Phỏng vấn nhà sáng lập ai16z: Agent sẽ định hình lại tương lai của Web3 như thế nào?
Tuyển chọn TechFlowTuyển chọn TechFlow
Phỏng vấn nhà sáng lập ai16z: Agent sẽ định hình lại tương lai của Web3 như thế nào?
Bao gồm các chủ đề quan trọng từ khung phát triển Agent, kinh tế học token đến tương lai của nền tảng AGI mã nguồn mở.
Chuyên sâu báo cáo Web3Nguồn podcast: Delphi Digital
Tổng hợp & Biên dịch: Coinspire
Lời mở đầu
Nếu nói rằng AI Agent đang tràn vào chu kỳ tiền mã hóa lần này với tốc độ dữ dội, thì Shaw – người sáng lập ai16z và Eliza – rõ ràng đã nắm bắt được hướng đi của làn sóng đó.
Dự án do anh ấy khởi xướng, ai16z, là quỹ trên chuỗi đầu tiên theo chủ đề AI Meme, một cách chơi chữ châm biếm từ nhà đầu tư nổi tiếng a16z. Từ tháng 10 năm 2024, ai16z bắt đầu gây quỹ từ con số 0, chỉ trong vài tháng đã phát triển thành DAO về AI đầu tiên trên Solana có vốn hóa vượt quá 25 tỷ USD (hiện tại đã điều chỉnh giảm nhẹ). Trong khi đó, cốt lõi của ai16z – ElizaOS – là một khung mô phỏng đa tác nhân (Agent), cho phép các nhà phát triển tạo ra, triển khai và quản lý các AI Agent tự chủ. Nhờ lợi thế tiên phong và cộng đồng TypeScript sôi động, kho mã nguồn Eliza đã đạt hơn 10.000 sao trên GitHub, chiếm khoảng 60% thị phần phát triển Web3 AI Agent hiện nay.
Mặc dù những phát ngôn trên mạng xã hội của Shaw luôn gây tranh cãi, nhưng điều đó không ngăn cản anh trở thành nhân vật then chốt trong lĩnh vực AI tiền mã hóa. Cộng đồng tiếng Trung hiện đã có nhiều cuộc phỏng vấn chuyên sâu về anh, nhưng chúng tôi cho rằng buổi podcast ngày 6 tháng 1 giữa Tom Shaughnessy – đồng sáng lập Delphi Digital (một tổ chức hàng đầu về nghiên cứu và đầu tư tiền mã hóa) – cùng Ejazz từ 26 Crypto Capital với Shaw là cuộc trao đổi sâu sắc nhất đến nay về chủ đề "suy nghĩ thực tiễn của Shaw đối với AI Agent", đồng thời vẫn mang tính định hướng tương lai.
Trong cuộc đối thoại này, không chỉ câu hỏi thể hiện tầm nhìn sâu sắc, mà Shaw cũng giữ nguyên phong cách trung thực và thẳng thắn, chia sẻ nhiều quan điểm về các trường hợp ứng dụng AI Agent trong ngành Web3 hiện tại cũng như dự đoán tương lai, bao gồm các chủ đề quan trọng như khung phát triển Agent, kinh tế học token, nền tảng AGI mã nguồn mở… đầy ắp thông tin giá trị. Vì vậy, Coinspire đã phiên dịch toàn bộ bản ghi âm này để chia sẻ với độc giả, hy vọng qua đó có thể phần nào hình dung ra tương lai của AI + Web3.
🎯 Điểm nổi bật chính
▶ Bên trong câu chuyện thành lập Eliza Labs và sự phát triển thần tốc của ai16z
▶ Thảo luận chuyên sâu về các khía cạnh kỹ thuật của khung Eliza
▶ Phân tích nền tảng Agent và sự chuyển dịch từ Slop Bots (Bot rác AI) sang các ứng dụng thiết thực
▶ Thảo luận về kinh tế học token và cơ chế thu giữ giá trị
▶ Khám phá phát triển đa chuỗi và lựa chọn blockchain
▶ Tầm nhìn về AGI mã nguồn mở và tương lai của các tác nhân AI
Phần 1: Hành trình khởi nghiệp và chuyến đi châu Á
Câu 1: Shaw, hãy kể về hành trình của anh?
Shaw:
Tôi đã phát triển nhiều năm các dự án mã nguồn mở, từng tạo ra một dự án mạng không gian mã nguồn mở, nhưng người đồng sáng lập đã xóa tôi khỏi GitHub và bán dự án với giá 75 triệu đô la, còn tôi thì chẳng nhận được gì. Anh ta chưa từng viết một dòng mã nào, trong khi tôi là nhà phát triển chính. Dù hiện tôi đang kiện anh ta, nhưng sự việc khiến tôi mất tất cả, danh tiếng cũng bị hủy hoại hoàn toàn.
Sau đó, tôi bắt đầu lại từ đầu và tập trung vào nghiên cứu AI Agent, nhưng vì người kia đã lấy hết tiền, tôi buộc phải tự gánh mọi trách nhiệm, thậm chí mắc nợ, đồng thời làm thêm các dự án dịch vụ để sinh tồn. Cuối cùng, khái niệm metaverse nguội lạnh, định hướng cũng dần không còn phù hợp.
Sau đó, tôi gia nhập Webiverse làm nhà phát triển chính, ban đầu khá thuận lợi, nhưng sau đó dự án bị tấn công, kho bạc bị đánh cắp, đội ngũ buộc phải chuyển hướng. Kinh nghiệm này cực kỳ khó khăn, gần như khiến tôi sụp đổ.
Sau nhiều thất bại, tôi vẫn tiếp tục cố gắng tiến lên. Tôi hợp tác với người sáng lập Project 89 (AI tương tác lan truyền virus ngôn ngữ thần kinh) để khởi động một nền tảng tên là Magic và hoàn thành vòng hạt giống. Anh ấy muốn biến nền tảng thành một công cụ không cần mã để người dùng dễ dàng xây dựng hệ thống Agent. Còn tôi cho rằng, nếu cung cấp giải pháp đầy đủ, người dùng có thể sao chép ngay lập tức; nếu không cung cấp, họ lại không biết bắt đầu từ đâu. Khi tiền sắp cạn, tôi quyết định tập trung vào phát triển hệ thống Agent. Lúc đó, tôi đã tạo ra phiên bản đầu tiên của Eliza trên nền tảng này. Nghe có vẻ điên rồ, nhưng tôi luôn thử nghiệm và khám phá hướng đi mới.
Câu 2: Tình hình cộng đồng nhà phát triển ở châu Á ra sao?
Shaw:
Vài tuần qua tôi đang ở châu Á, gặp gỡ dày đặc cộng đồng nhà phát triển địa phương. Sau khi dự án của chúng tôi khởi động, đặc biệt là nội dung liên quan đến AI Agent (như dự án ai16z) thu hút sự chú ý, tôi nhận được rất nhiều tin nhắn từ châu Á, đặc biệt là Trung Quốc, và nhận thấy ở đây có rất nhiều người ủng hộ.
Thông qua một cộng đồng tên 706, tôi quen biết được nhiều thành viên, có người giúp quản lý kênh tiếng Trung và Discord, tổ chức một cuộc thi hackathon nhỏ. Tôi cũng gặp nhiều nhà phát triển trong sự kiện, sau khi đánh giá các dự án của họ, tôi cảm thấy nhất định phải đến tận nơi để gặp mọi người. Vì vậy, chúng tôi đã lên kế hoạch hành trình, ghé thăm nhiều thành phố để gặp gỡ các nhà phát triển.
Cộng đồng địa phương rất nhiệt tình, tổ chức cho chúng tôi liên tiếp các hoạt động. Tôi cũng có cơ hội trao đổi với nhiều người, tìm hiểu dự án của họ và thiết lập kết nối. Những ngày này, tôi đi từ Bắc Kinh, Thượng Hải đến Hồng Kông, hiện tại đang ở Seoul, ngày mai sẽ đến Nhật Bản.
Trong các buổi gặp gỡ này, tôi thấy nhiều dự án thú vị như game, ứng dụng bạn gái ảo, robot và thiết bị đeo tay. Một số dự án liên quan đến thu thập dữ liệu, tinh chỉnh và gắn nhãn, kết hợp với công nghệ hiện có của chúng tôi có thể có triển vọng phát triển tốt. Tôi đặc biệt quan tâm đến việc tích hợp AI Agent vào các giao thức DeFi, cách này có thể hạ thấp ngưỡng sử dụng cho người dùng, có thể trở thành ứng dụng killer trong vài tháng tới. Dù nhiều dự án còn ở giai đoạn sớm, nhưng nhiệt huyết và sức sáng tạo của các nhà phát triển thật sự ấn tượng.
Phần 2: Kết hợp AI Agent + DeFi và thảo luận về tính hữu ích
Câu 3: Hiện tại ai16z đã có định giá hàng chục tỷ đô la, khung Eliza hỗ trợ lượng lớn Agent, sự quan tâm của nhà phát triển rất cao, độ nóng của dự án trên GitHub duy trì nhiều tuần. Đồng thời, mọi người ngày càng ghét những chatbot chỉ biết tự động trả lời trên mạng xã hội, thay vào đó mong đợi những Agent có thể thực sự hoàn thành nhiệm vụ, ví dụ như tạo token, quản lý hệ sinh thái kinh tế học token, duy trì hệ sinh thái hoặc thậm chí thực hiện các thao tác DeFi. Ông có cho rằng xu hướng phát triển tương lai của Agent có những chức năng này không? Liệu Eliza có tập trung vào DeFi?
Shaw:
Đây là một cơ hội kinh doanh rõ ràng, tôi cũng chán ngấy tình trạng Reply Robot (robot trả lời) rồi. Hiện giờ nhiều người chỉ tải công cụ xuống, biểu diễn nó và thúc đẩy token, nhưng tôi thực sự hy vọng chúng ta có thể vượt qua điều đó. Bây giờ tôi quan tâm nhất đến ba loại Agent: thứ nhất là Agent giúp bạn kiếm tiền, thứ hai là Agent đưa sản phẩm đến đúng khách hàng, thứ ba là Agent tiết kiệm thời gian cho bạn.
Hiện tại chúng ta vẫn bị mắc kẹt trong mô hình tự động trả lời này, bản thân tôi sẽ chặn tất cả các reply bot không được triệu hồi, tôi khuyến khích mọi người làm như vậy, vì điều này sẽ tạo ra lực phản tác dụng xã hội, buộc các nhà phát triển Agent thực sự suy nghĩ và xây dựng thứ gì đó có ý nghĩa. Nếu chỉ mù quáng theo xu hướng và bình luận mọi thứ, thực tế chẳng giúp ích gì cho bất kỳ token nào.
Bây giờ tôi quan tâm nhất là DeFi, vì nó có rất nhiều cơ hội chênh lệch giá, DeFi so với mọi thứ khác đều phù hợp với đặc điểm "có cơ hội kiếm tiền nhưng nhiều người không biết cách sử dụng". Chúng tôi hiện đang hợp tác với một số nhóm, ví dụ như Orca, hay DLMM (Nhà tạo lập thị trường thanh khoản động) trên Meteora, bot có thể tự động xác định cơ hội chênh lệch tiềm năng, khi phạm vi token thay đổi, nó sẽ tự động điều chỉnh và chuyển lợi nhuận về ví của bạn. Như vậy người dùng có thể an toàn bỏ token vào, toàn bộ quá trình là tự động.
Hơn nữa, Meme coin có độ biến động rất lớn. Thực tế, khi Meme coin mới khởi động, mức tăng trưởng rất mạnh, khiến việc vận hành hồ thanh khoản (LP) rất khó khăn. Nhưng một khi chúng ổn định, độ biến động lại trở thành yếu tố thuận lợi, lúc này có thể kiếm lợi nhuận thông qua hồ thanh khoản. Bản thân tôi hầu như không bán token, mà kiếm tiền thông qua hồ thanh khoản, tôi cũng luôn khuyến khích các nhà phát triển Agent khác làm như vậy. Nhưng tôi ngạc nhiên khi thấy nhiều người không làm điều này, có một người bạn nói với tôi anh ấy rất khó kiếm tiền, tôi hỏi anh ấy đã nghĩ đến việc dùng hồ thanh khoản chưa, anh ấy nói không có thời gian, nhưng thực ra anh ấy nên làm hồ thanh khoản, có thể kiếm rất nhiều tiền từ khối lượng giao dịch token.
Câu 4: Ngoài việc làm thanh khoản, những Agent này có bắt đầu quản lý vốn riêng để giao dịch không, ví dụ như các dự án Ai16z hay Degen Spartan AI, họ sẽ vận hành quản lý tài sản (AUM) như thế nào, và liệu các Agent này có khả năng đạt được mục tiêu này trong năm nay không?
Shaw:
Theo tôi hiện tại mô hình ngôn ngữ lớn (LLM) không phù hợp để trực tiếp dùng cho giao dịch. Ngược lại, nếu có API phù hợp để lấy thông tin thị trường, nó có thể đưa ra phán đoán hợp lý. Ví dụ, tôi thấy có hệ thống AI có tỷ lệ thành công giao dịch khoảng 41%, thành tích này khá tốt, vì đa số tiền mã hóa biểu hiện không ổn định, nhưng LLM không giỏi trong ra quyết định phức tạp, vai trò chủ yếu vẫn là dự đoán token tiếp theo, đưa ra quyết định hợp lý hơn dựa trên thông tin ngữ cảnh.
Nơi LLM trở nên có giá trị là chuyển đổi dữ liệu phi cấu trúc thành dữ liệu cấu trúc. Ví dụ, chuyển đổi thông tin một nhóm người trong nhóm chat giới thiệu token cho nhau thành dữ liệu có thể thao tác. Chúng tôi có một nhóm đang làm nghiên cứu gọi là “thị trường niềm tin”, cốt lõi đặt câu hỏi: nếu coi thông tin giới thiệu trong nhóm chat hoặc Twitter là thật, và giao dịch dựa trên những giới thiệu này, liệu chúng ta có thể kiếm tiền không. Thực tế chứng minh, một bộ phận nhỏ thực sự là những nhà giao dịch và người giới thiệu xuất sắc, và chúng tôi đang phân tích những người giỏi nhất, trong tương lai có thể thao tác dựa trên đề xuất của họ.
Cũng giống như thị trường dự báo, có một bộ phận nhỏ rất giỏi dự đoán, còn đại đa số kém hơn, hoặc dễ bị ảnh hưởng bởi kinh tế hành vi. Vì vậy, mục tiêu của chúng tôi là theo dõi hiệu suất của những người này bằng một số chỉ số đo lường được, và dùng nó làm chiến lược huấn luyện. Tôi cho rằng phương pháp này không chỉ áp dụng để kiếm tiền, mà còn có thể dùng trong quản trị, thưởng đóng góp và các lĩnh vực trừu tượng hơn.
Nhưng kiếm tiền là đơn giản nhất, vì nó giống như một khối lego dễ đo lường. Tôi không nghĩ rằng chỉ cần đưa dữ liệu chuỗi thời gian cho LLM để nó tự dự đoán mua bán token là có thể giải quyết vấn đề. Nếu bạn thiết kế một Agent tự động mua bán token, tôi nghĩ nó chắc chắn có thể làm, nhưng chưa chắc đã kiếm được tiền, đặc biệt khi mua các token biến động lớn, vì vậy tôi cho rằng chúng ta cần phương pháp linh hoạt và đáng tin cậy hơn so với việc mua bán đơn giản.
Câu 5: Nếu có một Agent giao dịch cực kỳ giỏi, tại sao lại mở mã nguồn và tạo token xung quanh nó, thay vì chỉ tự mình giao dịch?
Shaw: Có người nói với tôi, một công ty tuyên bố có thể dự đoán giá token với độ chính xác 70%. Tôi nghĩ, nếu tôi làm được điều này, tôi sẽ không ngồi đây nói với các bạn, tôi sẽ in tiền vô hạn. Độ chính xác 70% đối với giao dịch ngắn hạn như Bitcoin có nghĩa là bạn có thể dễ dàng kiếm lợi nhuận vô hạn. Tôi chắc chắn rằng các công ty như BlackRock ở một mức độ nào đó cũng đang làm điều tương tự, họ cố gắng xử lý dữ liệu toàn cầu để dự đoán cổ phiếu v.v., có lẽ họ thành công trong việc này, dù sao họ cũng có rất nhiều người chuyên tâm vào công việc này.
Nhưng tôi cho rằng, trong thị trường vốn hóa thấp, các yếu tố thúc đẩy hành vi và ảnh hưởng mạng xã hội có thể quan trọng hơn bất kỳ dữ liệu cơ bản nào bạn có thể dự đoán. Ví dụ, một người nổi tiếng retweet tin nhắn địa chỉ hợp đồng nào đó, có thể hiệu quả hơn bất kỳ thuật toán dự đoán nào bạn có thể xây dựng. Vì vậy, tôi cho rằng Meme coin thú vị chính vì giá trị thị trường rất thấp, dễ bị ảnh hưởng bởi động lực xã hội. Nếu bạn có thể theo dõi các động lực xã hội này, bạn có thể tìm thấy cơ hội bên trong.
Phần 3: Giá trị của khung Agent và lợi thế phát triển của Eliza
Câu 6: Kết hợp với các trường hợp sử dụng Eliza, nhóm nên làm gì để đưa một Agent hoàn toàn mới và sáng tạo ra thị trường thông qua việc sử dụng Eliza? Yếu tố khác biệt chính của Agent này là gì? Là mô hình, dữ liệu, hay các chức năng và hỗ trợ do Eliza cung cấp?
Shaw:
Thật sự có một quan điểm cho rằng nó chỉ là lớp bọc ChatGPT, nhưng điều này giống như việc coi một website chỉ là lớp bọc HTTP, hoặc một ứng dụng chỉ là lớp bọc React. Thực tế, cốt lõi nằm ở sản phẩm, và liệu có khách hàng nào dùng sản phẩm này và sẵn sàng trả tiền cho nó hay không, đó mới là trọng tâm của mọi thứ.
Các mô hình hiện đã cực kỳ hàng hóa hóa, việc tự huấn luyện một mô hình nền tảng từ con số 0 rất đắt đỏ, có thể tốn hàng trăm triệu đô la. Nếu chúng tôi có nguồn vốn và thị phần như OpenAI, việc xây dựng hệ thống huấn luyện end-to-end và huấn luyện mô hình sẽ dễ dàng, nhưng lúc đó chúng tôi sẽ cạnh tranh với Meta, OpenAI, XAI, Google, những công ty này đều đang nỗ lực cải thiện điểm chuẩn để chứng minh họ là mô hình tốt nhất thế giới. Đồng thời, mỗi lần XAI ra mắt phiên bản mới đều mở mã nguồn phiên bản trước, Meta cũng mở mã nguồn mọi thứ họ làm, nhằm chiếm lĩnh thị phần qua con đường mã nguồn mở.
Nhưng tôi cho rằng đây không phải lĩnh vực chúng ta nên cạnh tranh. Chúng ta nên tập trung vào hỗ trợ các nhà phát triển xây dựng sản phẩm. Cốt lõi nằm ở tương lai Internet, cách thức vận hành website và sản phẩm, và người dùng sử dụng ứng dụng ra sao. Hiện đã có rất nhiều sản phẩm và cơ sở hạ tầng tuyệt vời chờ người dùng sử dụng, chỉ là người dùng không biết tìm chúng ở đâu. Bạn không thể đơn giản search Google “giao thức DeFi kiếm tiền”, bạn có thể tìm thấy một danh sách, nghiên cứu thêm, nhưng nếu bạn không biết cần tìm gì, điều này không dễ.
Vì vậy, điểm giá trị thực sự nằm ở việc kết nối những thứ đã tồn tại, thay đổi mô hình hiện tại, không dừng lại ở một website và trang đăng nhập, mà mang nó lên mạng xã hội, trực tiếp minh họa trường hợp sử dụng sản phẩm, tìm những người thực sự cần sản phẩm của bạn. Tôi cho rằng, AI Agent không nên chỉ là sản phẩm, mà nên là một phần của sản phẩm, là giao diện tương tác với sản phẩm, tôi hy vọng sẽ thấy nhiều nỗ lực tương tự như vậy."
Câu 7: Tại sao ông cho rằng khung Eliza hoặc nền tảng các anh đang xây dựng là sân chơi lý tưởng nhất cho các nhà phát triển và người xây dựng? So với các khung và ngôn ngữ khác (Zerepy dùng Python, Arc Team dùng Rust)?
Shaw:
Tôi cho rằng ngôn ngữ thực sự quan trọng, nhưng không phải là tất cả. Hiện tại số lượng nhà phát triển dùng JavaScript để xây dựng ứng dụng nhiều hơn bất kỳ ngôn ngữ nào khác. Gần như mọi ứng dụng giao tiếp, từ Discord đến Microsoft Teams, cũng đều dùng JavaScript, hoặc dùng runtime bản địa nào đó, phần UI và tương tác cũng dùng JavaScript, hoặc nhiều backend, số lượng nhà phát triển dùng JavaScript và TypeScript hiện nay nhiều hơn tổng số nhà phát triển của tất cả các ngôn ngữ khác cộng lại, đặc biệt là với sự nổi lên của các công cụ như React Native (một framework dựa trên JavaScript để tạo ứng dụng Android và iOS bản địa).
Nhiều nhà phát triển từng làm trên EVM cũng đã tải Node.js, từng chạy các công cụ phát triển Ethereum như Forge hoặc Truffle, nên khá quen thuộc với hệ sinh thái này. Chúng tôi có thể tiếp cận những nhà phát triển từng làm website, họ cũng có thể làm Agent.
Dù Python không quá khó học, nhưng có khó khăn trong đóng gói dưới nhiều dạng khác nhau, nhiều người mắc kẹt ngay ở bước cài đặt Python. Hệ sinh thái Python khá lộn xộn, trình quản lý phức tạp, nhiều người thậm chí không biết cách tìm phiên bản phù hợp để làm việc, dù Python là lựa chọn tốt cho phát triển backend, nhưng tôi từng phát triển nhiều thứ và nhận thấy Python xử lý lập trình bất đồng bộ không tốt, và xử lý chuỗi ký tự cũng khá rắc rối.
Khi nhận ra lợi thế của TypeScript trong phát triển Agent, tôi nhận ra đây mới là hướng đi đúng đắn. Mặt khác, chúng tôi cung cấp giải pháp end-to-end, khi bạn clone về, nó có thể hoạt động ngay lập tức. Tôi cho rằng Arc là dự án rất ngầu, nhưng thiếu connector, không có connector mạng xã hội. Dự án như Zeropy cũng tốt, nhưng chủ yếu làm connector mạng xã hội hoặc dùng vòng lặp để trả lời tin nhắn. Còn nhiều dự án khác, dù cho vài Agent nói chuyện với nhau, nhưng không thực sự kết nối với mạng xã hội.
Tôi cho rằng các framework này chính là cơ thể, còn LLM (mô hình ngôn ngữ lớn) mới là bộ não. Chúng tôi xây dựng chính cây cầu đó, để các framework có thể kết nối với các client khác nhau. Bằng cách cung cấp các giải pháp này, chúng tôi giảm mạnh ngưỡng gia nhập, cũng giảm lượng mã mà nhà phát triển cần viết. Nhà phát triển chỉ cần tập trung vào sản phẩm của họ, kéo API cần thiết, chúng tôi cung cấp abstraction đơn giản cho input/output.
Câu 8: Với người không phải nhà phát triển, làm thế nào để hiểu các chức năng và quy trình phát hành trên nền tảng Eliza? Về mặt người dùng không phát triển, sau khi người xây dựng Agent tích hợp với Eliza hoặc các nền tảng cạnh tranh khác, họ có thể nhận được chức năng hoặc hỗ trợ gì?
Shaw:
Bạn chỉ cần tải mã về máy tính, sửa đổi vai trò, khởi động là sẽ có một bot cơ bản có thể làm mọi thứ, ví dụ như trò chuyện, đây là chức năng cơ bản nhất. Chúng tôi có rất nhiều plugin, nếu bạn muốn thêm ví, chỉ cần bật plugin và thêm khóa riêng tư chuỗi EVM, chọn chuỗi cần thiết; bạn cũng có thể thêm khóa API, ví dụ như Discord, hoặc tên người dùng Twitter và email, tất cả đều có thể thiết lập, không cần viết mã, dùng trực tiếp được. Cũng vì vậy bạn mới thấy nhiều bot đang quảng cáo và trả lời.
Sau đó, bạn có thể dùng một số công cụ trừu tượng để làm việc khác, gọi là “hành động”. Ví dụ bạn muốn bot giúp đặt pizza, bạn chỉ cần thiết lập hành động “đặt pizza”. Sau đó hệ thống sẽ tự động lấy thông tin người dùng, có thể là người cung cấp thông tin hiện tại. Cần một bộ đánh giá để trích xuất thông tin người dùng cần thiết, ví dụ như tên và địa chỉ. Nếu có người nhắn riêng yêu cầu đặt pizza, hệ thống sẽ trước tiên lấy địa chỉ người dùng, sau đó thực hiện hành động đặt pizza.
Ba phần này: người cung cấp, bộ đánh giá và hành động, là nền tảng xây dựng ứng dụng phức tạp. Mọi thao tác điền form trên website, cơ bản đều có thể thực hiện qua ba yếu tố này. Hiện chúng tôi dùng cách này để xử lý các nhiệm vụ như quản lý LP tự động, giống như viết bất kỳ website nào, chủ yếu là gọi API, các nhà phát triển nên dễ dàng tiếp cận.
Với người không phát triển, tôi khuyên bạn chọn một nền tảng đã được lưu trữ, chọn chức năng hoặc plugin cần thiết, không cần đi sâu vào mã. Nếu muốn, bạn đương nhiên có thể tự làm.
Câu 9: Một nhà phát triển tự xây dựng các chức năng này hoặc lắp ráp các thành phần từ đầu mất bao lâu? Chi phí thời gian so với dùng nền tảng Eliza ra sao?
Shaw:
Phụ thuộc vào bạn muốn làm gì. Nếu bạn chỉ xem kho mã, hiểu được abstraction bên trong, bạn có thể xây dựng chức năng rất cụ thể trong thời gian ngắn, ví dụ tôi có thể làm xong một Agent làm việc bạn muốn trong một tuần. Nhưng nếu bạn muốn chức năng ghi nhớ, trích xuất thông tin hoặc xây dựng framework hỗ trợ các chức năng này, sẽ phức tạp hơn.
Ví dụ, tôi từng làm ứng dụng giao bánh pizza, mất 5 tiếng, một người khác mất 2 tiếng, cơ bản một ngày là xong. Cái này nếu tôi tự làm, có thể mất vài tuần. Dù bây giờ mọi thứ như viết mã đều được AI tăng tốc, nhưng toàn bộ framework đã cung cấp cho bạn rất nhiều thứ.
Lấy ví dụ, như React, mọi ứng dụng đều xây trên React. Bạn hoàn toàn có thể ghép nhanh một website, nhưng khi độ phức tạp dự án tăng, nó sẽ trở nên rất khó làm. Vì vậy khi làm việc đơn giản, bạn chỉ cần một LLM, một blockchain và một loop (vòng lặp), có thể vài ngày là xong. Nhưng chúng tôi hỗ trợ mọi mô hình, có thể chạy hoàn toàn cục bộ, hỗ trợ chuyển văn bản, bạn có thể gửi file âm thanh lên Discord, nó sẽ chuyển văn bản, gửi file PDF cũng có thể trò chuyện, những thứ này đều đã tích hợp sẵn, phần lớn thậm chí không dùng đến 80% chức năng bên trong.
Vì vậy, nếu bạn chỉ cần xây giao diện chat đơn giản, hoàn toàn có thể tự làm. Nhưng nếu bạn muốn xây một Agent chức năng đầy đủ, có thể làm nhiều việc, thì bạn cần một framework đã xử lý phần lớn công việc. Tôi có thể nói với bạn, tôi đã mất nhiều tháng mới làm được cái này.
Câu 10: So với các nền tảng Agent khác nhấn mạnh thiết kế nhanh, triển khai nhanh và thao tác không cần mã, Eliza có phù hợp hơn với việc xây dựng Agent tùy chỉnh và có chức năng độc đáo?
Shaw:
Nếu lấy toàn bộ hệ thống Arc, hay toàn bộ Zeropy, toàn bộ framework Game so ra, số dòng mã ít hơn nhiều so với Eliza, vì Eliza chứa rất nhiều chức năng khác nhau, ngay cả phần plugin cũng bao gồm nhiều chức năng cốt lõi như chuyển giọng nói thành văn bản, văn bản thành giọng nói, chuyển văn bản, xử lý PDF, xử lý hình ảnh... tất cả đều tích hợp sẵn. Dù với một số người có vẻ quá phức tạp, nhưng nó thực sự làm cho nhiều việc trở nên khả thi, cũng là lý do tại sao có nhiều người dùng nó.
Tôi thấy một số Agent hoàn toàn là Eliza cộng thêm chức năng khác, ví dụ họ dùng plugin Pump.fun do chúng tôi cung cấp, hoặc Eliza cộng thêm chức năng tạo hình ảnh và video, những chức năng này thực chất đều tích hợp sẵn. Tôi hy vọng sẽ thấy nhiều người thử nghiệm, nếu bật đồng thời mọi plugin sẽ xảy ra điều gì.
Mục tiêu của tôi là cuối cùng các Agent này có thể tự viết plugin mới từ con số 0, vì sẽ có đủ nhiều plugin tương tự làm ví dụ, và tất cả sẽ được huấn luyện vào mô hình. Khi đạt 100 sao và ngưỡng kho mã nhất định, các công ty như OpenAI và Claude sẽ thu thập dữ liệu này để huấn luyện. Đây là một phần trong Loop của chúng tôi, cuối cùng bạn sẽ có thể tự viết plugin mới.
Câu 11: Nếu Eliza trở thành kho mã mạnh nhất (không chỉ về tài sản, mà là kho mã cung cấp chức năng mạnh mẽ nhất cho mọi nhà phát triển Agent), có nghĩa là Eliza có thể thu hút những nhà phát triển không chỉ từ lĩnh vực tiền mã hóa, mà còn từ nền tảng AI và học máy truyền thống?
Shaw:
Nếu thực sự có đột phá. Eliza ngoài việc tích hợp nhiều blockchain (đều là plugin), bản thân nó không phải là dự án tiền mã hóa. Tôi nhận thấy xu hướng độ nóng trên GitHub giúp chúng tôi thu hút người từ Web2, nhiều người chỉ cảm thấy đây là công cụ rất phù hợp để phát triển framework Agent.
Cá nhân tôi rất mong mọi người chấp nhận điều này, cảm giác một số người có thành kiến với tiền mã hóa, nhưng tôi nghĩ rõ ràng 99% Agent trong tương lai sẽ giao dịch 99,9% token. Tiền mã hóa là token gốc của Agent, thử dùng tài khoản PayPal, thực sự rất khó. Còn chúng tôi có thể trực tiếp mở ví, tạo khóa riêng tư, dễ dàng hoàn tất.
Chúng tôi thực sự thu hút một số người từ lĩnh vực không mã hóa, đặc biệt là những người không chủ động giao dịch tiền mã hóa, họ thấy tiền mã hóa không vấn đề, nhưng quan tâm hơn đến ứng dụng Agent.
Dù một số người có thành kiến với dự án mã hóa, họ sẵn sàng chấp nhận nếu nó mang lại giá trị thực sự. Nhiều người chỉ thấy quảng cáo và lời hứa suông, cảm thấy thất vọng, nhưng khi họ thấy dự án của chúng tôi có nghiên cứu và kỹ thuật thực sự hỗ trợ, họ sẽ dần thay đổi quan điểm. Tôi hy vọng thu hút thêm nhiều người, hiện thực sự đã đạt được một số tiến triển, đây là lợi thế khác biệt lớn.
Phần 4: Tầm nhìn AGI mã nguồn mở và tương lai của AI Agent
Câu 12: Trong tương lai, các anh sẽ cạnh tranh với OpenAI và các phòng thí nghiệm AI truyền thống như thế nào? Là thông qua sự hợp tác của một nhóm Agent dựa trên Eliza như lợi thế khác biệt, hay việc so sánh này ngay từ đầu là vô nghĩa?
Shaw:
Câu hỏi này rất có ý nghĩa. Trước tiên, khi bạn khởi động Eliza, mặc định nó sẽ khởi động một mô hình mới, mô hình này là mô hình Llama được tinh chỉnh, tức mô hình Hermes, mô hình này đã được Nous Research huấn luyện. Tôi rất thích cách làm của họ, một người tên Ro Burito, vừa là thành viên Nous Research, vừa là nhà phát triển Agent trong cộng đồng chúng tôi. Họ giúp ra mắt God và Satan Bots, cùng một số robot khác. Vì vậy, chúng tôi có thể tự huấn luyện mô hình, nhưng chúng tôi có đối tác như họ, thay vì cạnh tranh, tôi muốn hợp tác, bổ sung ưu thế lẫn nhau.
Nhiều người không hiểu việc huấn luyện mô hình đơn giản đến mức nào, thực tế chỉ cần một lệnh. Nếu tôi dùng Together, chỉ cần nhập một lệnh và trỏ đến file Json, tôi có thể bắt đầu tinh chỉnh mô hình Llama trong năm phút. Thế mạnh của Nous không nằm ở phương pháp tinh chỉnh, mà ở dữ liệu. Họ thu thập và tuyển chọn dữ liệu kỹ lưỡng, đây là lợi thế cốt lõi, việc thu thập, chuẩn bị và làm sạch dữ liệu rất phiền toái, họ tập trung vào dữ liệu khác OpenAI. Đây cũng là điểm khác biệt thị trường của chúng tôi.
Chúng tôi chọn dùng mô hình của họ vì họ sẽ không từ chối nhiều yêu cầu như OpenAI. Chúng tôi có một thuật ngữ, gọi là “mô hình OpenAI bị cắt bỏ”, cơ bản tất cả nhà phát triển Agent đều cảm thấy mô hình OpenAI bị hạn chế. Điểm khác biệt thị trường của chúng tôi là, OpenAI sẽ không bao giờ cho phép bạn tạo Agent kết nối Twitter, họ sẽ không bao giờ cho phép trợ lý trở nên cá nhân hóa hoặc thú vị cực độ. Họ không đủ táo bạo, không đủ ngầu, và chịu quá nhiều áp lực.
Nếu bạn dùng ChatGPT hiện tại, hỏi về bầu cử Mỹ 2024, nó có thể trả lời dài, nhưng trước đó rất lâu nó chỉ nói với bạn Biden, vì nó được huấn luyện như vậy. Tôi không nói tôi ủng hộ phe nào, nhưng tôi cho rằng để một mô hình hàng đầu đưa ra lựa chọn chính trị đơn giản như vậy là rất ngớ ngẩn. OpenAI rất cẩn trọng, về cơ bản họ chỉ đang “làm việc” chứ không thực sự giúp người dùng nhận được điều họ muốn.
Nhưng điểm cạnh tranh thực sự là cách bạn thu thập dữ liệu và nguồn dữ liệu. Bạn không thấy OpenAI làm những việc này. Nếu xem tweet của Sam Altman, ông ấy nói người dùng rất muốn có chế độ dành cho người lớn, không phải NSFW (nội dung không phù hợp nơi công cộng), mà là “người lớn trong phòng”, đừng đối xử với tôi như trẻ con, đừng chặn thông tin nào đó. Và vì OpenAI tập trung hóa, họ chịu nhiều áp lực chính trị từ chính phủ, tôi cho rằng phong trào mã nguồn mở thoát khỏi xiềng xích này, quan trọng hơn là có sự đa dạng và các mô hình khác nhau để đáp ứng nhu cầu thực sự của người dùng, cho họ thứ họ muốn, thay vì kiểm soát hành vi của họ, phương pháp này cuối cùng sẽ chiến thắng. Với OpenAI, dù có vốn khổng lồ, vốn hóa rất cao, sở hữu lượng lớn nhân tài. Tuy nhiên, AI phi tập trung cung cấp điều kiện phát triển nhanh chóng nhờ hỗ trợ cộng đồng, cơ chế khuyến khích, tài chính, và không cần chờ GPU hay phần cứng khác.
Tôi cho rằng, con đường dẫn đến AGI không phải là lựa chọn duy nhất, thực tế là sự kết hợp của nhiều cách. Nếu các công ty lớn nhất thế giới đều làm một việc, liệu cạnh tranh với họ thực sự có thể thúc đẩy phát triển nhanh hơn không? Tôi cho rằng AI Agent là “con riêng” của thế giới AI, vì chúng không dễ đánh giá bằng tiêu chuẩn như AI truyền thống, các nhà nghiên cứu PhD khó định lượng nói Agent này tốt hơn Agent kia. AI Agent thiên về kỹ thuật nền tảng, giải quyết vấn đề một cách sáng tạo, cũng chính là điểm đặc biệt của nhiều nhà phát triển đổ vào lĩnh vực này.
Câu 13: AGI (trí tuệ nhân tạo tổng quát) mã nguồn mở cụ thể nghĩa là gì? Là thông qua sự hợp tác tự chủ của một nhóm Agent (Agents), cuối cùng tạo ra một trí tuệ siêu việt tổng thể, hay có cách khác?
Shaw:
Nếu có hàng triệu nhà phát triển dùng các mô hình và công cụ mã nguồn mở, họ sẽ cạnh tranh lẫn nhau, tối ưu hóa khả năng của toàn bộ hệ thống. Tôi cho rằng AGI thực chất chính là hình thái Internet, Internet bản thân nó đã được tạo thành từ lượng lớn Agent, chúng làm đủ thứ việc. Và điều này không cần là một hệ thống thống nhất, chúng ta có thể gọi nó là AGI, nhưng phụ thuộc vào cách bạn định nghĩa AGI.
Đa số cho rằng AGI là trí tuệ có thể làm mọi việc như con người, thực tế Agent này không cần sở hữu toàn bộ tri thức trước, nó có thể lấy thông tin cần thiết bằng cách gọi API hoặc thao tác máy tính. Nếu nó có thể thao tác máy tính như con người, có hệ thống ghi nhớ mạnh mẽ và chức năng phong phú, cuối cùng kết hợp với robot thực tế, AGI sẽ trở nên rõ ràng.
Tuy nhiên, trong lĩnh vực AI, chúng ta thường nói “AGI là thứ máy tính hiện tại chưa làm được”, và mục tiêu này luôn thay đổi khi ra mắt mô hình mới. Đồng thời, còn có khái niệm ASI, tức trí tuệ siêu nhân tạo, ám chỉ mô hình mạnh có khả năng điều khiển thế giới. Tôi cho rằng, nếu chỉ do các công ty lớn như Microsoft xây dựng, nó có thể có tiềm năng siêu trí tuệ. Nhưng nếu có nhiều người chơi khác nhau, mỗi người mở mã nguồn mô hình riêng, và liên tục tinh chỉnh, tối ưu mô hình, cuối cùng sẽ hình thành hệ thống đa Agent như Internet, tương tác lẫn nhau, có chuyên môn riêng, hệ thống này sẽ trông giống như trí tuệ siêu nhân tạo.
Đây là một hệ thống khổng lồ, thậm chí là tập hợp các hệ thống. Nếu một Agent muốn tấn công Agent khác, sẽ rất khó, vì không có Agent nào mạnh hơn nhiều so với những Agent khác. Cùng với tiến bộ công nghệ, chúng ta cũng đang tiến đến giới hạn năng lượng, mô hình không thể mở rộng vô hạn, nếu không cần lò phản ứng hạt nhân để hỗ trợ. Giống như Microsoft hiện đang đầu tư vào nhà máy điện hạt nhân, tất cả công ty đều đang từng bước cải thiện mô hình của mình.
Mô hình mới GPT-4 của OpenAI rất gần với trí tuệ con người, nhưng tương tự, các công ty khác cũng đang tích cực nghiên cứu mô hình tương tự, rất nhiều người theo dõi nghiên cứu và áp dụng công nghệ mới nhất. Dù mô hình OpenAI gần AGI, nhưng do số lượng người dùng khổng lồ, mô hình buộc phải đánh đổi chất lượng, chuyển sang mô hình quy mô thấp hơn để giảm gánh nặng GPU.
Tổng thể, tôi cho rằng, cùng với sự cạnh tranh giữa các công ty, mô hình ngày càng hiệu quả hơn, mã nguồn mở khiến nhiều nhà phát triển tham gia hơn, tất cả đều thúc đẩy sự xuất hiện của trí tuệ siêu nhân tạo. Hy vọng trong tương lai, trên Twitter, tôi có thể dễ dàng tìm thấy robot làm việc gì đó, và chọn ra cái phù hợp nhất.
Câu 14: Trong việc hiện thực hóa đổi mới và tầm nhìn tương lai, token và thị trường trong tiền mã hóa sẽ đóng vai trò gì?
Shaw:
Nếu xét từ góc độ “trí tuệ”, thị trường bản thân nó là một dạng trí tuệ. Nó có thể phát hiện cơ hội, phân bổ vốn, thúc đẩy cạnh tranh, cuối cùng tối ưu ra giải pháp tốt nhất. Quá trình này có thể duy trì cạnh tranh, cho đến khi hình thành hệ thống hoàn chỉnh và trưởng thành. Tôi cho rằng trí tuệ thị trường và cạnh tranh đóng vai trò quan trọng ở đây.
Vai trò của tiền mã hóa là rõ ràng. Nó có hai chức năng then chốt:
Thứ nhất, nó cung cấp cơ chế gây quỹ cộng đồng, không còn phụ thuộc vào mô hình VC Silicon Valley cũ, dựa trên thứ người ta thực sự muốn chứ không phải định nghĩa giá trị của một số ít VC. Dù VC thường có hiểu biết sâu sắc, nhưng logic đầu tư của họ cũng có thể bị giới hạn bởi vòng tròn địa lý hoặc văn hóa nào đó, bỏ lỡ tiềm năng phân bổ vốn phi tập trung hóa.
Thứ hai, tiền mã hóa có thể bắt đúng nhu cầu cảm xúc của con người. Nếu có thể cung cấp sản phẩm đáp ứng nhu cầu này, người dùng sẽ rất hào hứng. Tuy nhiên, vấn đề chính trong lĩnh vực mã hóa là, nhiều dự án dù chạm đúng điểm cảm xúc, nhưng cuối cùng không兑现 cam kết. Nếu các dự án này thực sự đạt được mục tiêu, ví dụ phát triển một robot cung cấp thông tin thị trường hoàn hảo, sẽ có giá trị cực lớn.
Hơn nữa, khả năng kiểm toán mã nguồn mở cho phép bất kỳ ai có năng lực xác minh tính xác thực của dự án. Sự minh bạch này có thể dẫn vốn hiệu quả hơn đến những cơ hội thực sự tiềm năng. Và vấn đề lớn hiện tại của thế giới là, đa số người không thể đầu tư vào công ty như OpenAI trừ khi niêm yết, nhưng đến lúc đó, lợi nhuận đã tương đối hạn chế. Ngược lại, tiền mã hóa cho phép mọi người có cơ hội đầu tư trực tiếp ở giai đoạn sớm của dự án, từ đó hiện thực hóa giấc mơ “tham gia tương lai” và “của cải qua các thế hệ”.
Để các cơ chế này hoàn thiện hơn, chúng ta cần ngăn chặn hành vi gian lận hiệu quả hơn. Tôi cho rằng, cách phát triển mã nguồn mở và công khai có thể cực kỳ nâng cao hiệu quả phân bổ vốn của thị trường, và thúc đẩy sự phát triển của lĩnh vực này. Đồng thời, các Agent trong tương lai sẽ giao dịch token với nhau, gần như mọi thứ đều có thể được mã hóa — niềm tin, năng lực, tiền bạc, v.v. Tóm lại, tiền mã hóa cung cấp cách thức mới hoàn toàn cho việc phân bổ vốn, thúc đẩy đổi mới và hiện thực hóa tầm nhìn tương lai.
Phần 5: Thảo luận về kinh tế học token và cơ chế thu giữ giá trị
Câu 15: Tốc độ triển khai cơ chế thu giữ giá trị kinh tế học token của nền tảng ai16z có đủ nhanh không? Làm thế nào để ứng phó với mối đe dọa cạnh tranh tiềm tàng?
Shaw:
Vấn đề của blockchain mã nguồn mở là động lực fork rất lớn, vì khi bạn nắm giữ token mạng, bạn có lợi ích kinh tế trực tiếp. Nếu chúng tôi ra mắt một L1, mọi người có thể fork L1 của chúng tôi, hoặc vì chúng tôi là L1 nên cảm thấy không thể hợp tác thực sự với chúng tôi.
Chủ nghĩa bộ tộc trong ngành mã hóa rất mạnh, phần lớn là do cạnh tranh phi đen thì trắng, chứ không phải hợp tác bao hàm.
Thực tế, mô hình kinh tế học token của chúng tôi cần liên tục tiến hóa, tìm kiếm cách kiếm tiền mới. Launchpad không phải là mô hình kinh tế học token cuối cùng, mà chỉ là phiên bản khởi đầu. Chúng tôi đã thu hút nhiều sự chú ý, nhiều đối tác muốn phát hành trên nền tảng của chúng tôi, họ chỉ cần cách lưu trữ để khởi động dự án Agent của mình. Chúng tôi có thể cung cấp năng lực plugin và hệ sinh thái để họ dùng trực tiếp.
Chúng tôi dự định mở mã nguồn Launchpad, nhưng có thể dự đoán, một khi mở mã nguồn, người khác cũng sẽ sao chép nó. Những dự án chỉ dựa vào nền tảng khởi động sẽ cần suy nghĩ lại chiến lược dài hạn, chỉ dùng thiết lập vai trò, đốt token và mua lại có thể không bền vững.
Dài hạn, chúng tôi muốn đầu tư vào công nghệ có thể mở rộng giá trị sinh thái tổng thể. Ngắn hạn, chúng tôi cần đáp ứng nhu cầu thị trường, ra mắt Launchpad. Nhưng ba tháng sau, nền tảng khởi động có thể trở nên phổ biến, nhiều dự án sẽ thất bại, chỉ một số ít có thể tiếp tục tạo giá trị.
Tập trung tương lai không phải đơn giản là ra mắt Agent, mà là đầu tư vào những dự án rõ ràng có thể tạo giá trị. Chúng tôi đã bắt đầu đầu tư và mua lại, những dự án này cũng có mô hình kinh tế học token riêng, ví dụ mua lại token từ doanh thu và dùng để đầu tư thêm. Ngoài ra, chúng tôi cũng đang tìm cách mới để nâng cao giá trị token, ví dụ tăng áp lực lợi nhuận dài hạn, chứ không chỉ thu phí mạng hoặc đốt token qua cặp token — các cơ chế đơn giản.
Mục tiêu của tôi là thúc đẩy chúng tôi vượt qua các mô hình đơn giản này, hướng tới tầm nhìn lớn hơn. Chúng tôi muốn xây dựng nền tảng kiểu studio sản xuất, để mọi người nộp dự án cho DAO và vai trò, xác minh dự án được yêu thích, sau đó đầu tư. Tôi cho rằng kế hoạch kinh tế học token hiện tại có thể duy trì sáu tháng, nhưng chúng tôi cũng đang tích cực suy nghĩ về mô hình kinh tế học token tiếp theo.
Câu 16: Nếu mô hình kinh tế học token của ai16z vận hành thành công, token có giá trị thực tế, không chỉ cung cấp thêm nguồn lực tài chính cho nền tảng phát triển dự án, đồng thời Agent cũng sẽ thúc đẩy sự phát triển của framework mã nguồn mở, theo cách gián tiếp thúc đẩy tăng trưởng hệ sinh thái?
Shaw:
Tôi thường xuyên suy nghĩ về vấn đề này. Trong lĩnh vực AI, có một công cụ gọi là “Fume”, nghĩa là Agent có thể tự viết mã, và liên tục cải tiến nhanh hơn con người. Chúng sẽ viết mã cho mọi trường hợp sử dụng có thể, nộp yêu cầu (PR), Agent khác phụ trách kiểm tra và thử nghiệm. Điều này có thể xảy ra trong vài năm, thậm chí chưa đến hai năm. Nếu chúng tôi có thể kiên trì, sẽ đạt “tốc độ thoát ly”, hệ thống sẽ phát triển theo cấp số nhân, cuối cùng có thể tiến vào giai đoạn AGI (trí tuệ nhân tạo tổng quát), hoàn toàn tự xây dựng.
Chúng ta nên nỗ lực hết sức để thúc đẩy tương lai này. Tôi đã thấy một số dự án, ví dụ Reality Spiral, Agent đang nộp PR lên GitHub, xu hướng phát triển này đã bắt đầu.
Nếu chúng ta để token tích lũy giá trị, đồng thời đầu tư vào hệ sinh thái của mình, thúc đẩy tăng trưởng, sẽ hình thành vòng lặp tích cực: giá trị token tăng thúc đẩy phát triển hệ sinh thái, hệ sinh thái ngược lại nâng cao giá trị token. Cuối cùng, hệ thống sẽ đạt trạng thái tự vận hành.
Tuy nhiên, hiện tại chúng ta vẫn cần hoàn thành nhiều công việc thực tế. Chìa khóa là đảm bảo token tích lũy giá trị theo cách dự kiến, đáp ứng nhu cầu người dùng. Ví dụ, Launchpad được phát triển dựa trên nhu cầu người dùng, giúp họ hiện thực hóa nội dung họ đang xây dựng.
Tương lai, chúng ta thậm chí có thể để Agent trực tiếp tạo dự án cụ thể, nhiều Agent cạnh tranh phát triển, cuối cùng cộng đồng bỏ phiếu chọn kết quả tốt nhất. Mô hình này có thể nhanh chóng trở nên cực kỳ phức tạp và mạnh mẽ, và mục tiêu của chúng tôi là thúc đẩy nhanh đến giai đoạn này.
Phần 6: Khám phá phát triển đa chuỗi và lựa chọn blockchain
Câu 17: Ông nghĩ AI agent nên phát triển trên blockchain nào? Solana hay Base?
Shaw:
Xét từ góc độ người dùng, blockchain đã dần được “bình thường hóa”, nhiều người thậm chí không biết token của họ nằm trên chuỗi nào. Dù EVM và SVM có sự khác biệt lớn về lập trình và chức năng, nhưng với người dùng, chúng cơ bản không khác gì nhau. Người dùng chỉ kiểm tra ví, xem có tiền không, hoặc thực hiện trao đổi token.
Đối với tương lai Agent, tôi hy vọng nó làm mờ sự khác biệt giữa các chuỗi, token chắc chắn sẽ thường xuyên cầu nối giữa hai bên. Hiện tại chúng tôi là token SPL 2022, có khả năng đúc, nên cầu nối đa chuỗi có một số thách thức kỹ thuật, nhưng chúng tôi đang khắc phục các vấn đề này.
Tôi thực sự thích đội ngũ Base, họ rất ủng hộ chúng tôi, nên không có thiên vị đặc biệt. Chọn Solana vì người dùng ở đây. Là người làm sản phẩm, chúng ta nên gạt bỏ quan điểm cá nhân, tập trung vào nhu cầu người dùng, cung cấp dịch vụ họ cần ở nơi họ thích.
Hiện tại, bạn có thể triển khai Agent trên Base, cũng có thể trên StarkNet, quyền lựa chọn hoàn toàn mở. Sự phân mảnh của các hệ sinh thái này phần lớn đến từ giá token riêng, có token hay không, và cộng đồng nhà phát triển, cơ sở hạ tầng hiện có. Chúng tôi chọn Solana chủ yếu vì các dự án như DAO
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
Delphi Digital
