Tác giả: Người đóng góp cốt lõi của Biteye @anci_hu49074

Blockchain đang dần trở thành cơ sở hạ tầng tài chính cho AI và lý tưởng phi tập trung cần có bước đột phá ngay lập tức.

Trước đây, cộng đồng đã đặt ra nhiều thuật ngữ mới liên quan đến sự kết hợp giữa blockchain và AI: Web3 AI đề cập đến nhiều sự kết hợp khác nhau, Crypto AI hướng đến cách tiếp cận bảo thủ và thực dụng, hy vọng cung cấp cơ sở hạ tầng tài chính cơ bản cho AI thông qua tiền điện tử; trong khi DeAI đại diện cho lý tưởng tiên phong về phi tập trung, cố gắng sử dụng blockchain để tạo ra một AI dân chủ và công bằng mà mọi người đều có thể tham gia.

Lý tưởng nhất là hai con đường này có thể song song, cùng nhau thúc đẩy một hệ sinh thái AI Web3 hiệu quả và công bằng. Tuy nhiên, thực tế luôn đầy kịch tính: cơn sốt đầu cơ tiền điện tử AI của Nof1 vẫn chưa hề lắng xuống, trong khi X402, được hỗ trợ bởi những gã khổng lồ như Google, Cloudflare và Coinbase, đang nhanh chóng trở nên phổ biến, củng cố thêm niềm tin rằng blockchain sẽ trở thành cơ sở hạ tầng nền tảng cho thanh toán AI—hướng đi của Crypto AI.

Tuy nhiên, đà phát triển mạnh mẽ của Crypto AI, ở một mức độ nào đó, đã khiến chúng ta phụ thuộc nhiều hơn vào các công ty lớn truyền thống và thúc đẩy sự mở rộng liên tục của họ. Làm thế nào chúng ta có thể tạo điều kiện cho người dân bình thường tham gia vào việc phân phối giá trị AI và tránh phụ thuộc hơn nữa vào các công ty lớn truyền thống? DeAI cần một phương thức mới để vượt qua tình thế khó khăn này.

Trong bối cảnh này, Gradient đã đưa ra câu trả lời riêng của mình.

Dựa trên đám mây hay dựa trên cục bộ? Đây là một câu hỏi quan trọng đối với AI phi tập trung.

Đám mây hay cục bộ – đây là những lựa chọn mà chúng ta thường phải đối mặt.

Trước đây, sự tiện lợi của điện toán đám mây khiến chúng ta lạc quan tuyên bố "mọi thứ đều trên đám mây", tin rằng với sự tăng tốc của 5G, chúng ta có thể thoát khỏi những hạn chế của phần cứng và có được khả năng lưu trữ và tính toán với giá thấp thông qua hình thức "cho thuê", đây sẽ là một lựa chọn linh hoạt và tiết kiệm.

Nhưng trong thời đại AI, "quyền lựa chọn" này đang bị âm thầm tước đi—một con chip Nvidia thiết yếu có thể dễ dàng có giá hàng chục nghìn đô la, và những người bình thường chỉ có thể tham gia thị trường bằng cách chuyển sang đám mây, buộc phải chấp nhận kịch bản của "Lạc đà Tương Tử", qua đó vô hình trao nhiều quyền lực hơn cho các gã khổng lồ đám mây.

Việc lựa chọn các sản phẩm đám mây đóng gói sẵn có vẻ như là vấn đề về hiệu quả và tiện lợi, nhưng thực tế nó đồng nghĩa với việc mất hoàn toàn quyền kiểm soát đối với "tài sản AI" cá nhân. Trong thời kỳ tiền AI, chúng ta có thể đủ khả năng trao đổi dữ liệu để lấy các dịch vụ miễn phí; tuy nhiên, khi ranh giới khả năng của AI tiếp tục mở rộng, một ngày nào đó AI sẽ quản lý tài sản của chúng ta, quyết định các khoản đầu tư của chúng ta và thấu hiểu những mong muốn sâu sắc và dễ bị tổn thương nhất cũng như những nỗi đau tiềm ẩn của chúng ta - trở thành một phần không thể thiếu trong cuộc sống của chúng ta.

Tuy nhiên, nếu bạn áp dụng giải pháp đám mây, thì phần không thể thiếu này nằm trong tay nhà cung cấp dịch vụ đám mây. Bạn còn nhớ sự tuyệt vọng tràn ngập internet khi ChatGPT4 bị gỡ khỏi các cửa hàng ứng dụng không?

Mục tiêu của Gradient là trao quyền cho mọi người khả năng triển khai các mô hình, trao cho họ quyền chủ quyền tuyệt đối đối với "tài sản AI" của mình và giúp họ lưu trữ dữ liệu cục bộ trong khi vẫn đảm bảo quyền riêng tư và bảo mật.

Điều này không có nghĩa là Gradient đã hoàn toàn chuyển sang bản địa hóa, từ bỏ lợi thế về hiệu suất và khả năng mở rộng của đám mây. Ngược lại, thông qua mạng lưới cộng tác, Gradient có thể kết hợp hiệu suất đám mây với lợi thế về quyền riêng tư cục bộ. Người dùng có thể tận hưởng hiệu suất và độ đàn hồi cao của đám mây, đồng thời đảm bảo tính bảo mật và quyền tự chủ của dữ liệu, đồng thời giảm chi phí thông qua cộng tác mạng. Đối với các tình huống có nhu cầu cao, chẳng hạn như đối tác AI và giao dịch AI, mô hình này mang lại những lợi thế toàn diện chưa từng có.

Và chúng ta sẽ bắt đầu với Parallax để giải thích tất cả những điều này.

đám mây

địa phương

Độ dốc thị sai

Đầu tư vốn

Thấp

cao

Về cơ bản là miễn phí

Mức độ khó

Đầu tư vốn

Thấp

cao

Về cơ bản là miễn phí

Mức độ khó

Đơn giản

Thảm họa

Đơn giản

Bảo vệ quyền riêng tư

Thấp

cao

cao

Chủ quyền dữ liệu

không có

có

có

Bạn đã bao giờ thắc mắc điều này chưa? Các mô hình mã nguồn mở rất tuyệt vời và có tầm nhìn cao, nhưng trên thực tế, chúng dường như không liên quan gì đến tôi. Những người bình thường như chúng ta không có đủ sức mạnh tính toán GPU, và chúng ta không thể xử lý các dự án thiết lập phức tạp. Ngay cả khi những mô hình này được cung cấp miễn phí trên HuggingFace, những mô hình được cho là chạy trên máy tính xách tay thường chỉ giới hạn ở mức Macbook Pro M4 cao cấp, và hiệu năng của chúng vẫn rất hạn chế.

Làm thế nào chúng ta có thể thu hẹp khoảng cách giữa các mô hình nguồn mở và người dùng thông thường, đồng thời khai thác tiềm năng mạnh mẽ của các mô hình nguồn mở? Gradient cung cấp giải pháp của mình, Parallax.

Miễn phí – Parallax là một hệ điều hành AI mã nguồn mở hoàn toàn mà bạn có thể tải xuống và cài đặt miễn phí trên PC hoặc Mac. Sau đó, bạn có thể chọn một mô hình phù hợp từ hơn 40 mô hình mã nguồn mở hiện có của Parallax và tải xuống máy tính cục bộ của mình để vận hành độc lập, đảm bảo quyền riêng tư tuyệt đối và không tốn chi phí (nếu bạn không tính đến chi phí điện).

Đơn giản – toàn bộ quá trình cài đặt diễn ra rất nhanh chóng, chỉ cần một chút kiến ​​thức về cách vận hành thiết bị đầu cuối máy tính (bạn có thể dễ dàng giải quyết với sự trợ giúp của AI) và thường có thể hoàn tất trong vòng ba phút.

Khả năng mở rộng – Như đã đề cập trước đó, hiệu suất của một máy đơn lẻ bị hạn chế, và ngay cả những máy tính cá nhân hàng đầu cũng khó đáp ứng được yêu cầu hiệu suất của các hoạt động LLM. Do đó, ngoài chế độ Local-Host (chế độ cục bộ) cho hoạt động của một máy đơn lẻ, Parallax còn cung cấp:

- Đồng chủ nhà (Chế độ Đồng chủ nhà): Chia sẻ sức mạnh tính toán của máy tính của bạn bè trên mạng cục bộ (LAN). Nếu bạn có nhiều thiết bị, bạn cũng có thể liên kết chúng với nhau theo cách này.

- Máy chủ toàn cầu: Lưu trữ phân tán trên các mạng diện rộng (WAN) phân tán về mặt địa lý cho phép cộng tác nhiều sức mạnh tính toán phân tán hơn và vận hành các mô hình lớn hơn.

Với điều này, mô hình nguồn mở cuối cùng đã mở cửa cho tất cả mọi người, cung cấp giải pháp toàn diện kết hợp quyền riêng tư tối ưu với hiệu suất mạnh mẽ.

Ấn tượng trực tiếp nhất sau khi trải nghiệm sản phẩm Gradient là sự dễ sử dụng và tôn trọng người dùng.

Parallax đơn giản hóa quy trình triển khai cục bộ phức tạp và quy trình suy luận cộng tác, mang lại trải nghiệm mượt mà và thân thiện với người dùng. Hơn nữa, đội ngũ đã ra mắt bản Demo Chatbot thú vị. Không giống như các chatbot thông thường, nó hiển thị quy trình suy luận của từng nút trong mạng theo thời gian thực, đồng thời trả lời các câu hỏi, cho phép người dùng trực quan nhìn thấy toàn cảnh về suy luận phi tập trung.

Bên cạnh sự chân thành đối với người dùng, bố cục kinh doanh DeAI tổng thể của Gradient cũng rất toàn diện và vững chắc.

Dựa trên khả năng suy luận phi tập trung của Parallax, Gradient cũng đã giới thiệu Echo, một giao thức đào tạo phi tập trung dành cho học tăng cường, và kiến ​​trúc Lattica, đóng vai trò là lớp truyền dữ liệu cơ bản, tạo thành một ngăn xếp công nghệ AI phi tập trung hoàn chỉnh.

Echo là một khuôn khổ sáng tạo cho đào tạo học tăng cường phi tập trung (RL), tách biệt các bước "lấy mẫu suy luận" (tạo dữ liệu) và "đào tạo mô hình", gán từng bước cho phần cứng phù hợp nhất để thực thi. Ví dụ: máy tính và máy tính xách tay thông thường xử lý việc thu thập dữ liệu và tương tác với môi trường, trong khi máy chủ hiệu suất cao tập trung vào việc đào tạo và cập nhật mô hình. Điều này không chỉ tích hợp hiệu quả sức mạnh tính toán phân tán không đồng nhất mà còn cải thiện hiệu quả đào tạo, giảm chi phí và cho phép triển khai phi tập trung linh hoạt hơn.

Là một công cụ truyền dữ liệu đa năng, Lattica chịu trách nhiệm truyền tải dữ liệu quan trọng như trọng số mô hình và mã thông báo suy luận một cách hiệu quả và an toàn trong các mạng phi tập trung. Với độ trễ chỉ 98ms, Lattica phủ sóng hơn 3.300 thành phố và 37.000 nút trên toàn thế giới, và được biết đến như là "động mạch dữ liệu" của hệ sinh thái Gradient.

Là một công cụ truyền dữ liệu đa năng, Lattica chịu trách nhiệm truyền tải dữ liệu quan trọng như trọng số mô hình và mã thông báo suy luận một cách hiệu quả và an toàn trong các mạng phi tập trung. Với độ trễ chỉ 98ms, Lattica phủ sóng hơn 3.300 thành phố và 37.000 nút trên toàn thế giới, và được biết đến như là "động mạch dữ liệu" của hệ sinh thái Gradient.

Dựa trên Echo, Gradient đang đào tạo một loạt các mô hình chuyên ngành có hiệu suất gần đúng hoặc thậm chí vượt trội hơn GPT-5 và Claude Sonnet 4.5 trong môi trường thực tế, thúc đẩy việc áp dụng Infra.

Hơn nữa, tận dụng lợi thế về tốc độ và chi phí của mạng lưới điện toán phân tán mạnh mẽ, Gradient đã ra mắt dịch vụ Gradient Cloud dành cho người dùng doanh nghiệp và có kế hoạch xây dựng một lớp tin cậy AI tập trung vào khả năng xác minh suy luận và đào tạo LLM, cũng như quyền riêng tư không thể truy vết của người dùng. Dựa trên nền tảng này, Gradient cũng sẽ tạo ra một mạng lưới cộng tác gồm nhiều tác nhân AI để thúc đẩy đổi mới ở tầng ứng dụng và hình thành một vòng lặp kinh doanh hoàn chỉnh.

Độ khó của AI phi tập trung cũng không hề nhỏ so với việc thách thức chủ nghĩa tư bản, đòi hỏi mức độ hội tụ cao về thời điểm, địa điểm và các yếu tố con người thuận lợi.

Gradient đã huy động được 10 triệu đô la tiền tài trợ hạt giống, dẫn đầu bởi Pantera Capital và Multicoin Capital, với sự tham gia của Sequoia China. Trong số hai nhà sáng lập, Eric đến từ Sequoia China, còn Yuan trước đây đã từng làm việc cho các dự án như Helium và Neo. Các thành viên cốt cán của đội ngũ bao gồm sinh viên tốt nghiệp từ các trường đại học hàng đầu như Yao Class của Đại học Thanh Hoa, những người đã giành huy chương vàng ACM, Berkeley, CMU và ETH Zurich, với kinh nghiệm trải dài qua các công ty công nghệ hàng đầu như Google, Apple, ByteDance và Microsoft.

Về mặt nghiên cứu, nhóm luôn đạt năng suất cao trong các lĩnh vực như học máy phân tán, tác nhân AI và điện toán xác minh, với nhiều ấn phẩm chi tiết. Đặc biệt, Gradient dự kiến ​​sẽ công bố những cải tiến cốt lõi trong các thuật toán lập lịch phức tạp tại hội nghị AI ICLR 2026, giải quyết vấn đề lập lịch phần cứng không đồng nhất trong đào tạo phi tập trung.

Năng lực nghiên cứu và sản phẩm vượt trội của Gradient đã liên tục được công nhận và hỗ trợ. Parallax hiện đang xếp hạng số một trên Product Hunt và đã thiết lập quan hệ hợp tác với các phòng thí nghiệm AI nguồn mở hàng đầu như @Kimi_Moonshot và @Alibaba_Qwen. Chỉ cần một thiết lập PC/Mac là có thể chạy mượt mà các mô hình lớn như Kimi K2 và Qwen3 235B.

Ở cấp độ cơ sở hạ tầng, Gradient sử dụng SGLang từ @LMSYSOrg, một công ty cơ sở hạ tầng AI phổ biến tại Thung lũng Silicon, làm nền tảng suy luận đồng thời cao, hỗ trợ xử lý hàng loạt liên tục và tái sử dụng bộ đệm khóa-giá trị; và nó có được hỗ trợ gốc cho MLX LM trên Apple Silicon, cho phép thông lượng cao và độ trễ thấp trong thời gian chạy quy mô lớn.

Hơn nữa, Gradient đang tích cực xây dựng ảnh hưởng của mình trong hệ sinh thái Solana. Dự án cũng là một trong những nhà tài trợ của cuộc thi Solana x402 Hackathon đang rất được ưa chuộng hiện nay, hợp tác cùng các đối tác hệ sinh thái như Visa và Phantom để trở thành một cơ sở hạ tầng AI quan trọng trong hệ sinh thái Solana.

Có thể nói rằng vào thời điểm toàn bộ ngành DeAI vẫn đang trong giai đoạn "dò đá qua sông", Gradient đã đạt được kết quả tốt về năng lực sản phẩm, nền tảng đội ngũ và sự công nhận của ngành.

Cuộc tranh giành quyền lực gần đây của OpenAI đã khiến chúng ta phải câm lặng, đồng thời phơi bày những rủi ro hệ thống của AI tập trung - khi quyền lực bị tập trung quá mức, cái giá phải trả cho việc mất kiểm soát và sai phạm sẽ trở nên quá cao. AI phi tập trung không chỉ là một lý tưởng công nghệ, mà còn là một yêu cầu tất yếu cho sự phát triển lành mạnh của ngành.

Trong một thời gian dài, AI phi tập trung và mã nguồn mở phần lớn vẫn bị giới hạn trong giới học thuật, với người dùng thông thường chỉ có thể quan sát từ bên ngoài, bị ngăn cách bởi một "rào cản kỹ thuật" dày đặc. May mắn thay, Gradient đang nỗ lực thu hẹp khoảng cách này—không chỉ bằng cách liên tục cải tiến khả năng sử dụng sản phẩm mà còn bằng cách thực hiện các bước vững chắc trong nghiên cứu sáng tạo và phát triển toàn diện, cho phép nhiều người thực sự tiếp cận và hưởng lợi từ các khả năng của AI mở.

Tất nhiên, con đường đến AI phi tập trung vẫn còn dài, và mọi khía cạnh, bao gồm hiệu suất, bảo mật, đạo đức và quản trị, đều đầy thách thức. Nhưng ít nhất, một số người đã có những bước tiến vững chắc.