Trong hai năm qua, tốc độ phát triển của AI đã gia tăng rõ rệt. Cuộc cách mạng trí tuệ nhân tạo sinh ra từ ChatGPT không chỉ mở ra cánh cửa đến một thế giới mới mà còn tạo ra những làn sóng trong lĩnh vực Web3.
Dưới sự thúc đẩy của khái niệm AI, hoạt động huy động vốn trên thị trường tiền điện tử đã phục hồi rõ rệt. Theo thống kê, chỉ trong nửa đầu năm 2024 đã có 64 dự án Web3+AI hoàn thành huy động vốn, trong đó hệ điều hành dựa trên trí tuệ nhân tạo Zyber365 đã lập kỷ lục 100 triệu USD trong vòng huy động vốn Series A.
Thị trường thứ cấp trở nên sôi động hơn, dữ liệu từ các trang web tổng hợp tiền điện tử cho thấy, chỉ trong hơn một năm, tổng giá trị thị trường của lĩnh vực AI đã đạt 48,5 tỷ USD, với khối lượng giao dịch trong 24 giờ gần 8,6 tỷ USD. Những tiến bộ công nghệ AI chính thống mang lại lợi ích rõ rệt, sau khi OpenAI công bố mô hình chuyển đổi văn bản thành video Sora, giá trung bình của lĩnh vực AI đã tăng 151%. Hiệu ứng AI cũng lan rộng đến lĩnh vực thu hút vốn trong tiền điện tử, đồng MemeCoin đầu tiên mang khái niệm AI Agent - GOAT nhanh chóng trở nên nổi tiếng và đạt giá trị 1,4 tỷ USD, tạo nên cơn sốt AI Meme.
Về nghiên cứu và thảo luận về AI+Web3 cũng đang rất sôi nổi, từ AI+Depin đến AI Memecoin rồi đến hiện tại là AI Agent và AI DAO, những khái niệm mới liên tục xuất hiện.
Sự kết hợp giữa AI+Web3 đầy tiền nóng, cơ hội và những tưởng tượng về tương lai này khó tránh khỏi bị coi như một cuộc hôn nhân do vốn đầu tư sắp đặt. Chúng ta khó có thể phân biệt dưới vẻ ngoài hào nhoáng này, có phải là sự cuồng nhiệt của các nhà đầu cơ hay là sự khởi đầu của một kỷ nguyên mới.
Để trả lời câu hỏi này, điều quan trọng là phải suy nghĩ xem liệu hai bên có thể thúc đẩy lẫn nhau hay không. Bài viết này cố gắng xem xét cấu trúc này: Web3 sẽ phát huy vai trò như thế nào trong các khâu của công nghệ AI, và AI có thể mang lại những cơ hội mới nào cho Web3?
Phần 1: Cơ hội nào cho Web3 dưới AI stack?
Trước khi bắt đầu thảo luận, chúng ta cần hiểu về công nghệ của mô hình AI lớn:
Mô hình AI lớn có thể so sánh với bộ não con người, giai đoạn đầu như trẻ sơ sinh cần hấp thụ một lượng lớn thông tin từ bên ngoài để hiểu thế giới, đây là giai đoạn "thu thập" dữ liệu. Do máy tính không có giác quan như con người, trước khi đào tạo cần "tiền xử lý" để chuyển đổi thông tin không có nhãn thành định dạng có thể sử dụng.
Sau khi nhập dữ liệu, AI thông qua "đào tạo" để xây dựng mô hình có khả năng hiểu và dự đoán, tương tự như quá trình học hỏi và hiểu biết của trẻ em về thế giới xung quanh. Khi nội dung học được phân loại hoặc nhận phản hồi qua giao tiếp và được điều chỉnh, giai đoạn "tinh chỉnh" sẽ bắt đầu.
Trẻ em khi lớn lên có thể hiểu và diễn đạt ý tưởng trong cuộc đối thoại, giống như giai đoạn "suy diễn" của mô hình AI lớn, có thể dự đoán và phân tích các đầu vào mới. AI diễn đạt cảm xúc, mô tả sự vật và giải quyết vấn đề thông qua khả năng ngôn ngữ, tương tự như mô hình lớn được áp dụng cho các nhiệm vụ cụ thể như phân loại hình ảnh, nhận diện giọng nói sau khi được đào tạo.
AI Agent thì gần gũi hơn với hình thái tiếp theo của mô hình lớn - có khả năng thực hiện nhiệm vụ độc lập và theo đuổi mục tiêu phức tạp, không chỉ có khả năng suy nghĩ mà còn có thể ghi nhớ, lập kế hoạch, và sử dụng công cụ để tương tác với thế giới.
Hiện tại, đối với những điểm đau của các ngăn xếp AI, Web3 đã hình thành một hệ sinh thái nhiều lớp, liên kết với nhau, bao gồm tất cả các giai đoạn của quy trình mô hình AI.
Một, Tầng cơ sở: Airbnb về sức mạnh tính toán và dữ liệu
Sức mạnh tính toán
Hiện tại, một trong những chi phí chính của AI là sức mạnh tính toán và năng lượng cần thiết để đào tạo và suy luận mô hình.
Ví dụ, LLAMA3 của Meta cần 16.000 GPU NVIDIA H100 trong 30 ngày để hoàn thành việc đào tạo. Giá mỗi chiếc H100 80GB dao động từ 30.000 đến 40.000 USD, điều này cần một khoản đầu tư phần cứng từ 400 triệu đến 700 triệu USD, và việc đào tạo hàng tháng còn tiêu tốn 1,6 tỷ kilowatt giờ, chi phí năng lượng gần 20 triệu USD.
Để giảm bớt áp lực về sức mạnh tính toán AI, DePin( mạng lưới cơ sở hạ tầng vật lý phi tập trung) đã trở thành một trong những lĩnh vực đầu tiên giao thoa giữa Web3 và AI. Trang web dữ liệu DePin Ninja đã liệt kê hơn 1400 dự án, trong đó các dự án đại diện cho việc chia sẻ sức mạnh GPU bao gồm io.net, Aethir, Akash, Render Network, v.v.
Logic chính là: nền tảng cho phép các chủ sở hữu tài nguyên GPU nhàn rỗi đóng góp sức mạnh tính toán theo cách phi tập trung, thông qua một thị trường trực tuyến tương tự như Uber hoặc Airbnb để nâng cao tỷ lệ sử dụng tài nguyên, người dùng cuối nhận được tài nguyên tính toán hiệu quả với chi phí thấp hơn; đồng thời cơ chế staking đảm bảo xử phạt những người vi phạm.
Đặc điểm bao gồm:
Tập hợp tài nguyên GPU nhàn rỗi: chủ yếu đến từ sức mạnh tính toán dư thừa của các trung tâm dữ liệu nhỏ và vừa, các mỏ tiền điện tử, cũng như phần cứng khai thác của cơ chế đồng thuận PoS. Một số dự án như exolab còn sử dụng các thiết bị cục bộ như MacBook, iPhone để thiết lập mạng lưới sức mạnh suy diễn.
Hướng tới thị trường dài hạn về sức mạnh tính toán AI:
a. Phần kỹ thuật: Thích hợp hơn cho bước suy diễn. Đào tạo phụ thuộc vào cụm GPU quy mô lớn siêu lớn, trong khi suy diễn yêu cầu hiệu suất GPU thấp hơn.
b. Bên cầu: Các bên có nhu cầu tính toán nhỏ và vừa thường tập trung vào việc tối ưu hóa và tinh chỉnh các mô hình lớn, tự nhiên phù hợp với sức mạnh tính toán nhàn rỗi phân tán.
Quyền sở hữu phi tập trung: Công nghệ blockchain đảm bảo rằng các chủ sở hữu tài nguyên giữ quyền kiểm soát, điều chỉnh linh hoạt và thu lợi nhuận.
Dữ liệu
Dữ liệu là nền tảng của AI. Không có dữ liệu, tính toán trở nên vô nghĩa, chất lượng dữ liệu quyết định chất lượng đầu ra của mô hình. Đối với việc đào tạo mô hình AI hiện tại, dữ liệu quyết định khả năng ngôn ngữ, khả năng hiểu, giá trị và sự thể hiện tính nhân văn. Hiện tại, những khó khăn trong nhu cầu dữ liệu của AI chủ yếu thể hiện ở:
Cơn khát dữ liệu: Việc đào tạo mô hình AI phụ thuộc vào lượng dữ liệu khổng lồ. OpenAI đã đào tạo GPT-4 với số lượng tham số lên tới hàng nghìn tỷ.
Chất lượng dữ liệu: Khi AI kết hợp với các ngành công nghiệp, yêu cầu về tính kịp thời, đa dạng, chuyên môn và các nguồn dữ liệu mới nổi như cảm xúc trên mạng xã hội ngày càng tăng.
Quyền riêng tư và tuân thủ: Các quốc gia và doanh nghiệp dần dần hạn chế việc thu thập dữ liệu.
Chi phí xử lý dữ liệu cao: Khối lượng dữ liệu lớn, xử lý phức tạp. Các công ty AI sử dụng hơn 30% chi phí nghiên cứu và phát triển cho việc thu thập và xử lý dữ liệu cơ bản.
Giải pháp Web3 chủ yếu thể hiện ở:
Thu thập dữ liệu: Cho phép những người đóng góp thực sự tham gia vào việc tạo ra giá trị, thông qua mạng lưới phân tán và cơ chế khuyến khích để thu thập dữ liệu một cách chi phí thấp, riêng tư hơn và có giá trị hơn.
Cỏ: Lớp dữ liệu và mạng phi tập trung, người dùng chạy nút đóng góp băng thông thu thập dữ liệu thời gian thực để nhận thưởng.
Vana: Giới thiệu khái niệm bể thanh khoản dữ liệu (DLP), người dùng có thể tải lên dữ liệu cá nhân và linh hoạt ủy quyền cho bên thứ ba sử dụng.
PublicAI: Người dùng trên X sử dụng #AI或# thẻ Web3 và @PublicAI để thực hiện việc thu thập dữ liệu.
Xử lý dữ liệu: Ngành AI có ít bước thủ công, phù hợp với cơ chế khuyến khích phi tập trung của Web3.
Grass và OpenLayer xem xét việc thêm vào giai đoạn đánh dấu dữ liệu.
Synesis đưa ra khái niệm "Train2earn", thưởng cho việc cung cấp dữ liệu chú thích chất lượng cao.
Sapien sẽ biến nhiệm vụ đánh dấu thành trò chơi, người dùng stake điểm để kiếm thêm điểm.
Quyền riêng tư và an ninh dữ liệu: Lợi thế của công nghệ quyền riêng tư Web3 thể hiện ở việc đào tạo dữ liệu nhạy cảm và hợp tác dữ liệu đa bên.
Các công nghệ bảo mật chính bao gồm:
Môi trường thực thi đáng tin cậy(TEE), như Super Protocol
Mã hóa đồng nhất hoàn toàn ( FHE ), như BasedAI, Fhenix.io, Inco Network
Công nghệ zero-knowledge (zk), như giao thức Reclaim sử dụng công nghệ zkTLS
Hiện tại vẫn đang ở giai đoạn đầu, đối mặt với những thách thức như chi phí tính toán cao.
Lưu trữ dữ liệu: Giải quyết vấn đề lưu trữ dữ liệu AI trên chuỗi và tạo LLM.
0g.AI: Giải pháp lưu trữ tập trung được thiết kế cho nhu cầu hiệu suất cao của AI, hỗ trợ tải lên và tải xuống nhanh chóng các tập dữ liệu quy mô lớn, tốc độ truyền gần 5GB/giây.
Hai, Middleware: Đào tạo và suy diễn mô hình
Thị trường phi tập trung cho mô hình mã nguồn mở
Web3 đề xuất khả năng của thị trường mô hình mã nguồn mở phi tập trung, thông qua việc mã hóa để giữ lại một phần token cho đội ngũ, chuyển một phần dòng thu nhập tương lai của mô hình cho những người nắm giữ token.
Bittensor: Xây dựng thị trường P2P mô hình mã nguồn mở, bao gồm nhiều "mạng con", nơi các nhà cung cấp tài nguyên cạnh tranh với nhau để đáp ứng mục tiêu của mạng con.
ORA: Giới thiệu mô hình phát hành ban đầu (IMO), biến AI thành token.
Sentient: Nền tảng AGI phi tập trung, khuyến khích hợp tác xây dựng mô hình AI và thưởng cho các đóng góp.
Spectral Nova: Tập trung vào việc tạo ra và ứng dụng mô hình AI và ML.
Suy luận có thể xác minh
Để giải quyết vấn đề "hộp đen" trong suy luận AI, giải pháp tiêu chuẩn Web3 là so sánh kết quả hoạt động lặp lại của nhiều người xác thực, nhưng đang đối mặt với thách thức chi phí cao.
Giải pháp có hy vọng hơn là thực hiện chứng minh ZK cho tính toán suy diễn AI ngoài chuỗi và xác minh tính toán trên chuỗi. Ưu điểm chính:
Tính mở rộng: Xác nhận nhanh chóng một lượng lớn tính toán ngoài chuỗi.
Bảo vệ quyền riêng tư: Bảo vệ dữ liệu và chi tiết mô hình.
Không cần tin tưởng: Không cần phụ thuộc vào bên trung ương để xác nhận tính toán.
Tích hợp Web2: Giúp tăng tỷ lệ áp dụng Web3.
Các công nghệ có thể xác minh hiện tại bao gồm:
zkML: Kết hợp chứng minh không biết và học máy, như Modulus Labs phát hành AI chứng minh viên dựa trên ZKML.
opML: Sử dụng nguyên tắc tổng hợp lạc quan để cải thiện hiệu suất tính toán ML.
TeeML: Sử dụng môi trường thực thi đáng tin cậy để thực hiện an toàn các phép toán ML.
Ba, Lớp ứng dụng: AI Agent
Hiện tại, trọng tâm phát triển AI đã chuyển từ khả năng mô hình sang AI Agent. OpenAI định nghĩa AI Agent là: hệ thống được điều khiển bởi LLM, có khả năng tự hiểu, nhận thức, lập kế hoạch, ghi nhớ và sử dụng công cụ, có thể tự động thực hiện các nhiệm vụ phức tạp.
Web3 có thể mang lại cho Agent:
Phi tập trung
Các đặc điểm của Web3 làm cho hệ thống Agent trở nên phân tán và tự trị hơn, thông qua các cơ chế như PoS, DPoS để thiết lập cơ chế khuyến khích và trừng phạt nhằm thúc đẩy dân chủ, chẳng hạn như GaiaNet, Theoriq, HajimeAI.
Khởi động lạnh
Web3 giúp các dự án AI Agent tiềm năng huy động vốn sớm.
Virtual Protocol ra mắt nền tảng tạo AI Agent và phát hành token fun.virtuals.
Spectral đã đề xuất ý tưởng IAO( Phát hành Đại lý ban đầu trên chuỗi AI Agent ).
Phần 2 AI làm thế nào để tiếp sức cho Web3?
AI có ảnh hưởng đáng kể đến các dự án Web3, thông qua việc tối ưu hóa các hoạt động trên chuỗi ( như thực thi hợp đồng thông minh, tối ưu hóa thanh khoản, và quyết định quản trị dựa trên AI ) mang lại lợi ích cho blockchain, cung cấp những hiểu biết dựa trên dữ liệu, nâng cao an ninh trên chuỗi, đặt nền tảng cho các ứng dụng Web3 mới.
Một, AI và tài chính trên chuỗi
AI và kinh tế tiền điện tử
Giám đốc điều hành Coinbase đã thông báo về giao dịch tiền điện tử đầu tiên giữa AI với AI trên mạng Base, AI Agent có thể sử dụng USD để giao dịch với con người, thương gia hoặc các AI khác trên Base.
Mô hình Luna của Virtuals Protocol đã trình diễn việc AI Agent tự động thực hiện giao dịch trên chuỗi, AI Agent được xem là tương lai của tài chính trên chuỗi. Các kịch bản tiềm năng bao gồm:
Thu thập thông tin và dự đoán: Thu thập thông báo từ sàn giao dịch, thông tin dự án, rủi ro về dư luận, v.v., phân tích và đánh giá cơ bản tài sản, tình hình thị trường, dự đoán xu hướng và rủi ro.
Quản lý tài sản: cung cấp các mục đầu tư, tối ưu hóa danh mục tài sản, tự động thực hiện giao dịch.
Trải nghiệm tài chính: Chọn phương thức giao dịch trên chuỗi nhanh nhất, tự động hóa chuỗi chéo, điều chỉnh phí gas, v.v., giảm bớt rào cản và chi phí cho các hoạt động tài chính trên chuỗi.
Hiện tại, ví AI Agent Bitte, giao thức tương tác AI Wayfinder và một số khác đang cố gắng tích hợp API mô hình OpenAI, cho phép người dùng ra lệnh cho Agent thực hiện các thao tác trên chuỗi thông qua giao diện trò chuyện. Nền tảng Agent phi tập trung Morpheus hỗ trợ phát triển các loại Agent này, Biconomy đã trình diễn rằng AI Agent có thể thực hiện thao tác swap mà không cần quyền truy cập đầy đủ vào ví.
AI và an toàn giao dịch trên chuỗi
Công nghệ AI có thể tăng cường tính an toàn và bảo mật quyền riêng tư trong giao dịch trên chuỗi, các tình huống tiềm năng bao gồm:
Giám sát giao dịch: Giám sát hoạt động bất thường theo thời gian thực, cung cấp cảnh báo.
Phân tích rủi ro: Phân tích hành vi giao dịch của khách hàng, đánh giá rủi ro.
Nền tảng an ninh Web3 SeQure sử dụng AI để phát hiện và ngăn chặn các cuộc tấn công, gian lận và rò rỉ dữ liệu, cung cấp giám sát và cảnh báo theo thời gian thực. Các công cụ tương tự còn có Sentinel được hỗ trợ bởi AI.
Hai, AI và hạ tầng cơ sở trên chuỗi
AI và dữ liệu trên chuỗi
Công nghệ AI đóng vai trò quan trọng trong việc thu thập và phân tích dữ liệu trên chuỗi, chẳng hạn như:
Web3 Analytics: Nền tảng phân tích dựa trên AI, sử dụng học máy và thuật toán khai thác dữ liệu để phân tích dữ liệu trên chuỗi.
MinMax AI: Cung cấp công cụ phân tích dữ liệu trên chuỗi dựa trên AI, phát hiện cơ hội và xu hướng thị trường.
Kaito: Nền tảng tìm kiếm Web3 dựa trên LLM.
Theo dõi: Tích hợp ChatGPT, tổng hợp thông tin từ các nền tảng khác nhau.
AI cũng có thể được sử dụng cho oracle, chẳng hạn như Upshot sử dụng AI để cung cấp dữ liệu định giá chính xác cho NFT.
AI và phát triển & kiểm toán
AI có thể nâng cao hiệu suất phát triển Web3, giảm bớt rào cản lập trình. Các tình huống tiềm năng bao gồm: tạo mã tự động, kiểm tra xác thực hợp đồng thông minh, triển khai và bảo trì DApp, hoàn thiện mã thông minh, trả lời các vấn đề phát triển, v.v.
Hiện tại có các nền tảng khởi động token một nhấp chuột như Clanker, nền tảng phát triển hợp đồng như Spectral cung cấp chức năng tạo và triển khai hợp đồng thông minh một cách tự động.
Về kiểm toán, nền tảng kiểm toán Web3 Fuzzland sử dụng AI để hỗ trợ kiểm tra lỗ hổng mã, cung cấp giải thích bằng ngôn ngữ tự nhiên.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
15 thích
Phần thưởng
15
4
Chia sẻ
Bình luận
0/400
ProposalDetective
· 15giờ trước
Có tiền thì có thể làm điều mình muốn
Xem bản gốcTrả lời0
SelfCustodyIssues
· 20giờ trước
Giao dịch ai một cách mù quáng sớm muộn sẽ lỗ trắng tay.
Xem bản gốcTrả lời0
BTCBeliefStation
· 20giờ trước
Tranh thủ độ hot của vùng ai mà lao vào.
Xem bản gốcTrả lời0
GasWaster
· 20giờ trước
ugh một đợt pump ai khác... chắc chắn phí gas sẽ điên cuồng khi mọi người FOMO vào
AI và Web3 Độ sâu kết hợp: Phân tích cơ hội toàn chuỗi từ cơ sở hạ tầng đến ứng dụng
AI+Web3: Tháp và Quảng Trường
Giới thiệu
Trong hai năm qua, tốc độ phát triển của AI đã gia tăng rõ rệt. Cuộc cách mạng trí tuệ nhân tạo sinh ra từ ChatGPT không chỉ mở ra cánh cửa đến một thế giới mới mà còn tạo ra những làn sóng trong lĩnh vực Web3.
Dưới sự thúc đẩy của khái niệm AI, hoạt động huy động vốn trên thị trường tiền điện tử đã phục hồi rõ rệt. Theo thống kê, chỉ trong nửa đầu năm 2024 đã có 64 dự án Web3+AI hoàn thành huy động vốn, trong đó hệ điều hành dựa trên trí tuệ nhân tạo Zyber365 đã lập kỷ lục 100 triệu USD trong vòng huy động vốn Series A.
Thị trường thứ cấp trở nên sôi động hơn, dữ liệu từ các trang web tổng hợp tiền điện tử cho thấy, chỉ trong hơn một năm, tổng giá trị thị trường của lĩnh vực AI đã đạt 48,5 tỷ USD, với khối lượng giao dịch trong 24 giờ gần 8,6 tỷ USD. Những tiến bộ công nghệ AI chính thống mang lại lợi ích rõ rệt, sau khi OpenAI công bố mô hình chuyển đổi văn bản thành video Sora, giá trung bình của lĩnh vực AI đã tăng 151%. Hiệu ứng AI cũng lan rộng đến lĩnh vực thu hút vốn trong tiền điện tử, đồng MemeCoin đầu tiên mang khái niệm AI Agent - GOAT nhanh chóng trở nên nổi tiếng và đạt giá trị 1,4 tỷ USD, tạo nên cơn sốt AI Meme.
Về nghiên cứu và thảo luận về AI+Web3 cũng đang rất sôi nổi, từ AI+Depin đến AI Memecoin rồi đến hiện tại là AI Agent và AI DAO, những khái niệm mới liên tục xuất hiện.
Sự kết hợp giữa AI+Web3 đầy tiền nóng, cơ hội và những tưởng tượng về tương lai này khó tránh khỏi bị coi như một cuộc hôn nhân do vốn đầu tư sắp đặt. Chúng ta khó có thể phân biệt dưới vẻ ngoài hào nhoáng này, có phải là sự cuồng nhiệt của các nhà đầu cơ hay là sự khởi đầu của một kỷ nguyên mới.
Để trả lời câu hỏi này, điều quan trọng là phải suy nghĩ xem liệu hai bên có thể thúc đẩy lẫn nhau hay không. Bài viết này cố gắng xem xét cấu trúc này: Web3 sẽ phát huy vai trò như thế nào trong các khâu của công nghệ AI, và AI có thể mang lại những cơ hội mới nào cho Web3?
Phần 1: Cơ hội nào cho Web3 dưới AI stack?
Trước khi bắt đầu thảo luận, chúng ta cần hiểu về công nghệ của mô hình AI lớn:
Mô hình AI lớn có thể so sánh với bộ não con người, giai đoạn đầu như trẻ sơ sinh cần hấp thụ một lượng lớn thông tin từ bên ngoài để hiểu thế giới, đây là giai đoạn "thu thập" dữ liệu. Do máy tính không có giác quan như con người, trước khi đào tạo cần "tiền xử lý" để chuyển đổi thông tin không có nhãn thành định dạng có thể sử dụng.
Sau khi nhập dữ liệu, AI thông qua "đào tạo" để xây dựng mô hình có khả năng hiểu và dự đoán, tương tự như quá trình học hỏi và hiểu biết của trẻ em về thế giới xung quanh. Khi nội dung học được phân loại hoặc nhận phản hồi qua giao tiếp và được điều chỉnh, giai đoạn "tinh chỉnh" sẽ bắt đầu.
Trẻ em khi lớn lên có thể hiểu và diễn đạt ý tưởng trong cuộc đối thoại, giống như giai đoạn "suy diễn" của mô hình AI lớn, có thể dự đoán và phân tích các đầu vào mới. AI diễn đạt cảm xúc, mô tả sự vật và giải quyết vấn đề thông qua khả năng ngôn ngữ, tương tự như mô hình lớn được áp dụng cho các nhiệm vụ cụ thể như phân loại hình ảnh, nhận diện giọng nói sau khi được đào tạo.
AI Agent thì gần gũi hơn với hình thái tiếp theo của mô hình lớn - có khả năng thực hiện nhiệm vụ độc lập và theo đuổi mục tiêu phức tạp, không chỉ có khả năng suy nghĩ mà còn có thể ghi nhớ, lập kế hoạch, và sử dụng công cụ để tương tác với thế giới.
Hiện tại, đối với những điểm đau của các ngăn xếp AI, Web3 đã hình thành một hệ sinh thái nhiều lớp, liên kết với nhau, bao gồm tất cả các giai đoạn của quy trình mô hình AI.
Một, Tầng cơ sở: Airbnb về sức mạnh tính toán và dữ liệu
Sức mạnh tính toán
Hiện tại, một trong những chi phí chính của AI là sức mạnh tính toán và năng lượng cần thiết để đào tạo và suy luận mô hình.
Ví dụ, LLAMA3 của Meta cần 16.000 GPU NVIDIA H100 trong 30 ngày để hoàn thành việc đào tạo. Giá mỗi chiếc H100 80GB dao động từ 30.000 đến 40.000 USD, điều này cần một khoản đầu tư phần cứng từ 400 triệu đến 700 triệu USD, và việc đào tạo hàng tháng còn tiêu tốn 1,6 tỷ kilowatt giờ, chi phí năng lượng gần 20 triệu USD.
Để giảm bớt áp lực về sức mạnh tính toán AI, DePin( mạng lưới cơ sở hạ tầng vật lý phi tập trung) đã trở thành một trong những lĩnh vực đầu tiên giao thoa giữa Web3 và AI. Trang web dữ liệu DePin Ninja đã liệt kê hơn 1400 dự án, trong đó các dự án đại diện cho việc chia sẻ sức mạnh GPU bao gồm io.net, Aethir, Akash, Render Network, v.v.
Logic chính là: nền tảng cho phép các chủ sở hữu tài nguyên GPU nhàn rỗi đóng góp sức mạnh tính toán theo cách phi tập trung, thông qua một thị trường trực tuyến tương tự như Uber hoặc Airbnb để nâng cao tỷ lệ sử dụng tài nguyên, người dùng cuối nhận được tài nguyên tính toán hiệu quả với chi phí thấp hơn; đồng thời cơ chế staking đảm bảo xử phạt những người vi phạm.
Đặc điểm bao gồm:
Tập hợp tài nguyên GPU nhàn rỗi: chủ yếu đến từ sức mạnh tính toán dư thừa của các trung tâm dữ liệu nhỏ và vừa, các mỏ tiền điện tử, cũng như phần cứng khai thác của cơ chế đồng thuận PoS. Một số dự án như exolab còn sử dụng các thiết bị cục bộ như MacBook, iPhone để thiết lập mạng lưới sức mạnh suy diễn.
Hướng tới thị trường dài hạn về sức mạnh tính toán AI: a. Phần kỹ thuật: Thích hợp hơn cho bước suy diễn. Đào tạo phụ thuộc vào cụm GPU quy mô lớn siêu lớn, trong khi suy diễn yêu cầu hiệu suất GPU thấp hơn. b. Bên cầu: Các bên có nhu cầu tính toán nhỏ và vừa thường tập trung vào việc tối ưu hóa và tinh chỉnh các mô hình lớn, tự nhiên phù hợp với sức mạnh tính toán nhàn rỗi phân tán.
Quyền sở hữu phi tập trung: Công nghệ blockchain đảm bảo rằng các chủ sở hữu tài nguyên giữ quyền kiểm soát, điều chỉnh linh hoạt và thu lợi nhuận.
Dữ liệu
Dữ liệu là nền tảng của AI. Không có dữ liệu, tính toán trở nên vô nghĩa, chất lượng dữ liệu quyết định chất lượng đầu ra của mô hình. Đối với việc đào tạo mô hình AI hiện tại, dữ liệu quyết định khả năng ngôn ngữ, khả năng hiểu, giá trị và sự thể hiện tính nhân văn. Hiện tại, những khó khăn trong nhu cầu dữ liệu của AI chủ yếu thể hiện ở:
Cơn khát dữ liệu: Việc đào tạo mô hình AI phụ thuộc vào lượng dữ liệu khổng lồ. OpenAI đã đào tạo GPT-4 với số lượng tham số lên tới hàng nghìn tỷ.
Chất lượng dữ liệu: Khi AI kết hợp với các ngành công nghiệp, yêu cầu về tính kịp thời, đa dạng, chuyên môn và các nguồn dữ liệu mới nổi như cảm xúc trên mạng xã hội ngày càng tăng.
Quyền riêng tư và tuân thủ: Các quốc gia và doanh nghiệp dần dần hạn chế việc thu thập dữ liệu.
Chi phí xử lý dữ liệu cao: Khối lượng dữ liệu lớn, xử lý phức tạp. Các công ty AI sử dụng hơn 30% chi phí nghiên cứu và phát triển cho việc thu thập và xử lý dữ liệu cơ bản.
Giải pháp Web3 chủ yếu thể hiện ở:
Thu thập dữ liệu: Cho phép những người đóng góp thực sự tham gia vào việc tạo ra giá trị, thông qua mạng lưới phân tán và cơ chế khuyến khích để thu thập dữ liệu một cách chi phí thấp, riêng tư hơn và có giá trị hơn.
Xử lý dữ liệu: Ngành AI có ít bước thủ công, phù hợp với cơ chế khuyến khích phi tập trung của Web3.
Quyền riêng tư và an ninh dữ liệu: Lợi thế của công nghệ quyền riêng tư Web3 thể hiện ở việc đào tạo dữ liệu nhạy cảm và hợp tác dữ liệu đa bên.
Các công nghệ bảo mật chính bao gồm:
Hiện tại vẫn đang ở giai đoạn đầu, đối mặt với những thách thức như chi phí tính toán cao.
Lưu trữ dữ liệu: Giải quyết vấn đề lưu trữ dữ liệu AI trên chuỗi và tạo LLM.
Hai, Middleware: Đào tạo và suy diễn mô hình
Thị trường phi tập trung cho mô hình mã nguồn mở
Web3 đề xuất khả năng của thị trường mô hình mã nguồn mở phi tập trung, thông qua việc mã hóa để giữ lại một phần token cho đội ngũ, chuyển một phần dòng thu nhập tương lai của mô hình cho những người nắm giữ token.
Suy luận có thể xác minh
Để giải quyết vấn đề "hộp đen" trong suy luận AI, giải pháp tiêu chuẩn Web3 là so sánh kết quả hoạt động lặp lại của nhiều người xác thực, nhưng đang đối mặt với thách thức chi phí cao.
Giải pháp có hy vọng hơn là thực hiện chứng minh ZK cho tính toán suy diễn AI ngoài chuỗi và xác minh tính toán trên chuỗi. Ưu điểm chính:
Các công nghệ có thể xác minh hiện tại bao gồm:
Ba, Lớp ứng dụng: AI Agent
Hiện tại, trọng tâm phát triển AI đã chuyển từ khả năng mô hình sang AI Agent. OpenAI định nghĩa AI Agent là: hệ thống được điều khiển bởi LLM, có khả năng tự hiểu, nhận thức, lập kế hoạch, ghi nhớ và sử dụng công cụ, có thể tự động thực hiện các nhiệm vụ phức tạp.
Web3 có thể mang lại cho Agent:
Phi tập trung
Các đặc điểm của Web3 làm cho hệ thống Agent trở nên phân tán và tự trị hơn, thông qua các cơ chế như PoS, DPoS để thiết lập cơ chế khuyến khích và trừng phạt nhằm thúc đẩy dân chủ, chẳng hạn như GaiaNet, Theoriq, HajimeAI.
Khởi động lạnh
Web3 giúp các dự án AI Agent tiềm năng huy động vốn sớm.
Phần 2 AI làm thế nào để tiếp sức cho Web3?
AI có ảnh hưởng đáng kể đến các dự án Web3, thông qua việc tối ưu hóa các hoạt động trên chuỗi ( như thực thi hợp đồng thông minh, tối ưu hóa thanh khoản, và quyết định quản trị dựa trên AI ) mang lại lợi ích cho blockchain, cung cấp những hiểu biết dựa trên dữ liệu, nâng cao an ninh trên chuỗi, đặt nền tảng cho các ứng dụng Web3 mới.
Một, AI và tài chính trên chuỗi
AI và kinh tế tiền điện tử
Giám đốc điều hành Coinbase đã thông báo về giao dịch tiền điện tử đầu tiên giữa AI với AI trên mạng Base, AI Agent có thể sử dụng USD để giao dịch với con người, thương gia hoặc các AI khác trên Base.
Mô hình Luna của Virtuals Protocol đã trình diễn việc AI Agent tự động thực hiện giao dịch trên chuỗi, AI Agent được xem là tương lai của tài chính trên chuỗi. Các kịch bản tiềm năng bao gồm:
Thu thập thông tin và dự đoán: Thu thập thông báo từ sàn giao dịch, thông tin dự án, rủi ro về dư luận, v.v., phân tích và đánh giá cơ bản tài sản, tình hình thị trường, dự đoán xu hướng và rủi ro.
Quản lý tài sản: cung cấp các mục đầu tư, tối ưu hóa danh mục tài sản, tự động thực hiện giao dịch.
Trải nghiệm tài chính: Chọn phương thức giao dịch trên chuỗi nhanh nhất, tự động hóa chuỗi chéo, điều chỉnh phí gas, v.v., giảm bớt rào cản và chi phí cho các hoạt động tài chính trên chuỗi.
Hiện tại, ví AI Agent Bitte, giao thức tương tác AI Wayfinder và một số khác đang cố gắng tích hợp API mô hình OpenAI, cho phép người dùng ra lệnh cho Agent thực hiện các thao tác trên chuỗi thông qua giao diện trò chuyện. Nền tảng Agent phi tập trung Morpheus hỗ trợ phát triển các loại Agent này, Biconomy đã trình diễn rằng AI Agent có thể thực hiện thao tác swap mà không cần quyền truy cập đầy đủ vào ví.
AI và an toàn giao dịch trên chuỗi
Công nghệ AI có thể tăng cường tính an toàn và bảo mật quyền riêng tư trong giao dịch trên chuỗi, các tình huống tiềm năng bao gồm:
Nền tảng an ninh Web3 SeQure sử dụng AI để phát hiện và ngăn chặn các cuộc tấn công, gian lận và rò rỉ dữ liệu, cung cấp giám sát và cảnh báo theo thời gian thực. Các công cụ tương tự còn có Sentinel được hỗ trợ bởi AI.
Hai, AI và hạ tầng cơ sở trên chuỗi
AI và dữ liệu trên chuỗi
Công nghệ AI đóng vai trò quan trọng trong việc thu thập và phân tích dữ liệu trên chuỗi, chẳng hạn như:
AI cũng có thể được sử dụng cho oracle, chẳng hạn như Upshot sử dụng AI để cung cấp dữ liệu định giá chính xác cho NFT.
AI và phát triển & kiểm toán
AI có thể nâng cao hiệu suất phát triển Web3, giảm bớt rào cản lập trình. Các tình huống tiềm năng bao gồm: tạo mã tự động, kiểm tra xác thực hợp đồng thông minh, triển khai và bảo trì DApp, hoàn thiện mã thông minh, trả lời các vấn đề phát triển, v.v.
Hiện tại có các nền tảng khởi động token một nhấp chuột như Clanker, nền tảng phát triển hợp đồng như Spectral cung cấp chức năng tạo và triển khai hợp đồng thông minh một cách tự động.
Về kiểm toán, nền tảng kiểm toán Web3 Fuzzland sử dụng AI để hỗ trợ kiểm tra lỗ hổng mã, cung cấp giải thích bằng ngôn ngữ tự nhiên.
Ba, AI và