AI/Data

注意：本文档是英文原版的自动翻译。

AI/数据归类的是那些为 AI 训练和处理收集、整理、标注或提供数据的项目。数据是每一个 AI 系统的基础输入——没有结构化、高质量的数据集，模型就无法被训练、微调或改进。

在 DecAIHub 登记库中，AI/数据项目涵盖从去中心化数据市场和标注平台，到为训练与推理工作流供给数据的专用数据管道。该类别有别于那些仅仅把数据存储在链上的项目；其重点在于专门为 AI 准备或被 AI 消费的数据。

隐私、同意和数据权利正变得日益重要：贡献者可能提供敏感或专有信息，而各协议在记录数据来源和用途方面各不相同。AI/数据标签反映的是面向 AI 的数据产品，而非通用的文件存储。

简而言之： AI/数据涵盖为 AI 系统获取、处理或分发数据的项目。

它意味着什么

在 AI 语境中，**数据集**是结构化信息的集合——带标签的图像、文本语料库、传感器读数、链上交易历史——用于教授或评估模型。创建有用的数据集涉及收集（采集原始数据）、整理（筛选与组织）、标注（添加注释，告诉模型每个数据点代表什么）以及质量控制。

在加密 AI 中，数据项目常常使用代币激励来调动贡献者：参与者标注图像、提交传感器数据或分享专有数据集，并以此换取代币。区块链可以充当协调与支付层、来源溯源账本，或撮合数据供给方与数据消费方的市场。

将真正的数据项目与营销区分开来的，是可衡量的证据：带有文档化模式（schema）的真实数据集、活跃的贡献者或数据源、可验证的吞吐量指标，以及让任何人都能追溯数据来源及处理方式的链上溯源。

AI/数据项目中常见的 AI components 包括数据收集与标注管道、数据预处理引擎、数据集登记库、数据质量评分，以及数据市场协议。一些项目狭窄地聚焦于某一种数据类型（例如医学影像或地理位置）；另一些则构建通用型数据基础设施。

DecAIHub 使用复合类别。下面是 AI/数据中最常见的组合。与基础设施的搭配很常见；DePIN 以及与 AI/训练或 AI/代理的交叉标签则描述物理采集、训练管道或面向代理的数据源。

子组合	它意味着什么
AI/数据 \| 基础设施	数据基础设施、数据市场和数据管道——把数据从来源搬运到消费方的“管道系统”。
AI/数据 \| DePIN	使用代币激励的物理数据采集网络——采集真实世界数据的设备、传感器或贡献者。
AI/数据 \| AI/训练 \| 基础设施	专门为训练管道打包的数据——在原始数据与模型训练之间架起桥梁的项目。
AI/数据 \| AI/代理	为代理系统设计的数据服务——为自主代理提供上下文、记忆或知识源。

单个项目可以携带多个领域标签（例如 AI/Data | Infra | DePIN）。

在 DecAIHub 上阅读 AI/数据卡片时，请留意：

AI component — 卡片是否列出了一个具体的 AI component（数据标注、数据收集、数据集整理、数据预处理），还是只有笼统的“数据平台”说辞？
可运行的管道 — 是否存在一个具有可衡量吞吐量的、可用的数据市场或管道，还是项目仍停留在定位阶段？
数据集可验证性 — 数据集能否被检查、抽样或审计？是否公布了数据质量指标？
证据层级 — 是否有 Tier-1 工件，例如公开的数据集仓库、数据管道文档或链上溯源记录？
AI reality 评分（ai_score） — 收集数据本身并不是 AI。该项目是否在其数据管道中应用了 AI（例如自动化标注、质量评分），还是仅仅生产数据供他人使用？参见 AI reality。

被标记为 AI/数据的项目，是基于其定位和可获得的工件被归类为以数据为重心的。仅凭这个标签并不能确认：

请务必查看完整的 DecAI Fit 评分以及项目卡片中的证据区块。

不一定。该类别的核心是面向 AI 的数据——收集、标注、市场和管道。当模型训练是首要重心时，会归入 AI/训练；当项目同时跨越数据与训练基础设施时，许多卡片会同时携带两者。

列出或出售数据，与在产品内部运行 ML 不是一回事。如果协议主要是在协调人工标注者，而没有自动化质量模型或类似的 AI 组件，那么 AI reality 评分反映的是技术栈中可验证的部分。

查看相关材料是否描述了模式（schema）、标注、AI 消费方工作流或面向 ML 的溯源——而不仅仅是“把文件上传到链上”。卡片上的 AI component 字段是首要指引。

Dataset — 关于数据集在机器学习中如何被定义和使用的总体概览。
NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0) — 当 AI 系统依赖于经过整理的输入时，关于数据质量、文档和风险的有用背景。