Workflow
Aether DataHub platform
icon
搜索文档
Aether, OORT partner to build core data infrastructure for financial AI
Invezz· 2026-04-01 17:29
文章核心观点 - 金融科技控股公司Aether与去中心化AI数据云公司OORT成立合资企业Aether DataHub LLC 旨在构建金融AI核心数据基础设施 以解决高质量、特定领域数据稀缺这一制约行业发展的关键瓶颈 [1][2][3] 合资企业背景与目标 - 合资企业成立的背景是金融AI发展到达拐点 模型、算力和资本已基本就位 但高质量、特定领域的金融数据仍然有限、难以验证和规模化 成为下一代金融AI系统的关键制约因素 [2] - 合资企业将开发运营Aether DataHub平台 这是一个金融AI数据标注和数据集管理平台 旨在为高级金融AI应用和专用大语言模型生产机构级训练数据 [3] Aether DataHub平台战略与特点 - 采用以数据为中心的AI战略 通过优先考虑数据质量作为AI性能的关键驱动力 来解决全球可验证金融数据集的短缺问题 [4] - 构建端到端基础设施 利用OORT的DataHub平台及其去中心化AI堆栈中的全球社区驱动数据层 来管理金融数据的全生命周期 包括从收集、标注到验证和丰富 [4] - 打造社区驱动的智能层 结合Aether超过40万的订阅用户基础与OORT的全球贡献者网络及更广泛的金融参与者 以大规模获取和验证高质量金融数据 [5] - 实现机构商业化 创建专有数据层以支持Aether内部AI路线图 同时为企业客户提供可扩展的数据服务 [5] 平台运作模式与合作伙伴分工 - 平台利用Aether的媒体生态系统、用户参与度和专有分发渠道 大规模生成高质量、人工验证的数据 以解决下一代AI模型开发的关键制约 [7][8] - Aether贡献金融媒体专业知识、不断增长的订阅用户群以及在投资社区的广泛关系 而OORT提供由全球贡献者网络支持的、去中心化的企业级标注基础设施 [8] - Aether将主导商业化和市场开发 OORT将共同构建核心基础设施 Aether保留对合资企业战略方向的多数据理权 [10] 公司战略定位与愿景 - 公司CEO认为 金融智能的下一个前沿完全取决于底层数据的质量和完整性 [9] - 通过拥有和控制数据价值链的关键部分 Aether将自身定位为基础设施提供商和用于训练、运行金融AI系统的专有高价值数据集的直接供应商 [11] - Aether DataHub使公司能够拥有和运营金融AI基础设施的关键层 直接参与金融AI数据生态系统 同时构建一个随时间增值的专有数据资产基础 这是一项旨在定义其在金融AI生态系统中角色的长期战略控制型投资 [10]
Aether Holdings Forms Joint Venture with OORT to Build a Foundational Data Infrastructure for Financial AI
Globenewswire· 2026-03-31 20:30
核心观点 - 金融科技控股公司Aether Holdings与去中心化AI数据云公司OORTech成立合资企业Aether DataHub,旨在构建一个金融AI数据标注和数据集管理平台,以解决高质量、领域特定金融数据稀缺的关键行业瓶颈,从而为下一代金融AI应用和大型语言模型提供机构级训练数据 [1][2][3] 合资企业详情 - Aether DataHub是一个金融AI数据平台,通过可扩展的标注和管理框架,旨在生产机构级、领域特定的数据集 [3] - 该平台将利用Aether超过40万订阅用户的媒体生态系统和用户参与度来大规模生成高质量、经人工验证的数据 [3][7] - OORTech将为合资企业贡献其经过验证的企业级去中心化标注基础设施,该设施由全球贡献者网络支持 [3] - Aether将主导合资企业的商业化与市场开发,并持有战略方向上的多数治理权 [3] 战略意义与商业模式 - 该合资企业使公司能够拥有并运营金融AI基础设施的关键一层,并直接参与金融AI数据生态系统,同时构建一个随时间推移价值不断增长的专有数据资产基础 [4] - 通过控制数据价值链的关键组成部分,公司既是基础设施提供商,也是用于训练和运行金融AI系统的专有、高价值数据集的直接供应商 [4] - 战略定位为解决全球可验证金融数据集短缺的问题,将数据质量作为AI性能的核心驱动力 [7] - 利用OORT的DataHub平台(其去中心化AI堆栈中的全球社区驱动数据层)来管理金融数据的全生命周期,从收集、标注到验证和丰富 [7] - 结合Aether的订阅用户群与OORT的全球贡献者网络及更广泛的金融参与者,创建一个用于大规模获取和验证高质量金融数据的分布式智能层 [7] - 建立一个专有数据层以支持公司内部的AI路线图,同时为企业客户创建可扩展的数据服务产品 [7] 行业背景与问题陈述 - 金融AI正处于拐点,模型、算力和资本均已就位,但高质量、领域特定的数据仍然稀缺、难以验证和规模化,这构成了下一代金融AI系统的关键制约因素 [2] - 下一代金融智能完全取决于底层数据的质量和完整性 [4]