Con đường phát triển tương lai của AI+Web3 (1): Toàn cảnh ngành và logic kể chuyện
Tuyển chọn TechFlowTuyển chọn TechFlow
Con đường phát triển tương lai của AI+Web3 (1): Toàn cảnh ngành và logic kể chuyện
Cạnh tranh trong các ứng dụng AI+Web3 không nằm ở năng lực đổi mới công nghệ, mà nằm ở việc tích lũy năng lực sản phẩm và năng lực công nghệ.
Chuyên sâu báo cáo Web3Tác giả: Future3 Campus
Trong 1 năm vừa qua, cùng với sự ra đời của các mô hình lớn AI tạo sinh như ChatGPT, trí tuệ nhân tạo (AI) đã mở rộng từ những công cụ tự động hóa đơn giản thành các hệ thống ra quyết định và dự đoán phức tạp, phát triển trở thành động lực thúc đẩy những bước tiến quan trọng trong xã hội hiện đại. Các sản phẩm và ứng dụng AI cũng tăng trưởng bùng nổ; bản thân ChatGPT lần lượt ra mắt các sản phẩm nổi bật như GPTs, Sora... Cơ sở hạ tầng phần cứng cho AI, điển hình là NVIDIA, liên tục vượt kỳ vọng doanh thu — trong quý 4 tài khóa 2024, doanh thu từ mảng trung tâm dữ liệu chiếm hơn 83%, tăng trưởng đồng bộ tới 409%, trong đó 40% được sử dụng cho các kịch bản suy luận mô hình lớn, phản ánh nhu cầu gia tăng nhanh chóng về năng lực tính toán cơ bản.
Hiện tại, AI đã trở thành chủ đề được giới đầu tư phương Tây săn đón ráo riết, đồng thời thị trường Web3 cũng đón nhận một đợt tăng trưởng mạnh mẽ mới. Sự kết hợp giữa AI và Web3 là cuộc va chạm giữa hai chủ đề công nghệ nóng nhất hiện nay, gần đây đã xuất hiện một loạt dự án theo hướng này, thể hiện rõ sự quan tâm và kỳ vọng của thị trường đối với chủ đề này.
Bỏ qua yếu tố thổi phồng và bong bóng giá cả, tình hình phát triển thực tế của ngành AI+Web3 hiện nay ra sao? Có những ứng dụng thực tiễn nào không? Về dài hạn, liệu có thể xây dựng được câu chuyện giá trị và ngành công nghiệp bền vững hay không? Trong tương lai, cấu trúc hệ sinh thái của ngành AI+Web3 sẽ hình thành như thế nào, và những lĩnh vực tiềm năng nằm ở đâu?
Xung quanh những chủ đề trên, Future3 Campus sẽ viết một loạt bài phân tích từ nhiều khía cạnh khác nhau của chuỗi ngành AI+Web3. Bài viết này là phần đầu tiên, nói về toàn cảnh ngành và logic câu chuyện của AI+Web3.
Quy trình sản xuất và làm việc của AI
Tóm lại, hướng kết hợp giữa AI và Web3 có thể chia thành hai mặt: một là Web3 hỗ trợ sự phát triển của AI, hai là các ứng dụng Web3 tích hợp công nghệ AI. Trong đó, xu hướng hiện nay của đa số dự án là dùng công nghệ và khái niệm Web3 để trao quyền cho AI. Vì vậy, chúng ta có thể phân tích cách thức kết hợp với Web3 thông qua quy trình từ huấn luyện đến sản xuất mô hình AI.
Sự ra đời của mô hình ngôn ngữ lớn (LLM) có một vài điểm khác biệt so với quy trình học máy trước đây, nhưng nhìn chung, một quy trình sản xuất AI đơn giản có thể được chia thành các giai đoạn sau:
1. Thu thập dữ liệu
Trong toàn bộ vòng đời huấn luyện mô hình AI, dữ liệu là nền tảng cung cấp nguyên liệu huấn luyện. Thường cần sử dụng các tập dữ liệu chất lượng cao làm cơ sở, thực hiện phân tích dữ liệu khám phá (EDA), tạo ra các tập dữ liệu, bảng biểu và biểu đồ trực quan có thể tái tạo, chỉnh sửa và chia sẻ.
2. Tiền xử lý dữ liệu và kỹ thuật đặc trưng / kỹ thuật nhắc (Prompt)
Sau khi thu thập dữ liệu, cần tiến hành tiền xử lý. Trong học máy truyền thống, bước này gọi là kỹ thuật đặc trưng (gán nhãn dữ liệu); còn trong mô hình lớn thì gọi là kỹ thuật nhắc (Prompt). Bao gồm việc lặp đi lặp lại việc phân loại, gom nhóm và loại bỏ dữ liệu trùng lặp để gắn nhãn các đặc trưng chi tiết, đồng thời phát triển nhắc (Prompt) có cấu trúc phục vụ truy vấn cho LLM. Đồng thời cần lưu trữ và chia sẻ đáng tin cậy các đặc trưng/Prompt này.
3. Huấn luyện và tinh chỉnh mô hình
Sử dụng thư viện mô hình phong phú để huấn luyện mô hình AI, qua quá trình lặp lại và điều chỉnh liên tục nhằm nâng cao hiệu suất, hiệu quả và độ chính xác của mô hình. Trong LLM, chủ yếu dùng Học Tăng cường có Phản hồi từ Con người (RLHF) để tinh chỉnh mô hình.
4. Kiểm tra và quản trị mô hình
Sử dụng các nền tảng MLOps/LLMOps để tối ưu hóa quy trình phát triển mô hình, bao gồm phát hiện, theo dõi, chia sẻ và cộng tác mô hình, đảm bảo chất lượng và tính minh bạch của mô hình, đồng thời đáp ứng yêu cầu đạo đức và tuân thủ pháp luật.
5. Suy luận mô hình (Inference)
Triển khai mô hình AI đã được huấn luyện để đưa ra dự đoán đối với dữ liệu mới chưa từng thấy. Mô hình sử dụng các tham số đã học được để xử lý dữ liệu đầu vào, tạo ra kết quả dự đoán như phân loại hoặc hồi quy.
6. Triển khai và giám sát mô hình
Sau khi đảm bảo hiệu suất mô hình đạt tiêu chuẩn, triển khai mô hình vào các ứng dụng thực tế và thực hiện giám sát, bảo trì liên tục nhằm đảm bảo mô hình duy trì hiệu suất tốt nhất trong môi trường luôn biến đổi.
Trong các quy trình trên, có rất nhiều cơ hội kết hợp với Web3. Hiện nay, một số thách thức trong quá trình phát triển AI như tính minh bạch mô hình, thiên vị và ứng dụng phi đạo đức đang thu hút sự quan tâm rộng rãi. Trong lĩnh vực này, công nghệ Web3 kết hợp với các kỹ thuật mật mã như ZK có thể cải thiện vấn đề niềm tin đối với AI. Ngoài ra, nhu cầu ngày càng tăng đối với ứng dụng AI cũng đặt ra yêu cầu về cơ sở hạ tầng và mạng dữ liệu mở, chi phí thấp hơn; trong khi đó, mạng lưới phân tán và mô hình khuyến khích của Web3 có thể xây dựng mạng lưới AI và cộng đồng mở, nguồn mở hơn.
Toàn cảnh ngành và logic câu chuyện AI+Web3
Dựa trên quy trình sản xuất AI nêu trên, hướng kết hợp giữa AI và Web3, cùng với các dự án AI+Web3 chủ đạo hiện nay trên thị trường, chúng tôi đã tổng hợp ra bức tranh toàn cảnh ngành AI+Web3. Chuỗi ngành AI+Web3 có thể chia thành ba tầng: tầng cơ sở hạ tầng, tầng trung gian và tầng ứng dụng.
1. Tầng cơ sở hạ tầng
Bao gồm cơ sở hạ tầng tính toán và lưu trữ, xuyên suốt toàn bộ quy trình sản xuất AI, cung cấp năng lực tính toán cần thiết cho việc huấn luyện, suy luận mô hình AI, cũng như lưu trữ dữ liệu và mô hình trong suốt vòng đời.
Hiện nay ứng dụng AI tăng trưởng nhanh chóng, dẫn đến nhu cầu về cơ sở hạ tầng, đặc biệt là năng lực tính toán hiệu suất cao, tăng vọt. Do đó, việc cung cấp cơ sở hạ tầng tính toán và lưu trữ hiệu suất cao hơn, chi phí thấp hơn và dồi dào hơn sẽ trở thành xu hướng quan trọng trong vài năm tới (giai đoạn đầu phát triển AI), dự kiến chiếm hơn 50% giá trị chuỗi ngành.
Web3 có thể xây dựng mạng lưới tài nguyên tính toán và lưu trữ phi tập trung, tận dụng các tài nguyên rảnh rỗi, phân tán để giảm đáng kể chi phí cơ sở hạ tầng, phục vụ nhu cầu ứng dụng AI rộng lớn. Vì vậy, cơ sở hạ tầng AI phi tập trung là câu chuyện chắc chắn nhất hiện nay.
Các dự án tiêu biểu trong lĩnh vực này hiện nay bao gồm Render Network chuyên về dịch vụ render, Akash và gensyn cung cấp dịch vụ đám mây và mạng phần cứng tính toán phi tập trung; trong lĩnh vực lưu trữ, các dự án đại diện vẫn là những mạng lưu trữ phi tập trung lâu đời như Filecoin, Arweave... gần đây cũng đã ra mắt các dịch vụ lưu trữ và tính toán dành riêng cho lĩnh vực AI.
2. Tầng trung gian
Chủ yếu chỉ việc áp dụng các công nghệ liên quan đến Web3 để cải thiện thực trạng và giải quyết các vấn đề tồn tại trong các quy trình sản xuất AI cụ thể. Bao gồm:
1) Giai đoạn thu thập dữ liệu: sử dụng danh tính dữ liệu phi tập trung để tạo ra mạng dữ liệu/mạng giao dịch dữ liệu mở hơn. Chủ yếu kết hợp công nghệ mật mã và đặc điểm blockchain để bảo vệ người dùng và xác lập quyền sở hữu dữ liệu, đồng thời kết hợp cơ chế khuyến khích để khuyến khích người dùng chia sẻ dữ liệu chất lượng cao, từ đó mở rộng nguồn dữ liệu và nâng cao hiệu quả thu thập. Các dự án tiêu biểu trong lĩnh vực này bao gồm dự án danh tính AI Worldcoin, Aspecta, nền tảng giao dịch dữ liệu Ocean Protocol, và mạng dữ liệu dễ tham gia Grass...
2) Giai đoạn tiền xử lý dữ liệu: chủ yếu xây dựng các nền tảng phân tán để gán nhãn và xử lý dữ liệu AI, sử dụng mô hình kinh tế khuyến khích mô hình cộng tác (crowdsourcing), thúc đẩy tiền xử lý dữ liệu hiệu quả hơn, chi phí thấp hơn, phục vụ giai đoạn huấn luyện mô hình tiếp theo. Dự án tiêu biểu như Public AI...
3) Giai đoạn xác minh và suy luận mô hình: như đã nêu ở phần trước, "hộp đen" dữ liệu và mô hình là vấn đề thực tế hiện nay của AI. Vì vậy, trong giai đoạn xác minh và suy luận mô hình, Web3 có thể kết hợp các công nghệ mật mã như ZK, mã hóa đồng dạng (homomorphic encryption)... để xác minh quá trình suy luận mô hình có sử dụng đúng dữ liệu và tham số đã cho hay không, đảm bảo tính đúng đắn của mô hình đồng thời bảo vệ quyền riêng tư dữ liệu đầu vào. Ứng dụng điển hình là ZKML. Các dự án tiêu biểu hiện nay kết hợp công nghệ Web3 vào giai đoạn xác minh và suy luận mô hình bao gồm bittensor, Privasea, Modulus...
Nhiều dự án ở tầng trung gian thiên về công cụ dành cho nhà phát triển, thường cung cấp dịch vụ bổ sung cho các nhà phát triển, dự án hiện có... Trong giai đoạn đầu phát triển AI hiện nay, nhu cầu thị trường và khả năng thương mại hóa của họ vẫn đang trong quá trình phát triển.
3. Tầng ứng dụng
Ở tầng ứng dụng, chủ yếu là việc ứng dụng công nghệ AI vào Web3. Việc tích hợp AI vào ứng dụng Web3 có thể nâng cao hiệu quả và trải nghiệm sản phẩm một cách hiệu quả, ví dụ như sử dụng các chức năng tạo nội dung, phân tích, suy luận của AI để áp dụng vào các lĩnh vực như trò chơi, mạng xã hội, phân tích dữ liệu, dự đoán tài chính... Hiện nay, các ứng dụng AI+Web3 chủ yếu được chia thành ba loại.
1) Loại AIGC: sử dụng công nghệ tạo sinh AI cho phép người dùng tạo nội dung văn bản, hình ảnh, video, Avatar... thông qua đối thoại. Có thể là một agent AI độc lập hoặc tích hợp trực tiếp vào sản phẩm. Các dự án tiêu biểu bao gồm NFPrompt, SleeplessAI...
2) Loại phân tích AI: các dự án tích hợp dữ liệu, kho tri thức, năng lực phân tích riêng để huấn luyện mô hình AI chuyên biệt, có khả năng phân tích, đánh giá, dự đoán và đóng gói thành sản phẩm cung cấp cho người dùng, giúp họ dễ dàng tiếp cận năng lực phân tích của AI, ví dụ như phân tích dữ liệu, theo dõi thông tin, kiểm toán và sửa mã, dự đoán tài chính... Các dự án tiêu biểu bao gồm Kaito, Dune...
3) Trung tâm Agent AI (AI Agent Hub): tập hợp nhiều loại AI Agent, thường cung cấp khả năng tạo Agent AI tùy chỉnh không cần code cho người dùng, tương tự như GPTs. Các dự án tiêu biểu bao gồm My Shell, Fetch.ai...
Hiện tại tầng ứng dụng vẫn chưa xuất hiện dự án đầu ngành thực sự, nhưng về dài hạn đây chắc chắn là mảng có trần phát triển cao nhất, tiềm năng khai thác cực kỳ lớn. Cuộc cạnh tranh giữa các ứng dụng AI+Web3 không nằm ở năng lực đổi mới công nghệ, mà nằm ở tích lũy năng lực sản phẩm và kỹ thuật — đặc biệt là khả năng cung cấp sản phẩm trải nghiệm tốt hơn trong lĩnh vực AI sẽ mang lại lợi thế cạnh tranh lớn hơn trong lĩnh vực này.
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
