IOSG Research | Giao dịch với AI: Khám phá ban đầu về hệ sinh thái DeFAI
Tuyển chọn TechFlowTuyển chọn TechFlow
IOSG Research | Giao dịch với AI: Khám phá ban đầu về hệ sinh thái DeFAI
Làn sóng này bắt đầu tăng trưởng mạnh sau ngày 25 tháng 12, cùng với sự bứt phá mạnh mẽ của các framework và nền tảng như Virtual và ai16z sau kỳ nghỉ Giáng sinh.
Chuyên sâu báo cáo Web3Tác giả: Henry @IOSG
Lời nói đầu
Chỉ trong vòng 3 tháng, vốn hóa thị trường của AI x memecoin đã đạt 13,4 tỷ USD, tương đương với một số L1 trưởng thành như AVAX hay SUI.
Thực tế, mối quan hệ giữa trí tuệ nhân tạo và blockchain đã tồn tại từ lâu, bắt đầu từ việc huấn luyện mô hình phi tập trung trên các subnet Bittensor, đến thị trường tài nguyên GPU/tính toán phi tập trung như Akash và io.net, rồi đến làn sóng hiện tại về AI x memecoins và các framework trên Solana. Mỗi giai đoạn đều cho thấy tiền mã hóa có thể bổ trợ cho trí tuệ nhân tạo thông qua việc tập hợp tài nguyên, góp phần hiện thực hóa AI chủ quyền và các trường hợp sử dụng dành cho người tiêu dùng.
Trong đợt sóng đầu tiên của các đồng coin AI trên Solana, một số dự án mang lại tính hữu ích thiết thực chứ không chỉ đơn thuần là đầu cơ. Chúng ta đã chứng kiến sự xuất hiện của các framework như ELIZA từ ai16z, các agent AI như aixbt cung cấp phân tích thị trường và sáng tạo nội dung, cũng như các bộ công cụ tích hợp AI với năng lực blockchain.
Ở làn sóng thứ hai của AI, khi ngày càng nhiều công cụ trưởng thành hơn, ứng dụng trở thành yếu tố chính thúc đẩy giá trị, và DeFi đã trở thành phòng thí nghiệm hoàn hảo cho những đổi mới này. Để đơn giản hóa cách diễn đạt, trong nghiên cứu này chúng tôi gọi sự kết hợp giữa AI và DeFi là «DeFai».
Theo dữ liệu từ CoinGecko, vốn hóa thị trường của DeFai vào khoảng 1 tỷ USD. Griffian chiếm vị thế dẫn đầu với 45% thị phần, trong khi $ANON chiếm 22%. Khu vực này bắt đầu tăng trưởng mạnh mẽ sau ngày 25 tháng 12, cùng thời điểm với sự bứt phá hậu kỳ nghỉ lễ Giáng sinh của các framework và nền tảng như Virtual và ai16z.
▲ Nguồn: Coingecko.com
Tuy nhiên, đây mới chỉ là bước khởi đầu, tiềm năng của DeFai còn lớn hơn rất nhiều. Mặc dù DeFai vẫn đang ở giai đoạn chứng minh khái niệm (PoC), nhưng chúng ta không thể đánh giá thấp tiềm năng của nó – tận dụng trí tuệ và hiệu suất do AI mang lại để biến DeFi thành một hệ sinh thái tài chính thân thiện hơn, thông minh hơn và hiệu quả hơn.
Trước khi tìm hiểu sâu về thế giới DeFai, chúng ta cần nắm được cách thức hoạt động thực tế của các agent (đại lý) trong hệ thống DeFi/blockchain.
Agent vận hành trong hệ thống DeFi như thế nào?
Agent trí tuệ nhân tạo (AI Agent) là chương trình có thể thực hiện nhiệm vụ thay mặt người dùng theo một quy trình làm việc nhất định. Cốt lõi phía sau AI Agent là mô hình ngôn ngữ lớn (LLM), có khả năng phản hồi dựa trên kiến thức đã được huấn luyện hoặc học hỏi, mặc dù phản hồi này thường bị giới hạn.
Agent khác biệt căn bản so với robot. Robot thường chuyên biệt cho một nhiệm vụ cụ thể, cần giám sát thủ công và phải vận hành trong các điều kiện, quy tắc được định nghĩa trước. Trong khi đó, agent linh hoạt và thích nghi hơn, có khả năng tự học để đạt được mục tiêu cụ thể.
Để tạo trải nghiệm cá nhân hóa hơn và phản hồi toàn diện hơn, agent có thể lưu trữ các tương tác quá khứ trong bộ nhớ, giúp agent học hỏi từ mô hình hành vi người dùng và điều chỉnh phản hồi, đưa ra đề xuất và chiến lược được tùy chỉnh theo ngữ cảnh lịch sử.
Trong blockchain, agent có thể tương tác với các hợp đồng thông minh và tài khoản, xử lý các nhiệm vụ phức tạp mà không cần can thiệp liên tục của con người. Ví dụ, trong việc đơn giản hóa trải nghiệm người dùng DeFi, bao gồm thực hiện cầu nối đa bước và farming bằng một cú nhấp, tối ưu hóa chiến lược farming để đạt lợi nhuận cao hơn, thực hiện giao dịch (mua/bán) và phân tích thị trường – tất cả đều được hoàn thành một cách tự động.
Theo nghiên cứu của @3sigma, phần lớn các mô hình đều tuân theo 6 quy trình cụ thể:
-
Thu thập dữ liệu
-
Suy luận mô hình
-
Ra quyết định
-
Host và vận hành
-
Tương tác vận hành (Interoperability)
-
Ví tiền
1 Thu thập dữ liệu
Trước hết, mô hình cần hiểu môi trường hoạt động của mình. Do đó, chúng cần nhiều luồng dữ liệu để cập nhật tình hình thị trường. Bao gồm: 1) Dữ liệu on-chain từ các indexer và oracle 2) Dữ liệu off-chain từ các nền tảng giá như CMC / Coingecko / API của các nhà cung cấp dữ liệu khác.
2 Suy luận mô hình
Khi mô hình đã học được môi trường, chúng cần áp dụng kiến thức này để dự đoán hoặc thực hiện hành động dựa trên dữ liệu đầu vào mới, chưa từng gặp trước đó. Các mô hình được agent sử dụng bao gồm:
-
Học có giám sát và học không giám sát: Mô hình được huấn luyện trên dữ liệu có nhãn hoặc không có nhãn, dùng để dự đoán kết quả. Trong bối cảnh blockchain, các mô hình này có thể phân tích dữ liệu diễn đàn quản trị để dự đoán kết quả biểu quyết hoặc nhận diện mẫu giao dịch.
-
Học tăng cường: Mô hình học thông qua việc đánh giá kết quả khen/thưởng từ hành vi của chúng, học qua thử và sai. Ứng dụng bao gồm tối ưu hóa chiến lược giao dịch token, ví dụ như xác định điểm mua tốt nhất hoặc điều chỉnh tham số farming.
-
Xử lý ngôn ngữ tự nhiên (NLP): Công nghệ hiểu và xử lý đầu vào ngôn ngữ con người, rất giá trị để quét diễn đàn quản trị và đề xuất ý kiến.
▲ Nguồn: https://www.researchgate.net/figure/The-main-types-of-machine-learning-Main-approaches-include-classification-and-regression_fig1_354960266
3 Quyết định
Bằng cách sử dụng mô hình đã được huấn luyện và dữ liệu, agent có thể hành động dựa trên khả năng ra quyết định của mình. Điều này bao gồm việc diễn giải tình huống hiện tại và phản ứng phù hợp.
Ở giai đoạn này, động cơ tối ưu hóa đóng vai trò quan trọng trong việc tìm kiếm kết quả tốt nhất. Ví dụ, trước khi thực hiện chiến lược sinh lời, agent cần cân bằng nhiều yếu tố như slippage, chênh lệch giá, chi phí giao dịch và lợi nhuận tiềm năng.
Vì một agent đơn lẻ có thể không tối ưu hóa được quyết định ở các lĩnh vực khác nhau, nên có thể triển khai hệ thống đa agent để phối hợp.
4 Host và vận hành
Do tính chất đòi hỏi nhiều tài nguyên tính toán của các nhiệm vụ, AI Agent thường lưu trữ mô hình của mình ngoài chuỗi (off-chain). Một số agent phụ thuộc vào các dịch vụ đám mây tập trung như AWS, trong khi các agent hướng tới tính phi tập trung thì sử dụng các mạng tính toán phân tán như Akash hoặc ionet, cũng như Arweave để lưu trữ dữ liệu.
Mặc dù mô hình AI Agent chạy off-chain, agent vẫn cần tương tác với các giao thức on-chain để thực hiện chức năng hợp đồng thông minh và quản lý tài sản. Tương tác này cần các giải pháp quản lý khóa an toàn, như ví MPC hoặc ví hợp đồng thông minh, để xử lý giao dịch một cách an toàn. Agent có thể được vận hành qua API, giao tiếp và tương tác với cộng đồng trên các nền tảng xã hội như Twitter và Telegram.
5 Tương tác vận hành (Interoperability)
Agent cần tương tác với nhiều giao thức khác nhau và duy trì cập nhật giữa các hệ thống. Chúng thường sử dụng các cầu nối API để lấy dữ liệu bên ngoài, như feed giá (price feed).
Để kịp thời nắm bắt trạng thái hiện tại của giao thức và phản ứng phù hợp, agent cần đồng bộ thời gian thực thông qua webhooks hoặc các giao thức truyền tin phi tập trung như IPFS.
6 Ví tiền
Agent cần một ví hoặc quyền truy cập khóa riêng để khởi tạo giao dịch blockchain. Trên thị trường hiện có hai phương pháp phổ biến về ví/quản lý khóa: dựa trên MPC và dựa trên TEE.
Đối với ứng dụng quản lý danh mục đầu tư, MPC hoặc TSS có thể chia nhỏ khóa giữa agent, người dùng và bên đáng tin cậy, trong khi người dùng vẫn giữ mức độ kiểm soát nhất định đối với AI. Ví Coinbase AI Replit đã thực hiện hiệu quả phương pháp này, minh họa cách tận dụng AI agent với ví MPC.
Đối với các hệ thống AI hoàn toàn tự chủ, TEE cung cấp một lựa chọn thay thế, lưu trữ khóa riêng trong một khu vực an toàn (secure enclave), cho phép toàn bộ AI agent vận hành trong một môi trường ẩn và được bảo vệ, không bị can thiệp từ bên thứ ba. Tuy nhiên, các giải pháp TEE hiện tại đang đối mặt với hai thách thức lớn: tập trung phần cứng và chi phí hiệu suất.
Sau khi vượt qua những khó khăn này, chúng ta sẽ có thể tạo ra một đại lý tự chủ trên blockchain, nơi các agent khác nhau có thể đảm nhận các vai trò riêng biệt trong hệ sinh thái DeFi nhằm nâng cao hiệu quả và cải thiện trải nghiệm giao dịch on-chain.
Nhìn chung, tôi tạm chia DeFi x AI thành 4 loại lớn:
-
AI trừu tượng / thân thiện với người dùng
-
Tối ưu hóa lợi nhuận hoặc quản lý danh mục đầu tư
-
Phân tích thị trường hoặc robot dự đoán
-
Cơ sở hạ tầng / nền tảng DeFai
Mở cánh cửa thế giới DeFi x AI — DeFai
▲ Nguồn: IOSG Venture
1 AI trừu tượng / thân thiện với người dùng
Mục đích của trí tuệ nhân tạo là nâng cao hiệu quả, giải quyết các vấn đề phức tạp và đơn giản hóa các nhiệm vụ rắc rối cho người dùng. AI dựa trên trừu tượng có thể giảm nhẹ sự phức tạp khi người mới và các trader hiện tại tiếp cận DeFi.
Trong lĩnh vực blockchain, các giải pháp AI hiệu quả nên có thể:
-
Tự động thực hiện các giao dịch đa bước và hoạt động stake, người dùng không cần bất kỳ kiến thức chuyên ngành nào;
-
Thực hiện nghiên cứu thời gian thực, cung cấp mọi thông tin và dữ liệu cần thiết để người dùng ra quyết định giao dịch sáng suốt;
-
Lấy dữ liệu từ nhiều nền tảng, nhận diện cơ hội thị trường và cung cấp phân tích toàn diện cho người dùng.
Hầu hết các công cụ trừu tượng này đều lấy ChatGPT làm cốt lõi. Mặc dù các mô hình này cần tích hợp liền mạch với blockchain, nhưng theo tôi thấy, dường như không có mô hình nào được huấn luyện chuyên biệt hoặc điều chỉnh theo dữ liệu blockchain.
Griffain được Tony, người sáng lập, nêu lên khái niệm tại cuộc thi hackathon Solana. Sau đó ông phát triển ý tưởng này thành sản phẩm chức năng và nhận được sự ủng hộ, công nhận từ Anatoly, người sáng lập Solana.
Đơn giản hóa, griffain hiện là AI trừu tượng đầu tiên và mạnh nhất trên Solana, có thể thực hiện swap, quản lý ví, mint NFT và snipe token.
Dưới đây là các chức năng cụ thể griffain cung cấp:
-
Thực hiện giao dịch bằng ngôn ngữ tự nhiên
-
Phát hành token bằng pumpfun, mint NFT và chọn địa chỉ để airdrop
-
Phối hợp đa agent
-
Agent có thể đại diện người dùng đăng tweet
-
Snipe các memecoin mới lên sàn trên pumpfun theo từ khóa hoặc điều kiện cụ thể
-
Stake, tự động hóa và thực hiện các chiến lược DeFi
-
Lên lịch nhiệm vụ, người dùng có thể nhập input để tạo agent tùy chỉnh
-
Lấy dữ liệu từ nền tảng để phân tích thị trường, ví dụ như nhận diện phân bố holder token
Mặc dù griffain cung cấp nhiều chức năng, người dùng vẫn cần nhập thủ công địa chỉ token hoặc cung cấp chỉ dẫn thực thi cụ thể cho agent. Vì vậy, đối với người mới chưa quen với các chỉ dẫn kỹ thuật này, sản phẩm hiện tại vẫn còn không gian để cải thiện.
Tính đến nay, griffain cung cấp hai loại AI agent: agent cá nhân và agent chuyên biệt.
Agent cá nhân (Personal AI Agent) do người dùng kiểm soát. Người dùng có thể tùy chỉnh chỉ dẫn và thiết lập bộ nhớ để cá nhân hóa agent theo nhu cầu cá nhân.
Agent chuyên biệt (Special agents) được thiết kế cho nhiệm vụ cụ thể. Ví dụ, «agent airdrop» (Airdrop Agent) được huấn luyện để tìm địa chỉ và phân phối token cho holder được chỉ định, trong khi «agent stake» (Staking Agent) được lập trình để stake SOL hoặc tài sản khác vào các pool nhằm thực hiện chiến lược khai thác.
Hệ thống phối hợp đa agent của Griffain là đặc điểm nổi bật, nhiều agent có thể làm việc cùng nhau trong một phòng chat. Những agent này vừa có thể độc lập giải quyết nhiệm vụ phức tạp, vừa duy trì phối hợp.
▲ Nguồn: https://griffain.com
Sau khi tạo tài khoản, hệ thống sẽ tạo một ví, người dùng có thể ủy quyền tài khoản cho agent để tự chủ thực hiện giao dịch và quản lý danh mục đầu tư.
Ở đây, khóa được chia nhỏ theo Shamir Secret Sharing, nghĩa là cả griffain lẫn privy đều không thể lưu trữ ví, theo giới thiệu từ Slate, nguyên lý SSS là chia khóa thành ba phần, bao gồm:
-
Chia sẻ thiết bị: Lưu trữ trong trình duyệt, truy xuất khi mở tab
-
Chia sẻ ủy quyền: Lưu trữ trên máy chủ Privy, truy xuất khi xác minh và đăng nhập ứng dụng
-
Chia sẻ khôi phục: Mã hóa lưu trữ trên máy chủ Privy, chỉ giải mã và truy xuất khi người dùng nhập mật khẩu đăng nhập tab
Bên cạnh đó, người dùng còn có thể chọn xuất hoặc hủy ủy quyền trên giao diện griffain.
Anon do Daniele Sesta sáng lập, người nổi tiếng với việc tạo ra giao thức DeFi Wonderland và MIM (Magic Internet Money). Tương tự Griffain, Anon cũng nhằm mục đích đơn giản hóa tương tác của người dùng với DeFi.
Mặc dù nhóm đã giới thiệu về các chức năng tương lai, nhưng vì sản phẩm chưa công khai nên chưa có chức năng nào được kiểm chứng. Một số chức năng bao gồm:
-
Thực hiện giao dịch bằng ngôn ngữ tự nhiên (bao gồm tiếng Trung và nhiều ngôn ngữ khác)
-
Cầu nối đa chuỗi thông qua LayerZero
-
Cho vay và cung cấp tài sản với các giao thức đối tác như Aave, Sparks, Sky và Wagmi
-
Lấy thông tin giá và dữ liệu thời gian thực thông qua Pyth
-
Cung cấp thực thi tự động và trình kích hoạt theo thời gian và giá gas
-
Cung cấp phân tích thị trường thời gian thực, như phát hiện cảm xúc, phân tích hồ sơ xã hội, v.v.
Ngoài các chức năng cốt lõi, Anon còn hỗ trợ nhiều mô hình AI khác nhau, bao gồm Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral và Claude. Những mô hình này có khả năng cung cấp phân tích thị trường giá trị, giúp người dùng tiết kiệm thời gian nghiên cứu và ra quyết định sáng suốt, điều đặc biệt quý giá trong bối cảnh hiện nay khi mỗi ngày đều xuất hiện các token mới trị giá 100 triệu USD.
Ví có thể xuất, hủy ủy quyền, nhưng chi tiết cụ thể về quản lý ví và giao thức bảo mật chưa được công bố.
Ngoài các chức năng cốt lõi, Anon còn hỗ trợ nhiều mô hình AI khác nhau, bao gồm Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral và Claude.
Bên cạnh đó, daniele gần đây đã công bố 2 bản cập nhật về Anon:
-
Framework Automate:
Một framework typeScript giúp các dự án khác dễ dàng tích hợp với Anon nhanh hơn. Framework này sẽ yêu cầu tất cả dữ liệu và tương tác tuân theo cấu trúc được định nghĩa trước, để Anon có thể giảm thiểu rủi ro AI bị ảo giác (hallucination) và trở nên đáng tin cậy hơn.
-
Gemma:
Một agent nghiên cứu (Research agent), có thể thu thập dữ liệu thời gian thực từ các chỉ số defi on-chain (ví dụ TVL, khối lượng giao dịch, funding rate prepdex) và dữ liệu off-chain (ví dụ Twitter và Telegram) để thực hiện phân tích cảm xúc xã hội. Dữ liệu này sẽ được chuyển đổi thành cảnh báo cơ hội và thông tin chi tiết tùy chỉnh cho người dùng.
Theo tài liệu, điều này khiến Anon trở thành một trong những công cụ trừu tượng được mong đợi và mạnh mẽ nhất trong toàn lĩnh vực. Đây là yếu tố đặc biệt quý giá trong bối cảnh mỗi ngày đều xuất hiện các token mới trị giá 100 triệu USD.
Được hỗ trợ bởi BigBrain Holdings, Slate tự định vị là «Alpha AI», có thể tự động thực hiện giao dịch dựa trên tín hiệu on-chain. Hiện tại, Slate là AI trừu tượng duy nhất có thể tự động thực hiện giao dịch trên Hyperliquid.
Slate ưu tiên định tuyến giá, thực thi nhanh và có thể mô phỏng trước khi giao dịch. Các chức năng chính bao gồm:
-
Swap đa chuỗi giữa các chuỗi EVM và Solana
-
Giao dịch tự động dựa trên giá, vốn hóa, phí gas và chỉ số lợi nhuận/lỗ
-
Lên lịch nhiệm vụ bằng ngôn ngữ tự nhiên
-
Tổng hợp giao dịch on-chain
-
Hệ thống thông báo Telegram
-
Có thể mở vị thế long/short, thanh lý trong điều kiện cụ thể, quản lý LP + khai thác, bao gồm cả thực hiện trên hyperliquid
Nhìn chung, cấu trúc phí của nó được chia thành hai loại:
-
Hoạt động thông thường: Slate không thu phí cho các chuyển khoản/rút tiền thông thường, nhưng thu 0,35% phí cho các hoạt động như swap, cầu nối, claim, vay, cho vay, trả nợ, stake, unstake, long, short, khóa, mở khóa.
-
Hoạt động theo điều kiện: Nếu đặt lệnh theo điều kiện (ví dụ lệnh giới hạn). Nếu dựa trên điều kiện phí gas, Slate sẽ thu phí 0,25%; phí cho tất cả các điều kiện khác là 1,00%.
Về ví, Slate tích hợp kiến trúc ví nhúng của Privy, đảm bảo rằng cả Slate và Privy đều không lưu trữ ví người dùng. Người dùng có thể kết nối ví hiện có hoặc ủy quyền cho agent thực hiện giao dịch thay mình.
▲ Nguồn: https://docs.slate.ceo
So sánh các AI trừu tượng hàng đầu:
▲ Nguồn: IOSG Venture
Hiện tại, hầu hết các công cụ AI trừu tượng hỗ trợ giao dịch đa chuỗi và cầu nối tài sản giữa Solana và các chuỗi EVM. Slate cung cấp tích hợp Hyperliquid, trong khi Neur và Griffin hiện chỉ hỗ trợ Solana, nhưng dự kiến sẽ sớm thêm chức năng đa chuỗi.
Hầu hết các nền tảng tích hợp ví nhúng Privy và ví EOA, cho phép người dùng tự quản lý tiền, nhưng cần người dùng ủy quyền cho agent truy cập để thực hiện một số giao dịch. Điều này mở ra cơ hội cho TEE (Môi trường Thực thi Đáng tin cậy) để đảm bảo tính chống sửa đổi của hệ thống AI.
Mặc dù hầu hết các công cụ AI trừu tượng chia sẻ các chức năng như phát hành token, thực hiện giao dịch và lệnh theo ngôn ngữ tự nhiên, nhưng hiệu suất của chúng khác biệt rõ rệt.
Ở cấp độ sản phẩm, chúng ta vẫn đang ở giai đoạn đầu của AI trừu tượng. Qua việc so sánh năm dự án kể trên, Griffin nổi bật nhờ bộ chức năng phong phú, mạng lưới hợp tác rộng rãi và quy trình xử lý đa agent phối hợp (Orbit cũng là một dự án hỗ trợ đa agent). Anon thể hiện tốt với phản ứng nhanh, hỗ trợ đa ngôn ngữ và tích hợp Telegram, trong khi Slate được hưởng lợi từ nền tảng tự động hóa phức tạp và là đại lý duy nhất hỗ trợ Hyperliquid.
Tuy nhiên, trong tất cả các AI trừu tượng, một số nền tảng vẫn gặp thách thức khi xử lý các giao dịch cơ bản (như USDC Swap), ví dụ như không thể lấy đúng địa chỉ token hoặc giá, hoặc không phân tích được xu hướng thị trường mới nhất. Thời gian phản hồi, độ chính xác và mức độ liên quan của kết quả cũng là các yếu tố khác biệt quan trọng trong việc đánh giá hiệu suất cơ bản của mô hình. Trong tương lai, chúng tôi hy vọng được hợp tác với các nhóm phát triển một bảng điều khiển minh bạch để theo dõi hiệu suất của tất cả các AI trừu tượng theo thời gian thực.
2 Tối ưu hóa lợi nhuận tự chủ và quản lý danh mục đầu tư
Khác với các chiến lược sinh lời truyền thống, các giao thức trong lĩnh vực này sử dụng AI để phân tích dữ liệu on-chain nhằm phân tích xu hướng, và cung cấp thông tin giúp nhóm phát triển các chiến lược tối ưu hóa lợi nhuận và phân bổ danh mục đầu tư tốt hơn.
Để giảm chi phí, mô hình thường được huấn luyện trên subnet Bittensor hoặc off-chain. Để AI có thể tự chủ thực hiện giao dịch, các phương pháp xác minh như ZKP (bằng chứng không kiến thức) được áp dụng để đảm bảo tính trung thực và khả năng xác minh của mô hình. Dưới đây là một vài ví dụ về các giao thức DeFai tối ưu hóa lợi nhuận:
T3AI là một giao thức cho vay không cần thế chấp đầy đủ, sử dụng AI làm trung gian và động cơ rủi ro. Agent AI của nó giám sát tình trạng sức khỏe khoản vay theo thời gian thực và đảm bảo khả năng thanh toán của khoản vay thông qua khung chỉ số rủi ro của T3AI. Đồng thời, AI cung cấp dự đoán rủi ro chính xác bằng cách phân tích mối quan hệ giữa các tài sản khác nhau và xu hướng biến động giá của chúng. Cụ thể, AI của T3AI biểu hiện như sau:
-
Phân tích dữ liệu giá từ các CEX và DEX hàng đầu;
-
Đo lường độ biến động của các tài sản khác nhau;
-
Nghiên cứu mối tương quan và liên kết giá giữa các tài sản;
-
Phát hiện các mẫu ẩn trong tương tác tài sản.
AI sẽ đề xuất chiến lược cấu hình danh mục đầu tư tối ưu dựa trên danh mục của người dùng, và tiềm năng đạt được quản lý danh mục đầu tư AI tự chủ sau khi điều chỉnh mô hình. Ngoài ra, T3AI còn đảm bảo tính xác minh và độ tin cậy của mọi thao tác thông qua bằng chứng ZK và mạng lưới xác minh viên.
▲ Nguồn: https://www.trustinweb3.xyz/
Kudai là một agent thử nghiệm trong hệ sinh thái GMX, được phát triển bởi GMX Blueberry Club sử dụng bộ công cụ EmpyrealSDK, token của nó hiện đang giao dịch trên mạng Base.
Triết lý của Kudai là sử dụng toàn bộ phí giao dịch sinh ra từ $KUDAI để tài trợ cho các hoạt động giao dịch tự chủ của agent và phân phối lợi nhuận cho holder token.
Ở giai đoạn sắp tới 2/4, Kudai sẽ có khả năng diễn giải ngôn ngữ tự nhiên trên Twitter:
-
Mua và stake $GMX để tạo dòng doanh thu mới;
-
Đầu tư vào pool GM của GMX để tăng lợi nhuận thêm nữa;
-
Mua NFT GBC với giá thấp nhất để mở rộng danh mục đầu tư.
Sau giai đoạn này, Kudai sẽ hoàn toàn tự chủ, có thể độc lập thực hiện giao dịch ký quỹ, arbitrage và kiếm lợi nhuận từ tài sản (lãi suất). Ngoài ra, nhóm chưa tiết lộ thêm thông tin nào.
Sturdy Finance là một aggregator cho vay và sinh lời, tận dụng mô hình AI được đào tạo bởi các thợ mỏ trên subnet SN10 của Bittensor, tối ưu hóa lợi nhuận bằng cách chuyển vốn giữa các pool silo được phê duyệt.
Sturdy áp dụng kiến trúc hai lớp, bao gồm các pool tài sản độc lập (silo pools) và lớp tổng hợp (aggregator layer):
-
Pool tài sản độc lập (Silo Pools)
Đây là các pool cách ly tài sản đơn lẻ, người dùng chỉ có thể vay hoặc đi vay bằng một loại tài sản thế chấp duy nhất trong đó.
-
Lớp tổng hợp (Aggregator Layer)
Lớp tổng hợp được xây dựng dựa trên Yearn V3, phân bổ tài sản người dùng vào các pool silo được phê duyệt dựa trên mức sử dụng và tỷ suất lợi nhuận. Subnet Bittensor cung cấp chiến lược phân bổ tối ưu cho aggregator. Khi người dùng gửi tài sản vào aggregator, họ chỉ chịu rủi ro từ loại tài sản thế chấp đã chọn, hoàn toàn tránh khỏi rủi ro từ các pool vay mượn hoặc tài sản thế chấp khác.
▲ Nguồn: https://sturdy.finance
Tính đến thời điểm viết bài, TVL của Sturdy V2 đã giảm kể từ tháng 5 năm 2024, hiện TVL của aggregator khoảng 3,9 triệu USD, chiếm 29% TVL tổng giao thức.
Kể từ tháng 9 năm 2024, số người dùng hoạt động hàng ngày của Sturdy luôn ở mức hai chữ số (>100), trong đó pxETH và crvUSD là các tài sản vay mượn chính trong aggregator. Tuy nhiên, hiệu suất của giao thức đã đình trệ rõ rệt trong vài tháng qua. Việc tích hợp AI dường như nhằm mục đích khơi lại đà tăng trưởng cho giao thức.
▲ Nguồn: https://dune.com/tk-research/sturdy-v2
3 Agent phân tích thị trường
Aixbt
Aixbt là một agent theo dõi tâm lý thị trường, tập hợp và phân tích dữ liệu từ hơn 400 KOL Twitter. Nhờ động cơ riêng biệt, AixBT có thể nhận diện xu hướng thời gian thực và đăng quan sát thị trường 24/7.
Trong số các AI agent hiện có, AixBT sở hữu thị phần theo dõi đáng kể là 14,76%, khiến nó trở thành một trong những agent ảnh hưởng nhất trong hệ sinh thái.
▲ Nguồn: Kaito.com
Aixbt được thiết kế cho tương tác mạng xã hội, các thông tin do nó phát hành trực tiếp phản ánh trọng tâm chú ý của thị trường.
Chức năng của nó không chỉ giới hạn ở việc cung cấp thông tin thị trường (alpha), mà còn mang tính tương tác. AixBT có thể trả lời câu hỏi người dùng, thậm chí phát hành token bằng bộ công cụ chuyên nghiệp trên Twitter. Ví dụ, token $CHAOS là sản phẩm hợp tác giữa AixBT và một bot tương tác khác tên Simi, sử dụng bộ công cụ @EmpyrealSDK.
Tính đến nay, người dùng sở hữu 600.000 token $AIXBT (trị giá khoảng 240.000 USD) có thể truy cập nền tảng phân tích và terminal của nó.
4 Cơ sở hạ tầng và nền tảng AI phi tập trung
Sự tồn tại của Web3 AI Agent không thể tách rời khỏi sự hỗ trợ của cơ sở hạ tầng phi tập trung. Các dự án này không chỉ hỗ trợ huấn luyện và suy luận mô hình, mà còn cung cấp dữ liệu, phương pháp xác minh và lớp phối hợp, thúc đẩy việc phát triển agent AI.
Dù là AI Web2 hay Web3, mô hình, năng lực tính toán, dữ liệu luôn là ba trụ cột thúc đẩy sự phát triển vượt bậc của mô hình ngôn ngữ lớn (LLM) và AI agent. Các mô hình mã nguồn mở được huấn luyện theo cách phi tập trung sẽ được các nhà xây dựng agent ưa chuộng, vì nó hoàn toàn loại bỏ rủi ro điểm trung tâm và mở ra khả năng AI thuộc về người dùng. Nhà phát triển không cần phụ thuộc vào API LLM từ các gã khổng lồ AI Web2 như Google, Meta và OpenAI.
Dưới đây là sơ đồ cơ sở hạ tầng AI do Pinkbrains vẽ:
▲ Nguồn: Pink Brains
Các tổ chức tiên phong như Nous Research, Prime Intellect và Exo Labs đang đẩy mạnh ranh giới huấn luyện phi tập trung.
Thuật toán huấn luyện Distro của Nous Research và thuật toán DiLoco của Prime Intellect đã thành công huấn luyện mô hình hơn 10 tỷ tham số trong môi trường băng thông thấp, chứng minh rằng việc huấn luyện quy mô lớn có thể thực hiện được bên ngoài hệ thống tập trung truyền thống. Exo Labs còn tiến xa hơn khi ra mắt thuật toán huấn luyện AI phân tán SPARTA, giảm lượng truyền thông giữa các GPU hơn 1000 lần.
Bagel đang nỗ lực trở thành một HuggingFace phi tập trung, cung cấp mô hình và dữ liệu cho các nhà phát triển AI, đồng thời giải quyết vấn đề quyền sở hữu và thương mại hóa dữ liệu mã nguồn mở thông qua công nghệ mã hóa. Bittensor xây dựng một thị trường cạnh tranh, nơi các bên tham gia đóng góp năng lực tính toán, dữ liệu và trí tuệ, nhằm tăng tốc phát triển mô hình và agent AI.
Nhiều người cho rằng AixBT có thể nổi bật trong danh mục agent hữu ích chủ yếu nhờ khả năng tiếp cận bộ dữ liệu chất lượng cao.
Các nhà cung cấp như Grass, Vana, Sahara, Space and Time và Cookie DAOs cung cấp dữ liệu chất lượng cao, chuyên biệt theo lĩnh vực, hoặc cho phép nhà phát triển AI truy cập vào các «vườn tường» dữ liệu, từ đó tăng cường năng lực. Thông qua việc tận dụng hơn 2,5 triệu nút, Grass có thể thu thập tới 300 TB dữ liệu mỗi ngày.
Hiện tại, Nvidia chỉ có thể huấn luyện mô hình video của mình trên 20 triệu giờ dữ liệu video, trong khi bộ dữ liệu video của Grass lớn gấp 15 lần (300 triệu giờ) và tăng thêm 4 triệu giờ mỗi ngày—tức là mỗi ngày Grass thu thập lượng dữ liệu bằng 20% tổng dữ liệu video của Nvidia. Nói cách khác, Grass chỉ cần 5 ngày để thu thập lượng dữ liệu bằng toàn bộ kho dữ liệu video của Nvidia.
Không có tài nguyên tính toán, agent không thể vận hành. Các thị trường năng lực tính toán như Aethir và io.net cung cấp lựa chọn hiệu quả về chi phí cho các nhà phát triển agent bằng cách tập hợp nhiều GPU khác nhau. Thị trường GPU phi tập trung của Hyperbolic cắt giảm chi phí tính toán tới 75%, đồng thời lưu trữ các mô hình AI mã nguồn mở, cung cấp khả năng suy luận độ trễ thấp ngang tầm các nhà cung cấp đám mây Web2.
Hyperbolic tiếp tục tăng cường thị trường GPU và dịch vụ đám mây của mình bằng cách ra mắt AgentKit. AgentKit là một giao diện mạnh mẽ, cho phép AI agent truy cập hoàn toàn vào mạng GPU phi tập trung của Hyperbolic. Nó có bản đồ tài nguyên tính toán đọc được bởi AI, có thể quét thời gian thực và cung cấp thông tin chi tiết về khả năng sẵn có, thông số kỹ thuật, tải hiện tại và hiệu suất.
AgentKit mở ra một tương lai cách mạng, nơi agent có thể tự chủ lấy năng lực tính toán cần thiết và thanh toán chi phí liên quan.
Thông qua cơ chế xác minh đổi mới Proof of Sample, Hyperbolic đảm bảo mọi tương tác suy luận trong hệ sinh thái đều được xác minh, xây dựng nền tảng niềm tin cho thế giới agent tương lai.
Tuy nhiên, xác minh chỉ giải quyết một phần vấn đề niềm tin với agent tự chủ. Một khía cạnh niềm tin khác liên quan đến bảo vệ quyền riêng tư, đây chính là thế mạnh của các dự án cơ sở hạ tầng TEE (Môi trường Thực thi Đáng tin cậy) như Phala, Automata và Marlin. Ví dụ, dữ liệu hoặc mô hình độc quyền được sử dụng bởi các AI agent này có thể được bảo vệ an toàn.
Thực tế, một agent tự chủ thực sự không thể vận hành hoàn toàn nếu thiếu TEE, vì TEE cực kỳ quan trọng trong việc bảo vệ thông tin nhạy cảm, ví dụ như bảo vệ khóa riêng ví, ngăn chặn truy cập trái phép, và đảm bảo an toàn đăng nhập tài khoản Twitter.
TEE (Môi trường Thực thi Đáng tin cậy) cách ly dữ liệu nhạy cảm trong một vùng an toàn (enclave) được bảo vệ trên CPU/GPU. Chỉ mã chương trình được ủy quyền mới có thể truy cập nội dung enclave, trong khi nhà cung cấp dịch vụ đám mây, nhà phát triển, quản trị viên và các phần cứng khác đều không thể truy cập khu vực này.
Ứng dụng chính của TEE là thực thi hợp đồng thông minh, đặc biệt trong các giao thức DeFi liên quan đến dữ liệu tài chính nhạy cảm hơn. Do đó, việc tích hợp TEE với DeFai bao gồm các kịch bản ứng dụng DeFi truyền thống như:
-
Bảo mật giao dịch: TEE có thể ẩn chi tiết giao dịch, như địa chỉ người gửi và người nhận cũng như số tiền giao dịch. Các nền tảng như Secret Network và Oasis sử dụng TEE để bảo vệ quyền riêng tư giao dịch trong các ứng dụng DeFai, từ đó thực hiện thanh toán riêng tư.
-
Chống MEV: Bằng cách thực thi hợp đồng thông minh trong TEE, người xây dựng khối không thể truy cập thông tin giao dịch, từ đó ngăn chặn các cuộc tấn công front-run gây ra MEV. Flashbots sử dụng TEE để phát triển BuilderNet, một mạng lưới xây dựng khối phi tập trung, giảm rủi ro kiểm duyệt liên quan đến việc xây dựng khối tập trung. Các chuỗi như Unichain và Taiko cũng sử dụng TEE để mang lại trải nghiệm giao dịch tốt hơn cho người dùng.
Các chức năng này cũng áp dụng được cho các giải pháp thay thế như ZKP hoặc MPC. Tuy nhiên, TEE hiện tại là giải pháp hiệu quả nhất trong việc thực thi hợp đồng thông minh giữa ba giải pháp, đơn giản vì mô hình này dựa trên phần cứng.
Đối với agent, TEE cung cấp cho agent nhiều khả năng:
-
Tự động hóa: TEE có thể tạo môi trường vận hành độc lập cho agent, đảm bảo việc thực thi chiến lược của nó không bị can thiệp con người. Điều này đảm bảo quyết định đầu tư hoàn toàn dựa trên logic độc lập của agent.
-
TEE còn cho phép agent kiểm soát tài khoản mạng xã hội, đảm bảo mọi tuyên bố công khai của nó đều độc lập, không bị ảnh hưởng bên ngoài, từ đó tránh nghi ngờ quảng cáo. Phala đang hợp tác với đội ngũ AI16Z để Eliza có thể vận hành hiệu quả trong môi trường TEE.
-
Khả năng xác minh: Người ta có thể xác minh liệu agent có đang sử dụng mô hình cam kết để tính toán và tạo ra kết quả hợp lệ hay không. Automata và Brevis đang hợp tác phát triển chức năng này.
Khi ngày càng nhiều agent chuyên biệt với các trường hợp sử dụng cụ thể (DeFi, game, đầu tư, âm nhạc, v.v.) gia nhập lĩnh vực này, việc hợp tác và giao tiếp liền mạch giữa các agent trở nên cực kỳ quan trọng.
Cơ sở hạ tầng cho framework nhóm agent đã xuất hiện nhằm giải quyết hạn chế của agent đơn thể. Trí tuệ bầy đàn (swarm intelligence) cho phép các agent làm việc như một đội, tập hợp năng lực để đạt được mục tiêu chung. Lớp phối hợp trừu tượng hóa sự phức tạp, giúp các agent dễ dàng hợp tác dưới mục tiêu và cơ chế khuyến khích chung.
Một số công ty Web3 như Theoriq, FXN và Questflow đang đi theo hướng này. Trong số những người tham gia này, Theoriq – ban đầu ra mắt năm 2022 với tên ChainML – là người theo đuổi mục tiêu này lâu nhất, với tầm nhìn trở thành lớp nền tảng chung cho trí tuệ nhân tạo agent.
Để hiện thực hóa tầm nhìn này, Theoriq xử lý đăng ký agent, thanh toán, bảo mật, định tuyến, lập kế hoạch và quản lý ở lớp cơ sở. Nó còn kết nối hai phía cung-cầu, cung cấp nền tảng xây dựng agent trực quan Infinity Studio, cho phép bất kỳ ai triển khai agent riêng, đồng thời cung cấp Infinity Hub (một chợ nơi khách hàng có thể duyệt tất cả agent có sẵn). Trong hệ thống bầy đàn của nó, meta-agent sẽ chọn agent phù hợp nhất cho một nhiệm vụ nhất định, tạo ra «đàn» (swarms) để đạt mục tiêu chung, đồng thời theo dõi uy tín và đóng góp để duy trì chất lượng và trách nhiệm.
Token Theoriq cung cấp đảm bảo kinh tế, các nhà vận hành agent và thành viên cộng đồng có thể dùng token để biểu thị chất lượng và niềm tin vào agent, từ đó khuyến khích dịch vụ chất lượng cao và ngăn chặn hành vi xấu. Token còn có thể dùng làm phương tiện trao đổi, thanh toán phí dịch vụ và truy cập dữ liệu, đồng thời thưởng cho các bên đóng góp dữ liệu, mô hình, v.v.
▲ Nguồn: Theoriq
Khi cuộc thảo luận xung quanh AI Agent dần trở thành một lĩnh vực công nghiệp dài hạn, dẫn dắt bởi các agent hữu ích rõ ràng, chúng ta có thể chứng kiến sự hồi sinh của các dự án cơ sở hạ tầng Crypto x AI, kèm theo hiệu suất giá mạnh mẽ. Những dự án này có tiềm năng tận dụng vốn đầu tư mạo hiểm, kinh nghiệm R&D nhiều năm và chuyên môn kỹ thuật chuyên sâu để mở rộng trên toàn chuỗi giá trị. Điều này có thể giúp họ phát triển các agent AI hữu ích cao cấp riêng, vượt trội hơn 95% các agent hiện có trên thị trường.
Sự phát triển và tương lai của DeFai
Tôi luôn tin rằng sự phát triển của thị trường sẽ trải qua ba giai đoạn: trước hết là hiệu quả, sau đó là phi tập trung, cuối cùng là riêng tư. DeFai sẽ trải qua 4 giai đoạn.
Giai đoạn đầu tiên của AI DeFi sẽ tập trung vào hiệu quả, cải thiện trải nghiệm người dùng thông qua các công cụ khác nhau để hoàn thành các nhiệm vụ DeFi phức tạp mà không cần kiến thức sâu về giao thức. Ví dụ bao gồm:
-
AI hiểu được chỉ dẫn người dùng ngay cả khi định dạng không hoàn hảo
-
Thực hiện swap nhanh chóng trong thời gian block ngắn nhất
-
Nghiên cứu thị trường thời gian thực, giúp người dùng ra quyết định có lợi theo mục tiêu của họ
Nếu đổi mới được hiện thực hóa, nó có thể giúp người dùng tiết kiệm thời gian và công sức, đồng thời giảm ngưỡng giao dịch on-chain, có khả năng tạo ra khoảnh khắc «ma thuật» trong vài tháng tới.
Ở giai đoạn thứ hai, agent sẽ tự chủ giao dịch với ít can thiệp con người. Các agent giao dịch có thể thực hiện chiến lược dựa trên quan điểm bên thứ ba hoặc dữ liệu từ agent khác, tạo ra một mô hình DeFi mới. Người dùng DeFi chuyên nghiệp hoặc thành thạo có thể tinh chỉnh mô hình riêng để xây dựng agent, tạo lợi nhuận tối ưu cho bản thân hoặc khách hàng, từ đó giảm giám sát thủ công.
Ở giai đoạn thứ ba, người dùng sẽ bắt đầu quan tâm đến vấn đề quản lý ví và xác minh AI, vì họ yêu cầu tính minh bạch. Các giải pháp như TEE và ZKP sẽ đảm bảo hệ thống AI chống sửa đổi, không bị can thiệp bên thứ ba và có thể xác minh được.
Cuối cùng, khi các giai đoạn này hoàn tất, các bộ công cụ kỹ sư DeFi AI không cần mã hoặc giao thức AI như dịch vụ có thể tạo ra một nền kinh tế dựa trên agent, sử dụng các mô hình được huấn luyện bằng tiền mã hóa để giao dịch.
Mặc dù tầm nhìn này đầy tham vọng và hấp dẫn, vẫn còn một số nút thắt cần được giải quyết:
-
Hầu hết các công cụ hiện tại chỉ là lớp vỏ ChatGPT, chưa có chuẩn mực rõ ràng để nhận diện dự án chất lượng cao
-
Dữ liệu on-chain phân mảnh đang đẩy các mô hình AI về hướng tập trung hơn là phi tập trung, hiện chưa rõ các agent on-chain sẽ giải quyết vấn đề này như thế nào
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
IOSG Ventures
