Gate Booster 第 4 期:發帖瓜分 1,500 $USDT
🔹 發布 TradFi 黃金福袋原創內容,可得 15 $USDT,名額有限先到先得
🔹 本期支持 X、YouTube 發布原創內容
🔹 無需複雜操作,流程清晰透明
🔹 流程:申請成為 Booster → 領取任務 → 發布原創內容 → 回鏈登記 → 等待審核及發獎
📅 任務截止時間:03月20日16:00(UTC+8)
立即領取任務:https://www.gate.com/booster/10028?pid=allPort&ch=KTag1BmC
更多詳情:https://www.gate.com/announcements/article/50203
最近,Coinbase 官方公布了最新的上幣路線圖,@PerleLabs 的代幣 $PRL 顯然列入其中。
對於關注加密市場的人來說,Coinbase 的上幣標準一向以嚴格著稱,能夠進入其視野的項目,通常在合規性、業務邏輯和實際落地方面都具有一定的基本面支撐。
隨著 $PRL 的 TGE 臨近,市場對這個項目的關注度也在快速上升,那麼 Perle 到底是做什麼的?它在解決 AI 行業的哪些痛點?以及,為什麼這個賽道具有長期的商業邏輯?
一、AI 行業的隱秘危機
首先要理解 Perle 的價值,首先要明白當前 AI 發展遇到了什麼瓶頸!
在過去幾年裡,AI 行業的競爭主要集中在算力和模型參數上。但隨著大語言模型進入基於人類反饋的強化學習階段,行業發現了一個致命問題——高質量的訓練數據不夠用了。
所以為了彌補數據缺口,很多公司開始用“AI 生成的數據去訓練新的 AI”。這種做法在短期內看似高效,但研究界已經證實,這會導致一種被稱為“模型崩塌”的現象。
簡單來說,就像複印件的複印件一樣,AI 閉環迭代會讓輸出質量螺旋下降,最終產生大量看似合理但完全錯誤的幻覺。
當然,更嚴重的是安全隱患!
當 AI 開始深入醫療診斷、自動駕駛、國防軍工等高風險領域時,如果訓練數據的來源不透明、無法溯源,其後果是不可接受的!
而且,這些領域對數據的容錯率幾乎為零。
所以結論很清楚——AI 越聰明,對真實、高質量、可溯源的人類數據的需求就越大。
數據基礎設施已經成為 AI 時代不可或缺的剛需!
二、Perle 的解法
面對上述痛點,Perle Labs 的定位非常明確——構建企業級和主權國家的 AI 數據基礎設施。
市面上其實有很多做數據標註的眾包平台,但它們大多採用“以量計酬”的模式,找大量普通人進行簡單的圖片框選或文本分類。
但這種模式根本無法滿足專業領域的需求。
Perle 的做法有三個核心差異點!
1️⃣ 真實專家介入
Perle 放棄了低質量的自動化流程,要求所有數據必須由真實的人類專家來審核和驗證。
2️⃣ 鏈上信用與溯源
這是 Web3 機制發揮作用的地方。
Perle 將數據貢獻者的工作記錄和表現上鏈,形成可驗證的信用系統。
這不僅保證了數據的可追溯性,也讓優秀的專家能夠憑藉信用獲得持續的經濟回報。
3️⃣ 服務高淨值客戶
Perle 的目標客戶是企業和政府!
這些客戶願意為“絕對可信”的數據支付溢價。
據了解,Perle 目前已經擁有真實的客戶群體,並產生了實際的商業收入,這在普遍缺乏造血能力的 Web3 項目中是一個重要的基本面。
三、團隊背景
評估一個項目能不能做成,團隊的履歷是重要的參考指標之一!
Perle 的核心團隊並非半路出家,而是來自全球 AI 數據標註領域的絕對頭部企業——Scale AI。
Scale AI 目前估值約 300 億美元,曾獲得 Meta 百億美元級別的戰略投資,也拿過美國國防部的上億美元訂單。
可以說,Scale AI 定義了現代 AI 數據行業的標準,也驗證了這個賽道巨大的商業價值。
而 Perle 的團隊正是帶著在 Scale AI 累積的實戰經驗出來的!
1️⃣ CEO Ahmed Rashad
曾在 Scale AI 擔任供給與增長負責人,專門負責搭建和擴展數據標註者網絡。他非常清楚如何在全球範圍內組織人力來生產數據。
2️⃣ 產品運營負責人 Moe Abdelfattah
同樣來自 Scale AI,曾負責自然語言處理業務的增長,對大模型訓練數據的需求有深刻理解。
3️⃣ 研究科學家 Sajjad Abdoli
擁有蒙特利爾大學博士學位及 MILA 背景,專注於機器學習與 AI 安全。
4️⃣ 這個團隊的結構非常務實
有人懂得如何大規模組織數據生產,有人懂得 AI 模型的底層安全邏輯,同時結合了 Web3 的激勵機制。
他們在 Scale AI 解決了“如何大規模生產數據”的問題,現在在 Perle 要解決的是“如何讓這些規模化數據變得可信且去中心化”。
四、市場定位與接下來的機會
目前,Perle 已經完成了 1750 萬美元的融資,投資方包括 Framework Ventures、CoinFund 等業內知名機構。
資金儲備和機構背書為其後續的發展提供了保障。
從賽道橫向對比來看,Web3 x AI 數據賽道已經跑出了幾個高估值的項目。
例如 Vana 的歷史最高全流通估值達到 33 億美元,Sahara AI 達到 14 億美元,Sapien 也有 6 億美元。
作為同賽道的有力競爭者,且具備真實收入和前 Scale AI 團隊背景,Perle 在 TGE 後的市場表現值得保持關注。
總而言之,Coinbase 將 $PRL 列入路線圖,只是個引子。真正支撐 Perle 邏輯的,是 AI 行業對高質量人類數據的渴求。
隨著 $PRL TGE 的臨近,對於關注 AI 和 Web3 結合點的參與者來說,Perle 提供了一個觀察去中心化數據經濟如何落地的絕佳範例。
在接下來的 AI 競賽中,誰掌握了高質量的數據源,誰就掌握了主動權,而 Perle 正在努力成為這個數據源的提供者。