AI数据溯源：优质训练数据与区块链微支付

一篇观点文章认为，AI系统的下一处瓶颈并非模型本身，而是“AI数据溯源（AI data provenance）”。作者称，优质“干净”的训练语料（2022年11月ChatGPT上线之前的人工写作互联网内容）正在变得稀缺；与此同时，更新内容更容易夹杂恶意投放数据，并因递归训练在“模型塌缩”中逐步恶化。 文章引用研究（Nature，2024年7月）称：模型若用前一代模型的输出再训练，在少数代之后会退化——稀有想法首先消失，随后分布收窄，最终产出变得自信但“同质化的胡说”。作者还用“低本底钢材”的类比：把ChatGPT上线之前的人类文本视作可验证的“低背景材料”，而上线之后的内容在未经证实前应更谨慎对待。 提出的解决方案是：用微支付来“门控”一等内容的访问（按请求计价，使用稳定币完成结算），并用区块链附带溯源证明：在内容创作时进行哈希、在链上为哈希打时间戳，并用与来源信誉绑定的身份进行签名。这样训练流水线就能在数学层面验证：某份文档在指定日期之前就已存在，且来自已被认证的来源。 对交易者而言，这篇文章把价值捕获重点转向“可验证数据供给与溯源基础设施”，可能利好支持AI数据验证的链上叙事。但它更像是观点与推演，而非直接的已发生市场事件，因此短期影响大概率有限。