Viết bởi: TinTinLand
Bước sang năm 2025, câu chuyện "AI + Web3" vẫn còn nóng hổi. Theo báo cáo mới nhất của Grayscale công bố vào tháng 5 năm 2025, tổng giá trị thị trường của đường đua AI Crypto đã đạt 21 tỷ đô la Mỹ, gần gấp năm lần so với 4,5 tỷ đô la Mỹ trong quý đầu tiên của năm 2023.
Đằng sau làn sóng này là gì, một sự tích hợp công nghệ thực sự hay chỉ là một gói khái niệm khác?
Theo góc nhìn vĩ mô, hệ sinh thái AI truyền thống đã bộc lộ ngày càng nhiều vấn đề về cấu trúc: ngưỡng đào tạo mô hình cao, thiếu quyền riêng tư dữ liệu, độc quyền cao về sức mạnh tính toán, quy trình suy luận hộp đen, cơ chế khuyến khích không cân bằng... Và những điểm yếu này hoàn toàn phù hợp với các lợi thế vốn có của Web3: phi tập trung, cơ chế thị trường mở, khả năng xác minh trên chuỗi, chủ quyền dữ liệu người dùng, v.v.
Sự kết hợp giữa AI + Web3 không chỉ là sự chồng chất của hai từ nóng, mà là sự bổ sung về mặt kỹ thuật mang tính cấu trúc. Chúng ta hãy bắt đầu từ những điểm đau cốt lõi mà AI hiện đang phải đối mặt, và phân tích sâu sắc những dự án Web3 thực sự đang giải quyết các vấn đề, để bạn có thể thấy được giá trị và hướng đi của lộ trình AI Crypto.
🤖 Ngưỡng truy cập dịch vụ AI quá cao và tốn kém
Hiện nay, các dịch vụ AI thường đắt đỏ và khó có được nguồn tài nguyên đào tạo, khiến các doanh nghiệp vừa và nhỏ và các nhà phát triển cá nhân rất khó tiếp cận. Ngoài ra, các dịch vụ này thường phức tạp về mặt kỹ thuật và đòi hỏi phải có nền tảng chuyên môn để bắt đầu. Thị trường dịch vụ AI có tính tập trung cao, người dùng thiếu sự lựa chọn đa dạng, chi phí cuộc gọi không minh bạch, ngân sách khó dự đoán và thậm chí còn có vấn đề độc quyền năng lượng tính toán.
Giải pháp của Web3 là phá bỏ rào cản nền tảng theo cách phi tập trung, xây dựng thị trường GPU mở và mạng lưới dịch vụ mô hình, hỗ trợ lập lịch linh hoạt cho các tài nguyên nhàn rỗi và khuyến khích nhiều người tham gia hơn đóng góp sức mạnh tính toán và mô hình thông qua lập lịch tác vụ trên chuỗi và cơ chế kinh tế minh bạch, do đó giảm tổng chi phí và cải thiện khả năng tiếp cận dịch vụ.
Dự án tiêu biểu
- Render Network: Tập trung vào kết xuất GPU phi tập trung, cũng hỗ trợ lý luận và đào tạo AI và áp dụng mô hình "trả tiền theo mức sử dụng" để giúp các nhà phát triển tiếp cận dịch vụ tạo hình ảnh và AI với chi phí thấp.
- Gensyn: Xây dựng mạng lưới đào tạo học sâu phi tập trung, sử dụng cơ chế Proof-of-Compute để xác minh kết quả đào tạo và thúc đẩy đào tạo AI từ tập trung nền tảng sang cộng tác mở.
- Akash Network: Nền tảng điện toán đám mây phi tập trung dựa trên công nghệ blockchain. Các nhà phát triển có thể thuê tài nguyên GPU theo yêu cầu để triển khai và chạy các ứng dụng AI. Đây là "phiên bản phi tập trung của điện toán đám mây".
- 0G Labs: AI phi tập trung gốc Layer-1, thông qua kiến trúc tách biệt lưu trữ và tính toán sáng tạo, giúp giảm đáng kể chi phí và độ phức tạp khi chạy các mô hình AI trên chuỗi.
🤖 Thiếu động lực cho những người đóng góp dữ liệu
Dữ liệu chất lượng cao là nhiên liệu cốt lõi của các mô hình AI, nhưng theo mô hình truyền thống, những người đóng góp dữ liệu khó có thể nhận được phần thưởng. Nguồn dữ liệu không rõ ràng, có tính lặp lại cao và thiếu phản hồi về cách sử dụng, khiến hệ sinh thái dữ liệu hoạt động không hiệu quả trong một thời gian dài.
Web3 cung cấp một mô hình giải pháp mới: thông qua chữ ký mật mã, xác nhận quyền trên chuỗi và cơ chế kinh tế có thể cấu thành, một vòng lặp hợp tác và khuyến khích rõ ràng được hình thành giữa những người đóng góp dữ liệu, nhà phát triển mô hình và người dùng.
Dự án tiêu biểu
- OpenLedger: Đề xuất sáng tạo khái niệm "AI có thể thanh toán", kết hợp đóng góp dữ liệu, gọi mô hình và các ưu đãi kinh tế để thúc đẩy hình thành mạng lưới kinh tế dữ liệu cho sự hợp tác chuỗi AI.
- Bittensor: Áp dụng hệ thống khuyến khích hoàn chỉnh với phần thưởng TAO, cơ chế đồng thuận Yuma, khuyến khích độ chính xác của mạng con, cộng tác kiến thức, v.v. làm cốt lõi, liên kết trực tiếp đóng góp dữ liệu với kết quả vận hành mô hình để nâng cao giá trị đóng góp tổng thể.
- Grass: Mạng dữ liệu AI, thu thập dữ liệu hành vi duyệt web của người dùng thông qua các plug-in và đóng góp vào quá trình đào tạo công cụ tìm kiếm trên chuỗi. Người dùng được thưởng theo chất lượng dữ liệu, tạo ra cơ chế chia sẻ dữ liệu do cộng đồng thúc đẩy.
🤖 Mô hình hộp đen, lý luận AI không thể xác minh được
Quá trình lý luận của các mô hình AI chính thống hiện tại là hộp đen và người dùng không thể xác minh tính chính xác và độ tin cậy của kết quả, điều này đặc biệt gây ra vấn đề trong các lĩnh vực rủi ro cao như tài chính và chăm sóc sức khỏe. Ngoài ra, các mô hình có thể bị giả mạo, đầu độc và các cuộc tấn công khác, khiến chúng khó theo dõi hoặc kiểm toán.
Để đạt được mục đích này, dự án Web3 đang cố gắng giới thiệu bằng chứng không kiến thức (ZK), mã hóa đồng hình hoàn toàn (FHE) và môi trường thực thi đáng tin cậy (TEE) để làm cho quá trình suy luận của mô hình có thể xác minh và kiểm tra được, đồng thời tăng cường khả năng giải thích và nền tảng tin cậy của hệ thống AI.
Dự án tiêu biểu
- Sentient: Thông qua công nghệ nhận dạng dấu vân tay mô hình tiên tiến, đảm bảo có thể theo dõi hành vi gọi điện, cải thiện tính minh bạch khi sử dụng mô hình và khả năng chống giả mạo.
- Modulus Labs: Sử dụng công nghệ ZK để mã hóa và xác minh quy trình suy luận của mô hình nhằm đạt được mô hình mới về "AI đáng tin cậy".
- Giza: Sử dụng mật mã không kiến thức để chuyển các phép tính suy luận của máy học vào chuỗi, do đó cải thiện tính minh bạch và độ tin cậy khi triển khai mô hình AI.
🤖 Rủi ro về quyền riêng tư và bảo mật
Quá trình đào tạo AI thường liên quan đến một lượng lớn dữ liệu nhạy cảm, phải đối mặt với các rủi ro như rò rỉ quyền riêng tư, lạm dụng hoặc tấn công mô hình và thiếu minh bạch trong quyết định. Đồng thời, quyền sở hữu dữ liệu và mô hình không rõ ràng, làm trầm trọng thêm các rủi ro về bảo mật.
Với sự trợ giúp của tính bất biến của blockchain, các công nghệ điện toán mật mã (như ZK, FHE), môi trường thực thi đáng tin cậy và các phương tiện khác, tính bảo mật và khả năng kiểm soát của dữ liệu và mô hình hệ thống AI trong toàn bộ quá trình đào tạo, lưu trữ và gọi điện đều được đảm bảo.
Dự án tiêu biểu
- Phala Network: Cung cấp hỗ trợ môi trường thực thi đáng tin cậy (TEE), đóng gói các tính toán quan trọng trong phần cứng an toàn để ngăn chặn rò rỉ dữ liệu và đánh cắp mô hình.
- ZAMA: Tập trung vào công nghệ mã hóa đồng dạng hoàn toàn (FHE), để việc đào tạo và suy luận mô hình có thể được thực hiện ở trạng thái được mã hóa, đạt được "tính toán mà không cần văn bản thuần túy".
- Mind Network: Xây dựng nền tảng chia sẻ và lý luận dữ liệu AI phi tập trung hỗ trợ bảo vệ quyền riêng tư và thực hiện chia sẻ bảo mật dữ liệu và tính toán quyền riêng tư thông qua các công nghệ mã hóa tiên tiến (như mã hóa đồng cấu, bằng chứng không kiến thức, v.v.).
- Vana: Ứng dụng tạo danh tính bằng AI nhằm mục đích trao lại quyền sở hữu và kiểm soát dữ liệu của người dùng, đảm bảo quyền riêng tư và bảo mật.
🤖 Tranh chấp bản quyền và sở hữu trí tuệ của mô hình AI
Hiện nay, đào tạo mô hình AI sử dụng một lượng lớn dữ liệu Internet, nhưng thường sử dụng nội dung có bản quyền mà không được phép, dẫn đến tranh chấp pháp lý thường xuyên. Đồng thời, quyền sở hữu bản quyền của nội dung do AI tạo ra không rõ ràng và thiếu cơ chế minh bạch để phân phối quyền và lợi ích giữa người sáng tạo ban đầu, nhà phát triển mô hình và người dùng. Cũng thường xảy ra tình trạng sao chép và chiếm dụng trái phép các mô hình, khiến việc bảo vệ sở hữu trí tuệ trở nên khó khăn.
Web3 sử dụng cơ chế xác nhận quyền sở hữu trên chuỗi để lưu trữ thời gian tạo mô hình, nguồn dữ liệu đào tạo, thông tin người đóng góp, v.v. và sử dụng các công cụ như NFT và hợp đồng thông minh để xác định quyền sở hữu bản quyền của mô hình hoặc nội dung.
Dự án tiêu biểu
- Story Protocol: Xây dựng thỏa thuận sở hữu trí tuệ trên chuỗi cho phép xác nhận, kết hợp và ủy quyền nội dung AI, mã, mô hình, v.v. theo cách mô-đun, hiện thực hóa cơ chế "sáng tạo là xác nhận quyền và sử dụng là thanh toán".
- Alethea AI: Bằng cách liên kết các mô hình AI tạo sinh (như nhân vật, âm thanh, v.v.) với danh tính trên chuỗi và NFT, mỗi nhân vật AI đều có thông tin rõ ràng về người sáng tạo và bản quyền để tránh lạm dụng và đạo văn.
🤖 Thiếu sự quản lý AI phi tập trung
🤖 Thiếu sự quản lý AI phi tập trung
Sự phát triển và tiến hóa của các mô hình AI hiện tại phụ thuộc rất nhiều vào các công ty công nghệ lớn hoặc các nhóm kín. Tốc độ cập nhật mô hình không rõ ràng và độ lệch giá trị khó sửa, điều này có thể dễ dàng dẫn đến độ lệch thuật toán, lạm dụng và "chủ nghĩa phong kiến công nghệ". Cộng đồng và người dùng thường không thể can thiệp vào đường dẫn cập nhật, điều chỉnh tham số hoặc ranh giới hành vi của mô hình và thiếu cơ chế để giám sát và sửa các hệ thống AI một cách hiệu quả.
Ưu điểm của Web3 nằm ở khả năng quản trị có thể lập trình và cơ chế cộng tác mở. Với sự trợ giúp của quản trị trên chuỗi, cơ chế DAO và cấu trúc khuyến khích, các liên kết chính như thiết kế mô hình AI, mục tiêu đào tạo và cập nhật tham số có thể dần dần đưa ra sự đồng thuận của cộng đồng để tăng cường tính dân chủ, minh bạch và đa dạng của quá trình phát triển mô hình.
Dự án tiêu biểu
- Fetch.ai: Giới thiệu các tác nhân kinh tế tự chủ (AEA) và cơ chế quản trị mở, cho phép hạn chế hành vi của các tác nhân AI theo các quy tắc cộng đồng và phối hợp hợp tác giữa các tác nhân thông qua các ưu đãi kinh tế.
- SingularityNET: Đóng gói các dịch vụ AI thành các mô-đun chuỗi có thể cấu thành. Người dùng có thể chọn hoặc thay thế các mô hình trên thị trường mở và cơ chế quản trị nền tảng hỗ trợ đánh giá đồng thuận và đề xuất cải tiến cho chất lượng và dịch vụ của mô hình.
🤖 Các vấn đề về cộng tác AI xuyên chuỗi
Trong môi trường đa chuỗi, các tác nhân và mô hình AI có thể được phân bổ trên các chuỗi khối khác nhau, gây khó khăn cho việc thống nhất trạng thái, ngữ cảnh hoặc logic cuộc gọi, dẫn đến trải nghiệm người dùng bị phân mảnh, phát triển phức tạp và khó đồng bộ hóa dữ liệu.
Một số dự án đang khám phá "giao thức AI đa chuỗi", cố gắng thúc đẩy tính liên tục và nhất quán của hoạt động xuyên chuỗi của các tác nhân AI thông qua bối cảnh chia sẻ, giao tiếp xuyên chuỗi và cơ chế đồng bộ hóa trạng thái.
Dự án tiêu biểu
- OpenPond: Sử dụng giao thức chuỗi chéo MCP để kết nối các mô hình AI và tác nhân trên các chuỗi khác nhau, đạt được sự đồng bộ hóa trạng thái cuộc gọi và chia sẻ ngữ cảnh, đồng thời đơn giản hóa các tình huống cộng tác đa chuỗi.
- Lava Network: Cung cấp dịch vụ RPC và cầu nối dữ liệu chuỗi chéo, mở ra các kênh truyền thông cơ bản cho các hệ thống AI đa chuỗi và hỗ trợ đồng bộ hóa dữ liệu tác nhân và thực hiện tác vụ thống nhất.
- Virtuals Protocol: Thông qua giao thức cộng tác thông minh ACP (Agent Commerce Protocol), nó hỗ trợ các quy trình yêu cầu, đàm phán, thực hiện và giải quyết giữa các đại lý. Công nghệ đồng bộ hóa song song "Parallel Hypersynchronicity" cho phép các tác nhân AI chạy song song trên nhiều nền tảng và đồng bộ hóa hành vi và trí nhớ theo thời gian thực.
🎯 Kết luận
Sự trỗi dậy của AI Crypto không phải là lời nói suông mà là sự tái thiết hệ thống từ dưới lên: nó phá vỡ xiềng xích tập trung của kỷ nguyên mô hình lớn và dần dần xây dựng một mô hình AI mới minh bạch, đáng tin cậy và được thúc đẩy bởi sự hợp tác, với sự tham gia của mọi người về mặt sức mạnh tính toán, dữ liệu, ưu đãi, bảo mật và quản trị.
Hiện tại, lĩnh vực này đã bước vào giai đoạn hạ cánh sản phẩm thực chất từ giai đoạn khái niệm. Tôi tin rằng những dự án AI Crypto nào thực sự có thể tạo ra giá trị thực tế và giải quyết các điểm đau cốt lõi sẽ có cơ hội dẫn đầu làn sóng phát triển của kỷ nguyên AI tiếp theo và thúc đẩy sự phát triển của công nghệ trí tuệ nhân tạo theo hướng cởi mở, công bằng và đáng tin cậy hơn.
Tất cả bình luận