Ondergewaardeerd feit over frontier AI-gegevens: Schaal AI-projecten $2B omzet in 2025. Voeg Surge, Mercor en anderen toe, en de totale uitgaven voor gegevens komen rond de $3,5B: voornamelijk voor redeneermodellen. Maar multimodale AI? Verwacht dat het 10x groter zal zijn. Aangedreven door video, audio en meer.

Onze man @NiphermeDave's content is altijd geweldig 🗣️ kijk ernaar!

Soms heb je gewoon "één van DIE" weken.... Dankbaar voor de ORO-gemeenschap. Voor iedereen die een zware week heeft gehad, houd je hoofd omhoog! Het is pas het begin. Geniet van je zondag.

Veel mensen hebben ons gevraagd... wat kan mijn data aan? Bij ORO helpen we bij het aandrijven van multimodale AI-modellen op grote schaal. Redeneren, Stem, Video, en binnenkort... andere verticalen 👀 Waarom Multimodaal? Omdat het de ruimte is die gecentraliseerde spelers niet kunnen en zullen aanvallen. De wereld van video, audio, langstaartdata van wearables... alleen een platform zoals het onze kan dit aggregeren. En wij zijn de enige die samenwerkt met de toonaangevende laboratoria. Voordeel van de eerste mover is van toepassing.

Een andere post in onze tekstserie... $META in 2024: Als je alle hoogwaardige audio-data van de wereld zou proberen te aggregeren, zou je 3.000 uur krijgen. We hebben MILJOENEN nodig. Wie weet eigenlijk hoe je deze data op grote schaal kunt aggregeren? Om miljoenen uren te filteren om 10.000 daadwerkelijk bruikbare uren te krijgen om de volgende generatie modellen te trainen? ORO. Dat is het.

We zullen het gewoon zeggen... De meeste AI-gegevensleveranciers aggregeren eigenlijk geen nuttige gegevens. Ze hebben geen echte onderzoekers in de toonaangevende laboratoria die op hun gegevens trainen. Leer het signaal van de ruis te scheiden. Zoals wij doen met onze audiogegevens!

Waarom zijn serieuze dataleveranciers zo gefocust op infrastructuur? 🤔 Omdat geweldige AI-gegevens twee dingen vereisen: 1️⃣ wereldwijde verzameling 2️⃣ autonome kwaliteitsverificatie #1 heeft decentralisatie nodig. #2 hangt af van krachtige infrastructuur. Wij zijn het enige platform dat op beide gebieden is getest—het verzamelen van privévideo's, audio en draagbare gegevens op grote schaal met de beste multimodale laboratoria die het gebruiken.

Een paar weken geleden gaven we een kijkje in onze AI-data-infrastructuur. Vandaag ondersteunt het toonaangevende multimodale AI-laboratoria met uitbreidbare pipelines: – schaalbare datasynthese – model-in-the-loop annotatie – gedetailleerde, aanpasbare zoekfunctie Voor ons: kwetsbare interne tools of trage legacy-leveranciers. Nu: infrastructuur speciaal gebouwd voor AI op grote schaal.

De meeste modellen van vandaag zijn getraind op verzamelde webdata... Maar daar zullen de volgende prestatieverbeteringen niet vandaan komen. De onbenutte laag? Stemnotities, draagbare streams, bonnetjes, agenda's, diagnostiek. Gestructureerd, toegestaan en rijk aan context uit de echte wereld.

De volgende doorbraak in LLM zal niet komen van modelaanpassingen. Het zal komen van test-tijd berekeningen op echte data: 🔸 dynamische context 🔸 bron-niveau toeschrijving 🔸 live invoer van apparaten en logs We creëren de brug tussen passieve modellen en interactieve intelligentie 🤝