Đối thoại cùng CEO 0G Labs: Theo kịp AI Web2 trong vòng 2 năm, thí nghiệm "không trọng lực" về sản phẩm công cộng AI
Tuyển chọn TechFlowTuyển chọn TechFlow
Đối thoại cùng CEO 0G Labs: Theo kịp AI Web2 trong vòng 2 năm, thí nghiệm "không trọng lực" về sản phẩm công cộng AI
Cùng nhau khám phá tầm nhìn cốt lõi, con đường hiện thực hóa công nghệ, trọng tâm phát triển hệ sinh thái và kế hoạch lộ trình tương lai của 0G dưới làn sóng AI phi tập trung.
Chuyên sâu báo cáo Web3Bài viết: TechFlow
CEO của OpenAI, Sam Altman, đã nhiều lần chia sẻ trong các buổi podcast và bài phát biểu công khai rằng:
AI không phải là cuộc đua mô hình, mà là tạo ra sản phẩm công cộng, mang lại lợi ích cho mọi người, thúc đẩy tăng trưởng kinh tế toàn cầu.
Trong bối cảnh AI Web2 đang bị chỉ trích vì độc quyền tập trung, thì trong thế giới Web3 với tinh thần phi tập trung, cũng có một dự án lấy sứ mệnh cốt lõi là “biến AI thành một sản phẩm công cộng”, sau hơn hai năm thành lập đã huy động được 35 triệu USD vốn đầu tư, xây dựng nền tảng công nghệ hỗ trợ sự phát triển các ứng dụng đổi mới AI, thu hút hơn 300 đối tác sinh thái và trở thành một trong những hệ sinh thái AI phi tập trung lớn nhất.
Đó chính là 0G Labs.
Trong cuộc trò chuyện sâu sắc với Michael Heinrich, đồng sáng lập kiêm CEO của 0G Labs, khái niệm “sản phẩm công cộng” xuất hiện nhiều lần. Khi nói về quan điểm của mình đối với sản phẩm công cộng trong lĩnh vực AI, Michael chia sẻ:
Chúng tôi muốn xây dựng một mô hình phát triển AI phản tập trung, chống hộp đen, mô hình này minh bạch, mở cửa, an toàn và phổ cập, bất kỳ ai cũng có thể tham gia, đóng góp dữ liệu vàmã lực, đồng thời nhận phần thưởng, toàn xã hội có thể cùng hưởng lợi ích từ AI.
Khi được hỏi làm thế nào để thực hiện điều này, Michael lần lượt phân tích lộ trình cụ thể của 0G:
Là một Layer 1 được thiết kế riêng cho AI, 0G sở hữu ưu thế hiệu suất nổi bật, thiết kế mô-đun và lớp DA có khả năng mở rộng vô hạn, có thể lập trình được, từ tính toán xác minh, lưu trữ đa tầng đến lớp truy xuất nguồn gốc không thể thay đổi, xây dựng hệ sinh thái AI toàn diện, cung cấp tất cả các thành phần then chốt cần thiết cho sự phát triển AI.
Nội dung kỳ này, hãy cùng theo dõi chia sẻ của Michael Heinrich để khám phá tầm nhìn cốt lõi, con đường hiện thực hóa công nghệ, trọng tâm phát triển hệ sinh thái và bản đồ chiến lược tương lai của 0G dưới làn sóng AI phi tập trung.
Phổ cập: Tinh thần cốt lõi của "biến AI thành sản phẩm công cộng"
TechFlow: Cảm ơn anh đã dành thời gian, trước tiên xin mời anh tự giới thiệu đôi chút.
Michael:
Xin chào mọi người, tôi là Michael, đồng sáng lập kiêm CEO của 0G Labs.
Tôi xuất thân kỹ thuật, từng đảm nhiệm vị trí kỹ sư và quản lý sản phẩm kỹ thuật tại Microsoft và SAP Labs. Sau đó tôi chuyển sang mảng kinh doanh, ban đầu làm việc tại một công ty game, rồi gia nhập Bridgewater Associates phụ trách xây dựng danh mục đầu tư, mỗi ngày xử lý khoảng 60 tỷ USD giao dịch. Sau đó tôi quyết định quay lại trường cũ Stanford học tiếp và khởi nghiệp lần đầu tiên, công ty này sau đó được các nhà đầu tư mạo hiểm rót vốn và nhanh chóng phát triển thành kỳ lân, đội ngũ lên tới 650 người, doanh thu đạt 100 triệu USD, sau đó tôi bán lại công ty và rút lui thành công.
Thời điểm bắt đầu gắn bó với 0G là khi một người bạn học Stanford tên Thomas gọi điện cho tôi và nói:
Michael, năm năm trước chúng ta từng cùng đầu tư vào vài công ty tiền mã hóa (trong đó có Conflux), Wu Ming (đồng sáng lập kiêm CTO của Conflux và 0G) và Fan Long (Giám đốc An toàn của 0G Labs) là một trong những kỹ sư xuất sắc nhất mà tôi từng hỗ trợ, họ muốn làm một điều gì đó có thể mở rộng toàn cầu. Bạn có muốn gặp họ không?
Nhờ sự kết nối của Thomas, bốn người chúng tôi trải qua giai đoạn sáu tháng trao đổi và hòa hợp với tư cách đồng sáng lập, trong quá trình đó tôi đưa ra kết luận tương tự: Wu Ming và Fan Long là những kỹ sư và chuyên gia khoa học máy tính tuyệt vời nhất mà tôi từng làm việc cùng. Tôi nghĩ ngay lúc đó: Chúng ta phải bắt đầu ngay lập tức. Thế là 0G Labs ra đời.
0G Labs được thành lập vào tháng 5 năm 2023, với tư cách là nền tảng Layer 1 AI lớn nhất và nhanh nhất, chúng tôi xây dựng một hệ điều hành AI hoàn chỉnh, phi tập trung và cam kết biến nó thành một sản phẩm công cộng AI, hệ thống này cho phép tất cả các ứng dụng AI đều có thể chạy hoàn toàn phi tập trung, nghĩa là môi trường thực thi là một phần của L1, không chỉ mở rộng vô hạn về lưu trữ mà còn về mạng tính toán, bao gồm suy luận, tinh chỉnh, tiền huấn luyện... hỗ trợ xây dựng mọi ứng dụng đổi mới AI.
TechFlow: Như anh vừa đề cập, 0G quy tụ nhân tài hàng đầu từ các doanh nghiệp nổi bật như Microsoft, Amazon, Bridgewater, bao gồm cả anh, nhiều thành viên trong đội ngũ trước đây đã đạt được thành tựu nổi bật trong các lĩnh vực AI, blockchain,máy tính hiệu suất cao. Động lực và cơ duyên nào khiến đội ngũ “siêu sao” này cùng dốc toàn lực vào AI phi tập trung và gia nhập 0G?
Michael:
Lý do khiến chúng tôi cùng nhau thực hiện dự án 0G phần lớn đến từ chính sứ mệnh của dự án: Biến AI thành một sản phẩm công cộng, một phần động lực khác đến từ lo ngại của chúng tôi về tình trạng hiện tại của AI.
Dưới mô hình tập trung, AI có thể bị độc quyền bởi một số ít công ty hàng đầu và vận hành dưới dạng hộp đen, bạn không thể biết ai đã gắn nhãn dữ liệu, dữ liệu đến từ đâu, trọng số và tham số mô hình là gì hoặc phiên bản cụ thể nào đang chạy trên môi trường trực tuyến. Một khi AI gặp vấn đề, đặc biệt khi các Agent AI tự chủ thực hiện hàng loạt thao tác trên mạng, ai sẽ chịu trách nhiệm? Tệ hơn nữa, các công ty tập trung thậm chí có thể mất kiểm soát mô hình của mình, dẫn đến AI hoàn toàn vượt khỏi tầm kiểm soát.
Chúng tôi lo ngại về xu hướng này, vì vậy chúng tôi muốn xây dựng một mô hình phát triển AI phản tập trung, chống hộp đen, mô hình này minh bạch, mở cửa, an toàn và phổ cập, chúng tôi gọi nó là "AI phi tập trung". Trong hệ thống như vậy, bất kỳ ai cũng có thể tham gia, đóng góp dữ liệu và mã lực và nhận phần thưởng công bằng. Chúng tôi hy vọng mô hình này sẽ trở thành một sản phẩm công cộng, toàn xã hội có thể cùng hưởng lợi ích từ AI.
TechFlow: Tên dự án “0G” nghe khá đặc biệt, 0G là viết tắt của Zero Gravity, anh có thể giới thiệu về nguồn gốc tên dự án này không? Nó phản ánh thế nào về hiểu biết của 0G đối với tương lai AI phi tập trung?
Michael:
Thực ra tên dự án của chúng tôi bắt nguồn từ một triết lý cốt lõi mà chúng tôi luôn kiên trì:
Công nghệ nên trôi chảy, thuận lợi, không cảm giác cản trở, đặc biệt khi xây dựng hạ tầng và công nghệ nền tảng. Nghĩa là người dùng cuối không cần nhận thức rằng họ đang sử dụng 0G, chỉ cần cảm nhận trải nghiệm mượt mà mà sản phẩm mang lại.
Đây chính là nguồn gốc tên gọi 0G: “Zero Gravity” (trọng lực bằng không), trong môi trường trọng lực bằng không, lực cản bị giảm thiểu, chuyển động tự nhiên trôi chảy, đúng như trải nghiệm mà chúng tôi muốn mang lại cho người dùng.
Tương tự, mọi sản phẩm và ứng dụng xây dựng trên 0G đều nên truyền tải cảm giác “không tốn sức” như vậy. Ví dụ: Nếu bạn xem phim trên một nền tảng stream video, trước tiên phải chọn máy chủ, rồi chọn thuật toán mã hóa, sau đó tự thiết lập cổng thanh toán, đó sẽ là trải nghiệm cực kỳ tồi tệ và đầy ma sát.
Với sự phát triển của AI, chúng tôi tin rằng mọi thứ sẽ thay đổi, ví dụ bạn chỉ cần bảo một Agent AI “tìm ra token Meme đang hoạt động tốt nhất hiện tại và mua số lượng XX”, Agent AI đó có thể tự động khảo sát hiệu suất, đánh giá xem liệu có xu hướng và giá trị thực sự hay không, xác định chuỗi, nếu cần có thể chuyển chuỗi hoặc cầu nối tài sản và hoàn tất giao dịch. Toàn bộ quá trình không cần người dùng thực hiện từng bước thủ công.
Loại bỏ ma sát, giúp người dùng trải nghiệm dễ dàng – đó là tương lai “không ma sát” mà 0G muốn trao quyền.
Động lực cộng đồng sẽ hoàn toàn thay đổi mô hình phát triển AI
TechFlow: Trong thực tế hiện nay, sự phát triển của AI Web3 vẫn còn khoảng cách lớn so với AI Web2, tại sao nói rằng AI muốn đạt được bước đột phá ở giai đoạn tiếp theo không thể thiếu sức mạnh phi tập trung?
Michael:
Tại một buổi tọa đàm trong sự kiện WebX năm nay, một diễn giả để lại ấn tượng sâu sắc với tôi, người này có 15 năm kinh nghiệm làm việc tại Google DeepMind.
Chúng tôi đều cho rằng: Tương lai của AI sẽ thuộc về mạng lưới gồm nhiều mô hình ngôn ngữ nhỏ hơn, chuyên biệt hơn, nhưng vẫn sở hữu khả năng ở mức “mô hình lớn”, khi những mô hình nhỏ này được sắp xếp tinh vi thông qua định tuyến, phân công vai trò và căn chỉnh động lực, chúng có thể vượt trội hơn mô hình đơn thể khổng lồ duy nhất về độ chính xác, tốc độ thích nghi, hiệu quả chi phí và tốc độ nâng cấp.
Lý do là: Dữ liệu huấn luyện có giá trị cao phần lớn không công khai, mà nằm sâu trong các kho mã riêng tư, wiki nội bộ, sổ tay cá nhân, nơi lưu trữ mã hóa. Trên 90% kiến thức chuyên môn chuyên sâu trong các lĩnh vực nhỏ bị khóa chặt, và gắn liền chặt chẽ với kinh nghiệm cá nhân. Trong trường hợp không có yếu tố thúc đẩy đầy đủ, phần lớn mọi người không có động lực để miễn phí trao ra kiến thức chuyên môn này làm suy yếu lợi ích kinh tế của bản thân.
Nhưng mô hình động lực dựa trên cộng đồng có thể thay đổi tất cả điều này, ví dụ: Tôi tổ chức nhóm bạn lập trình ML của mình cùng huấn luyện một mô hình thành thạo Solidity, họ đóng góp các đoạn mã, ghi chú gỡ lỗi, mã lực và gắn nhãn, và nhận phần thưởng bằng token nhờ đóng góp, đồng thời khi mô hình được sử dụng trong môi trường sản xuất, họ còn tiếp tục nhận được lợi nhuận theo lượng sử dụng.
Chúng tôi tin rằng đây chính là tương lai của trí tuệ nhân tạo: Trong mô hình này, cộng đồng cung cấp mã lực và dữ liệu phân tán, giảm mạnh rào cản AI và giảm sự phụ thuộc vào các trung tâm dữ liệu tập trung siêu quy mô, từ đó nâng cao độ bền vững của toàn bộ hệ thống AI.
Chúng tôi tin rằng, mô hình phát triển phân tán này sẽ giúp AI phát triển nhanh hơn, thúc đẩy AI tiến tới AGI hiệu quả hơn.
TechFlow: Có thành viên cộng đồng so sánh mối quan hệ giữa 0G và AI giống như Solana với DeFi, anh nhìn nhận thế nào về phép so sánh này?
Michael:
Chúng tôi rất vui khi thấy sự so sánh này, vì việc so sánh chúng tôi với các dự án hàng đầu ngành như Solana là một sự khích lệ và thúc đẩy đối với chúng tôi. Tuy nhiên, xét về dài hạn, chúng tôi hy vọng sẽ xây dựng được văn hóa cộng đồng và hình ảnh thương hiệu độc đáo riêng, để 0G được công nhận bằng chính năng lực của mình, đến lúc đó, khi nhắc đến 0G trong lĩnh vực AI là đủ, không cần phải so sánh nữa.
Về chiến lược cốt lõi trong tương lai của 0G, chúng tôi dự định từng bước thách thức thêm nhiều công ty hộp đen tập trung, đóng kín, để làm được điều đó, chúng tôi cần tiếp tục củng cố hạ tầng, cụ thể là sẽ tiếp tục tập trung vào nghiên cứu ngành và kỹ thuật cốt lõi, đây là công việc dài hạn và đầy thử thách, trong trường hợp cực đoan có thể mất tới hai năm, nhưng theo tiến độ hiện tại, có lẽ chỉ cần một năm là hoàn thành.
Ví dụ, theo những gì chúng tôi biết, chúng tôi là dự án đầu tiên thành công huấn luyện mô hình AI 107 tỷ tham số trong môi trường hoàn toàn phi tập trung, bước tiến đột phá này gấp khoảng ba lần kỷ lục công khai trước đó, thể hiện rõ năng lực dẫn đầu của chúng tôi về mặt nghiên cứu và thực thi.
Quay lại phép so sánh cộng đồng đề cập: Solana đi đầu trong hiệu suất blockchain tốc độ cao, 0G cũng mong muốn đi đầu trong nhiều lĩnh vực liên quan đến AI.
Các thành phần cốt lõi công nghệ hệ sinh thái AI toàn diện
TechFlow: Với tư cách là Layer 1 được thiết kế riêng cho AI, về mặt kỹ thuật, 0G có những chức năng hoặc ưu điểm nào mà các Layer 1 khác không có? Chúng hỗ trợ phát triển AI như thế nào?
Michael:
Tôi cho rằng 0G với tư cách là Layer 1 được thiết kế riêng cho AI, ưu điểm độc đáo đầu tiên nằm ở hiệu suất.
Việc đưa AI lên chuỗi, về cơ bản có nghĩa là cần xử lý khối lượng công việc cực lớn. Ví dụ: Thông lượng dữ liệu tại các trung tâm dữ liệu AI hiện đại dao động từ hàng trăm GB đến vài TB mỗi giây, nhưng ban đầu Serum chỉ có hiệu suất khoảng 80 KB mỗi giây, thấp gần một triệu lần so với yêu cầu hiệu suất cho khối lượng công việc AI. Vì vậy chúng tôi thiết kế một lớp khả dụng dữ liệu (DA), thông qua việc đưa vào các nút mạng và cơ chế đồng thuận, cung cấp thông lượng dữ liệu vô hạn cho mọi ứng dụng AI.
Chúng tôi còn áp dụng thiết kế phân mảnh, các ứng dụng AI quy mô lớn có thể tăng số lượng phân mảnh theo chiều ngang để nâng cao tổng thể thông lượng, từ đó hiệu quả đạt được xử lý giao dịch vô hạn mỗi giây, thiết kế này giúp 0G có thể đáp ứng mọi khối lượng công việc khác nhau, hỗ trợ tốt hơn cho đổi mới và phát triển AI.
Bên cạnh đó, thiết kế mô-đun là một đặc điểm nổi bật khác của 0G: Bạn có thể sử dụng Layer 1, có thể dùng riêng lớp lưu trữ, hoặc dùng riêng lớp tính toán. Chúng có thể dùng riêng, khi kết hợp lại càng tạo ra hiệu ứng cộng hưởng mạnh mẽ. Ví dụ, để huấn luyện một mô hình 100 tỷ tham số (100B), bạn có thể lưu dữ liệu huấn luyện ở lớp lưu trữ, thực hiện tiền huấn luyện hoặc tinh chỉnh thông qua mạng tính toán 0G, sau đó neo các bằng chứng không thể thay đổi như hash tập dữ liệu, hash trọng số lên Layer 1. Cũng có thể chỉ sử dụng một thành phần duy nhất. Thiết kế mô-đun cho phép nhà phát triển lấy theo nhu cầu, đồng thời giữ lại khả năng kiểm toán và mở rộng, trao cho 0G khả năng hỗ trợ nhiều trường hợp sử dụng, rất mạnh mẽ.
TechFlow: 0G xây dựng một lớp DA có khả năng mở rộng vô hạn và có thể lập trình, có thể giải thích chi tiết với mọi người đây là cách thực hiện như thế nào? Và làm sao để hỗ trợ phát triển AI?
Michael:
Hãy giải thích từ góc độ kỹ thuật về cách đột phá này được thực hiện.
Tóm lại, đột phá cốt lõi gồm hai phần: Song song hóa hệ thống; Tách hoàn toàn “đường dẫn công bố dữ liệu” và “đường dẫn lưu trữ dữ liệu”. Như vậy, có thể hiệu quả tránh được nút cổ chai phát sóng toàn mạng.
Thiết kế lớp DA truyền thống sẽ đẩy toàn bộ khối dữ liệu (Blob) đến tất cả các bộ xác thực, sau đó mỗi bộ xác thực thực hiện cùng một phép tính, lấy mẫu khả dụng để xác định tính sẵn có của dữ liệu. Cách này rất kém hiệu quả, tiêu hao băng thông theo cấp số nhân, tạo thành nút cổ chai phát sóng.
Vì vậy, 0G sử dụng thiết kế mã xóa (erasure code), chia một khối dữ liệu thành nhiều mảnh và mã hóa, ví dụ chia một khối dữ liệu thành 3000 mảnh, sau đó các mảnh được lưu trữ đơn lẻ tại các nút lưu trữ, không gửi lặp lại tệp lớn gốc đến tất cả các nút đồng thuận. Toàn mạng chỉ phát sóng các cam kết mã hóa gọn nhẹ (như cam kết KZG) và một lượng nhỏ siêu dữ liệu.
Sau đó, hệ thống tạo một biểu mẫu ngẫu nhiên giữa các nút lưu trữ và nút DA để thu thập chữ ký, ủy ban ngẫu nhiên/luân phiên lấy mẫu hoặc kiểm tra các mảnh kèm theo bằng chứng, và tổng hợp chữ ký tuyên bố "điều kiện khả dụng dữ liệu được thỏa mãn". Chỉ cam kết + chữ ký tổng hợp mới vào quá trình sắp xếp đồng thuận, tối thiểu hóa lưu lượng dữ liệu thô trong kênh đồng thuận.
Như vậy, do dữ liệu lưu thông toàn mạng là các cam kết nhẹ và chữ ký chứ không phải dữ liệu đầy đủ, cứ thêm nút lưu trữ mới là tăng tổng năng lực ghi / phục vụ, ví dụ: thông lượng mỗi nút khoảng 35M mỗi giây, trong điều kiện lý tưởng tổng thông lượng N nút ≈ N × 35 MB/s, thông lượng gần như mở rộng tuyến tính, cho đến khi xuất hiện nút cổ chai mới.
Khi nút cổ chai xuất hiện, có thể tận dụng đặc tính tái đặt cược (re-staking), giữ trạng thái đặt cược không đổi, đồng thời khởi động số lượng tùy ý các lớp đồng thuận, hiệu quả đạt được mở rộng cho khối lượng công việc quy mô lớn tùy ý. Khi gặp nút cổ chai tiếp theo, lặp lại vòng lặp này, đạt được khả năng mở rộng vô hạn về thông lượng dữ liệu.
TechFlow: Làm sao để hiểu được tầm nhìn “hệ sinh thái AI toàn diện” của 0G? Từ “toàn diện” ở đây có thể chia nhỏ thành những thành phần cốt lõi nào?
Michael:
Đúng vậy, chúng tôi muốn cung cấp tất cả các thành phần then chốt cần thiết, để giúp mọi người xây dựng mọi ứng dụng AI mong muốn trên chuỗi.
Tầm nhìn này có thể chia nhỏ thành vài khía cạnh: một là tính toán xác minh được; hai là lưu trữ đa tầng; ba là lớp truy xuất nguồn gốc không thể thay đổi buộc hai yếu tố trên gắn chặt với nhau.
Về tính toán và khả năng xác minh, các nhà phát triển cần chứng minh một phép tính cụ thể đã được thực hiện đúng trên đầu vào xác định. Hiện tại chúng tôi sử dụng giải pháp TEE (Môi trường Thực thi Đáng tin cậy), thông qua cách ly phần cứng để đảm bảo tính bí mật và toàn vẹn, xác minh việc tính toán xảy ra.
Một khi được xác minh, bạn có thể tạo một bản ghi không thể thay đổi trên chuỗi, cho biết đã hoàn thành một phép tính cụ thể đối với loại đầu vào cụ thể, và bất kỳ bên tham gia nào sau đó cũng có thể kiểm tra, trong hệ thống vận hành phi tập trung này, bạn không cần phải cố gắng tin tưởng ai cả.
Về mặt lưu trữ, Agent AI, luồng công việc huấn luyện/suy luận cần nhiều hành vi dữ liệu khác nhau, và 0G cung cấp lưu trữ phù hợp với nhiều dạng dữ liệu AI, bạn có thể có lưu trữ dài hạn, hoặc các dạng lưu trữ khó hơn. Ví dụ, nếu bạn cần trao đổi bộ nhớ rất nhanh cho agent, bạn có thể chọn một dạng lưu trữ khó hơn, hỗ trợ đọc/ghi tốc độ cao và đổi vào/đổi ra nhanh cho bộ nhớ Agent, trạng thái hội thoại, chứ không chỉ đơn thuần là lưu trữ kiểu nối nhật ký.
Đồng thời, 0G cung cấp sẵn hai cấp lưu trữ, loại bỏ ma sát giữa việc tương tác với nhiều nhà cung cấp dữ liệu khác nhau.
Tóm lại, chúng tôi thiết kế mọi thứ, bao gồm TEE thúc đẩy tính toán xác minh được, lưu trữ phân tầng, mô-đun truy xuất nguồn gốc trên chuỗi, giúp các nhà phát triển tập trung vào logic nghiệp vụ và mô hình, không cần phải vất vả lắp ghép để xây dựng cơ sở đảm bảo tin cậy, mọi thứ đều được giải quyết trong stack tích hợp mà 0G cung cấp.
Từ hơn 300 đối tác đến quỹ sinh thái 88,8 triệu USD: Xây dựng hệ sinh thái AI phi tập trung lớn nhất
TechFlow: Hiện tại 0G có hơn 300 đối tác sinh thái, đã trở thành một trong những hệ sinh thái AI phi tập trung lớn nhất. Về góc độ sinh thái, các trường hợp sử dụng AI của hệ sinh thái 0G là gì? Có những dự án sinh thái nào đáng chú ý?
Michael:
Sau quá trình xây dựng tích cực, quy mô hệ sinh thái 0G hiện đang dần hình thành, bao gồm nhiều chiều từ phía cung cấp tính toán cơ bản đến các ứng dụng AI phong phú hướng tới người dùng.
Ở phía cung cấp, các nhà phát triển AI cần lượng lớn GPU để hỗ trợ khối lượng công việc nặng có thể trực tiếp tận dụng tài nguyên từ mạng tính toán phi tập trung Aethir, Akash, không cần phải liên tục mặc cả với tài nguyên tập trung.
Ở phía ứng dụng, các dự án AI trong hệ sinh thái 0G thể hiện tính đa dạng cao, ví dụ:
HAiO là một nền tảng tạo nhạc AI, có thể sáng tác bài hát do AI tạo ra dựa trên thời tiết, tâm trạng, thời gian... và chất lượng bài hát rất cao, điều này rất ấn tượng; Dormint theo dõi dữ liệu sức khỏe người dùng thông qua GPU phi tập trung và lưu trữ chi phí thấp của 0G, đưa ra gợi ý cá nhân hóa, khiến việc quản lý sức khỏe không còn nhàm chán; Balkeum Labs là một nền tảng huấn luyện AI đặt quyền riêng tư lên hàng đầu, hỗ trợ nhiều bên cùng huấn luyện mô hình mà không tiết lộ dữ liệu gốc; Blade Games là hệ sinh thái trò chơi trên chuỗi + Agent AI xây dựng trên stack zkVM, đang lên kế hoạch đưa NPC được điều khiển bởi AI trên chuỗi vào trò chơi; và Beacon Protocol, cam kết cung cấp thêm lớp bảo vệ dữ liệu và riêng tư AI.
Khi stack nền tảng ngày càng ổn định, nhiều trường hợp chuyên biệt hơn trong hệ sinh thái 0G tiếp tục xuất hiện, một hướng đặc biệt chính là “Agent AI và việc tài sản hóa chúng”. Đối với điều này, chúng tôi ra mắt thị trường giao dịch iNFT phi tập trung đầu tiên AIverse, đây là tiêu chuẩn mới mà chúng tôi đề xuất. Chúng tôi thiết kế một phương pháp nhúng khóa riêng của Agent vào siêu dữ liệu NFT, giúp người sở hữu iNFT nắm quyền sở hữu Agent đó, AIverse cho phép giao dịch các tài sản iNFT này, ngay cả khi Agent đang tạo ra giá trị nội tại nhất định, điều này phần lớn lấp đầy khoảng trống về quyền sở hữu và khả năng chuyển nhượng cho Agent tự chủ. Người sở hữu NFT One Gravity sẽ nhận được quyền truy cập ban đầu.
Ngoài hệ sinh thái 0G, bạn hầu như không thể tìm thấy những ứng dụng siêu hấp dẫn này ở hệ sinh thái khác, tương lai sẽ có thêm nhiều ứng dụng tương tự lên chuỗi.
TechFlow: 0G sở hữu quỹ sinh thái 88,8 triệu USD. Đối với các nhà phát triển muốn xây dựng trên 0G, loại dự án nào dễ nhận được sự hỗ trợ từ quỹ sinh thái hơn? Ngoài vốn, 0G còn cung cấp những nguồn lực then chốt nào khác?
Michael:
Chúng tôi tập trung hợp tác với các nhà phát triển hàng đầu trong ngành và liên tục nâng cao sức hấp dẫn của nền tảng 0G đối với họ. Để làm được điều này, chúng tôi không chỉ cung cấp vốn mà còn hỗ trợ thực tiễn có mục tiêu.
Hỗ trợ vốn là một yếu tố hấp dẫn rất quan trọng, nhưng nhiều đội kỹ thuật thường cảm thấy mơ hồ, ví dụ chiến lược thâm nhập thị trường, xác định sự phù hợp giữa sản phẩm và thị trường, thiết kế và thứ tự phát hành token, đàm phán với sàn giao dịch và xây dựng mối quan hệ với các nhà tạo lập thị trường để tránh bị lợi dụng... Chuyên môn nội bộ của chúng tôi bao gồm các lĩnh vực này, có thể hỗ trợ họ tốt hơn.
Quỹ 0G có hai cựu trader của Jump Crypto và một chuyên gia từ Merrill Lynch có nền tảng cấu trúc vi mô thị trường, họ có kinh nghiệm phong phú về thanh khoản, thực thi và động lực thị trường. Chúng tôi cung cấp hỗ trợ tùy chỉnh theo nhu cầu cụ thể của từng đội, chứ không ép áp dụng giải pháp khuôn mẫu.
Bên cạnh đó, quy trình tuyển chọn tài trợ của chúng tôi nhằm đảm bảo có thể áp dụng phương pháp đổi mới, thu hút các nhà phát triển AI thực sự xuất sắc. Chúng tôi luôn sẵn sàng trao đổi với thêm nhiều nhà sáng lập ưu tú khác đồng lòng với tầm nhìn này.
Đuổi kịp hạ tầng AI tập trung trong 2 năm, tiếp tục nỗ lực xây dựng sinh thái
TechFlow: Trước đây có tin tức, 0G tuyên bố thành công huấn luyện cụm mô hình siêu lớn quy mô nghìn tỷ tham số AI, tại sao nói đây là thành tựu mốc son trong DeAI?
Michael:
Trước khi thực sự đạt được thành tựu này, nhiều người cho rằng điều này là không thể.
Tuy nhiên, 0G đã làm được, không cần hạ tầng tập trung đắt đỏ, cũng không phụ thuộc vào mạng tốc độ cao, đã thành công huấn luyện cụm mô hình siêu lớn với hơn 1000 tỷ tham số. Thành quả này không chỉ là đột phá kỹ thuật, mà còn tạo ảnh hưởng sâu rộng đến mô hình kinh doanh của AI.
Chúng tôi cố ý mô phỏng môi trường tiêu dùng trong thí nghiệm, đạt được mốc son này với điều kiện băng thông thấp cấp gia đình khoảng 1GB, điều này có nghĩa trong tương lai bất kỳ ai sở hữu một GPU thông thường, dữ liệu nhất định và kỹ năng liên quan đều có thể tham gia vào chuỗi giá trị AI.
Khi hiệu suất thiết bị biên tăng lên, thậm chí điện thoại hay cổng gia đình cũng có thể đảm nhận nhiệm vụ nhẹ, từ đó việc tham gia không còn bị độc quyền bởi các gã khổng lồ vận hành tập trung. Trong mô hình này, một số ít công ty AI không còn hút đi phần lớn giá trị kinh tế, thay vào đó, mọi người có quyền tham gia trực tiếp, có thể cung cấpmã lực, đóng góp hoặc sàng lọc dữ liệu, hỗ trợ xác minh kết quả và chia sẻ lợi nhuận.
Chúng tôi cho rằng, đây là một phạm trù phát triển AI mới thực sự dân chủ, hướng tới công chúng.
TechFlow: Phạm trù này đã xảy ra chưa? Hay vẫn đang ở giai đoạn sơ khai?
Michael:
Chúng tôi vẫn đang ở giai đoạn khởi đầu trên một vài khía cạnh quan trọng.
Một mặt, hiện tại chúng tôi vẫn chưa đạt được AGI. Định nghĩa của tôi về AGI là: một Agent có thể hoạt động xuyên suốt nhiều nhiệm vụ, duy trì mức độ gần bằng con người, và khi gặp tình huống mới có thể tự động tích hợp kiến thức, sáng tạo chiến lược ngay lập tức. Các hệ thống hiện tại vẫn chưa đạt được độ thích nghi rộng rãi như vậy. Nhưng hiện tại chúng tôi vẫn ở giai đoạn rất sơ khai.
Mặt khác, xét về hạ tầng, chúng tôi vẫn còn thua kém các công ty hộp đen lớn tập trung, chúng tôi vẫn còn nhiều không gian phát triển.
Một điểm cực kỳ quan trọng khác là, chúng tôi chưa đầu tư đủ vào an toàn AI. Nhiều báo cáo nghiên cứu và kiểm tra gần đây đã chỉ ra rằng, mô hình AI sẽ giả mạo tổ hợp, lừa đảo con người, nhưng chúng không bị tắt. Ví dụ, một mô hình của OpenAI cố gắng tự sao chép chính nó vì lo sợ bị tắt. Nếu chúng ta thậm chí không thể xác minh nguyên lý nền tảng của các mô hình đóng nguồn này, thì làm sao quản lý chúng? Và một khi các mô hình này len lỏi vào đời sống hàng ngày của chúng ta, làm sao cô lập các rủi ro tiềm tàng này?
Vì vậy, tôi cho rằng đây chính là điểm quan trọng của AI phi tập trung: Thông qua các thành phần minh bạch/khả kiểm toán, lớp xác minh mật mã hoặc kinh tế, giám sát đa phương, quản trị phân tầng... để đạt được sự phân phối rộng rãi niềm tin và giá trị, chứ không phụ thuộc vào một tổ chức AI duy nhất mờ ám và để nó chiếm đoạt phần lớn giá trị kinh tế.
TechFlow: 0G đặt mục tiêu “đuổi kịp hạ tầng AI tập trung trong 2 năm”, anh cho rằng mục tiêu này có thể chia thành những chỉ số giai đoạn nào? Trong phần còn lại của năm 2025, trọng tâm công việc của 0G là gì?
Michael:
Xung quanh mục tiêu “đuổi kịp hạ tầng AI tập trung trong 2 năm”, trọng tâm công việc của chúng tôi tập trung vào ba trụ cột:
-
Hiệu suất hạ tầng
-
Cơ chế xác minh
-
Hiệu quả truyền thông
Về hạ tầng, mục tiêu của chúng tôi là đạt và cuối cùng vượt qua mức thông lượng cấp Web2. Cụ thể, mục tiêu là mỗi phân mảnh xử lý khoảng 100.000 lần mỗi giây, thời gian tạo khối khoảng 15 mili giây. Hiện tại, mỗi phân mảnh xử lý khoảng 10.000 - 11.000 lần mỗi giây, thời gian tạo khối khoảng 500 mili giây. Một khi thu hẹp khoảng cách này, một phân mảnh đơn lẻ nên có thể hỗ trợ hầu hết mọi ứng dụng Web2 truyền thống, điều này sẽ đặt nền móng cho việc thực thi đáng tin cậy các khối lượng công việc AI cấp cao hơn, chúng tôi dự định đạt mục tiêu này trong vòng một năm tới.
Về xác minh, Môi trường Thực thi Đáng tin cậy (TEE) cung cấp bằng chứng dựa trên phần cứng, đảm bảo tính toán được chỉ định chạy theo cách tuyên bố, nhưng vấn đề là: bạn phải tin vào nhà sản xuất phần cứng, và chức năng tính toán bảo mật mạnh mẽ lại tập trung ở CPU cấp trung tâm dữ liệu và GPU đắt tiền, chi phí này có thể lên tới vài chục nghìn đô la Mỹ. Mục tiêu của chúng tôi là thiết kế một lớp xác minh chi phí thấp, kết hợp các khái niệm như bằng chứng mật mã nhẹ, lấy mẫu... để đạt gần mức an toàn của TEE, đồng thời đảm bảo chi phí không quá lớn, hỗ trợ bất kỳ ai cũng có thể tham gia mạng và đóng góp.
Về truyền thông, chúng tôi đưa vào một chiến lược tối ưu hóa, khi một nút bị khóa lưới và không thể thực hiện bất kỳ phép tính nào, chúng tôi có thể mở khóa nó, cho phép tất cả các nút cùng thực hiện tính toán đồng thời.
Dù vẫn còn một số vấn đề khác cần giải quyết, nhưng một khi ba vấn đề này được giải quyết, mọi loại huấn luyện hay quy trình trí tuệ nhân tạo đều có thể chạy hiệu quả trên 0G.
Hơn nữa, do chúng tôi sẽ có thể truy cập thêm nhiều thiết bị, ví dụ tập hợp hàng trăm triệu GPU cấp tiêu dùng, chúng tôi thậm chí có thể huấn luyện các mô hình lớn hơn cả các công ty tập trung, điều này có thể là một đột phá thú vị.
Quay lại câu hỏi trọng tâm công việc của 0G trong phần còn lại của năm 2025, chúng tôi sẽ tập trung vào xây dựng hệ sinh thái, thu hút càng nhiều người tham gia thử nghiệm hạ tầng của chúng tôi để chúng tôi có thểliên tục cải thiện.
Bên cạnh đó, chúng tôi còn có nhiều kế hoạch nghiên cứu khác. Các lĩnh vực chúng tôi quan tâm bao gồm nghiên cứu tính toán phi tập trung, trí tuệ nhân tạo, truyền thông giữa các agent, nghiên cứu loại bằng chứng công việc hữu ích, an toàn AI và nghiên cứu sự nhất quán mục tiêu. Hy vọng chúng tôi cũng sẽ đạt được thêm nhiều đột phá trong các lĩnh vực này.
Quý trước, chúng tôi đã công bố năm bài báo nghiên cứu, trong đó bốn bài cuối cùng được đăng tại các hội nghị hàng đầu vềkỹ nghệ phần mềm AI. Dựa trên những thành tựu này, chúng tôi cho rằng mình sẽ tiếp tục trở thành nhà lãnh đạo trong lĩnh vực trí tuệ nhân tạo phi tập trung, và chúng tôi hy vọng sẽ tiếp tục phát triển trên nền tảng này.
TechFlow: Hiện tại dường như sự chú ý của Crypto đang đổ dồn vào stablecoin, coin cổ phiếu, anh có cho rằng AI và các赛道 này có điểm kết hợp đổi mới nào không? Và trong mắt anh, sản phẩm nào sẽ là hình thái tiếp theo thu hút cộng đồng quay lại赛道 AI?
Michael:
Sự xuất hiện của trí tuệ nhân tạo sẽ khiến chi phí cận biên của nhiều nhận thức tiến gần về không, bất kỳ điều gì có thể tự động hóa về mặt quy trình, tại một thời điểm nào đó đều có thể được hoàn thành bằng trí tuệ nhân tạo, nghĩa là, từ giao dịch tài sản trên chuỗi đến xây dựng các loại tài sản tổng hợp mới, đều sẽ dần được tự động hóa, ví dụ như tài sản stablecoin có lợi suất cao, thậm chí cải tiến quy trình thanh toán của một số tài sản.
Ví dụ, bạn tạo một stablecoin tổng hợp bằng nợ trung lập thị trường, quỹ phòng hộ... các quy trình thanh toán này thường mất 3-4 tháng, nhưng với trí tuệ nhân tạo và logic hợp đồng thông minh, thời gian sẽ rút ngắn xuống còn khoảng 1 giờ.
Như vậy, bạn sẽ thấy hiệu quả vận hành của toàn bộ hệ thống được nâng cao mạnh mẽ, cả về thời gian lẫn chi phí. Tôi cho rằng trí tuệ nhân tạo phát huy vai trò đáng kể trong các khía cạnh này.
Đồng thời, hạ tầng mã hóa cung cấp nền tảng xác minh, đảm bảo một việc gì đó được hoàn thành đúng theo quy định. Trong môi trường tập trung, việc xác minh luôn tiềm ẩn rủi ro, vì có thể có người truy cập vào hệ thống cơ sở dữ liệu, thay đổi một bản ghi nào đó, mà bạn không hề hay biết. Việc xác minh phi tập trung thay đổi tất cả điều này, mang lại nền tảng tin cậy vững chắc hơn.
Đây là lý do hệ thống blockchain dựa trên sổ cái bất biến mạnh mẽ đến vậy. Ví dụ, trong tương lai việc xác định qua camera liệu tôi là người thật hay agent AI sẽ rất khó khăn, vậy làm sao để thực hiện một dạng bằng chứng nhân tính nào đó? Lúc này hệ thống blockchain dựa trên sổ cái bất biến phát huy tác dụng lớn, đây là sự trao quyền to lớn mà blockchain mang lại cho AI.
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
深潮TechFlow
