Coinbase Insight: Crypto x AI bổ trợ lẫn nhau, điểm qua mọi cơ hội trong các phân khúc赛道
Tuyển chọn TechFlowTuyển chọn TechFlow
Coinbase Insight: Crypto x AI bổ trợ lẫn nhau, điểm qua mọi cơ hội trong các phân khúc赛道
Sự phát triển của cơ sở hạ tầng AI phi tập trung, tiến bộ trong các ứng dụng AI trên chuỗi và sự xuất hiện của "mạng lưới tác nhân thông minh" sẽ mang lại những bước tiến đáng kể.
Chuyên sâu báo cáo Web3Tác giả: Jonathan King
Biên dịch: TechFlow
Tóm tắt: Tương lai của trí tuệ nhân tạo (AI) có thể được xây dựng dựa trên công nghệ blockchain, vì mã hóa giúp tăng khả năng truy cập, minh bạch và mở rộng phạm vi ứng dụng cho các công nghệ mới nổi. Sự kết hợp giữa hiệu quả, tính phi biên giới và khả năng lập trình của công nghệ mã hóa với AI có thể thay đổi cách con người và máy móc tương tác trong nền kinh tế kỹ thuật số, giúp người dùng kiểm soát dữ liệu cá nhân của mình. Điều này cũng bao gồm sự trỗi dậy của “Agentic Web”, một mạng lưới mà các tác nhân AI hoạt động trên cơ sở hạ tầng mã hóa sẽ thúc đẩy hoạt động kinh tế và tăng trưởng.
Công bố và chú thích: Danh mục đầu tư của Coinbase Ventures sẽ được đánh dấu bằng sao (*) khi lần đầu tiên đề cập đến trong bài viết dưới đây
Vậy điều đó sẽ như thế nào? Các tác nhân AI thực hiện giao dịch trên cơ sở hạ tầng mã hóa. Mã nguồn phần mềm do AI tạo ra, bao gồm cả hợp đồng thông minh, thúc đẩy sự bùng nổ các ứng dụng và trải nghiệm trên chuỗi. Người dùng có thể sở hữu, quản lý và hưởng lợi từ việc tham gia vào các mô hình AI. Việc sử dụng AI để nâng cao trải nghiệm người dùng và nhà phát triển trong hệ sinh thái mã hóa, cải thiện chức năng hợp đồng thông minh và tạo ra các trường hợp sử dụng mới – và còn nhiều hơn nữa.
Khi chúng ta hình dung về tương lai kết hợp giữa mã hóa và AI, hôm nay chúng tôi công bố quan điểm cốt lõi về sự kết hợp mang tính đột phá này. Tổng quan:
-
Chúng tôi cho rằng mã hóa/blockchain không phải là yếu tố thiết yếu để thúc đẩy mọi lớp trong ngăn xếp công nghệ AI hay giải quyết các thách thức mới nổi. Thay vào đó, công nghệ mã hóa có thể đóng vai trò quan trọng trong việc cung cấp thêm kênh phân phối, xác minh, chống kiểm duyệt và thanh toán nội bộ cho AI, đồng thời tận dụng các cơ chế AI để tạo ra những trải nghiệm người dùng mới trên chuỗi.
-
Sự kết hợp giữa mã hóa và AI có thể khơi dậy “Agentic Web” – một mô hình biến đổi, nơi các tác nhân AI chạy trên cơ sở hạ tầng mã hóa trở thành động lực chính cho hoạt động kinh tế và tăng trưởng. Chúng tôi dự đoán rằng trong tương lai, các tác nhân sẽ sở hữu ví tiền mã hóa riêng, tự chủ thực hiện giao dịch nhằm đạt được mục tiêu người dùng, tiếp cận tài nguyên tính toán và dữ liệu phi tập trung chi phí thấp, hoặc sử dụng stablecoin để trả tiền cho con người và các tác nhân khác nhằm hoàn thành nhiệm vụ cần thiết cho mục tiêu tổng thể.
-
Những niềm tin ban đầu làm nền tảng cho luận điểm này gồm có: (1) Tiền mã hóa sẽ trở thành phương tiện thanh toán ưa thích cho các giao dịch thương mại giữa các tác nhân AI với nhau và giữa tác nhân với con người; (2) AI sinh học và giao diện ngôn ngữ tự nhiên sẽ trở thành phương tiện chính để người dùng thực hiện giao dịch trên chuỗi; (3) AI sẽ tạo ra phần lớn mã nguồn phần mềm (bao gồm cả hợp đồng thông minh), kích hoạt "đại bùng nổ Cambri" cho các ứng dụng và trải nghiệm trên chuỗi.
-
Sự kết hợp giữa mã hóa và AI có thể được chia thành hai lĩnh vực con cốt lõi: (1) AI phi tập trung (Crypto → AI), tức là xây dựng cơ sở hạ tầng AI phổ quát với đặc điểm của mạng blockchain ngang hàng hiện đại; (2) AI trên chuỗi (AI → Crypto), tức là xây dựng cơ sở hạ tầng và ứng dụng tận dụng AI để hỗ trợ các trường hợp sử dụng cũ và mới.
-
Hệ sinh thái mã hóa và AI có thể được chia thành các tầng sau: (1) Tầng tính toán (ví dụ: mạng lưới chuyên cung cấp đơn vị xử lý đồ họa GPU tiềm năng cho nhà phát triển AI); (2) Tầng dữ liệu (ví dụ: mạng lưới hỗ trợ truy cập, điều phối và xác minh dữ liệu AI một cách phi tập trung); (3) Tầng trung gian (middleware) (ví dụ: nền tảng hỗ trợ phát triển, triển khai và lưu trữ mô hình/AI tác nhân); (4) Tầng ứng dụng (ví dụ: sản phẩm hướng tới người dùng tận dụng cơ chế AI trên chuỗi, dù là B2B hay B2C).
Tại Coinbase, sứ mệnh của chúng tôi là giúp hiện đại hóa hệ thống tài chính, làm cho nó an toàn và đáng tin cậy hơn, đồng thời nâng cao khả năng truy cập và dễ sử dụng cho người tiêu dùng và nhà phát triển. Chúng tôi tin rằng sự kết hợp giữa mã hóa và AI sẽ đóng vai trò quan trọng trong quá trình này. Trong bài blog này, chúng tôi sẽ đi sâu vào ý nghĩa, cách thức thực hiện và định hướng tương lai của sự kết hợp giữa mã hóa và AI.
Giới thiệu về mã hóa và AI
Thị trường AI đã trải qua sự tăng trưởng và đầu tư đáng kể trong những năm gần đây, với các công ty đầu tư mạo hiểm rót gần 290 tỷ USD vào lĩnh vực này trong năm năm qua. Diễn đàn Kinh tế Thế giới chỉ ra rằng công nghệ AI có thể giúp tăng trưởng GDP hàng năm của Mỹ thêm 0,5–1,5% trong thập kỷ tới. Các ứng dụng AI thể hiện sức hút mạnh mẽ, chẳng hạn như ChatGPT4 đã lập kỷ lục về tốc độ tăng trưởng và mức độ chấp nhận người dùng. Tuy nhiên, cùng với sự phát triển nhanh chóng của thị trường AI, một số thách thức cũng xuất hiện, bao gồm vấn đề quyền riêng tư dữ liệu, nhu cầu về nhân lực AI, cân nhắc đạo đức, rủi ro tập trung và sự trỗi dậy của công nghệ deepfake. Những thách thức này khiến cộng đồng chú ý đến sự kết hợp giữa mã hóa và AI, khi các bên đang tìm kiếm giải pháp tận dụng ưu điểm của cả hai công nghệ để đối phó với các vấn đề mới nổi.
Hình ảnh: Biểu đồ mã hóa và AI từ blog của Vitalik Buterin
Sự kết hợp giữa mã hóa và AI, kết nối cơ sở hạ tầng phi tập trung của blockchain với khả năng mô phỏng chức năng nhận thức con người và học hỏi từ dữ liệu của AI, tạo nên một hiệu ứng cộng hưởng có khả năng làm đảo lộn nhiều ngành. Blockchain định nghĩa lại kiến trúc hệ thống, xác minh và phân phối dữ liệu và giao dịch, trong khi AI nâng cao khả năng tính toán và phân tích dữ liệu, đồng thời cung cấp các cách thức mới để tạo nội dung. Sự kết hợp này đã tạo ra cảm xúc vừa hào hứng vừa hoài nghi trong cộng đồng nhà phát triển của cả hai lĩnh vực, thúc đẩy khám phá các trường hợp sử dụng mới, điều này có thể về lâu dài đẩy nhanh sự phổ biến của cả hai lĩnh vực. Mặc dù mã hóa và AI là những thuật ngữ rộng bao hàm nhiều công nghệ và chủ đề khác nhau, chúng tôi cho rằng sự kết hợp của chúng có thể được chia thành hai lĩnh vực con cốt lõi:
-
AI phi tập trung (Crypto → AI): Nâng cao năng lực AI thông qua cơ sở hạ tầng mã hóa mở và có thể tổ hợp. Điều này làm cho một số ứng dụng trở nên khả thi, chẳng hạn như truy cập dân chủ hóa tài nguyên AI (như tính toán, lưu trữ, băng thông, dữ liệu huấn luyện,...), phát triển mô hình mã nguồn mở hợp tác, suy luận có thể xác minh, hoặc đảm bảo nguồn gốc và tính xác thực nội dung thông qua sổ cái bất biến và chữ ký mã hóa.
-
AI trên chuỗi (AI → Crypto): Mang lại lợi thế của AI vào hệ sinh thái mã hóa, nâng cao trải nghiệm người dùng và nhà phát triển thông qua mô hình ngôn ngữ lớn và giao diện ngôn ngữ tự nhiên, hoặc tăng cường chức năng của hợp đồng thông minh. Có hai hướng ứng dụng AI trên chuỗi: (1) Nhà phát triển tích hợp mô hình AI hoặc tác nhân AI vào hợp đồng thông minh và ứng dụng trên chuỗi của họ; (2) Các tác nhân AI sử dụng kênh mã hóa (như ví tự lưu trữ, stablecoin...) để thanh toán và sử dụng tài nguyên cơ sở hạ tầng phi tập trung.
Mặc dù các lĩnh vực “mã hóa trong AI” hay “AI trong mã hóa” vẫn còn ở giai đoạn sơ khai, tiềm năng của chúng rất lớn, đặc biệt trong bối cảnh cơ sở hạ tầng tính toán và tốc độ thông minh liên tục được cải thiện, hứa hẹn mở khóa một loạt trường hợp sử dụng chưa từng được tưởng tượng trước đây.
Mã hóa và AI: Chìa khóa mở ra “Mạng lưới tác nhân thông minh”
Chúng tôi cho rằng một lĩnh vực đặc biệt thú vị trong sự kết hợp giữa mã hóa và AI là khái niệm các tác nhân AI hoạt động trên cơ sở hạ tầng mã hóa. Sự kết hợp này nhằm xây dựng “Mạng lưới tác nhân thông minh” – một mô hình biến đổi có thể nâng cao tính an toàn, hiệu quả và hợp tác trong nền kinh tế do AI điều khiển, được hỗ trợ bởi các cơ chế khuyến khích mạnh mẽ và công nghệ mã hóa.
Chúng tôi tin rằng các tác nhân AI sẽ trở thành động lực chính cho hoạt động kinh tế và tăng trưởng, dần thay thế con người trở thành “người dùng” chính của các ứng dụng (dù trên hay ngoài chuỗi). Sự chuyển đổi mô hình này sẽ buộc nhiều công ty Internet phải suy nghĩ lại các giả định cơ bản về tương lai của họ và cung cấp các sản phẩm, dịch vụ và mô hình kinh doanh phù hợp nhất để phục vụ tốt nhất cho nền kinh tế lấy tác nhân làm trung tâm. Tuy nhiên, chúng tôi không cho rằng mọi lớp trong công nghệ AI đều cần mã hóa hoặc blockchain để nâng cao năng lực hay giải quyết các thách thức mới nổi. Thay vào đó, công nghệ mã hóa có thể đóng vai trò quan trọng trong việc cung cấp thêm kênh phân phối, khả năng xác minh, chống kiểm duyệt và thanh toán nội bộ cho AI, đồng thời tận dụng các cơ chế AI để tạo ra những trải nghiệm người dùng mới trên chuỗi.
Những niềm tin ban đầu làm nền tảng cho luận điểm này:
-
Tiền mã hóa sẽ trở thành phương tiện thanh toán ưa thích cho các giao dịch thương mại giữa các tác nhân AI với nhau và giữa tác nhân với con người: Với tư cách là loại tiền tệ lập trình được vốn có trên Internet, tiền mã hóa có lợi thế rõ rệt trong việc thúc đẩy nền kinh tế dựa trên tác nhân. Khi các tác nhân AI trở nên tự chủ hơn và thực hiện hàng loạt giao dịch vi mô (như thanh toán cho suy luận, dữ liệu, quyền truy cập API, tài nguyên tính toán hoặc dữ liệu phi tập trung...), tính hiệu quả, tính chất phi biên giới và khả năng lập trình của tiền mã hóa khiến nó trở thành phương tiện giao dịch được ưa chuộng hơn so với tiền pháp định truyền thống. Ngoài ra, các tác nhân cần có danh tính duy nhất và có thể xác minh (tức là “biết tác nhân của bạn”), để đảm bảo tuân thủ quy định và yêu cầu pháp lý khi giao dịch với doanh nghiệp và người dùng cuối. Các blockchain chi phí thấp, hợp đồng thông minh, ví tự lưu trữ (như Coinbase AI Wallets) và stablecoin có thể đơn giản hóa và giảm chi phí cho các giao thức tài chính phức tạp giữa các tác nhân, trong khi tính xác minh và bất biến của mạng phi tập trung đảm bảo sự tin cậy và khả năng kiểm toán cho các giao dịch của tác nhân AI.
-
AI sinh học và giao diện ngôn ngữ tự nhiên sẽ trở thành phương tiện chính để người dùng thực hiện giao dịch trên chuỗi: Khi tốc độ xử lý ngôn ngữ tự nhiên và khả năng hiểu ngữ cảnh mã hóa của AI được cải thiện, việc tương tác trên chuỗi thông qua giao diện hội thoại sẽ trở thành hành vi mặc định và kỳ vọng của người dùng, tương tự xu hướng web2 hiện nay (như ChatGPT). Người dùng chỉ cần diễn đạt ý định giao dịch bằng ngôn ngữ tự nhiên (ví dụ: “đổi X sang Y”), các tác nhân AI sẽ chuyển đổi ý định đó thành mã hợp đồng thông minh có thể xác minh, từ đó cung cấp lộ trình thực hiện giao dịch hiệu quả và tiết kiệm nhất.
-
AI sẽ tạo ra phần lớn mã nguồn phần mềm (bao gồm cả hợp đồng thông minh), kích hoạt “đại bùng nổ Cambri” cho các ứng dụng và trải nghiệm trên chuỗi: Khả năng tạo mã của AI trong web2 (ví dụ: Devin, Replit) đang được cải thiện nhanh chóng và đang thay đổi căn bản mô hình phát triển phần mềm. Chúng tôi tin rằng sự chuyển đổi này sẽ sớm trở thành điểm nóng trong lĩnh vực mã hóa, với trọng tâm ngắn hạn là giảm đáng kể rào cản nhập môn cho cả nhà phát triển mới và lâu năm. Tuy nhiên, bước tiến xa hơn sẽ là các “tác nhân phần mềm AI” tạo ra hợp đồng thông minh và các ứng dụng cực kỳ cá nhân hóa theo sở thích người dùng một cách thời gian thực, rồi lưu trữ và xác minh trên chuỗi.
Những quan điểm này cho thấy ranh giới giữa AI và mã hóa sẽ ngày càng mờ nhạt, tạo ra một mô hình mới về các hệ thống thông minh, tự chủ và phi tập trung. Trong bối cảnh đó, hãy cùng đi sâu từng tầng vào ngăn xếp công nghệ hỗ trợ Crypto x AI.
Cơ hội trong ngăn xếp Crypto x AI (Hiện trạng)
Việc khám phá “mã hóa trong AI” hay “AI trong mã hóa” đã khơi dậy một lĩnh vực mới nổi phức tạp và phát triển nhanh chóng, thu hút đông đảo nhà phát triển tranh giành cơ hội thị trường. Chúng tôi cho rằng lĩnh vực Crypto x AI hiện tại có thể được chia thành các tầng sau: (1) Tầng tính toán (chỉ các mạng lưới tập trung vào cung cấp tài nguyên GPU cho nhà phát triển AI); (2) Tầng dữ liệu (chỉ các mạng lưới hỗ trợ truy cập, dàn dựng và xác minh đường ống dữ liệu AI một cách phi tập trung); (3) Tầng trung gian (chỉ các nền tảng hoặc mạng lưới hỗ trợ phát triển, triển khai và lưu trữ mô hình hoặc tác nhân AI); và (4) Tầng ứng dụng (chỉ các sản phẩm hướng người dùng tận dụng cơ chế AI trên chuỗi, dù là B2B hay B2C).
Tính toán
Việc huấn luyện và thực thi suy luận mô hình AI đòi hỏi lượng lớn tài nguyên tính toán GPU. Khi độ phức tạp của mô hình AI tăng lên, nhu cầu về tài nguyên tính toán cũng tăng theo, dẫn đến tình trạng khan hiếm GPU tiên tiến như của Nvidia, thời gian chờ đợi kéo dài và chi phí tăng cao. Để giải quyết các vấn đề này, các mạng tính toán phi tập trung đang dần trở thành một giải pháp khả thi:
-
Tạo ra thị trường mở, nơi người dùng có thể mua, thuê và lưu trữ GPU vật lý
-
Xây dựng nền tảng tập hợp GPU, cho phép bất kỳ ai (ví dụ: thợ đào Bitcoin) đóng góp năng lực tính toán GPU dư thừa để thực hiện nhiệm vụ AI và nhận thưởng bằng token
-
Token hóa GPU vật lý, biến chúng thành tài sản kỹ thuật số trên chuỗi, thực hiện tài chính hóa
-
Phát triển mạng GPU phân tán để hỗ trợ các nhiệm vụ đòi hỏi tính toán nặng (như huấn luyện và suy luận)
-
Xây dựng cơ sở hạ tầng cho phép mô hình AI chạy trên thiết bị cá nhân (tương tự Apple Intelligence phi tập trung)
Các giải pháp này nhằm mục đích tăng nguồn cung và khả năng tiếp cận tài nguyên tính toán GPU, đồng thời cung cấp mức giá cạnh tranh. Tuy nhiên, do phần lớn các bên tham gia gặp phải những hạn chế khác nhau trong việc hỗ trợ tải trọng AI cao cấp, đối mặt với vấn đề phân bổ tài nguyên GPU không tập trung, và trong một số trường hợp thiếu công cụ phát triển và đảm bảo ổn định tương đương giải pháp tập trung, chúng tôi cho rằng các sản phẩm này khó có thể được áp dụng rộng rãi trong ngắn hạn đến trung hạn. Một số lĩnh vực mới nổi và dự án tiêu biểu đang phát triển ở tầng này bao gồm:
-
Tính toán phổ thông: Thị trường tính toán phi tập trung cung cấp tài nguyên GPU có thể dùng cho nhiều ứng dụng (ví dụ: Akash, Aethir)
-
Tính toán AI/ML: Mạng tính toán phi tập trung cung cấp tài nguyên GPU cho các dịch vụ cụ thể như tập hợp GPU, huấn luyện và suy luận phân tán, token hóa GPU (ví dụ: io.net, Gensyn, Prime Intellect, Hyperbolic, Hyperspace)
-
Tính toán biên: Mạng tính toán và lưu trữ LLM trên thiết bị hỗ trợ suy luận cá nhân hóa và theo ngữ cảnh (ví dụ: PIN AI, Exo, Crynux.ai, Edge Matrix)
Dữ liệu
Để mở rộng mô hình AI, cần có tập dữ liệu huấn luyện quy mô lớn hơn, và hiện tại các mô hình ngôn ngữ lớn (LLM) đang sử dụng hàng nghìn tỷ từ văn bản do con người tạo ra để huấn luyện. Tuy nhiên, dữ liệu do con người tạo ra hiện có sẵn công khai là có hạn (theo ước tính của Epoch AI, các nguồn dữ liệu và ngôn ngữ chất lượng cao có thể cạn kiệt vào năm 2024). Điều này đặt ra câu hỏi: Liệu thiếu dữ liệu huấn luyện có trở thành nút thắt chính trong sự phát triển của mô hình AI, khiến hiệu suất tăng trưởng đình trệ? Vì vậy, chúng tôi cho rằng các công ty mã hóa và AI tập trung vào dữ liệu có những cơ hội sau để đối phó với các thách thức này:
-
Khuyến khích người dùng chia sẻ dữ liệu cá nhân hoặc độc quyền của họ (ví dụ: “DAO dữ liệu” – thực thể trên chuỗi, người đóng góp dữ liệu có thể được hưởng lợi kinh tế từ dữ liệu riêng tư lấy từ nền tảng xã hội và kiểm soát việc sử dụng, thương mại hóa dữ liệu)
-
Phát triển công cụ để tạo dữ liệu tổng hợp từ gợi ý ngôn ngữ tự nhiên, hoặc khuyến khích người dùng thu thập dữ liệu từ các trang web công khai
-
Khuyến khích người dùng giúp xử lý trước tập dữ liệu để huấn luyện mô hình và duy trì chất lượng dữ liệu (ví dụ: gắn nhãn dữ liệu và học tăng cường qua phản hồi con người)
-
Xây dựng thị trường dữ liệu mở, đa bên tham gia, nơi bất kỳ ai cũng có thể được trả tiền vì đóng góp dữ liệu.
Những cơ hội này đã khơi dậy nhiều công ty mới nổi mà chúng ta thấy ngày nay ở tầng dữ liệu. Tuy nhiên, cần lưu ý rằng các doanh nghiệp tập trung truyền thống trong vòng đời mô hình AI đã sở hữu hiệu ứng mạng mạnh mẽ và cơ chế tuân thủ dữ liệu được các doanh nghiệp truyền thống đánh giá cao, điều này có thể hạn chế không gian cho các giải pháp thay thế phi tập trung. Dù vậy, chúng tôi tin rằng tầng dữ liệu của AI phi tập trung vẫn có tiềm năng dài hạn lớn trong việc giải quyết thách thức “bức tường dữ liệu”. Một số dự án mới nổi đang phát triển trong lĩnh vực này bao gồm:
-
Thị trường dữ liệu: Giao thức trao đổi dữ liệu phi tập trung, giúp người cung cấp và người tiêu dùng dữ liệu chia sẻ và giao dịch tài sản dữ liệu (ví dụ: Ocean Protocol, Masa, Sahara AI)
-
Dữ liệu cá nhân/người dùng sở hữu (kèm DataDAOs): Mạng lưới khuyến khích thu thập tập dữ liệu độc quyền, bao gồm dữ liệu thuộc sở hữu cá nhân của người dùng (ví dụ: Vana*, NVG8)
-
Dữ liệu công khai và tổng hợp: Nền tảng dùng để thu thập dữ liệu từ các trang web công khai hoặc tạo tập dữ liệu mới từ gợi ý ngôn ngữ tự nhiên (ví dụ: Dria, Mizu, Grass, Synesis One)
-
Công cụ trí tuệ dữ liệu: Nền tảng và ứng dụng dùng để truy vấn, phân tích, trực quan hóa và cung cấp thông tin chi tiết dữ liệu trên chuỗi (ví dụ: Nansen*, Dune*, Arkham, Messari*)
-
Lưu trữ dữ liệu: Mạng lưu trữ file để lưu trữ và lưu trữ lâu dài, và mạng cơ sở dữ liệu quan hệ để quản lý dữ liệu cấu trúc thường xuyên truy cập và cập nhật (ví dụ: Filecoin, Arweave*, Ceramic*, Tableland*)
-
Dàn dựng/dẫn nguồn dữ liệu: Nền tảng tối ưu hóa xử lý dữ liệu cho ứng dụng AI và ứng dụng phụ thuộc dữ liệu, đồng thời đảm bảo dẫn nguồn và tính xác thực nội dung do AI tạo ra (ví dụ: Space and Time, The Graph*, Story Protocol)
-
Gắn nhãn dữ liệu: Nền tảng sử dụng động lực khuyến khích người đóng góp phân tán tạo ra tập dữ liệu huấn luyện chất lượng cao, cải thiện cơ chế học tăng cường và tinh chỉnh nhỏ cho mô hình AI (ví dụ: Sapien, Kiva AI, Fraction.AI)
-
Oracles: Mạng sử dụng AI để cung cấp dữ liệu ngoại chuỗi có thể xác minh cho hợp đồng thông minh trên chuỗi (ví dụ: Ora, OpenLayer, Chainlink)
Trung gian (Middleware)
Để phát huy tối đa tiềm năng của hệ sinh thái mô hình hoặc tác nhân AI mở và phi tập trung, cần phải xây dựng cơ sở hạ tầng mới. Một số lĩnh vực đầy tiềm năng mà các nhà phát triển đang khám phá bao gồm:
-
Sử dụng các mô hình ngôn ngữ lớn (LLM) có trọng số mở để hỗ trợ ứng dụng AI trên chuỗi, đồng thời phát triển các mô hình nền tảng có thể nhanh chóng hiểu và xử lý dữ liệu trên chuỗi
-
Cung cấp giải pháp huấn luyện phân tán cho các mô hình nền tảng lớn (như trên 100 tỷ tham số); mặc dù thường bị coi là khó thực hiện do độ phức tạp kỹ thuật, nhưng những đột phá gần đây từ Nous Research, Bittensor và Prime Intellect đang thay đổi quan điểm này
-
Sử dụng học máy zero-knowledge hoặc lạc quan (zkML, opML), môi trường thực thi đáng tin cậy (TEE) hoặc mã hóa đồng dạng toàn phần (FHE) để thực hiện suy luận riêng tư và có thể xác minh
-
Thực hiện phát triển mô hình AI mở, hợp tác thông qua mạng điều phối tài nguyên, hoặc xây dựng mạng/phần nền tác nhân AI sử dụng cơ sở hạ tầng mã hóa để tăng tiềm năng của tác nhân AI trong các ứng dụng trên và ngoài chuỗi
Mặc dù đã có một số tiến triển trong việc xây dựng cơ sở hạ tầng này, nhưng các LLM và tác nhân AI trên chuỗi sẵn sàng sản xuất vẫn còn ở giai đoạn sơ khai. Chúng tôi dự đoán rằng trừ khi cơ sở hạ tầng tính toán, dữ liệu và mô hình nền tảng trưởng thành hơn, tình trạng này sẽ không thay đổi nhiều trong ngắn hạn đến trung hạn. Dù vậy, chúng tôi cho rằng lĩnh vực này rất triển vọng và đang là trọng tâm chiến lược đầu tư của Coinbase Ventures, vì về lâu dài, sự tăng trưởng và nhu cầu về dịch vụ AI sẽ thúc đẩy lĩnh vực này phát triển. Một số lĩnh vực mới nổi và dự án tiêu biểu ở tầng này bao gồm:
-
Mô hình ngôn ngữ lớn (LLM) có trọng số mở: Các mô hình AI có trọng số công khai, cho phép bất kỳ ai tự do sử dụng, sửa đổi và phân phối (ví dụ: LLama3, Mistral, Stability AI)
-
Nền tảng tạo mô hình trên chuỗi: Mạng và nền tảng dùng để tạo LLM nền tảng phù hợp với các tình huống trên chuỗi (ví dụ: Pond*, Nous, RPS)
-
huấn luyện và tinh chỉnh: Mạng và nền tảng cung cấp cơ chế huấn luyện hoặc tinh chỉnh có thưởng và có thể xác minh trên chuỗi (ví dụ: Gensyn, Prime Intellect, Macrocosmos, Flock.io)
-
Bảo mật: Mạng và nền tảng sử dụng cơ chế bảo vệ quyền riêng tư để phát triển, huấn luyện và suy luận mô hình AI (ví dụ: Bagel Network, Arcium*, ZAMA)
-
Mạng suy luận: Mạng xác minh đầu ra đúng của mô hình AI thông qua công nghệ mã hóa hoặc bằng chứng (ví dụ: OpenGradient*, Modulus Labs, Giza, Ritual)
-
Mạng điều phối tài nguyên: Mạng thúc đẩy chia sẻ, hợp tác và điều phối tài nguyên trong phát triển mô hình AI (ví dụ: Bittensor, Near*, Allora, Sentient)
-
Mạng và nền tảng tác nhân AI: Mạng và nền tảng hỗ trợ tạo, triển khai và thương mại hóa tác nhân AI trong môi trường trên và ngoài chuỗi (ví dụ: Morpheus, Olas, Wayfinder, Payman*, Skyfire*)
Ứng dụng
Trong lĩnh vực mã hóa, các tác nhân AI đang dần xuất hiện. Những ví dụ ban đầu bao gồm Dawn Wallet, một ví mã hóa sử dụng tác nhân AI để gửi giao dịch và tương tác với các giao thức thay mặt người dùng; Parallel Colony*, một trò chơi trên chuỗi, nơi người chơi có thể hợp tác với các tác nhân AI sở hữu ví riêng và có thể tự tạo đường đi trong trò chơi; và Venice.ai, một ứng dụng AI sinh học và công cụ gợi ý ngôn ngữ tự nhiên có cơ chế suy luận có thể xác minh và bảo vệ quyền riêng tư. Tuy nhiên, việc phát triển ứng dụng hiện tại vẫn chủ yếu ở giai đoạn thử nghiệm và mang tính cơ hội, khi nhiều ý tưởng ứng dụng xuất hiện do sự thổi phồng của thị trường. Dù vậy, chúng tôi tin rằng khi cơ sở hạ tầng và khung phát triển tác nhân AI không ngừng tiến bộ, không gian thiết kế mã hóa sẽ dần chuyển từ các ứng dụng chủ yếu dựa vào hợp đồng thông minh phản ứng sang các ứng dụng phức tạp và chủ động hơn trong trung và dài hạn. Dưới đây là một số lĩnh vực mới nổi và dự án tiêu biểu đang xây dựng ở tầng này:
-
Tác nhân AI: Ứng dụng tạo, chia sẻ và thương mại hóa mô hình và tác nhân AI riêng của người dùng, với khả năng cá nhân hóa và nhận biết ngữ cảnh (ví dụ: MagnetAI, MyShell, Deva, Virtuals Protocol)
-
Giao diện dựa trên xử lý ngôn ngữ tự nhiên: Gợi ý ngôn ngữ tự nhiên làm giao diện và cổng vào chính để tương tác và thực hiện giao dịch trên chuỗi (ví dụ: Venice.AI, Veldt)
-
Công cụ phát triển/an ninh: Ứng dụng và công cụ dành cho nhà phát triển, sử dụng mô hình hoặc tác nhân AI để nâng cao trải nghiệm phát triển và cơ chế an ninh trên chuỗi (ví dụ: ChainGPT, Guardrail*)
-
Tác nhân rủi ro: Dịch vụ sử dụng mô hình học máy hoặc tác nhân AI giúp giao thức điều chỉnh động và phản hồi thời gian thực các tham số rủi ro trên chuỗi (ví dụ: Chaos Labs*, Gauntlet*, Minerva*)
-
Trong lĩnh vực mã hóa, các tác nhân AI bắt đầu xuất hiện, ví dụ ban đầu là Dawn Wallet, một ví mã hóa sử dụng tác nhân AI để gửi giao dịch.
-
Xác thực danh tính (proof of personhood): Các ứng dụng sử dụng bằng chứng mã hóa và mô hình học máy để xác minh tính xác thực danh tính người dùng (ví dụ: Worldcoin*).
-
Quản trị: Các ứng dụng sử dụng tác nhân AI thực hiện giao dịch dựa trên quyết định hoặc phản hồi quản trị của con người (ví dụ: Botto, Hats).
-
Giao dịch/Tài chính phi tập trung (DeFi): Cơ sở hạ tầng giao dịch và giao thức DeFi do AI điều khiển, sử dụng tác nhân AI để tự động hóa thực hiện giao dịch trên chuỗi (ví dụ: Taoshi, Intent.Trade).
-
Trò chơi: Trò chơi trên chuỗi sử dụng NPC thông minh hoặc cơ chế AI để thúc đẩy lối chơi cốt lõi (ví dụ: Parallel*, PlayAI).
-
Mạng xã hội: Các ứng dụng sử dụng cơ chế AI để nâng cao trải nghiệm xã hội trên chuỗi (ví dụ: KaiKai, NFPrompt).
Kết luận
Mặc dù sự kết hợp giữa mã hóa và AI vẫn còn ở giai đoạn khởi đầu, chúng tôi tin rằng cơ sở hạ tầng AI phi tập trung, tiến bộ của ứng dụng AI trên chuỗi và sự xuất hiện của “mạng tác nhân” sẽ mang lại sự phát triển đáng kể. Trong mạng này, các tác nhân AI sẽ trở thành động lực chính cho hoạt động kinh tế. Dù vẫn còn thách thức về cơ sở hạ tầng tính toán và khả năng truy cập dữ liệu, sự kết hợp giữa mã hóa và AI có thể thúc đẩy đổi mới ở cả hai lĩnh vực, mang lại các hệ thống minh bạch, phi tập trung và tự chủ hơn. Khi các nhóm mới nhận được vốn đầu tư và ngày càng nhiều nhóm trưởng thành tập trung vào việc tìm kiếm sự phù hợp giữa sản phẩm và thị trường, toàn cảnh ngành đang thay đổi nhanh chóng. Đối với các công ty và nhà phát triển vốn có trên Internet, thích nghi với sự thay đổi này và tận dụng tiềm năng của mã hóa và AI để tạo ra các ứng dụng và trải nghiệm chưa từng tưởng tượng trước đây là vô cùng quan trọng.
Nói chung, Coinbase Ventures rất hào hứng trước tiềm năng và cơ hội trong tương lai của lĩnh vực mã hóa và AI, và chúng tôi đang tích cực đầu tư vào mọi tầng của ngăn xếp công nghệ. Nếu bạn đang phát triển cơ sở hạ tầng tính toán biên, mạng thu thập và dẫn nguồn dữ liệu phi tập trung, mạng tác nhân AI hoặc nền tảng sử dụng hệ thống thanh toán trên chuỗi, hoặc các ứng dụng mới do cơ chế AI trên chuỗi điều khiển, chúng tôi rất mong được trao đổi với bạn.
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
@paragraph_xyz
