях RLHF (навчання з посиленням людського зворотного зв'язку), корекції упередженості, мультимодального вирівнювання тощо, здатний надавати передовим моделям анотовані дані з високою надійністю та узгодженістю.
Особистий практичний досвід:
Процес KGeN App / KAI є чітким: завершення верифікації ідентичності VeriFi → отримання початкового рейтингу POGE → системне відповідання завданнями → AI-асистивне попереднє анотування → миттєвий зворотний зв'язок та нагорода після подачі. Інтерфейс дружелюбний, геймифіцований дизайн підвищує залучення, загальна ефективність і справедливість перевищують більшість традиційних платформ краудсорсингу.
У міру того як AI спрямована на трильйонний ринок, структурний дефіцит на стороні постачання даних став консенсусом. Логіка, яку представляє KGeN, насправді дуже проста, але надзвичайно проникаюча: стеля AI по суті є стелею якості даних, а децентралізовані стимули Web3 + ланцюгова система репутації є ефективним шляхом розблокування глобального справжнього людського інтелекту.
Згідно з прогнозами ринку, загальний ринок анотування даних та служб AI даних до 2034 року може досягти сотень мільярдів доларів США (різні інституції оцінюють від 90 до 140 мільярдів доларів США), з чого надбавка за високоякісні, верифіковані дані є значною (зазвичай 200–400%). KGeN перебуває на перехресті цієї структурної можливості.
Продовжую стежити. Вітаю раціональне обговорення.
@KGeN_CN @KGeN_IO #KGeN #KAI #Web3AI #AIData
$KGEN