Danh sách triển vọng năm 2024 của a16z: mô-đun hóa, AI, trò chơi Web3...
Tuyển chọn TechFlowTuyển chọn TechFlow
Danh sách triển vọng năm 2024 của a16z: mô-đun hóa, AI, trò chơi Web3...
a16z đã liệt kê một số xu hướng đáng chú ý trong ngành tiền mã hóa năm 2024.
Chuyên sâu báo cáo Web3Tác giả: a16z
Biên dịch: 1912212.eth, Foresight News
Dựa trên phản hồi từ các cộng sự tại American Dynamism, sinh học, công nghệ tiêu dùng, mã hóa, doanh nghiệp, fintech, trò chơi, cơ sở hạ tầng và các lĩnh vực khác, chúng tôi đưa ra danh sách tổng hợp những ý tưởng lớn mà các nhà xây dựng công nghệ có thể khám phá trong năm tới. Dưới đây là một số xu hướng đáng chú ý trong năm 2024 theo nhận định của các cộng sự về mã hóa.
Bước vào kỷ nguyên mới của phi tập trung
Như chúng ta đã thấy nhiều lần, khi quyền kiểm soát một hệ thống hoặc nền tảng mạnh mẽ nằm trong tay một nhóm nhỏ (chưa nói đến một cá nhân duy nhất), việc xâm phạm tự do người dùng trở nên quá dễ dàng. Đây chính là lý do vì sao tính phi tập trung lại quan trọng: nó là một công cụ giúp dân chủ hóa hệ thống thông qua việc tạo ra cơ sở hạ tầng internet trung lập đáng tin cậy và có khả năng kết hợp; thúc đẩy cạnh tranh và sự đa dạng trong hệ sinh thái; đồng thời trao cho người dùng nhiều lựa chọn và quyền sở hữu hơn.
Tuy nhiên, trong thực tế, việc triển khai phi tập trung ở quy mô lớn luôn rất khó khăn, đặc biệt khi so sánh với hiệu quả và độ ổn định của các hệ thống tập trung. Đồng thời, phần lớn các mô hình quản trị Web3 hiện nay liên quan đến DAO, sử dụng các mô hình quản trị đơn giản nhưng rườm rà dựa trên dân chủ trực tiếp hoặc quản trị công ty, không phù hợp với thực tế xã hội-chính trị của quản trị phi tập trung.
Tuy nhiên, nhờ vào môi trường phòng thí nghiệm sôi động của Web3 trong vài năm qua, các phương pháp tốt nhất về phi tập trung đã bắt đầu xuất hiện. Những phương pháp này bao gồm các mô hình phi tập trung được điều chỉnh để phù hợp với các ứng dụng có chức năng phong phú hơn; cũng như các DAO áp dụng nguyên tắc Machiavelli để thiết kế quản trị phi tập trung hiệu quả hơn và buộc lãnh đạo phải chịu trách nhiệm. Khi những mô hình này phát triển, chúng ta sẽ sớm chứng kiến mức độ phối hợp, vận hành và đổi mới chưa từng có trong thế giới phi tập trung.
—Miles Jennings, Cố vấn pháp lý trưởng và Người phụ trách Phi tập trung (@milesjennings trên Farcaster | trên Twitter)
Tái cấu trúc trải nghiệm người dùng tương lai
Mặc dù trải nghiệm người dùng trong lĩnh vực mã hóa từ lâu đã bị chỉ trích kể từ năm 2016, nhưng nguyên lý cơ bản vẫn không thay đổi nhiều. Nó vẫn còn quá phức tạp: tự lưu trữ khóa riêng; kết nối ví với các ứng dụng phi tập trung (dApps); gửi giao dịch ký kết đến ngày càng nhiều điểm cuối mạng,... Chúng ta không thể mong đợi người dùng học cách làm tất cả những điều này chỉ trong vài phút đầu tiên sử dụng ứng dụng mã hóa.
Tuy nhiên, hiện tại các nhà phát triển đang tích cực thử nghiệm và triển khai những công cụ mới có thể tái thiết lập trải nghiệm người dùng phía trước (frontend) của mã hóa trong vòng một năm tới. Một trong những công cụ đó là passkey (khóa truyền), đơn giản hóa việc đăng nhập vào ứng dụng và website. Khác với mật khẩu yêu cầu người dùng tự nhập, passkey là mật khẩu mã hóa được tự động tạo. Các đổi mới khác bao gồm tài khoản thông minh (smart accounts), cho phép lập trình tài khoản và do đó dễ quản lý hơn; ví nhúng (embedded wallets), tích hợp sẵn trong ứng dụng để việc bắt đầu sử dụng trở nên mượt mà; điện toán đa phương (MPC), giúp bên thứ ba dễ dàng hỗ trợ ký kết mà không cần nắm giữ khóa của người dùng; các điểm cuối RPC (Remote Procedure Call) nâng cao có thể nhận diện nhu cầu người dùng và lấp đầy khoảng trống,... Tất cả những điều này không chỉ giúp Web3 được ứng dụng rộng rãi hơn mà còn mang lại trải nghiệm người dùng tốt hơn và an toàn hơn cả so với Web2.
—Eddy Lazzarin, Giám đốc Công nghệ (@eddy trên Farcaster | @eddylazzarin trên Twitter)
Sự trỗi dậy của kiến trúc chồng công nghệ mô-đun
Trong thế giới kỹ thuật số, luôn tồn tại một lực lượng chi phối các lực lượng khác: hiệu ứng mạng. Hiệu ứng mạng thường mạnh đến mức thực tế chỉ có hai cách tiếp cận mô-đun: một là mô-đun hóa nhằm mở rộng và tăng cường hiệu ứng mạng; hai là mô-đun hóa làm phá vỡ và suy yếu hiệu ứng mạng. Ngoài một vài trường hợp ngoại lệ, chỉ có cách thứ nhất là hợp lý, đặc biệt khi liên quan đến mã nguồn mở.
Kiến trúc đơn khối (monolithic) có lợi thế cho phép tích hợp sâu và tối ưu hóa tại các ranh giới vốn dĩ là mô-đun, từ đó cải thiện hiệu suất... ít nhất là lúc ban đầu. Nhưng lợi thế lớn nhất của kiến trúc chồng công nghệ mã nguồn mở, mô-đun là mở khóa khả năng đổi mới không cần giấy phép; cho phép các bên tham gia tập trung vào lĩnh vực chuyên môn; đồng thời khuyến khích cạnh tranh nhiều hơn. Trong thế giới này, chúng ta cần thêm nhiều thứ như vậy.
—Ali Yahya, Cộng sự (@alive.eth trên Farcaster | @alive_eth trên Twitter)
Kết hợp AI và blockchain
Blockchain phi tập trung là lực đối trọng với AI tập trung. Hiện tại, các mô hình AI (ví dụ như ChatGPT) chỉ có thể được đào tạo và vận hành bởi một vài tập đoàn công nghệ lớn, vì chi phí tính toán và dữ liệu huấn luyện cần thiết vượt quá khả năng của các đối tượng nhỏ hơn. Tuy nhiên, thông qua mã hóa, có thể tạo ra các thị trường đa phương, toàn cầu và không cần giấy phép, nơi bất kỳ ai cũng có thể đóng góp tài nguyên tính toán hoặc bộ dữ liệu mới cho mạng lưới và nhận được phần thưởng. Việc tận dụng nguồn lực phân tán này sẽ giúp giảm chi phí AI, khiến công nghệ này trở nên dễ tiếp cận hơn.
Nhưng khi AI thay đổi cách chúng ta sản xuất thông tin, ảnh hưởng đến xã hội, văn hóa, chính trị và kinh tế, nó cũng tạo ra một thế giới phong phú nội dung do AI tạo ra, bao gồm cả deepfake. Mã hóa cũng có thể đóng vai trò ở đây: mở hộp đen; theo dõi nguồn gốc của mọi thứ chúng ta thấy trực tuyến; v.v. Chúng ta cũng cần tìm ra cách để tạo ra AI sinh nội dung một cách phân tán và được quản trị dân chủ, để không một bên nào có thể quyết định mọi thứ cho tất cả những người còn lại; Web3 chính là phòng thí nghiệm giải quyết vấn đề này. Các mạng lưới mã hóa phi tập trung, mã nguồn mở sẽ giúp dân chủ hóa đổi mới AI (thay vì tập trung hóa), và cuối cùng khiến nó an toàn hơn cho người tiêu dùng.
—Andy Hall, Giáo sư Đại học Stanford (@ahall_research); Daren Matsuoka, Nhà khoa học dữ liệu (@darenmatsuoka trên Farcaster | trên Twitter); Ali Yahya, Cộng sự (@alive.eth trên Farcaster | @alive_eth trên Twitter)
Từ "Chơi để kiếm tiền" đến "Vừa chơi vừa kiếm tiền"
Trong các trò chơi "play-to-earn", người chơi thường có thể kiếm tiền thật (không chỉ ảo) dựa trên thời gian và nỗ lực họ bỏ ra trong trò chơi. Xu hướng này liên quan đến những thay đổi sâu rộng đang diễn ra trong ngành game và các lĩnh vực liên quan, từ sự trỗi dậy của nền kinh tế sáng tạo đến sự thay đổi trong mối quan hệ giữa con người và các nền tảng. Web3 cho phép chúng ta phá vỡ thói quen hiện tại khi mọi lợi nhuận từ việc chơi game và giao dịch đều chảy về công ty phát hành game. Người dùng dành rất nhiều thời gian trên các nền tảng này và tạo ra giá trị to lớn, do đó họ cũng nên được trả công xứng đáng.
Tuy nhiên, game không nhất thiết phải trở thành nơi làm việc (ít nhất là đối với phần lớn người chơi). Điều chúng ta thực sự cần là những trò chơi vừa thú vị, vừa cho phép người chơi thu thập được nhiều giá trị hơn từ những gì họ tạo ra. Vì vậy, "play-to-earn" đang ngày càng tiến hóa thành "fun-to-earn", tạo ra sự phân biệt rõ ràng giữa game và nơi làm việc. Khi các trò chơi "chơi để kiếm tiền" vượt qua giai đoạn phát triển ban đầu, các động lực quản lý nền kinh tế trong game sẽ tiếp tục thay đổi. Cuối cùng, đây sẽ không còn là một xu hướng tách biệt, mà chỉ đơn giản là một phần của game.
—Arianna Simpson, @AriannaSimpson
Khi AI trở thành nhà sáng tạo trò chơi, tiền mã hóa cung cấp sự đảm bảo
Là một người dành nhiều thời gian suy nghĩ về Web3 và tương lai của trò chơi, tôi thấy rõ rằng các tác nhân AI trong game phải được đảm bảo: chúng dựa trên một mô hình cụ thể, và mô hình đó không bị thay đổi khi thực thi. Nếu không, trò chơi sẽ mất đi tính toàn vẹn.
Khi huyền thoại, địa hình, cốt truyện và logic đều được tạo ra bằng chương trình – nói cách khác, khi AI trở thành nhà sáng tạo trò chơi – chúng ta cần biết rằng nhà sáng tạo là trung lập đáng tin cậy. Chúng ta cần biết rằng thế giới này được xây dựng trên nền tảng đảm bảo. Điều quan trọng nhất mà mã hóa cung cấp chính là những đảm bảo đó — bao gồm khả năng hiểu, chẩn đoán và trừng phạt khi AI gặp sự cố. Theo nghĩa này, việc căn chỉnh AI thực chất là một vấn đề thiết kế động lực, giống như xử lý bất kỳ đại lý con người nào — và đây chính xác là lĩnh vực mà tiền mã hóa tập trung.
—Carra Wu, Cộng sự (@carra trên Farcaster, @carrawu trên Twitter)
Xác minh hình thức trở nên ít hình thức hơn
Mặc dù các phương pháp hình thức phổ biến trong việc xác minh hệ thống phần cứng, chúng lại ít được sử dụng trong phát triển phần mềm. Với phần lớn các nhà phát triển không làm việc với các hệ thống cứng hay hệ thống an toàn then chốt, các phương pháp này quá phức tạp và có thể làm tăng đáng kể chi phí và thời gian. Tuy nhiên, các nhà phát triển hợp đồng thông minh lại có nhu cầu khác: họ xây dựng các hệ thống xử lý hàng tỷ đô la; lỗi có thể gây hậu quả nghiêm trọng và thường không thể sửa chữa ngay lập tức. Do đó, trong phát triển phần mềm, đặc biệt là hợp đồng thông minh, cần có các phương pháp xác minh hình thức dễ tiếp cận hơn.
Trong năm qua, chúng ta đã chứng kiến sự xuất hiện của một loạt công cụ mới (bao gồm cả công cụ của chúng tôi), mang lại trải nghiệm phát triển tốt hơn nhiều so với các hệ thống hình thức truyền thống. Những công cụ này tận dụng thực tế rằng hợp đồng thông minh về kiến trúc đơn giản hơn phần mềm thông thường — với việc thực thi nguyên tử và xác định; không có đồng thời hay ngoại lệ; chiếm dụng bộ nhớ nhỏ và ít vòng lặp. Hiệu suất của các công cụ này cũng đang cải thiện nhanh chóng, nhờ vào các đột phá gần đây trong hiệu suất của các bộ giải SMT (bộ giải sử dụng các thuật toán phức tạp để xác định hoặc xác nhận sự tồn tại của lỗi trong logic phần mềm và phần cứng). Khi các nhà phát triển và chuyên gia an ninh ngày càng áp dụng rộng rãi các công cụ lấy cảm hứng từ phương pháp hình thức, chúng ta có thể kỳ vọng làn sóng tiếp theo của các giao thức hợp đồng thông minh sẽ vững chắc hơn và ít dễ bị tấn công tốn kém hơn.
—Karma (Daniel Reynaud), Cộng sự Kỹ sư Nghiên cứu (@karma trên Farcaster, @0xkarmacoma trên Twitter)
NFT trở thành tài sản thương hiệu phổ biến
Ngày càng nhiều thương hiệu nổi tiếng đã bắt đầu tung ra các tài sản kỹ thuật số dưới dạng NFT cho người tiêu dùng đại chúng. Ví dụ, Starbucks đã giới thiệu một chương trình khách hàng thân thiết mang tính trò chơi, nơi người tham gia thu thập tài sản số khi khám phá các sản phẩm cà phê của công ty (chưa kể mê cung AR hương gia vị bí ngô!). Đồng thời, Nike và Reddit phát triển các NFT sưu tầm kỹ thuật số, được quảng bá rõ ràng tới đối tượng rộng lớn. Nhưng các thương hiệu có thể làm được nhiều hơn thế: họ có thể sử dụng NFT để đại diện và củng cố danh tính, mối quan hệ cộng đồng của khách hàng; kết nối hàng hóa vật lý với biểu diễn kỹ thuật số của chúng; thậm chí cùng sáng tạo sản phẩm và trải nghiệm mới với những người hâm mộ trung thành nhất.
Năm ngoái, chúng ta đã thấy một xu hướng: phát hành hàng loạt NFT giá rẻ như một phần của sản phẩm tiêu dùng — những NFT này thường được quản lý qua ví được ủy thác và/hoặc blockchain "Layer 2", với chi phí giao dịch tương ứng rất thấp. Bước sang năm 2024, điều kiện để NFT trở thành tài sản thương hiệu kỹ thuật số phổ biến đã chín muồi, như Steve Kaczynski và tôi đã giải thích trong cuốn sách sắp xuất bản, phù hợp với nhiều công ty và cộng đồng khác nhau.
—Scott Duke Kominers, Cộng sự Nghiên cứu (@skominers trên Farcaster | trên Twitter)
SNARKs trở thành xu hướng chủ đạo
Trong lịch sử, các chuyên gia công nghệ đã có một vài chiến lược để xác minh khối lượng công việc tính toán:
1) Thực hiện lại tính toán trên một máy đáng tin cậy;
2) Thực hiện tính toán trên một máy chuyên dụng cho nhiệm vụ đó, tức là (TEE - Môi trường Thực thi Đáng tin cậy); hoặc
3) Thực hiện tính toán trên cơ sở hạ tầng trung lập đáng tin cậy, như blockchain. Mỗi chiến lược đều có hạn chế về chi phí hoặc khả năng mở rộng mạng. Tuy nhiên, giờ đây SNARKs (Succinct Non-interactive ARguments of Knowledge) đang trở nên khả dụng hơn. SNARKs cho phép một "người chứng minh" không đáng tin cậy tạo ra "biên lai mật mã" không thể làm giả cho một khối lượng công việc tính toán: trước đây, chi phí tạo biên lai này cao hơn 10^9 lần so với tính toán ban đầu; nhưng những tiến bộ gần đây đang thu hẹp con số này xuống khoảng 10^6.
Do đó, SNARKs trở nên khả thi trong các trường hợp người cung cấp tính toán ban đầu có thể chịu được chi phí gấp 10^6 lần, trong khi khách hàng không thể thực hiện lại hoặc lưu trữ dữ liệu ban đầu. Kết quả là có rất nhiều trường hợp sử dụng: các thiết bị biên trong Internet of Things có thể xác minh bản cập nhật; phần mềm chỉnh sửa phương tiện có thể nhúng dữ liệu về tính xác thực và chuyển đổi nội dung; meme pha trộn có thể ghi công cho nguồn gốc ban đầu; suy luận LLM có thể bao gồm thông tin về tính xác thực. Chúng ta có thể có bảng kê khai thuế tự xác minh, kiểm toán ngân hàng không thể làm giả,... và còn nhiều ứng dụng có lợi khác cho người tiêu dùng.
—Sam Ragsdale, Kỹ sư Đầu tư (@samrags trên Farcaster, @samrags_ trên Twitter)
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
a16z
