我的整个职业生涯都在追寻一个问题：我们如何收集正确的数据，让 AI 真正适用于现实世界？

从斯坦福的实验室到德州大学奥斯汀分校的课堂，我几乎找遍了每个角落。但事实证明，解决方案并不来自另一间 AI 实验室，而是来自一个特别的区块链协议：它天生就以“数据”作为最宝贵的知识产权（IP）资产进行管理，正是这个协议能够为运行于物理世界的 AI 系统解锁数据价值。

这就是我加入 Story 并出任首席 AI 官（Chief AI Officer）的原因：构建一套基础设施，将原始数据转化为具备使用权、可分享、并带有激励机制的 AI 燃料，推动 AI 向现实世界前沿发展。这是解锁 70 万亿美元 IP 经济的关键步骤，也是推动机器智能真正走入物理世界的核心引擎。在 Story，我将全面负责我们的 AI 战略，领导关键产品孵化（很快会有更多内容可以分享），并为更广泛的生态系统提供指导，帮助大家抓住这场 AI 浪潮下的巨大机遇。

这个追求，贯穿了我至今为止的每个职业阶段 — — 从机器人实验室，到学术课堂，到 AI 初创公司的实战 — — 而现在，这也是我为何来到 Story：这是唯一一个正在构建现实世界 AI 数据基础设施的团队。

扎根于斯坦福 — — 对云机器人技术的热爱

我一直对分布式系统充满兴趣，无论是通过 5G 连接的机器人车队，还是在大规模运行的数据中心网络，它们的协同能力都让我着迷。

在斯坦福攻读博士期间，我深入研究了“云机器人”这一领域：研究机器人如何通过云端计算增强智能，从而实现分布式的推理、学习与控制。

我最喜欢的项目之一，也是最草根的一个。我把一个行车记录仪安装在自己的车上，录下自己在硅谷的日常通勤过程。研究的核心问题是：

如果每个机器人每天只能上传 5–10% 的数据，我们该如何智能地挑选上传内容，以最大化机器学习模型的精度，同时最小化系统成本（包括计算资源、带宽和标注费用）？

我围绕这个问题做了一个项目，还给它起了个有趣的名字：“Where’s Waymo” — — 它是一个基于我自己行车记录仪拍摄的视频训练出来的自动驾驶汽车识别模型。大部分数据只是一些平凡的高速公路场景，但其中不到 1% 捕捉到了街头偶遇自动驾驶汽车的画面。这种“长尾数据”反而成了最有价值的部分。

基于这些稀缺的数据，我成功训练出能够运行在边缘设备（比如 Google 的 USB 尺寸 TPU）上的高效机器学习模型，其所需数据量比传统方法少 5 倍。

这段经历几乎涵盖了 2017 年典型的机器学习项目的完整流程：我自己采集数据，亲自标注了一些样本，还使用 Google Cloud 的标注服务来标注诸如“激光雷达组件”、“自动驾驶车辆”等小众概念。

我博士答辩时关于分布式数据采集的演示幻灯片。所有道路图像均为我的知识产权

由 Google Cloud 标注服务（Scale AI 的竞争对手）标注的行车记录仪片段。

但最终，我还是触到了学术研究的天花板。我并没有真正拥有一支“机器人车队”。我的导师慷慨地分享了他特斯拉的行车记录仪影像（那时还没有 Hivemapper 或 Natix），但这也只是杯水车薪。

德州大学奥斯汀分校阶段 — — 区块链与去中心化机器学习的初探

当我加入德州大学奥斯汀分校担任教授后，我的研究问题也发生了转变：

• 我们如何众包有趣的训练数据，以改进机器学习模型？
• 到底什么样的激励机制，才能有效驱动高价值数据的采集？

我开始被“数据红利”这一概念所吸引。一个系统，能够根据某个数据样本对机器学习模型的边际贡献，对其贡献者进行补偿。

这种好奇心把我引向了加密领域：区块链、代币经济、最终进入 DePIN（去中心化物理基础设施网络）。与此同时，我指导的第一位博士生（他非常出色地在四年内完成了硕士和博士学位）写了一系列关于中心化数据采集的论文，并在机器人学习会议（CoRL）上发表。作为一项“副业”，我们还合作撰写了一篇关于 DePIN 与代币经济的论文，但在学术圈并未引起太大反响。

尽管如此，在幕后，我始终在思考：Web3 原生的激励机制是否能成为推动去中心化 AI 数据采集的突破口？

我在 2022 年的学术演讲幻灯片，主题为“去中心化 vs 中心化 AI”

我的 Medium 博客截图，展现出我长期以来对 AI 与加密领域交汇点的关注

与 Story 团队的偶遇

我与 Story 团队的相遇，源于一连串偶然又神奇的事件。

我博士生的一位朋友的表哥 — — 是的，真的是表哥 — — Sarick Shah，正好是 Story 的一位资深 AI 工程师。我们以前偶尔见过几次，但有一天，他邀请我的学生和他那位表哥一起去 Story 总部做个分享。他们谢绝了这个机会。

于是，我顶上了。

我匆忙打点行李，踏上前往帕洛阿尔托的旅程，心里以为这不过是给又一家区块链创业公司做场普通的技术讲座。

但到了那里，我发现，这家公司并不普通。

团队的热情有种极具感染力的能量。那天是傍晚 6 点，办公室里却仍然坐满了人，等着听我演讲。他们让我随意发挥，我便侃侃而谈“神经符号 AI”和以数据为中心的 AI 方法。讲到最后，我展示了一张标题为“A Dash of Crypto（来点加密）”的幻灯片，讲的是：由代币激励机制驱动的去中心化数据采集，也许正是 AI 与加密交汇处最令人兴奋的前沿方向之一。

不久之后，Story 团队就邀请我担任他们的 AI 顾问。

那次在帕洛阿尔托的“小型讲座”，最终催生了一段远超我预期的重要合作。

JZ 的推文截图

我们与 Leo Chen 和 Sarick Shah 共进晚餐的照片

向前走 — — AI 训练数据是“最火热”的 IP

当我与 Story 团队不断深入交流，一条清晰的主线逐渐浮现：

我们需要一种可扩展的方法来采集获得 IP 授权的、独特的、长尾训练数据，以驱动下一代基础模型。

这对我来说，并不是一个新点子 — — 事实上，这是我研究生阶段就曾认真思考过的问题。那时我采集的所有行车记录仪数据，都是我的 IP，我拥有它的所有权。但当时并没有一个系统，能让我去注册、授权或变现这些数据。

后来，我的实验室曾与一家财富 500 强公司合作，他们正致力于开发视频搜索引擎。我们很快遭遇了瓶颈：我们没法在很多公开数据集上测试算法，因为它们都带有“非商业用途”许可条款。

于是我问：那我们可以直接用合成数据吗？比如来自 Stable Diffusion 或 Midjourney？

他们的回答是：不可以。如果无法验证训练数据的来源（即使是合成数据），他们就完全无法使用。

而这，正是 Story 登场的地方。

Story 的图结构区块链，正是为现代 AI 工作流程量身打造的。

想象一个典型的 AI 训练场景：

1. 我用行车记录仪拍下了一个罕见的道路场景 — — 这是自动驾驶模型的一个边缘用例。（类比：Taylor Swift 将她的新歌上链注册。）
2. 一位朋友花了一个小时，用框框把图像中的汽车、人行道等物体标注出来。（类比：像 Google Cloud 的标注员给 LIDAR 单元打标签。）
3. 一个有钱包的 AI 代理，用 Stable Diffusion 生成了这张图片的一个合成版本 — — 场景一样，但变成了雨天，还换了路牌。（类比：某人用生成式 AI 将 Taylor Swift 的歌混音、改编。）

现在，一个基础模型在这组“真实 + 合成”数据上进行训练。问题来了：谁该获得报酬？

在 Story 的模型中，流程如下：

最初采集并注册图像的人成为父 IP；后续所有在此基础上构建的人（比如添加框框的标注员、生成合成图像的创作者），都会成为子 IP；

所有子 IP 都通过图结构与父 IP 相连接；整个链条上的参与者，自动按比例分享收益；所有权关系通过智能合约来记录并分配版税；每一环节都清晰透明，所有行为都可链上验证。这意味着，从原始数据的采集者，到处理、标注、合成、扩展数据的每一个人，每一位贡献者都能获得应得的认可与报酬。

每一步都是一次 IP 注册，每一个参与者都能获得版税。Story 的 IP 图谱，就像把原油提炼成高价值成品油一样，把原始数据转化为真正可以训练 AI 的数据。而 Story 的区块链基础设施，正是这个数据价值流转体系的记录者与执行者。

为什么是 Story，为什么是现在

我们正处在一场全球竞赛中 — — 争夺打造最佳基础模型（foundation models）的领导地位。而尽管外界将几乎所有注意力都放在了算力和模型架构上，但现在越来越清楚。

训练数据，才是 AI 的真正护城河。

训练 AI 只有三个核心要素：

1. 算力：这个问题基本已被英伟达和少数几家超大规模云厂商解决；
2. 模型架构：越来越趋向“商品化”；看看 DeepSeek 等开源项目赶超现有巨头的速度就知道了；
3. 数据与标签：这是真正的“绿地市场”（尚未充分开发），但也是IP 风险最高的环节。

是的，像 Scale AI 和 Mercor 这样的公司已经建立起了令人钦佩的标注流水线。但最近 Meta 几乎收购 Scale 的传闻也揭示出一个现实：市场出现了空白。而那些致力于训练基础模型的初创公司现在亟需：

• 具备 IP 合规性，且能够证明所有权的数据
• 长尾内容，以提升模型对现实世界复杂性的适应能力
• 有人类标注或合成衍生的训练样本，并具备可追溯的数据来源

而我所见过的项目中，只有 Story Protocol 能够优雅地同时解决这三个问题：Story 通过它的 Layer 1 区块链，支持可编程的 IP 授权机制与版税分配，从而构建出一个全新的数据基础设施。

这正是我加入 Story 担任首席 AI 官（Chief AI Officer）的原因。

我们正在构建的是一套“轨道”，为去中心化、获得权利清晰的数据训练流程铺路。不论是：行车记录仪影像，医学影像数据，还是用于训练家用机器人的日常家庭视频，Story 都可以将它们转化为链上注册、可追溯、可授权的 IP 数据资产。

是时候让数据成为“新型 IP”了。而 Story，就是让这一切成为现实的协议基础设施。