Cơ hội đầu tư trong lĩnh vực AI và Web3: Triển vọng và cơ hội trong mắt nhà đầu tư (Phần hạ)
Tuyển chọn TechFlowTuyển chọn TechFlow
Cơ hội đầu tư trong lĩnh vực AI và Web3: Triển vọng và cơ hội trong mắt nhà đầu tư (Phần hạ)
Mọi người đã và đang khám phá điểm kết hợp giữa AI và Web3.
Chuyên sâu báo cáo Web3Tác giả: Lao Bai, Cộng sự Nghiên cứu và Đầu tư ABCDE
Trong bài viết trước, tác giả đã giới thiệu về mô hình hóa tài sản Bot/Agent/Assistant trong 6 mô hình Web3+AI. Bài viết này sẽ tiếp tục trình bày năm mô hình còn lại, bao gồm nền tảng tính toán, nền tảng dữ liệu, AI tạo sinh, giao dịch/kiểm toán/quản lý rủi ro DeFi và ZKML.
Nền tảng tính toán
Số lượng dự án trong lĩnh vực nền tảng tính toán không nhiều bằng và cũng ít cạnh tranh hơn so với mô hình hóa tài sản Bot, nhưng lại dễ hiểu hơn. Ai cũng biết rằng AI cần khối lượng lớn tài nguyên tính toán, trong khi BTC và ETH trong hơn 10 năm qua đã chứng minh được rằng thế giới tồn tại một phương pháp: có thể tự phát, phi tập trung, dưới cơ chế khuyến khích kinh tế và cân bằng lợi ích, huy động hàng loạt năng lực tính toán để cùng hợp tác và cạnh tranh thực hiện một nhiệm vụ. Hiện nay, phương pháp này có thể được áp dụng cho AI.
Hai dự án nổi bật nhất trong ngành lúc này rõ ràng là Together và Gensyn, một bên gọi vốn cấp hạt giống lên tới hàng chục triệu USD, bên kia gọi vốn vòng A được 43 triệu USD. Lý do họ cần gọi vốn lớn như vậy, theo đồn đại, là vì cần tiền và năng lực tính toán để huấn luyện mô hình riêng trước, sau đó sẽ xây dựng thành nền tảng tính toán cung cấp cho các dự án AI khác sử dụng cho việc huấn luyện.
Còn các nền tảng tính toán phục vụ suy luận (inference) thì mức vốn gọi thường nhỏ hơn nhiều, bởi bản chất chỉ là tập hợp các GPU nhàn rỗi hoặc tài nguyên tính toán dư thừa rồi cung cấp cho các dự án AI cần dùng vào việc suy luận. RNDR là nền tảng tập hợp sức mạnh xử lý đồ họa (render), còn các nền tảng khác làm tương tự cho suy luận. Tuy nhiên, rào cản kỹ thuật hiện tại vẫn khá mờ nhạt, thậm chí tôi đang nghĩ không biết ngày nào đó RNDR hay các nền tảng điện toán đám mây Web3 sẽ chuyển sang luôn mảng nền tảng tính toán cho suy luận.
So với mô hình hóa tài sản, hướng đi nền tảng tính toán thiết thực và dễ dự đoán hơn, gần như chắc chắn sẽ có nhu cầu và xuất hiện một đến hai dự án dẫn đầu. Vấn đề chỉ là xem ai sẽ vượt lên. Điều duy nhất chưa chắc chắn hiện nay là liệu sẽ có một ông vua riêng cho huấn luyện và một ông vua riêng cho suy luận, hay là một dự án sẽ thống lĩnh cả hai mảng này.
Nền tảng dữ liệu
Thực ra điều này cũng không khó hiểu, vì nói trắng ra thì ba yếu tố nền tảng của AI là: thuật toán (mô hình), tính toán và dữ liệu.
Vì đã có "phiên bản phi tập trung" cho thuật toán và tính toán, thì dữ liệu chắc chắn cũng sẽ không thể thiếu. Đây cũng là định hướng mà Tiến sĩ Lu Qi, người sáng lập MiraclePlus, đánh giá cao nhất khi nói về AI và Web3.
Web3 luôn nhấn mạnh quyền riêng tư và chủ quyền dữ liệu, đồng thời sở hữu các công nghệ như ZK để đảm bảo độ tin cậy và toàn vẹn dữ liệu. Do đó, AI được huấn luyện từ dữ liệu trên chuỗi Web3 chắc chắn sẽ khác biệt so với AI được huấn luyện từ dữ liệu ngoài chuỗi Web2. Vì vậy, hướng đi này hoàn toàn hợp lý. Hiện tại, trong cộng đồng Ocean được coi là đại diện cho lĩnh vực này, và trên thị trường sơ cấp cũng đã xuất hiện những dự án chuyên về thị trường dữ liệu AI dựa trên Ocean.
AI tạo sinh
Đơn giản là dùng AI để vẽ tranh hoặc sáng tạo nội dung tương tự, nhằm phục vụ các tình huống khác như làm NFT, tạo bản đồ trong game, tạo bối cảnh NPC, v.v. Cảm giác đường đi NFT khá khó vì sản phẩm AI tạo ra thiếu tính khan hiếm, còn GameFi là một lựa chọn khả thi hơn; trên thị trường sơ cấp cũng đã thấy có đội ngũ đang thử nghiệm.
Tuy nhiên, vài hôm trước tôi thấy một tin tức rằng Unity (cùng Unreal Engine chiếm lĩnh thị trường công cụ phát triển game nhiều năm nay) cũng đã ra mắt công cụ tạo sinh bằng AI của riêng mình là Sentis và Muse, hiện vẫn đang trong giai đoạn thử nghiệm kín và dự kiến ra mắt chính thức vào năm sau. Nói sao nhỉ, tôi cảm giác các dự án AIGC trong lĩnh vực Web3 có thể sẽ bị Unity tấn công từ một chiều không gian khác…
Giao dịch/kiểm toán/Yield/quản lý rủi ro DeFi
Một số dự án đã bắt đầu thử nghiệm ở các mảng này, mức độ trùng lặp không quá rõ rệt.
-
Giao dịch —— phần này hơi phức tạp, vì nếu một chiến lược giao dịch tốt, càng có nhiều người dùng thì hiệu quả chiến lược đó có thể giảm dần theo thời gian, buộc phải chuyển sang chiến lược mới. Ngoài ra, tôi cũng tò mò về tỷ lệ thắng của robot giao dịch AI trong tương lai, và vị trí của nó trong nhóm trader thông thường sẽ như thế nào.
-
Kiểm toán —— dự kiến có thể hỗ trợ phát hiện nhanh các lỗ hổng phổ biến đã biết, nhưng với các lỗ hổng mới chưa từng xuất hiện hoặc lỗi logic thì có lẽ chưa giải quyết được. Có lẽ phải đến thời đại AGI mới có hy vọng.
-
Yield —— Yield không khó hiểu, bạn cứ tưởng tượng như YFI thông minh tích hợp AI, bạn gửi tiền vào, AI sẽ tự tìm kiếm nền tảng staking, ghép cặp LP, đào coin... tùy theo khẩu vị rủi ro của bạn.
-
Quản lý rủi ro —— cảm giác làm riêng thành một dự án sẽ khá kỳ lạ, hình thức plugin phục vụ các nền tảng cho vay hoặc DeFi khác có vẻ hợp lý hơn.
ZKML
Một lĩnh vực ngày càng nóng trong cộng đồng hiện nay, vì kết hợp hai công nghệ tiên tiến nhất: ZK trong nội bộ Web3 và ML (machine learning – một nhánh hẹp của AI) bên ngoài.
Về lý thuyết, việc kết hợp với ZK có thể mang lại tính riêng tư, toàn vẹn và độ chính xác cho ML, nhưng nếu hỏi cụ thể về các trường hợp ứng dụng thực tế, thì ngay cả nhiều bên phát triển dự án cũng chưa nghĩ ra, nên cứ xây dựng hạ tầng trước đã…
Hiện tại, nhu cầu thực sự duy nhất là ở một số lĩnh vực y tế, nơi học máy thật sự cần đảm bảo riêng tư dữ liệu bệnh nhân. Còn các câu chuyện như đảm bảo toàn vẹn trò chơi trên chuỗi hay chống gian lận thì cảm giác hơi gượng ép.
Lĩnh vực này hiện tại chỉ có vài dự án nổi bật như Modulus Labs, EZKL, Giza,... đều là những cái tên được thị trường sơ cấp hết mực ưu ái.
Không thể khác được, vì trên toàn thế giới số người hiểu ZK vốn đã rất ít, còn người vừa hiểu ZK vừa am hiểu ML thì càng hiếm hơn nữa. Vì vậy, rào cản kỹ thuật trong lĩnh vực này cao hơn nhiều so với các lĩnh vực khác, mức độ trùng lặp cũng thấp hơn đáng kể.
Cuối cùng, cần lưu ý rằng ZKML chủ yếu tập trung vào suy luận (inference), chứ không phải huấn luyện (training).
Trên đây là những xu hướng về AI + Web3 mà tôi quan sát được. Nếu bạn biết dự án kết hợp nào thú vị hoặc có ý tưởng mới nằm ngoài 6 hướng đi trên, xin vui lòng liên hệ với tôi bất cứ lúc nào.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
Lao Bai
