Giới thiệu GPU-EVM: Lĩnh vực EVM song song lại thêm tân binh, sử dụng EVM để huấn luyện tác nhân AI
Tuyển chọn TechFlowTuyển chọn TechFlow
Giới thiệu GPU-EVM: Lĩnh vực EVM song song lại thêm tân binh, sử dụng EVM để huấn luyện tác nhân AI
GPU-EVM sử dụng các đơn vị xử lý đồ họa (GPU) để thực hiện song song các thao tác, từ đó nâng cao thông lượng giao dịch.
Chuyên sâu báo cáo Web3Tác giả: Eito Miyamura
Biên dịch: TechFlow
GatlingX là một dự án do các cựu sinh viên Đại học Oxford dẫn dắt, tập trung vào học máy và học tăng cường (reinforcement learning), gần đây đã ra mắt “GPU-EVM”——theo kết quả kiểm định nội bộ, có thể là Máy ảo Ethereum (EVM) mạnh nhất hiện nay trên thị trường.
GPU-EVM là một giải pháp mở rộng EVM với hiệu năng cực kỳ mạnh mẽ, đến mức các tác nhân trí tuệ nhân tạo tiên tiến nhất dựa trên học tăng cường (RL) có thể được huấn luyện trên nền tảng này, theo nhóm phát triển. Bằng cách thực thi song song nhiều ứng dụng Ethereum, nó hỗ trợ huấn luyện các tác nhân AI tìm kiếm lỗ hổng bảo mật.
GPU-EVM sử dụng đơn vị xử lý đồ họa (GPU) để thực thi các thao tác song song, từ đó nâng cao thông lượng giao dịch. Nhóm phát triển cho biết tốc độ xử lý nhiệm vụ của GPU-EVM nhanh gấp khoảng 100 lần so với các EVM hiệu suất cao hiện tại như evmone và revm. Điều này chủ yếu nhờ khả năng xử lý đồng thời nhiều thao tác của GPU, tận dụng kiến trúc vốn dĩ phù hợp với xử lý song song.
GPU-EVM tận dụng sức mạnh khổng lồ của đơn vị xử lý đồ họa (GPU) để chạy song song các thao tác của Máy ảo Ethereum (EVM). Điều này có nghĩa là thay vì thực hiện từng nhiệm vụ tuần tự, GPU-EVM có thể xử lý hàng loạt nhiệm vụ cùng lúc, làm tăng đáng kể tốc độ tính toán. Đột phá này từ đội ngũ cựu sinh viên ngành Khoa học Máy tính/Trí tuệ Nhân tạo của Đại học Oxford đã cải thiện mạnh mẽ hiệu quả kinh tế về đơn vị tính toán mỗi giây của Máy ảo Ethereum.
Máy ảo Ethereum (EVM) là máy ảo tiêu chuẩn trong ngành, vận hành các hợp đồng thông minh và là nền tảng cơ bản của công nghệ blockchain hiện đại. EVM giống như hệ điều hành của blockchain, thông qua phần mềm khách hàng dựa trên CPU, thực hiện các giao dịch phi tin cậy trên nhiều máy tính phân tán.
Với GPU-EVM và sự gia tăng hiệu suất mà nó mang lại, các đội kỹ sư đầy tham vọng ở hạ nguồn nhận được bước nhảy vọt lớn về năng lực: xây dựng cơ sở hạ tầng cho các mô hình AI/RL tương tác với EVM, tăng tốc L2, MEV, kiểm thử mô phỏng (backtesting), v.v. (thông tin chi tiết xem bên dưới).
GPU-EVM: Mô hình tính toán EVM mới
Ban đầu NVIDIA chỉ là một công ty chuyên về game, nhưng giờ đây đã trở thành một nhân tố then chốt trong lĩnh vực điện toán, đứng ở tiền tuyến của cuộc cách mạng trí tuệ nhân tạo. Sự chuyển đổi này phản ánh quá trình chuyển từ định luật Moore – dự đoán cứ hai năm thì năng lực tính toán lại tăng gấp đôi – sang định luật Huang, được đặt theo tên CEO của NVIDIA là Jensen Huang. Định luật Huang cho rằng do sự tích hợp giữa phần cứng, phần mềm và AI, hiệu suất GPU sẽ tăng hơn gấp đôi trong vòng hai năm, vượt xa CPU, khiến GPU trở thành cốt lõi để tăng tốc các tác vụ phức tạp.
Khi chúng ta đạt đến giới hạn của định luật Moore, việc phụ thuộc vào tính song song của GPU báo hiệu một kỷ nguyên điện toán mới, chuyển từ thời đại thống trị bởi CPU sang thời đại do GPU thúc đẩy (xem thêm Dennard scaling, định luật Amdahl). Sự chuyển đổi này giống như việc từ con đường một làn xe chuyển sang xa lộ nhiều làn, không chỉ tăng tốc độ mà còn cho phép thực hiện nhiều hoạt động đồng thời hơn, từ đó mở rộng khả năng công nghệ.
Nghịch lý Jevons minh họa rõ hiệu ứng này: giống như việc bóng đèn LED hiệu quả hơn lại dẫn đến việc sử dụng phổ biến hơn thay vì giảm đi, hiệu suất tăng và chi phí giảm của GPU-EVM mở ra vô số khả năng mới. Nó không chỉ tiết kiệm tài nguyên mà còn thúc đẩy sự đổi mới và áp dụng công nghệ blockchain và cả những lĩnh vực khác, hứa hẹn một tương lai nơi hiệu quả tính toán của GPU thúc đẩy sự tăng trưởng theo cấp số nhân trong các ứng dụng điện toán.
Hiệu suất GPU-EVM
Tận dụng những bước tiến đáng kể trong khả năng điện toán đa năng của GPU hiện đại, chúng tôi đã đưa hiệu suất GPU-EVM lên mức vượt quá 100 lần so với EVM truyền thống. GPU hiện đại được thiết kế với hàng nghìn lõi, có khả năng xử lý đồng thời nhiều thao tác, rất phù hợp với các nhiệm vụ cần xử lý song song. Lợi thế kiến trúc vốn có này cho phép GPU-EVM thực thi song song một lượng lớn lệnh EVM, làm tăng mạnh tốc độ và hiệu quả tính toán.
Để đo lường khách quan mức độ cải thiện hiệu suất mà GPU-EVM mang lại, chúng tôi đã thực hiện các bài kiểm định toàn diện bằng công cụ mã nguồn mở từ EVM Bench. Công cụ này cho phép mô phỏng các thao tác EVM khác nhau và so sánh thời gian thực thi giữa EVM truyền thống dựa trên CPU và GPU-EVM của chúng tôi.
So với mô hình tính toán truyền thống, GPU-EVM hoàn toàn vượt trội nhờ tận dụng sức mạnh xử lý vô song của GPU, đặt ra tiêu chuẩn mới về hiệu suất và hiệu quả cho EVM.
Với nền tảng công nghệ này, hãy cùng khám phá cách GPU-EVM cách mạng hóa các lĩnh vực như huấn luyện AI và mô phỏng DeFi, mở ra những chân trời mới cho các ứng dụng blockchain.
Huấn luyện tác nhân AI bằng EVM
Trí tuệ nhân tạo đang thay đổi thế giới, dẫn đầu bởi ChatGPT và các chatbot LLM khác, được huấn luyện thông qua học tăng cường (RL) dựa trên phản hồi của con người. Cốt lõi của RL là quá trình huấn luyện tác nhân AI ra quyết định thông qua việc tương tác với môi trường, trong đó các hành vi đúng được thưởng. Phương pháp học này rất quan trọng vì nó phản ánh cách con người và động vật học hỏi từ môi trường xung quanh, khiến nó trở thành nền tảng thiết yếu để phát triển các hệ thống thông minh có thể tự thích nghi và tối ưu hóa hành vi.
Chiến thắng mang tính bước ngoặt của AlphaGo trước nhà vô địch thế giới môn cờ vây đã chứng minh sức mạnh chuyển đổi của RL. Đây không chỉ đơn thuần là một trận đấu; nó cho thấy AI có thể phát hiện ra những chiến lược và giải pháp vượt xa hiểu biết của con người, thông qua mô phỏng và tương tác với môi trường phức tạp của bàn cờ vây. Đột phá này làm nổi bật bản chất của RL: cho phép tác nhân AI tự chủ di chuyển và học hỏi từ môi trường để đạt được mục tiêu cụ thể, dưới sự hướng dẫn của hệ thống phần thưởng.
Tuy nhiên, hành trình đạt được đột phá AI này thông qua RL đầy rẫy thách thức tính toán. Việc mô phỏng môi trường cho AI đòi hỏi lượng tài nguyên tính toán khổng lồ. Sự xuất hiện của các môi trường mô phỏng được song song hóa bằng GPU, như Isaac Gym của NVIDIA, Brax của Google và JAX-LOB, đóng vai trò then chốt trong việc vượt qua các trở ngại này. Bằng cách tận dụng GPU để song song hóa môi trường mô phỏng, các nền tảng này đạt được mức tăng hiệu suất từ 100 đến 250.000 lần, làm cho khía cạnh tính toán của RL trở nên khả thi và hiệu quả hơn. Vì điểm nghẽn trong huấn luyện AI thường nằm ở băng thông truyền dữ liệu giữa CPU và GPU, nên việc song song hóa bằng GPU đã mang lại những cải thiện về tốc độ này và hiện已成为 tiêu chuẩn trong cộng đồng nghiên cứu RL.
Trong thế giới AI phát triển nhanh chóng, GPU-EVM hoạt động như một môi trường mô phỏng được song song hóa bằng GPU, trực tiếp thúc đẩy việc huấn luyện các tác nhân AI trong hệ sinh thái blockchain. Một ứng dụng nổi bật là trong ngành tài chính, GPU-EVM có thể cách mạng hóa các hệ thống phát hiện gian lận thời gian thực. Lịch sử cho thấy tầm quan trọng của các hệ thống này: Max Levchin đã phát triển cơ chế chống gian lận đầu tiên cho PayPal để ngăn công ty phá sản. Bằng cách cho phép AI tài chính mô phỏng và phân tích hàng triệu giao dịch chỉ trong vài giây, nó có thể xác định các mẫu bất thường liên quan đến hoạt động gian lận với tốc độ và độ chính xác chưa từng có. Khả năng này, trước đây có thể mất vài ngày mới đạt được, đại diện cho một bước ngoặt lớn trong cách các tổ chức tài chính phòng chống gian lận. Bằng cách tích hợp tác nhân AI với EVM trên nền tảng GPU-EVM, chúng ta mở ra những con đường mới để áp dụng các nguyên tắc học tăng cường (RL) trong lĩnh vực blockchain. Tại đây, tác nhân AI học hỏi và cải thiện bằng cách xác định chính xác các giao dịch gian lận theo hàm phần thưởng được định nghĩa trước.
Tăng tốc / Mô phỏng L2
Sự xuất hiện của các giải pháp lớp thứ hai (L2) là yếu tố then chốt để nâng cao thông lượng của Ethereum, từ đó thúc đẩy việc áp dụng phổ biến, đặc biệt trong lĩnh vực thanh toán. Bằng cách xử lý giao dịch bên ngoài chuỗi khối Ethereum chính (lớp thứ nhất), L2 làm tăng đáng kể dung lượng mạng lưới, đồng thời duy trì các nguyên tắc cơ bản về bảo mật và tính phi tập trung. Khác với các hệ thống truyền thống dựa trên CPU, GPU-EVM hoạt động độc lập và có khả năng tích hợp liền mạch, tăng tốc các giải pháp L2 hiện có. Việc tăng tốc này có thể đạt được bằng nhiều phương pháp, bao gồm tối ưu hóa các hàm xem (view functions) và áp dụng các thuật toán như tìm kiếm cây Monte Carlo để xây dựng khối và sắp xếp giao dịch hiệu quả hơn.
Tuy nhiên, trong bối cảnh tăng tốc L2, vai trò của EVM song song là phức tạp và cần được xem xét nghiêm túc. Việc tăng tốc trực tiếp L2 bằng EVM song song không đơn giản như vẻ ngoài. Để thực sự khai thác được năng lực của EVM song song, cần phải nỗ lực đổi mới trong thiết kế các giải pháp L2 và cơ sở dữ liệu của chúng. Điều này được nhấn mạnh bởi một số nghiên cứu như dưới đây:
Mặc dù những tinh tế khi tích hợp GPU-EVM với các giải pháp L2 cực kỳ hứa hẹn, cần lưu ý rằng vẫn còn những thách thức khác cần giải quyết. Các điểm nghẽn chính trong nỗ lực này bao gồm khắc phục các hạn chế liên quan đến lưu trữ, quản lý các giao dịch phụ thuộc lẫn nhau trên chuỗi dài và giảm chi phí phình trạng thái. Chỉ riêng GPU-EVM không thể giải quyết tất cả các vấn đề này. Do đó, trong bối cảnh tăng tốc L2, việc cùng nhau đổi mới thiết kế các giải pháp L2 và cơ sở dữ liệu hỗ trợ chúng là then chốt để vượt qua các rào cản và tận dụng tối đa lợi ích từ GPU-EVM.
Mô phỏng DeFi / Kiểm thử mờ (Fuzz Testing)
Việc cải thiện hiệu suất nền tảng của GPU-EVM mang lại thay đổi cách mạng cho mô phỏng DeFi và kiểm thử mờ (fuzz testing). Sự gia tăng đáng kể về khả năng xử lý dữ liệu này cho phép phát hiện các trường hợp biên (edge cases) trong chiến lược và thiết kế giao thức DeFi mà trước đây chưa từng được cân nhắc, từ đó phơi bày các lỗ hổng tiềm ẩn. Để minh họa tầm quan trọng của tiến bộ này, có thể so sánh phương pháp truyền thống dựa trên CPU với một chiếc súng bắn nước, trong khi GPU-EVM giống như một vòi nước mạnh mẽ, cung cấp phương tiện diệt côn trùng hiệu quả hơn nhiều.
Nhờ cải thiện hiệu suất nền tảng của GPU-EVM, các công cụ kiểm thử mờ chạy trên nền tảng này có thể khám phá sâu và vận hành với tốc độ đáng kinh ngạc, phát hiện các trường hợp biên chỉ trong vài giây. Điều này trái ngược hoàn toàn với các công cụ kiểm thử mờ dựa trên CPU, có thể mất vài tuần hoặc thậm chí vài tháng để phát hiện cùng một vấn đề. Khả năng chạy các công cụ kiểm thử mờ tiên tiến này trên GPU-EVM cho phép giám sát liên tục các hợp đồng thông minh, đặc biệt là những hợp đồng đang hoạt động trong môi trường thực tế. Những hệ thống tự động này được thiết kế để không ngừng thách thức các hợp đồng thông minh, cố gắng dự đoán trước các lỗ hổng tiềm tàng vài bước đi, giống như một ván cờ chiến lược, với mục tiêu cuối cùng là đảm bảo mức độ an toàn cao nhất.
Sản phẩm sắp ra mắt của chúng tôi thể hiện phương pháp tiên tiến này trong mô phỏng DeFi và kiểm thử mờ. Hãy chờ đón, nó sẽ định nghĩa lại tiêu chuẩn về độ an toàn và độ bền của hợp đồng thông minh.
Về GatlingX
GatlingX là một phòng thí nghiệm cơ sở hạ tầng ứng dụng và trí tuệ nhân tạo, tập trung phát triển các cơ sở hạ tầng công nghệ nặng. Sứ mệnh của chúng tôi là tạo ra các sản phẩm ứng dụng blockchain có thể vận hành ở tầng cơ sở hạ tầng sâu.
Chúng tôi tin rằng có một số vấn đề kỹ thuật cực kỳ khó khăn mà ngành blockchain không muốn giải quyết vì chúng quá nan giải. Tính an toàn nhanh chóng và rẻ tiền, hiệu suất tính toán và tốc độ là những điều kiện tiên quyết cần thiết cho một hệ sinh thái blockchain phát triển mạnh mẽ, nhưng cũng là những vấn đề cực kỳ khó khăn, gây ra nhiều đau đớn. Chúng tôi tin rằng nếu không tập hợp những người giải quyết vấn đề giỏi nhất thế giới để giải quyết nó, sẽ chẳng ai làm được.
Chúng tôi cam kết thúc đẩy ranh giới công nghệ mới nhất trong các lĩnh vực như trí tuệ nhân tạo, GPU, blockchain và điện toán phân tán – những lĩnh vực then chốt đối với sự tiến bộ công nghệ toàn cầu.
Chúng tôi là một nhóm những người cuồng nhiệt: Nếu có thể mua được thứ gì sẵn, chúng tôi sẽ mua. Nếu không, chúng tôi sẽ tự xây dựng.
Sử dụng GPU-EVM
GPU-EVM hiện đang ở giai đoạn truy cập sớm riêng tư, vì chúng tôi đang mở rộng dung lượng GPU. Nếu bạn quan tâm đến việc sử dụng GPU-EVM trong công việc kỹ thuật của mình, vui lòng điền vào biểu mẫu này để tham gia danh sách chờ.
Đội ngũ chúng tôi nhỏ nhưng cực kỳ tài năng. Nhóm sáng lập của chúng tôi gồm các cựu sinh viên Đại học Oxford, từng đạt được những thành tựu đột phá trong cơ sở hạ tầng và AI ứng dụng, đã từng làm việc tại các công ty như Crowdstrike, Wayve, Citadel Securities, và tạo ra các dự án có ảnh hưởng sâu rộng như ZKMicrophone và Graphite.
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
