ABCDE: Nhìn nhận AI + Crypto từ góc độ thị trường sơ cấp
Tuyển chọn TechFlowTuyển chọn TechFlow
ABCDE: Nhìn nhận AI + Crypto từ góc độ thị trường sơ cấp
“AI+Crypto sẽ trở thành một trong những lĩnh vực chủ đạo từ năm 2024 đến năm 2025.”
Chuyên sâu báo cáo Web3Soạn thảo: Laobai, ABCDE
Hơn một năm sau khi ChatGPT ra mắt, gần đây thị trường lại sôi động trở lại với các cuộc thảo luận về AI + Crypto. AI được coi là một trong những lĩnh vực quan trọng nhất cho thị trường tăng giá 2024–2025, ngay cả Vitalik Buterin (V神) cũng đăng bài viết “The promise and challenges of crypto + AI applications” (Tiềm năng và thách thức của ứng dụng Crypto + AI), bàn về các hướng phát triển có thể trong tương lai của AI + Crypto.
Bài viết này sẽ không đưa ra nhiều dự đoán chủ quan, mà đơn thuần từ góc nhìn thị trường sơ cấp (sàn一级), tổng hợp lại những startup kết hợp AI và Crypto mà chúng tôi đã quan sát trong năm qua, xem các founder tiếp cận thị trường ở những khía cạnh nào, đạt được thành quả gì, và đâu vẫn còn đang trong giai đoạn thăm dò.
1. Chu kỳ của AI + Crypto
Toàn bộ năm 2023, chúng tôi đã nói chuyện với khoảng vài chục dự án AI + Crypto, và có thể thấy rõ chu kỳ phát triển.
Trước cuối năm 2022, khi ChatGPT chưa ra mắt, trên thị trường thứ cấp (sàn二级) rất ít dự án blockchain liên quan đến AI. Những cái tên người ta nhớ đến chỉ là FET, AGIX – vài dự án lâu đời; thị trường sơ cấp cũng không có nhiều dự án AI nổi bật.
Từ tháng 1 đến tháng 5/2023 có thể coi là đợt bùng nổ đầu tiên của các dự án AI. Tác động từ ChatGPT quá mạnh, khiến nhiều dự án cũ trên thị trường thứ cấp chuyển hướng (pivot) sang AI, còn thị trường sơ cấp thì gần như tuần nào cũng gặp các dự án AI + Crypto. Tuy nhiên, thời điểm này, các dự án AI thường khá đơn giản – phần lớn là các sản phẩm "da ngoài" (skin) dựa trên ChatGPT, kết hợp thêm yếu tố "cải tạo lên chuỗi" (链改), không có rào cản kỹ thuật thực sự nào. Đội ngũ phát triển nội bộ của chúng tôi thường chỉ mất một hai ngày để sao chép khung cơ bản của một dự án. Điều này dẫn đến việc dù nói chuyện rất nhiều dự án AI, nhưng chúng tôi chưa từng đầu tư vào dự án nào trong giai đoạn này.
Từ tháng 5 đến tháng 10, thị trường thứ cấp bước vào giai đoạn giảm giá, thú vị là số lượng dự án AI trên thị trường sơ cấp cũng giảm mạnh. Mãi đến một hai tháng gần đây, số lượng mới bắt đầu sôi động trở lại, cùng với đó là làn sóng thảo luận, bài viết về AI + Crypto trên thị trường. Chúng tôi lại một lần nữa chứng kiến cảnh tượng "tuần nào cũng gặp dự án AI". Sau nửa năm, rõ ràng thế hệ dự án AI mới hiểu sâu hơn về lĩnh vực này, khả năng ứng dụng thương mại, cách kết hợp AI + Crypto đều tiến bộ đáng kể so với đợt hype đầu tiên. Dù rào cản kỹ thuật vẫn chưa cao, nhưng độ trưởng thành tổng thể đã lên một bậc. Cũng chính vì vậy, chúng tôi mới chính thức đặt cược lần đầu tiên vào lĩnh vực AI + Crypto trong năm 2024.
2. Các phân nhánh trong lĩnh vực AI + Crypto
Vitalik Buterin trong bài viết về tiềm năng và thách thức đã đưa ra nhận định từ một số khía cạnh trừu tượng:
AI như một người tham gia trò chơi
AI như giao diện trò chơi
AI như luật lệ trò chơi
AI như mục tiêu trò chơi
Chúng tôi sẽ tổng hợp từ góc nhìn cụ thể và trực tiếp hơn về các dự án AI hiện nay trên thị trường sơ cấp. Hầu hết các dự án AI + Crypto đều xoay quanh cốt lõi của Crypto, đó là “phi tập trung về công nghệ (hay chính trị) + tài sản hóa về thương mại”.
Phi tập trung thì không cần bàn nhiều – Web3 là như vậy… Theo loại hình tài sản hóa, có thể chia thành ba phân nhánh chính:
Tài sản hóa năng lực tính toán (算力)
Tài sản hóa mô hình (模型)
Tài sản hóa dữ liệu (数据)
Tài sản hóa năng lực tính toán
Đây là phân nhánh tương đối đông đảo, bởi ngoài các dự án mới, còn có nhiều dự án cũ chuyển hướng như Akash bên hệ sinh thái Cosmos, Nosana bên Solana. Sau khi pivot, token của họ đều tăng mạnh, phản ánh rõ tâm lý lạc quan của thị trường với lĩnh vực AI. RNDR tuy tập trung vào render phi tập trung, nhưng cũng có thể phục vụ AI, nên nhiều người xếp các dự án liên quan năng lực tính toán như RNDR vào nhóm AI.
Tài sản hóa năng lực tính toán có thể chia nhỏ theo mục đích sử dụng:
Một là đại diện bởi Gensyn: “dùng năng lực tính toán phi tập trung để huấn luyện AI”;
Hai là đa số dự án pivot và dự án mới: “dùng năng lực tính toán phi tập trung để suy luận AI (inference)”.
Có một hiện tượng thú vị trong ngành này, hay còn gọi là “chuỗi miệt thị”:
AI truyền thống → Phi tập trung inference → Phi tập trung training
Người làm AI truyền thống không tin vào việc dùng mạng phi tập trung để huấn luyện hoặc suy luận AI.
Người làm phi tập trung inference thì không tin vào phi tập trung training.
Lý do chủ yếu nằm ở mặt kỹ thuật: Huấn luyện AI (đặc biệt là mô hình lớn) đòi hỏi khối lượng dữ liệu khổng lồ, và nhu cầu băng thông truyền tải dữ liệu còn kinh khủng hơn nhiều. Trong môi trường mô hình Transformer hiện tại, huấn luyện mô hình lớn cần ma trận sức mạnh xử lý gồm hàng loạt card đồ họa cao cấp như 4090 hoặc card chuyên dụng H100, kết nối bằng NVLink và switch quang học chuyên dụng tốc độ trăm gigabit. Bạn bảo cái này làm phi tập trung? Hmm...
Yêu cầu về sức mạnh tính toán và băng thông của suy luận AI thấp hơn nhiều so với huấn luyện, nên khả năng thực hiện phi tập trung cao hơn nhiều. Đây cũng là lý do đa số dự án liên quan năng lực tính toán đều tập trung vào inference. Còn training thì hầu như chỉ có Gensyn, Together – những đại gia đã huy động vốn hàng trăm triệu đô.
Tuy nhiên, xét về hiệu quả chi phí và độ tin cậy, ít nhất ở thời điểm hiện tại, dùng năng lực tính toán tập trung để inference vẫn vượt trội hơn hẳn so với phương pháp phi tập trung.
Do đó, dễ hiểu vì sao nhóm làm inference phi tập trung nghĩ rằng “training phi tập trung làm không được”, còn nhóm AI truyền thống lại cho rằng “training phi tập trung về mặt kỹ thuật là bất khả thi”, “inference phi tập trung về mặt thương mại thì không đáng tin”.
Có người nói, khi BTC/ETH mới ra đời, người ta cũng bảo kiểu “mọi nút phân tán đều phải tính lại một lượt” thì không thể cạnh tranh với điện toán đám mây, vậy mà cuối cùng cũng thành công? Câu trả lời phụ thuộc vào việc liệu training và inference AI trong tương lai có thực sự cần thiết các yếu tố như tính đúng đắn, không thể thay đổi, dư thừa... Nếu chỉ so sánh về hiệu suất, độ tin cậy, giá cả, thì tạm thời chắc chắn không thể vượt qua phương pháp tập trung.
Tài sản hóa mô hình
Đây cũng là một phân nhánh tập trung nhiều dự án, và dễ hiểu hơn so với tài sản hóa năng lực tính toán. Sau khi ChatGPT nổi tiếng, một trong những ứng dụng nổi bật nhất chính là Character.AI. Bạn có thể trao đổi tri thức với các bậc hiền triết như Socrates, Khổng Tử, trò chuyện phiếm với Elon Musk, Sam Altman, hay thậm chí yêu đương với các nhân vật ảo như Hatsune Miku, Thần Sấm Thừa – tất cả đều nhờ vào sức mạnh của mô hình ngôn ngữ lớn (LLM). Khái niệm AI Agent đã được Character.AI phổ biến rộng rãi.
Nếu các Agent như Khổng Tử, Elon Musk, Thần Sấm Thừa là NFT thì sao?
Thế chẳng phải chính là AI x Crypto sao?!
Vì vậy, thay vì nói “tài sản hóa mô hình”, đúng hơn là “tài sản hóa các Agent được xây dựng dựa trên mô hình lớn”. Bản thân mô hình lớn không thể đưa lên chuỗi, mà chủ yếu là ánh xạ Agent lên dạng NFT, tạo cảm giác “giả tài sản hóa mô hình” cho AI x Crypto.
Hiện nay trong cộng đồng đã xuất hiện Agent dạy bạn tiếng Anh, Agent hẹn hò với bạn, đủ loại hình, và cả các dự án phát sinh như tìm kiếm Agent, marketplace cho Agent.
Vấn đề chung của phân nhánh này là: Thứ nhất, không có rào cản kỹ thuật – cơ bản chỉ là phiên bản NFT hóa của Character.AI. Các kỹ sư hàng đầu trong đội ngũ nội bộ của chúng tôi có thể dùng các công cụ mã nguồn mở hiện có để tạo ra một Agent nói chuyện giống BMAN, giọng nói cũng như BMAN chỉ trong một đêm. Thứ hai, mức độ tích hợp với blockchain rất nhẹ – giống như GameFi NFT trên ETH, về bản chất metadata có thể chỉ là một URL hoặc hash, còn mô hình/Agent vẫn chạy trên máy chủ đám mây, trên chuỗi chỉ giao dịch quyền sở hữu.
Việc tài sản hóa mô hình/Agent dự kiến vẫn sẽ là một trong những phân nhánh chính của AI x Crypto trong tương lai gần. Mong rằng sẽ sớm xuất hiện các dự án có rào cản kỹ thuật nhất định, tích hợp chặt chẽ và bản địa (native) hơn với blockchain.
Tài sản hóa dữ liệu
Xét về logic, đây là phân nhánh phù hợp nhất với AI + Crypto. Bởi vì AI truyền thống trong quá trình huấn luyện chủ yếu chỉ sử dụng dữ liệu công khai trên Internet – nói chính xác hơn là dữ liệu lưu lượng công cộng (public traffic), chiếm tỷ lệ có thể chỉ 10–20% hoặc thấp hơn. Phần lớn dữ liệu thực tế nằm trong lưu lượng riêng (private traffic), bao gồm dữ liệu cá nhân. Nếu những dữ liệu này có thể được dùng để huấn luyện hoặc fine-tune mô hình lớn, chúng ta chắc chắn sẽ có những Agent/Bot chuyên môn cao hơn trong từng lĩnh vực cụ thể.
Khẩu hiệu nổi tiếng nhất của Web3 là gì? Read, Write, Own!
Vậy thì thông qua AI + Crypto, dưới sự dẫn dắt của cơ chế khuyến khích phi tập trung, giải phóng dữ liệu cá nhân và dữ liệu riêng tư, tài sản hóa chúng, cung cấp "thức ăn" tốt hơn, phong phú hơn cho mô hình lớn – nghe có vẻ rất hợp lý. Thực tế cũng có vài đội ngũ đang nghiên cứu sâu trong lĩnh vực này.
Tuy nhiên, khó khăn lớn nhất của phân nhánh này là: dữ liệu rất khó chuẩn hóa như năng lực tính toán. Với năng lực tính toán phi tập trung, bạn biết ngay card đồ họa model gì thì tương ứng bao nhiêu sức mạnh xử lý. Nhưng dữ liệu riêng tư thì số lượng, chất lượng, mục đích sử dụng… rất khó đo lường. Nếu coi năng lực tính toán phi tập trung là ERC20, thì dữ liệu huấn luyện AI phi tập trung giống như ERC721 – mà còn là loại PFP kiểu Monkey, Punk, Azuki với vô số dự án, vô số đặc điểm (traits) đan xen, khiến thanh khoản và việc xây dựng thị trường khó gấp bội so với ERC20. Vì vậy, hiện tại các dự án tài sản hóa dữ liệu AI đều đang gặp khó khăn.
Một điểm đáng chú ý khác trong phân nhánh dữ liệu là gán nhãn (annotation) phi tập trung. Tài sản hóa dữ liệu tác động vào bước “thu thập dữ liệu”, còn dữ liệu sau khi thu thập cần được xử lý trước khi đưa vào huấn luyện AI – đó là bước gán nhãn. Hiện tại bước này chủ yếu do con người thực hiện tập trung, mật độ lao động cao. Một hướng đi là dùng phần thưởng token để biến công việc này thành phi tập trung – kiểu “gán nhãn để kiếm tiền” (annotate-to-earn), hoặc giống nền tảng crowdsourcing phân bổ công việc. Đã có một vài đội ngũ nhỏ đang theo đuổi hướng này.
3. Những mảnh ghép còn thiếu của AI + Crypto
Dưới đây là những yếu tố mà theo góc nhìn của chúng tôi, hiện tại lĩnh vực này vẫn còn thiếu.
Thứ nhất là rào cản kỹ thuật. Như đã nói, phần lớn dự án AI + Crypto gần như không có lợi thế kỹ thuật nào so với các dự án AI Web2 truyền thống. Họ chủ yếu dựa vào mô hình kinh tế và phần thưởng token, tập trung vào trải nghiệm người dùng, marketing và vận hành. Điều này cũng không sai – phi tập trung và phân phối giá trị vốn là thế mạnh của Web3. Nhưng thiếu rào cản cốt lõi dễ khiến người ta có cảm giác “X to Earn”. Chúng tôi vẫn hy vọng sẽ thấy nhiều đội ngũ như RNDR – công ty mẹ OTOY có công nghệ cốt lõi – phát huy mạnh mẽ trong không gian Crypto.
Thứ hai là tình trạng đội ngũ sáng lập. Quan sát hiện tại cho thấy: Một số đội ngũ rất am hiểu AI nhưng hiểu biết về Web3 còn hạn chế; một số khác thì cực kỳ Crypto Native nhưng kiến thức về AI lại nông cạn. Tình trạng này rất giống giai đoạn đầu của GameFi: hoặc là am hiểu game và muốn “chuyển game Web2 lên chuỗi”, hoặc là am hiểu Web3 và muốn đổi mới mô hình “farm tiền”. Matr1x là đội ngũ đầu tiên trong lĩnh vực GameFi mà chúng tôi gặp có hiểu biết kép xuất sắc cả về game lẫn Crypto – cũng vì vậy mà tôi từng viết Matr1x là một trong ba dự án “vừa nói xong đã quyết định đầu tư” của năm 2023. Chúng tôi mong chờ trong năm 2024 sẽ xuất hiện đội ngũ tương tự trong lĩnh vực AI + Crypto.
Thứ ba là bối cảnh thương mại. AI x Crypto đang ở giai đoạn khám phá cực kỳ sơ khai. Các hình thức tài sản hóa nêu trên chỉ là những định hướng lớn, mỗi hướng đều có thể khai thác sâu và phân nhỏ thành các ngách riêng. Hiện tại, các dự án trên thị trường kết hợp AI và Crypto phần nhiều vẫn mang cảm giác “gượng ép” hoặc “thô ráp”, chưa tận dụng được tối ưu năng lực cạnh tranh hoặc tính kết hợp (composability) của AI hay Crypto – điều này cũng liên quan mật thiết đến điểm thứ hai nêu trên. Ví dụ, đội ngũ R&D nội bộ của chúng tôi đã từng nghĩ ra và thiết kế một cách kết hợp tối ưu hơn, tiếc là sau khi xem xét rất nhiều dự án AI, vẫn chưa thấy đội ngũ nào đi vào ngách này – đành tiếp tục chờ đợi.
Bạn hỏi vì sao một quỹ VC như chúng tôi lại nghĩ ra một số kịch bản trước cả các founder trên thị trường? Bởi đội ngũ AI nội bộ của chúng tôi có tới 7 chuyên gia, trong đó 5 người có bằng Tiến sĩ AI chính quy. Còn về hiểu biết của đội ngũ ABCDE với Crypto thì… bạn hiểu rồi đó.
Cuối cùng, dù từ góc nhìn thị trường sơ cấp, AI x Crypto vẫn còn rất non trẻ và chưa trưởng thành, điều đó không ngăn cản chúng tôi lạc quan rằng từ 2024–2025, AI x Crypto sẽ trở thành một trong những chủ đạo chính của đợt tăng giá này. Dù sao thì, AI giải phóng lực lượng sản xuất, blockchain giải phóng quan hệ sản xuất – còn cách kết hợp nào tuyệt vời hơn thế nữa không?:)
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
ABCDE
