Thảo luận về AI Layer1: Tìm kiếm vùng đất màu mỡ cho DeAI trên chuỗi

Tiêu đề gốc: "Biteye PANews cùng phát hành báo cáo nghiên cứu AI Layer 1: Tìm kiếm nền tảng màu mỡ cho DeAI trên chuỗi"

Tác giả gốc: @anci_hu49074 (Biteye), @Jesse_meta (Biteye), @lviswang (Biteye), @0xjacobzhao (Biteye), @bz1022911 (PANews)

Tổng quan

Bối cảnh

Trong những năm gần đây, các công ty công nghệ hàng đầu như OpenAI, Anthropic, Google và Meta đã liên tục thúc đẩy sự phát triển nhanh chóng của các mô hình ngôn ngữ lớn (LLM). LLM đã chứng minh được khả năng chưa từng có trong mọi lĩnh vực của cuộc sống, mở rộng đáng kể trí tưởng tượng của con người và thậm chí cho thấy tiềm năng thay thế lao động của con người trong một số tình huống. Tuy nhiên, cốt lõi của các công nghệ này nằm trong tay một số ít gã khổng lồ công nghệ tập trung. Với nguồn vốn mạnh và khả năng kiểm soát các nguồn tài nguyên điện toán đắt tiền, các công ty này đã thiết lập nên những rào cản không thể vượt qua, khiến hầu hết các nhà phát triển và nhóm đổi mới khó có thể cạnh tranh với họ.

Nguồn: Báo cáo phân tích xu hướng BONDAI

Đồng thời, trong giai đoạn đầu của quá trình tiến hóa nhanh chóng của AI, dư luận thường tập trung vào những đột phá và tiện ích mà công nghệ mang lại, trong khi lại không chú ý đầy đủ đến các vấn đề cốt lõi như bảo vệ quyền riêng tư, minh bạch và bảo mật. Về lâu dài, những vấn đề này sẽ tác động sâu sắc đến sự phát triển lành mạnh và sự chấp nhận của xã hội đối với ngành AI. Nếu không được giải quyết thỏa đáng, cuộc tranh cãi về việc AI là "tốt" hay "xấu" sẽ trở nên nổi cộm hơn và những gã khổng lồ tập trung, bị thúc đẩy bởi bản năng tìm kiếm lợi nhuận, thường thiếu động lực để chủ động ứng phó với những thách thức này.

Công nghệ blockchain, với các đặc điểm phi tập trung, minh bạch và chống kiểm duyệt, mang đến những khả năng mới cho sự phát triển bền vững của ngành AI. Hiện tại, nhiều ứng dụng "Web3 AI" đã xuất hiện trên các blockchain chính thống như Solana và Base. Tuy nhiên, phân tích chuyên sâu cho thấy các dự án này vẫn còn nhiều vấn đề: một mặt, mức độ phi tập trung bị hạn chế, các liên kết chính và cơ sở hạ tầng vẫn dựa vào các dịch vụ đám mây tập trung và các thuộc tính meme quá nặng để hỗ trợ một hệ sinh thái thực sự mở; mặt khác, so với các sản phẩm AI trong thế giới Web2, AI trên chuỗi vẫn còn hạn chế về khả năng mô hình, sử dụng dữ liệu và các kịch bản ứng dụng, và chiều sâu và phạm vi của sự đổi mới cần được cải thiện.

Để thực sự hiện thực hóa tầm nhìn về AI phi tập trung, cho phép blockchain thực hiện các ứng dụng AI quy mô lớn một cách an toàn, hiệu quả và dân chủ, đồng thời cạnh tranh với các giải pháp tập trung về hiệu suất, chúng ta cần thiết kế một blockchain Layer1 phù hợp với AI. Điều này sẽ cung cấp nền tảng vững chắc cho đổi mới sáng tạo mở, quản trị dân chủ và bảo mật dữ liệu trong AI, đồng thời thúc đẩy sự thịnh vượng và phát triển của hệ sinh thái AI phi tập trung.

Các tính năng cốt lõi của AI Layer 1

Là một blockchain được thiết kế riêng cho các ứng dụng AI, kiến trúc cơ bản và thiết kế hiệu suất của AI Layer 1 tập trung chặt chẽ vào nhu cầu của các tác vụ AI, nhằm hỗ trợ hiệu quả cho sự phát triển bền vững và thịnh vượng của hệ sinh thái AI trên chuỗi. Cụ thể, AI Layer 1 phải có các khả năng cốt lõi sau:

Cơ chế khuyến khích hiệu quả và đồng thuận phi tập trung

Cốt lõi của AI Layer 1 là xây dựng một mạng lưới chia sẻ mở về sức mạnh tính toán, lưu trữ và các tài nguyên khác. Không giống như các nút blockchain truyền thống chủ yếu tập trung vào sổ sách kế toán, các nút AI Layer 1 cần thực hiện các tác vụ phức tạp hơn. Chúng không chỉ cần cung cấp sức mạnh tính toán và hoàn thành quá trình đào tạo và lý luận của các mô hình AI mà còn cần đóng góp các nguồn lực đa dạng như lưu trữ, dữ liệu và băng thông, qua đó phá vỡ thế độc quyền của những gã khổng lồ tập trung về cơ sở hạ tầng AI. Điều này đặt ra những yêu cầu cao hơn đối với cơ chế đồng thuận và khuyến khích cơ bản: AI Layer 1 phải có khả năng đánh giá chính xác, khuyến khích và xác minh sự đóng góp thực tế của các nút trong suy luận AI, đào tạo và các nhiệm vụ khác, đồng thời đạt được bảo mật mạng và phân bổ tài nguyên hiệu quả. Chỉ theo cách này, tính ổn định và thịnh vượng của mạng mới được đảm bảo và tổng chi phí điện toán có thể được giảm hiệu quả.

Khả năng hỗ trợ tác vụ không đồng nhất và hiệu suất cao tuyệt vời

Các tác vụ AI, đặc biệt là đào tạo và suy luận LLM, đặt ra những yêu cầu cực kỳ cao về hiệu suất điện toán và khả năng xử lý song song. Hơn nữa, hệ sinh thái AI trên chuỗi thường cần hỗ trợ các loại tác vụ đa dạng và không đồng nhất, bao gồm các cấu trúc mô hình, xử lý dữ liệu, suy luận, lưu trữ và các tình huống khác nhau. AI Layer 1 phải tối ưu hóa sâu kiến trúc cơ bản để có thông lượng cao, độ trễ thấp và song song đàn hồi, đồng thời cài đặt sẵn các khả năng hỗ trợ gốc cho các tài nguyên điện toán không đồng nhất để đảm bảo rằng nhiều tác vụ AI có thể chạy hiệu quả và đạt được sự mở rộng mượt mà từ "các tác vụ loại đơn" sang "các hệ sinh thái phức tạp và đa dạng".

Khả năng xác minh và đảm bảo đầu ra đáng tin cậy

AI Layer 1 không chỉ phải ngăn ngừa các rủi ro bảo mật như lạm dụng mô hình và giả mạo dữ liệu mà còn phải đảm bảo khả năng xác minh và căn chỉnh kết quả đầu ra AI từ cơ chế cơ bản. Bằng cách tích hợp các công nghệ tiên tiến như môi trường thực thi đáng tin cậy (TEE), bằng chứng không kiến thức (ZK) và điện toán bảo mật nhiều bên (MPC), nền tảng có thể đảm bảo rằng mọi quá trình suy luận mô hình, đào tạo và xử lý dữ liệu đều có thể được xác minh độc lập để đảm bảo tính công bằng và minh bạch của hệ thống AI. Đồng thời, khả năng xác minh này cũng có thể giúp người dùng làm rõ logic và cơ sở của đầu ra AI, đạt được "những gì bạn nhận được là những gì bạn muốn" và nâng cao lòng tin và sự hài lòng của người dùng đối với các sản phẩm AI.

Bảo vệ quyền riêng tư dữ liệu

Các ứng dụng AI thường liên quan đến dữ liệu nhạy cảm của người dùng. Trong các lĩnh vực tài chính, chăm sóc y tế, mạng xã hội, v.v., việc bảo vệ quyền riêng tư dữ liệu đặc biệt quan trọng. AI Layer 1 phải đảm bảo khả năng xác minh trong khi áp dụng công nghệ xử lý dữ liệu dựa trên mã hóa, giao thức điện toán riêng tư và quản lý quyền dữ liệu để đảm bảo tính bảo mật của dữ liệu trong toàn bộ quá trình suy luận, đào tạo và lưu trữ, ngăn chặn hiệu quả rò rỉ và lạm dụng dữ liệu, đồng thời loại bỏ lo lắng của người dùng về bảo mật dữ liệu.

Khả năng hỗ trợ phát triển và mang theo sinh thái mạnh mẽ

Là cơ sở hạ tầng Lớp 1 gốc AI, nền tảng không chỉ phải có khả năng dẫn đầu về công nghệ mà còn phải cung cấp cho các nhà phát triển, nhà điều hành nút, nhà cung cấp dịch vụ AI và những người tham gia sinh thái khác các công cụ phát triển hoàn chỉnh, SDK tích hợp, hỗ trợ vận hành và bảo trì cũng như cơ chế khuyến khích. Bằng cách liên tục tối ưu hóa tính khả dụng của nền tảng và trải nghiệm của nhà phát triển, chúng tôi sẽ thúc đẩy việc triển khai các ứng dụng gốc AI phong phú và đa dạng và đạt được sự thịnh vượng liên tục của hệ sinh thái AI phi tập trung.

Dựa trên bối cảnh và kỳ vọng nêu trên, bài viết này sẽ giới thiệu chi tiết sáu dự án tiêu biểu của AI Layer1 bao gồm Sentient, Sahara AI, Ritual, Gensyn, Bittensor và 0G, sắp xếp có hệ thống tiến độ mới nhất của đường đua, phân tích tình trạng phát triển dự án hiện tại và khám phá các xu hướng trong tương lai.

Sentient: Xây dựng mô hình AI phi tập trung nguồn mở trung thành

Tổng quan về dự án

Sentient là một nền tảng giao thức nguồn mở đang xây dựng blockchain AI Layer1 (giai đoạn ban đầu là Layer 2, sau đó sẽ được di chuyển sang Layer 1). Bằng cách kết hợp AI Pipeline và công nghệ blockchain, nó xây dựng một nền kinh tế trí tuệ nhân tạo phi tập trung. Mục tiêu cốt lõi của nó là giải quyết các vấn đề về phân bổ mô hình, theo dõi cuộc gọi và phân phối giá trị trong thị trường LLM tập trung thông qua khuôn khổ "OML" (mở, có lợi nhuận, trung thành), để các mô hình AI có thể đạt được cấu trúc sở hữu trên chuỗi, tính minh bạch của cuộc gọi và chia sẻ giá trị. Tầm nhìn của Sentient là cho phép bất kỳ ai xây dựng, cộng tác, sở hữu và kiếm tiền từ các sản phẩm AI, qua đó thúc đẩy hệ sinh thái mạng lưới AI Agent công bằng và cởi mở.

Nhóm Sentient Foundation quy tụ các chuyên gia học thuật hàng đầu thế giới, các doanh nhân và kỹ sư blockchain, cam kết xây dựng một nền tảng AGI mã nguồn mở và có thể xác minh được do cộng đồng thúc đẩy. Các thành viên cốt cán bao gồm Giáo sư Pramod Viswanath của Đại học Princeton và Giáo sư Himanshu Tyagi của Viện Khoa học Ấn Độ, những người chịu trách nhiệm về bảo mật AI và bảo vệ quyền riêng tư, trong khi đồng sáng lập Polygon Sandeep Nailwal lãnh đạo chiến lược blockchain và bố cục sinh thái. Các thành viên trong nhóm đến từ các công ty nổi tiếng như Meta, Coinbase, Polygon, cũng như các trường đại học hàng đầu như Đại học Princeton và Viện Công nghệ Ấn Độ, bao gồm các lĩnh vực như AI/ML, NLP, thị giác máy tính, v.v. và cùng nhau làm việc để thúc đẩy việc triển khai dự án.

Là dự án khởi nghiệp thứ hai của nhà đồng sáng lập Polygon Sandeep Nailwal, Sentient đã có hào quang riêng ngay từ khi thành lập, với nguồn lực dồi dào, mối quan hệ và sự công nhận của thị trường, mang đến sự chứng thực mạnh mẽ cho sự phát triển của dự án. Vào giữa năm 2024, Sentient đã hoàn thành vòng gọi vốn hạt giống trị giá 85 triệu đô la Mỹ, do Founders Fund, Pantera và Framework Ventures dẫn đầu, cùng các tổ chức đầu tư khác bao gồm hàng chục VC nổi tiếng như Delphi, Hashkey và Spartan.

Kiến trúc thiết kế và lớp ứng dụng

1. Lớp cơ sở hạ tầng

Kiến trúc cốt lõi

Kiến trúc cốt lõi của Sentient bao gồm hai phần: Đường ống AI và Hệ thống chuỗi khối:

Đường ống AI là cơ sở để phát triển và đào tạo các hiện vật "AI trung thành" và bao gồm hai quy trình cốt lõi:

· Quản lý dữ liệu: Một quy trình lựa chọn dữ liệu do cộng đồng thúc đẩy để căn chỉnh mô hình.

· Đào tạo lòng trung thành: Một quy trình đào tạo đảm bảo rằng mô hình vẫn nhất quán với mục đích của cộng đồng.

Hệ thống chuỗi khối cung cấp tính minh bạch và kiểm soát phi tập trung cho giao thức, đảm bảo quyền sở hữu, theo dõi việc sử dụng, phân phối doanh thu và quản lý công bằng các hiện vật AI. Kiến trúc cụ thể được chia thành bốn lớp:

· Lớp lưu trữ: lưu trữ trọng số mô hình và thông tin đăng ký dấu vân tay;

· Lớp phân phối: hợp đồng ủy quyền kiểm soát mục nhập lệnh gọi mô hình;

· Lớp truy cập: xác minh xem người dùng có được ủy quyền thông qua bằng chứng về thẩm quyền hay không;

· Lớp khuyến khích: hợp đồng định tuyến doanh thu phân phối mỗi khoản thanh toán cuộc gọi cho người đào tạo, người triển khai và người xác minh.

Sơ đồ quy trình làm việc của hệ thống Sentient

Khung mô hình OML

Khung OML (Mở, Có thể kiếm tiền, Trung thành) là khái niệm cốt lõi do Sentient đề xuất, nhằm mục đích cung cấp sự bảo vệ quyền sở hữu rõ ràng và các ưu đãi kinh tế cho các mô hình AI nguồn mở. Bằng cách kết hợp công nghệ trên chuỗi và mật mã gốc AI, nó có các đặc điểm sau:

· Tính mở: Mô hình phải là mã nguồn mở, với mã và cấu trúc dữ liệu minh bạch để tạo điều kiện cho cộng đồng tái tạo, kiểm toán và cải tiến.

· Kiếm tiền: Mỗi lệnh gọi mô hình kích hoạt một luồng doanh thu và hợp đồng trên chuỗi phân phối doanh thu cho người đào tạo, người triển khai và người xác thực.

· Lòng trung thành: Mô hình thuộc về cộng đồng người đóng góp, hướng nâng cấp và quản trị được xác định bởi DAO và việc sử dụng và sửa đổi được kiểm soát bởi cơ chế mã hóa.

Mã hóa gốc AI

Mã hóa gốc AI sử dụng tính liên tục, cấu trúc đa tạp chiều thấp và các đặc điểm có thể phân biệt được của các mô hình AI để phát triển một cơ chế bảo mật nhẹ "có thể xác minh nhưng không thể xóa bỏ". Các công nghệ cốt lõi của nó là:

· Nhúng dấu vân tay: chèn một tập hợp các cặp khóa-giá trị truy vấn-phản hồi ẩn trong quá trình đào tạo để tạo thành một chữ ký duy nhất cho mô hình;

· Giao thức xác minh quyền sở hữu: xác minh xem dấu vân tay có được lưu giữ dưới dạng truy vấn thông qua trình phát hiện của bên thứ ba (Prover) hay không;

· Cơ chế gọi quyền: trước khi gọi, cần phải có được "giấy chứng nhận ủy quyền" do chủ sở hữu mô hình cấp và sau đó hệ thống sẽ ủy quyền cho mô hình giải mã đầu vào và trả về câu trả lời chính xác.

Phương pháp này có thể đạt được "cuộc gọi ủy quyền dựa trên hành vi + xác minh quyền sở hữu" mà không mất chi phí mã hóa lại.

Xác nhận mô hình và khuôn khổ thực thi an toàn

Sentient hiện đang sử dụng bảo mật lai Melange: xác nhận dấu vân tay, thực thi TEE và chia sẻ lợi nhuận hợp đồng trên chuỗi. Trong số đó, phương pháp vân tay là dòng chính của triển khai OML 1.0, nhấn mạnh ý tưởng về "bảo mật lạc quan", tức là tuân thủ theo mặc định và phát hiện và trừng phạt sau khi vi phạm.

Cơ chế vân tay là một triển khai quan trọng của OML. Nó nhúng các cặp "hỏi-đáp" cụ thể để cho phép mô hình tạo chữ ký duy nhất trong giai đoạn đào tạo. Thông qua các chữ ký này, chủ sở hữu mô hình có thể xác minh quyền sở hữu và ngăn chặn việc sao chép và thương mại hóa trái phép. Cơ chế này không chỉ bảo vệ quyền và lợi ích của các nhà phát triển mô hình mà còn cung cấp hồ sơ theo dõi trên chuỗi về hành vi sử dụng mô hình.

Ngoài ra, Sentient đã ra mắt khuôn khổ điện toán Enclave TEE, sử dụng các môi trường thực thi đáng tin cậy (như AWS Nitro Enclaves) để đảm bảo rằng mô hình chỉ phản hồi các yêu cầu được ủy quyền và ngăn chặn việc truy cập và sử dụng trái phép. Mặc dù TEE dựa vào phần cứng và có một số rủi ro bảo mật nhất định, nhưng hiệu suất cao và lợi thế thời gian thực của nó khiến nó trở thành công nghệ cốt lõi để triển khai mô hình hiện tại.

Trong tương lai, Sentient có kế hoạch giới thiệu công nghệ bằng chứng không kiến thức (ZK) và mã hóa đồng hình hoàn toàn (FHE) để tăng cường hơn nữa khả năng bảo vệ quyền riêng tư và khả năng xác minh, đồng thời cung cấp giải pháp hoàn thiện hơn cho việc triển khai phi tập trung các mô hình AI.

OML đề xuất đánh giá và so sánh năm phương pháp xác minh

2. Lớp ứng dụng

Hiện tại, các sản phẩm của Sentient chủ yếu bao gồm nền tảng trò chuyện phi tập trung Sentient Chat, mô hình nguồn mở Dobby series và khuôn khổ AI Agent

Các mô hình Dobby series

SentientAGI đã phát hành nhiều mô hình "Dobby", chủ yếu dựa trên mô hình Llama, tập trung vào các giá trị tự do, phi tập trung và hỗ trợ tiền điện tử. Trong số đó, phiên bản nghiêng có tính kiềm chế và lý trí hơn, phù hợp với các tình huống có đầu ra mạnh mẽ; phiên bản không bản lề có tính tự do và táo bạo hơn, với phong cách trò chuyện phong phú hơn. Mô hình Dobby đã được tích hợp vào nhiều dự án gốc Web3, chẳng hạn như Firework AI và Olas, và người dùng cũng có thể gọi trực tiếp các mô hình này trong Sentient Chat để tương tác. Dobby 70B là mô hình phi tập trung nhất từ trước đến nay, với hơn 600.000 chủ sở hữu (những người nắm giữ NFT dấu vân tay Dobby cũng là đồng sở hữu của mô hình).

Sentient cũng có kế hoạch ra mắt Open Deep Search, một hệ thống tác nhân tìm kiếm cố gắng vượt qua ChatGPT và Perplexity Pro. Hệ thống kết hợp các chức năng tìm kiếm của Sensient (như tái lập truy vấn, xử lý tài liệu) với các tác nhân suy luận để cải thiện chất lượng tìm kiếm thông qua LLM nguồn mở (như Llama 3.1 và DeepSeek). Trên Frames Benchmark, hiệu suất của nó đã vượt qua các mô hình nguồn mở khác và thậm chí gần với một số mô hình nguồn đóng, cho thấy tiềm năng mạnh mẽ.

Sentient Chat: Tích hợp tác nhân AI trên chuỗi và trò chuyện phi tập trung

Sentient Chat là một nền tảng trò chuyện phi tập trung kết hợp các mô hình ngôn ngữ quy mô lớn nguồn mở (như loạt Dobby) với một khuôn khổ tác nhân suy luận nâng cao để hỗ trợ tích hợp nhiều tác nhân và thực hiện tác vụ phức tạp. Tác nhân suy luận được nhúng trong nền tảng có thể hoàn thành các tác vụ phức tạp như tìm kiếm, tính toán, thực thi mã, v.v., mang đến cho người dùng trải nghiệm tương tác hiệu quả. Ngoài ra, Sentient Chat còn hỗ trợ tích hợp trực tiếp các tác nhân thông minh trên chuỗi, hiện bao gồm tác nhân chiêm tinh Astro247, tác nhân phân tích tiền điện tử QuillCheck, tác nhân phân tích ví Pond Base Wallet Summary và tác nhân hướng dẫn tâm linh ChiefRaiin. Người dùng có thể chọn các tác nhân thông minh khác nhau để tương tác theo nhu cầu của họ. Sentient Chat sẽ được sử dụng làm nền tảng phân phối và phối hợp cho các tác nhân. Các câu hỏi của người dùng có thể được chuyển đến bất kỳ mô hình hoặc tác nhân tích hợp nào để cung cấp kết quả phản hồi tốt nhất.

AI Agent Framework

Sentient cung cấp hai khuôn khổ AI Agent chính:

· Sentient Agent Framework:Một khuôn khổ nguồn mở nhẹ tập trung vào việc tự động hóa các tác vụ web (như tìm kiếm và phát video) thông qua các hướng dẫn bằng ngôn ngữ tự nhiên. Khuôn khổ này hỗ trợ việc xây dựng các tác nhân thông minh với các vòng lặp nhận thức, lập kế hoạch, thực hiện và phản hồi, và phù hợp để phát triển nhẹ các tác vụ web ngoài chuỗi.

· Sentient Social Agent:Một hệ thống AI được phát triển cho các nền tảng xã hội (như Twitter, Discord và Telegram) hỗ trợ tương tác tự động và tạo nội dung. Thông qua sự hợp tác của nhiều tác nhân, khuôn khổ này có thể hiểu được môi trường xã hội và cung cấp cho người dùng trải nghiệm xã hội thông minh hơn. Đồng thời, nó có thể được tích hợp với Sentient Agent Framework để mở rộng hơn nữa các tình huống ứng dụng của nó.

Hệ sinh thái và Phương pháp tham gia

Chương trình Sentient Builder hiện có kế hoạch tài trợ 1 triệu đô la để khuyến khích các nhà phát triển sử dụng bộ công cụ phát triển của mình để xây dựng các AI Agent có thể truy cập thông qua API Sentient Agent và chạy trong hệ sinh thái Sentient Chat. Các đối tác sinh thái được công bố trên trang web chính thức của Sentient bao gồm các nhóm dự án trong nhiều lĩnh vực của Crypto AI, như sau

Bản đồ hệ sinh thái Sentient

Ngoài ra, Sentient Chat hiện đang trong giai đoạn thử nghiệm và chỉ có thể truy cập sau khi vào danh sách trắng thông qua mã mời. Người dùng thông thường có thể gửi danh sách chờ. Theo thông tin chính thức, có hơn 50.000 người dùng và 1.000.000 bản ghi truy vấn. Có 2.000.000 người dùng đang chờ để tham gia danh sách chờ của Sentient Chat.

Thách thức và triển vọng

Sentient bắt đầu với khía cạnh mô hình và cam kết giải quyết các vấn đề cốt lõi về sự không phù hợp và không đáng tin cậy mà các mô hình ngôn ngữ quy mô lớn (LLM) hiện tại đang phải đối mặt. Thông qua khuôn khổ OML và công nghệ blockchain, nó cung cấp cho các mô hình cấu trúc sở hữu rõ ràng, theo dõi việc sử dụng và các ràng buộc về hành vi, điều này thúc đẩy đáng kể sự phát triển của các mô hình nguồn mở phi tập trung.

Với sự hỗ trợ về nguồn lực của nhà đồng sáng lập Polygon Sandeep Nailwal và sự chứng thực của các VC hàng đầu và các đối tác trong ngành, Sentient đang ở vị trí dẫn đầu về tích hợp nguồn lực và sự chú ý của thị trường. Tuy nhiên, trong bối cảnh thị trường hiện tại đang dần làm mất đi sự hấp dẫn của các dự án có giá trị cao, liệu Sentient có thể cung cấp các sản phẩm AI phi tập trung thực sự có ảnh hưởng hay không sẽ là một phép thử quan trọng để xem liệu công ty có thể trở thành tiêu chuẩn cho quyền sở hữu AI phi tập trung hay không. Những nỗ lực này không chỉ liên quan đến thành công của riêng Sentient mà còn có tác động sâu rộng đến việc tái thiết niềm tin và phát triển phi tập trung của toàn bộ ngành.

Sahara AI: Xây dựng một thế giới AI phi tập trung cho mọi người

Tổng quan về dự án

Sahara AI là một cơ sở hạ tầng phi tập trung ra đời cho mô hình mới của AI × Web3, cam kết xây dựng một nền kinh tế trí tuệ nhân tạo cởi mở, công bằng và có tính cộng tác. Dự án sử dụng công nghệ sổ cái phi tập trung để đạt được quản lý và giao dịch trên chuỗi của các tập dữ liệu, mô hình và tác nhân thông minh, đảm bảo tính chủ quyền và khả năng truy xuất dữ liệu và mô hình. Đồng thời, Sahara AI giới thiệu một cơ chế khuyến khích minh bạch và công bằng để tất cả những người đóng góp, bao gồm nhà cung cấp dữ liệu, người chú thích và nhà phát triển mô hình, có thể nhận được lợi nhuận thu nhập không thay đổi trong quá trình hợp tác. Nền tảng này cũng bảo vệ quyền sở hữu và quyền sở hữu tài sản AI của những người đóng góp thông qua hệ thống "bản quyền" không cần cấp phép và khuyến khích chia sẻ và đổi mới mở.

Sahara AI cung cấp giải pháp trọn gói từ thu thập dữ liệu, chú thích đến đào tạo mô hình, tạo Tác nhân AI, giao dịch tài sản AI và các dịch vụ khác, bao gồm toàn bộ vòng đời AI và trở thành nền tảng sinh thái toàn diện để đáp ứng nhu cầu phát triển AI. Chất lượng sản phẩm và khả năng kỹ thuật của công ty đã được các công ty và tổ chức hàng đầu toàn cầu như Microsoft, Amazon, Viện Công nghệ Massachusetts (MIT), Motherson Group và Snap công nhận cao, chứng tỏ sức ảnh hưởng mạnh mẽ trong ngành và khả năng ứng dụng rộng rãi.

Sahara không chỉ là một dự án nghiên cứu khoa học mà còn là một nền tảng công nghệ sâu với định hướng hạ cánh được thúc đẩy chung bởi các nhà đầu tư và doanh nhân công nghệ hàng đầu. Kiến trúc cốt lõi của nó có khả năng trở thành điểm tựa quan trọng cho sự hạ cánh của các ứng dụng AI × Web3. Sahara AI đã nhận được tổng cộng 43 triệu đô la hỗ trợ đầu tư từ các tổ chức hàng đầu như Pantera Capital, Binance Labs và Sequoia China. Công ty được đồng sáng lập bởi Sean Ren, một giáo sư có thời hạn tại Đại học Nam California và là nhà nghiên cứu của Samsung năm 2023, và Tyler Zhou, cựu giám đốc đầu tư của Binance Labs. Các thành viên cốt lõi của nhóm đến từ các tổ chức hàng đầu như Đại học Stanford, Đại học California, Berkeley, Microsoft, Google và Binance, tích hợp sự tích lũy sâu sắc của học viện và ngành công nghiệp.

Kiến trúc thiết kế

Sơ đồ kiến trúc AI Sahara

1. Lớp cơ bản

Lớp cơ bản của AI Sahara được chia thành: 1. Lớp trên chuỗi được sử dụng để đăng ký và hiện thực hóa tài sản AI, 2. Lớp ngoài chuỗi được sử dụng để chạy các tác nhân và dịch vụ AI. Nó bao gồm hệ thống trên chuỗi và hệ thống ngoài chuỗi, chịu trách nhiệm đăng ký, xác nhận, thực hiện và phân phối thu nhập của tài sản AI và hỗ trợ sự cộng tác đáng tin cậy của toàn bộ vòng đời AI.

Sahara Blockchain và SIWA Test Network (Cơ sở hạ tầng trên chuỗi)

SIWA Test Network là phiên bản công khai đầu tiên của blockchain Sahara. Giao thức Blockchain Sahara (SBP) là cốt lõi của blockchain Sahara. Đây là hệ thống hợp đồng thông minh được xây dựng dành riêng cho AI, hiện thực hóa quyền sở hữu trên chuỗi, khả năng truy xuất nguồn gốc và phân phối thu nhập của tài sản AI. Các mô-đun cốt lõi bao gồm hệ thống đăng ký tài sản, thỏa thuận sở hữu, theo dõi đóng góp, quản lý quyền, phân phối thu nhập, bằng chứng thực hiện, v.v., để xây dựng "hệ điều hành trên chuỗi" cho AI.

Giao thức thực thi AI (Cơ sở hạ tầng ngoài chuỗi)

Để hỗ trợ độ tin cậy của hoạt động và lệnh gọi mô hình, Sahara cũng đã xây dựng một hệ thống giao thức thực thi AI ngoài chuỗi, kết hợp với môi trường thực thi đáng tin cậy (TEE), để hỗ trợ việc tạo, triển khai, vận hành và phát triển cộng tác của Agent. Mỗi lần thực hiện tác vụ sẽ tự động tạo một bản ghi có thể xác minh và tải lên chuỗi để đảm bảo toàn bộ quy trình có thể truy xuất nguồn gốc và xác minh được. Hệ thống trên chuỗi chịu trách nhiệm đăng ký, ủy quyền và hồ sơ sở hữu, trong khi giao thức thực thi AI ngoài chuỗi hỗ trợ hoạt động theo thời gian thực và tương tác dịch vụ của các AI Agent. Vì Sahara tương thích với nhiều chuỗi nên các ứng dụng được xây dựng trên cơ sở hạ tầng của Sahara AI có thể được triển khai trên bất kỳ chuỗi nào, ngay cả ngoài chuỗi.

2. Lớp ứng dụng

Nền tảng dịch vụ dữ liệu AI Sahara (DSP)

Nền tảng dịch vụ dữ liệu (DSP) là mô-đun cơ bản của lớp ứng dụng Sahara. Bất kỳ ai cũng có thể chấp nhận các tác vụ dữ liệu thông qua Sahara ID, tham gia vào việc gắn nhãn dữ liệu, khử nhiễu và kiểm toán, đồng thời nhận được phần thưởng điểm trên chuỗi (Điểm Sahara) dưới dạng chứng chỉ đóng góp. Cơ chế này không chỉ đảm bảo khả năng truy xuất nguồn gốc và quyền sở hữu dữ liệu mà còn thúc đẩy việc hình thành một vòng khép kín của "tối ưu hóa mô hình đóng góp-phần thưởng". Hiện đang trong mùa hoạt động thứ tư, đây cũng là cách chính để người dùng thông thường tham gia đóng góp.

Trên cơ sở này, để khuyến khích người dùng gửi dữ liệu và dịch vụ chất lượng cao, bằng cách giới thiệu cơ chế khuyến khích kép, người dùng không chỉ có thể nhận được phần thưởng từ Sahara mà còn nhận được lợi nhuận bổ sung từ các đối tác sinh thái, do đó đạt được đóng góp một lần và nhiều lợi ích. Ví dụ, những người đóng góp dữ liệu có thể tiếp tục nhận được lợi ích sau khi dữ liệu của họ được mô hình gọi lại nhiều lần hoặc được sử dụng để tạo ra các ứng dụng mới và thực sự tham gia vào chuỗi giá trị AI. Cơ chế này không chỉ kéo dài vòng đời của tài sản dữ liệu mà còn truyền động lực mạnh mẽ vào sự hợp tác và đồng xây dựng. Ví dụ, MyShell trên BNB Chain tạo ra các tập dữ liệu tùy chỉnh thông qua DSP crowdsourcing để cải thiện hiệu suất mô hình và người dùng nhận được các ưu đãi về mã thông báo MyShell, tạo thành một vòng lặp khép kín đôi bên cùng có lợi.

Các công ty AI có thể crowdsourcing các tập dữ liệu tùy chỉnh dựa trên các nền tảng dịch vụ dữ liệu và nhanh chóng nhận được phản hồi từ những người chú thích dữ liệu trên toàn thế giới bằng cách công bố các tác vụ dữ liệu chuyên biệt. Các công ty AI không còn chỉ dựa vào các nhà cung cấp dữ liệu tập trung truyền thống để có được dữ liệu chú thích chất lượng cao trên quy mô lớn.

Nền tảng phát triển AI Sahara

Nền tảng phát triển AI Sahara là nền tảng xây dựng và vận hành AI trọn gói dành cho các nhà phát triển và doanh nghiệp, cung cấp hỗ trợ toàn diện từ thu thập dữ liệu, đào tạo mô hình đến thực hiện triển khai và hiện thực hóa tài sản. Người dùng có thể trực tiếp gọi các nguồn dữ liệu chất lượng cao trong Sahara DSP và sử dụng chúng để đào tạo và tinh chỉnh mô hình; các mô hình đã xử lý có thể được kết hợp, đăng ký và niêm yết trên thị trường AI trong nền tảng và xác nhận quyền sở hữu và ủy quyền linh hoạt có thể được thực hiện thông qua chuỗi khối Sahara.

Studio cũng tích hợp các khả năng tính toán phi tập trung để hỗ trợ đào tạo mô hình và triển khai và vận hành Agent, đảm bảo tính bảo mật và khả năng xác minh của quy trình tính toán. Các nhà phát triển cũng có thể lưu trữ dữ liệu và mô hình chính để lưu trữ được mã hóa và kiểm soát quyền để ngăn chặn truy cập trái phép. Thông qua Nền tảng phát triển AI Sahara AI, các nhà phát triển không cần phải xây dựng cơ sở hạ tầng của riêng mình, nghĩa là họ có thể xây dựng, triển khai và thương mại hóa các ứng dụng AI với ngưỡng thấp hơn và tích hợp hoàn toàn vào hệ thống kinh tế AI trên chuỗi thông qua các cơ chế giao thức.

AI Markerplace

Sahara AI Marketplace là một thị trường tài sản phi tập trung dành cho các mô hình, tập dữ liệu và AI Agents. Nó không chỉ hỗ trợ việc đăng ký, giao dịch và ủy quyền tài sản mà còn xây dựng một cơ chế phân phối doanh thu minh bạch và có thể truy xuất. Các nhà phát triển có thể đăng ký các mô hình của riêng họ hoặc các tập dữ liệu đã thu thập làm tài sản trên chuỗi, thiết lập các ủy quyền sử dụng linh hoạt và tỷ lệ chia sẻ lợi nhuận, và hệ thống sẽ tự động thực hiện thanh toán doanh thu dựa trên tần suất các cuộc gọi. Những người đóng góp dữ liệu cũng có thể tiếp tục nhận được lợi nhuận do các cuộc gọi lặp lại đến dữ liệu của họ, hiện thực hóa "kiếm tiền liên tục".

Thị trường này được tích hợp sâu với giao thức blockchain Sahara. Tất cả các giao dịch tài sản, cuộc gọi và hồ sơ chia sẻ lợi nhuận sẽ có thể xác minh được trên chuỗi để đảm bảo quyền sở hữu tài sản rõ ràng và doanh thu có thể truy xuất được. Với sự trợ giúp của thị trường này, các nhà phát triển AI không còn dựa vào các nền tảng API truyền thống hoặc các dịch vụ lưu trữ mô hình tập trung nữa mà có một lộ trình thương mại hóa độc lập và có thể lập trình được.

3. Lớp sinh thái

Lớp sinh thái của Sahara AI kết nối các nhà cung cấp dữ liệu, nhà phát triển AI, người tiêu dùng, người dùng doanh nghiệp và các đối tác chuỗi chéo. Cho dù bạn muốn đóng góp dữ liệu, phát triển ứng dụng, sử dụng sản phẩm hay quảng bá AI trong doanh nghiệp, bạn đều có thể đóng vai trò và tìm ra mô hình doanh thu. Người chú thích dữ liệu, nhóm phát triển mô hình và nhà cung cấp năng lượng điện toán có thể đăng ký tài nguyên của họ dưới dạng tài sản trên chuỗi và ủy quyền cũng như chia sẻ lợi nhuận thông qua cơ chế giao thức của Sahara AI, để mọi tài nguyên được sử dụng đều có thể tự động nhận được phần thưởng. Các nhà phát triển có thể kết nối dữ liệu, đào tạo mô hình và triển khai các tác nhân thông qua một nền tảng một cửa để trực tiếp thương mại hóa kết quả của họ trên Thị trường AI.

Người dùng chung có thể tham gia vào các tác vụ dữ liệu, sử dụng ứng dụng AI, thu thập hoặc đầu tư vào tài sản trên chuỗi mà không cần kiến thức chuyên môn và trở thành một phần của nền kinh tế AI. Đối với các doanh nghiệp, Sahara cung cấp hỗ trợ toàn diện từ nguồn dữ liệu cộng đồng, phát triển mô hình đến triển khai riêng tư và hiện thực hóa doanh thu. Ngoài ra, Sahara hỗ trợ triển khai chuỗi chéo. Bất kỳ hệ sinh thái chuỗi công khai nào cũng có thể sử dụng các giao thức và công cụ do Sahara AI cung cấp để xây dựng các ứng dụng AI, truy cập vào tài sản AI phi tập trung và đạt được khả năng tương thích và mở rộng với thế giới đa chuỗi. Điều này khiến Sahara AI không chỉ là một nền tảng duy nhất mà còn là một tiêu chuẩn cộng tác cơ bản cho hệ sinh thái AI trên chuỗi.

Tiến trình hệ sinh thái

Kể từ khi ra mắt dự án, Sahara AI không chỉ cung cấp một bộ công cụ AI hoặc nền tảng sức mạnh tính toán mà còn tái cấu trúc thứ tự sản xuất và phân phối AI trên chuỗi, tạo ra một mạng lưới cộng tác phi tập trung mà mọi người đều có thể tham gia, xác nhận quyền sở hữu, đóng góp và chia sẻ. Vì lý do này, Sahara đã chọn blockchain làm kiến trúc cơ bản để xây dựng một hệ thống kinh tế có thể xác minh, truy xuất và phân phối cho AI.

Xung quanh mục tiêu cốt lõi này, hệ sinh thái Sahara đã đạt được những tiến bộ đáng kể. Mặc dù vẫn đang trong giai đoạn beta riêng tư, nền tảng này đã tạo ra hơn 3,2 triệu tài khoản trên chuỗi và số lượng tài khoản hoạt động hàng ngày đã ổn định ở mức hơn 1,4 triệu, chứng tỏ sự tham gia của người dùng và sức sống của mạng lưới. Trong số đó, hơn 200.000 người dùng đã tham gia vào các nhiệm vụ gắn nhãn dữ liệu, đào tạo và xác minh thông qua nền tảng dịch vụ dữ liệu Sahara và nhận được phần thưởng khuyến khích trên chuỗi. Đồng thời, vẫn còn hàng triệu người dùng đang chờ được thêm vào danh sách trắng, điều này khẳng định nhu cầu và sự đồng thuận mạnh mẽ của thị trường đối với các nền tảng AI phi tập trung.

Về mặt hợp tác doanh nghiệp, Sahara đã thiết lập quan hệ hợp tác với các tổ chức toàn cầu hàng đầu như Microsoft, Amazon và Viện Công nghệ Massachusetts (MIT) để cung cấp dịch vụ thu thập và chú thích dữ liệu tùy chỉnh. Các doanh nghiệp có thể gửi các nhiệm vụ cụ thể thông qua nền tảng và mạng lưới chú thích dữ liệu toàn cầu của Sahara sẽ thực hiện chúng một cách hiệu quả, hiện thực hóa việc huy động vốn từ cộng đồng quy mô lớn, hiệu quả thực hiện, tính linh hoạt và hỗ trợ cho các nhu cầu đa dạng.

Bản đồ hệ sinh thái AI Sahara

Phương pháp tham gia

SIWA sẽ được triển khai theo bốn giai đoạn. Hiện tại, giai đoạn đầu tiên đặt nền tảng cho quyền sở hữu dữ liệu trên chuỗi. Những người đóng góp có thể đăng ký và mã hóa các tập dữ liệu của riêng họ. Hiện tại, nó được công khai cho công chúng và không yêu cầu danh sách trắng. Cần đảm bảo rằng dữ liệu được tải lên hữu ích cho AI. Có thể xử lý đạo văn hoặc nội dung không phù hợp. Giai đoạn thứ hai hiện thực hóa việc kiếm tiền trên chuỗi của các tập dữ liệu và mô hình. Giai đoạn thứ ba sẽ mở mạng thử nghiệm và mở nguồn giao thức. Trong giai đoạn thứ tư, các cơ chế đăng ký luồng dữ liệu AI, khả năng truy xuất nguồn gốc và bằng chứng đóng góp sẽ được ra mắt.

Mạng thử nghiệm SIWA

Ngoài mạng thử nghiệm SIWA, người dùng thông thường hiện có thể tham gia Sahara Legends và tìm hiểu về các chức năng của Sahara AI thông qua các nhiệm vụ trò chơi. Sau khi hoàn thành nhiệm vụ, bạn có thể thu thập các mảnh bảo vệ và cuối cùng tổng hợp một NFT để ghi lại đóng góp của mình cho mạng.

Hoặc bạn có thể chú thích dữ liệu trên nền tảng dịch vụ dữ liệu, đóng góp dữ liệu có giá trị và đóng vai trò là người kiểm toán. Sahara có kế hoạch hợp tác với các đối tác sinh thái để phát hành các nhiệm vụ trong tương lai, để những người tham gia có thể nhận được các ưu đãi từ các đối tác sinh thái ngoài các điểm Sahara. Nhiệm vụ thưởng kép đầu tiên được tổ chức với Myshell và người dùng hoàn thành nhiệm vụ có thể nhận được điểm Sahara và phần thưởng là mã thông báo Myshell. Theo lộ trình, Sahara dự kiến sẽ ra mắt mạng chính vào quý 3 năm 2025 và TGE cũng có thể được tổ chức tại thời điểm đó.

Thách thức và triển vọng

Sahara AI khiến AI không còn giới hạn ở các nhà phát triển hoặc các công ty AI lớn, khiến AI trở nên cởi mở, toàn diện và dân chủ hơn. Đối với người dùng thông thường, không cần kiến thức lập trình để tham gia đóng góp và nhận được lợi ích. Sahara AI tạo ra một thế giới AI phi tập trung mà mọi người đều có thể tham gia. Đối với các nhà phát triển kỹ thuật, Sahara AI mở ra con đường phát triển của Web2 và Web3, cung cấp các công cụ phát triển phi tập trung nhưng linh hoạt và mạnh mẽ cùng các bộ dữ liệu chất lượng cao.

Đối với các nhà cung cấp cơ sở hạ tầng AI, Sahara AI cung cấp một con đường mới để kiếm tiền phi tập trung từ các mô hình, dữ liệu, sức mạnh tính toán và dịch vụ. Sahara AI không chỉ cung cấp cơ sở hạ tầng chuỗi công khai mà còn cung cấp các ứng dụng cốt lõi, sử dụng công nghệ blockchain để thúc đẩy sự phát triển của các hệ thống bản quyền AI. Ở giai đoạn này, Sahara AI đã đạt được sự hợp tác với nhiều tổ chức AI hàng đầu và đạt được thành công ban đầu. Liệu nó có thành công trong tương lai hay không cũng cần phải quan sát sau khi mạng chính được ra mắt, tốc độ phát triển và áp dụng các sản phẩm sinh thái và liệu mô hình kinh tế có thể thúc đẩy người dùng tiếp tục đóng góp vào tập dữ liệu sau TGE hay không.

Ritual: Thiết kế sáng tạo phá vỡ các vấn đề cốt lõi của AI như các tác vụ không đồng nhất

Tổng quan về dự án

Ritual hướng đến giải quyết các vấn đề tập trung hóa, khép kín và tin cậy trong ngành AI hiện tại, cung cấp cho AI cơ chế xác minh minh bạch, phân bổ tài nguyên tính toán công bằng và khả năng thích ứng mô hình linh hoạt; cho phép bất kỳ giao thức, ứng dụng hoặc hợp đồng thông minh nào tích hợp các mô hình AI có thể xác minh dưới dạng một vài dòng mã; và thông qua kiến trúc mở và thiết kế mô-đun của mình, thúc đẩy ứng dụng AI rộng rãi trên chuỗi và tạo ra một hệ sinh thái AI mở, an toàn và bền vững.

Ritual đã hoàn thành khoản tài trợ Series A trị giá 25 triệu đô la vào tháng 11 năm 2023, do Archetype dẫn đầu, với sự tham gia của Accomplice và các tổ chức khác cùng các nhà đầu tư thiên thần nổi tiếng, chứng minh sự công nhận của thị trường và năng lực xã hội mạnh mẽ của nhóm. Những người sáng lập Niraj Pant và Akilesh Potti đều là cựu đối tác của Polychain Capital. Họ đã dẫn đầu các khoản đầu tư vào những gã khổng lồ trong ngành như Offchain Labs và EigenLayer, chứng minh sự hiểu biết sâu sắc và phán đoán. Nhóm có kinh nghiệm trong lĩnh vực mật mã, hệ thống phân tán, AI và các lĩnh vực khác. Đội ngũ cố vấn bao gồm những người sáng lập các dự án như NEAR và EigenLayer, chứng minh nền tảng và tiềm năng mạnh mẽ của nhóm.

Kiến trúc thiết kế

Từ Infernet đến Ritual Chain

Ritual Chain là sản phẩm thế hệ thứ hai chuyển đổi tự nhiên từ mạng lưới nút Infernet, đại diện cho bản nâng cấp toàn diện của Ritual trên mạng lưới điện toán AI phi tập trung. Infernet là sản phẩm giai đoạn đầu tiên được Ritual ra mắt và sẽ chính thức ra mắt vào năm 2023. Đây là mạng lưới oracle phi tập trung được thiết kế cho các tác vụ điện toán không đồng nhất, nhằm giải quyết các hạn chế của API tập trung và cho phép các nhà phát triển gọi các dịch vụ AI phi tập trung minh bạch và mở một cách tự do và ổn định hơn.

Infernet sử dụng một khuôn khổ nhẹ, linh hoạt và đơn giản. Nhờ tính dễ sử dụng và hiệu quả, nó đã nhanh chóng thu hút hơn 8.000 nút độc lập tham gia sau khi ra mắt. Các nút này có nhiều khả năng phần cứng khác nhau, bao gồm GPU và FPGA, có thể cung cấp sức mạnh tính toán mạnh mẽ cho các tác vụ phức tạp như suy luận AI và tạo bằng chứng không kiến thức. Tuy nhiên, để giữ cho hệ thống đơn giản, Infernet đã từ bỏ một số tính năng chính, chẳng hạn như phối hợp các nút thông qua sự đồng thuận hoặc tích hợp cơ chế định tuyến tác vụ mạnh mẽ. Những hạn chế này khiến Infernet khó đáp ứng được nhu cầu của nhiều nhà phát triển Web2 và Web3 hơn, thúc đẩy Ritual ra mắt Ritual Chain toàn diện và mạnh mẽ hơn.

Ritual Chain là blockchain Lớp 1 thế hệ tiếp theo được thiết kế cho các ứng dụng AI, nhằm mục đích bù đắp cho những hạn chế của Infernet và cung cấp cho các nhà phát triển môi trường phát triển mạnh mẽ và hiệu quả hơn. Thông qua công nghệ Resonance, Ritual Chain cung cấp cơ chế định tuyến nhiệm vụ và định giá đơn giản và đáng tin cậy cho mạng Infernet, tối ưu hóa đáng kể hiệu quả phân bổ tài nguyên. Ngoài ra, Ritual Chain dựa trên nền tảng EVM++, là phần mở rộng tương thích ngược của Ethereum Virtual Machine (EVM) với nhiều tính năng mạnh mẽ hơn, bao gồm các mô-đun được biên dịch trước, lập lịch gốc, trừu tượng hóa tài khoản tích hợp (AA) và một loạt Đề xuất cải tiến Ethereum (EIP) tiên tiến. Cùng nhau, các tính năng này xây dựng nên một môi trường phát triển mạnh mẽ, linh hoạt và hiệu quả, cung cấp cho các nhà phát triển những khả năng mới.

Sơ đồ quy trình làm việc Ritual Chain

Sidecar được biên dịch trước

So với biên dịch trước truyền thống, thiết kế của Ritual Chain cải thiện khả năng mở rộng và tính linh hoạt của hệ thống, cho phép các nhà phát triển tạo các mô-đun chức năng tùy chỉnh theo cách chứa trong container mà không cần sửa đổi giao thức cơ bản. Kiến trúc này không chỉ giúp giảm đáng kể chi phí phát triển mà còn cung cấp sức mạnh tính toán mạnh mẽ hơn cho các ứng dụng phi tập trung.

Cụ thể, Ritual Chain tách các phép tính phức tạp khỏi máy khách thực thi thông qua kiến trúc mô-đun và triển khai dưới dạng Sidecar độc lập. Các mô-đun được biên dịch trước này có thể xử lý hiệu quả các tác vụ tính toán phức tạp, bao gồm suy luận AI, tạo bằng chứng không kiến thức và các hoạt động môi trường thực thi đáng tin cậy (TEE).

Lên lịch gốc

Lên lịch gốc giải quyết nhu cầu kích hoạt theo thời gian và thực thi có điều kiện của các tác vụ. Các chuỗi khối truyền thống thường dựa vào các dịch vụ của bên thứ ba tập trung (như keeper) để kích hoạt thực thi tác vụ, nhưng mô hình này có rủi ro tập trung và chi phí cao. Ritual Chain hoàn toàn loại bỏ sự phụ thuộc vào các dịch vụ tập trung thông qua trình lập lịch tích hợp. Các nhà phát triển có thể đặt điểm vào và tần suất gọi lại của hợp đồng thông minh trực tiếp trên chuỗi. Các nhà sản xuất khối duy trì bảng ánh xạ các cuộc gọi đang chờ xử lý và ưu tiên các tác vụ này khi tạo khối mới. Kết hợp với cơ chế phân bổ tài nguyên động của Resonance, Ritual Chain có thể xử lý hiệu quả và đáng tin cậy các tác vụ đòi hỏi nhiều tính toán, mang lại sự đảm bảo ổn định cho các ứng dụng AI phi tập trung.

Đổi mới công nghệ

Đổi mới công nghệ cốt lõi của Ritual đảm bảo vị trí dẫn đầu về hiệu suất, xác minh và khả năng mở rộng, cung cấp hỗ trợ mạnh mẽ cho các ứng dụng AI trên chuỗi.

1. Resonance: Tối ưu hóa phân bổ tài nguyên

Resonance là một cơ chế thị trường song phương giúp tối ưu hóa phân bổ tài nguyên blockchain và giải quyết sự phức tạp của các giao dịch không đồng nhất. Khi các giao dịch blockchain phát triển từ các giao dịch chuyển tiền đơn giản sang các hình thức đa dạng như hợp đồng thông minh và lý luận AI, các cơ chế phí hiện có (như EIP-1559) khó có thể kết hợp hiệu quả nhu cầu của người dùng với tài nguyên của nút. Resonance đạt được sự kết hợp tốt nhất giữa các giao dịch của người dùng và khả năng của nút bằng cách giới thiệu hai vai trò cốt lõi, Broker và Auctioneer:

Broker chịu trách nhiệm phân tích mức độ sẵn sàng trả phí giao dịch của người dùng và hàm chi phí tài nguyên của nút để đạt được sự kết hợp tốt nhất giữa các giao dịch và nút, đồng thời cải thiện việc sử dụng tài nguyên điện toán. Auctioneer tổ chức phân bổ phí giao dịch thông qua cơ chế đấu giá song phương để đảm bảo tính công bằng và minh bạch. Các nút chọn loại giao dịch dựa trên khả năng phần cứng của riêng chúng, trong khi người dùng có thể gửi yêu cầu giao dịch dựa trên các điều kiện ưu tiên (như tốc độ hoặc chi phí).

Cơ chế này cải thiện đáng kể hiệu quả sử dụng tài nguyên của mạng và trải nghiệm của người dùng, đồng thời tăng cường thêm tính minh bạch và cởi mở của hệ thống thông qua quy trình đấu giá phi tập trung.

Theo cơ chế cộng hưởng: Người đấu giá chỉ định các nhiệm vụ phù hợp cho các nút dựa trên phân tích của Broker

2. Symphony: Cải thiện hiệu quả xác minh

Symphony tập trung vào việc cải thiện hiệu quả xác minh và giải quyết tình trạng kém hiệu quả của mô hình "thực hiện lặp lại" blockchain truyền thống trong việc xử lý và xác minh các tác vụ tính toán phức tạp. Symphony dựa trên mô hình "thực hiện một lần, xác minh nhiều lần" (EOVMT), giúp giảm đáng kể tình trạng mất hiệu suất do tính toán lặp lại bằng cách tách các quy trình tính toán và xác minh. Nhiệm vụ tính toán được thực hiện một lần bởi một nút được chỉ định và kết quả tính toán được phát qua mạng. Nút xác minh sử dụng các bằng chứng không tương tác để xác nhận tính chính xác của kết quả mà không cần lặp lại phép tính.

Symphony hỗ trợ xác minh phân tán, phân tách các tác vụ phức tạp thành nhiều tác vụ con, được các nút xác minh khác nhau xử lý song song, do đó cải thiện hơn nữa hiệu quả xác minh và đảm bảo bảo vệ quyền riêng tư và bảo mật. Symphony tương thích cao với các hệ thống bằng chứng như môi trường thực thi đáng tin cậy (TEE) và bằng chứng không kiến thức (ZKP), cung cấp hỗ trợ linh hoạt để xác nhận nhanh các giao dịch và các tác vụ tính toán nhạy cảm với quyền riêng tư. Kiến trúc này không chỉ làm giảm đáng kể chi phí hiệu suất phát sinh do tính toán lặp đi lặp lại mà còn đảm bảo tính phi tập trung và bảo mật của quy trình xác minh.

Symphony phân tách các tác vụ phức tạp thành nhiều tác vụ con, được xử lý song song bởi các nút xác minh khác nhau

3. vTune: Xác minh mô hình có thể theo dõi

vTune là một công cụ do Ritual cung cấp để xác minh mô hình và theo dõi nguồn. Công cụ này ít ảnh hưởng đến hiệu suất mô hình và có khả năng chống nhiễu tốt. Công cụ này đặc biệt phù hợp để bảo vệ quyền sở hữu trí tuệ của các mô hình nguồn mở và thúc đẩy phân phối công bằng. vTune kết hợp công nghệ tạo hình mờ và bằng chứng không kiến thức để đạt được khả năng theo dõi nguồn mô hình và đảm bảo tính toàn vẹn tính toán bằng cách nhúng các thẻ ẩn:

· Công nghệ tạo hình mờ:Việc nhúng các thẻ thông qua hình mờ không gian trọng số, hình mờ dữ liệu hoặc hình mờ không gian hàm có thể đảm bảo rằng mô hình là công khai, ngay cả khi quyền sở hữu của mô hình vẫn có thể được xác minh. Đặc biệt, hình mờ không gian hàm có thể xác minh quyền sở hữu thông qua đầu ra của mô hình mà không cần truy cập vào trọng số của mô hình, do đó đạt được khả năng bảo vệ quyền riêng tư và độ mạnh mẽ hơn.

· Bằng chứng không kiến thức: Giới thiệu dữ liệu ẩn trong quá trình tinh chỉnh mô hình để xác minh xem mô hình có bị giả mạo hay không, đồng thời bảo vệ quyền và lợi ích của người tạo mô hình.

Công cụ này không chỉ cung cấp khả năng xác minh nguồn đáng tin cậy cho thị trường mô hình AI phi tập trung mà còn cải thiện đáng kể tính bảo mật và tính minh bạch sinh thái của mô hình.

Phát triển sinh thái

Ritual hiện đang trong giai đoạn thử nghiệm riêng tư và có rất ít cơ hội để người dùng thông thường tham gia; Các nhà phát triển có thể đăng ký và tham gia vào các kế hoạch khuyến khích chính thức của Altar và Realm, tham gia xây dựng hệ sinh thái AI của Ritual và nhận được hỗ trợ kỹ thuật toàn diện và hỗ trợ tài chính từ chính thức.

Hiện tại, chính thức đã công bố một số ứng dụng gốc từ kế hoạch Altar:

· Relic:Nhà tạo lập thị trường tự động (AMM) dựa trên máy học, điều chỉnh động các tham số nhóm thanh khoản thông qua cơ sở hạ tầng của Ritual để tối ưu hóa phí và nhóm cơ sở;

· Anima:Tập trung vào các công cụ tự động hóa giao dịch trên chuỗi dựa trên LLM để cung cấp cho người dùng trải nghiệm tương tác Web3 mượt mà và tự nhiên;

· Tithe:Giao thức cho vay do AI điều khiển, hỗ trợ nhiều loại tài sản hơn bằng cách tối ưu hóa động các nhóm cho vay và điểm tín dụng.

Ngoài ra, Ritual cũng đã thực hiện hợp tác sâu rộng với nhiều dự án trưởng thành để thúc đẩy sự phát triển của hệ sinh thái AI phi tập trung. Ví dụ, sự hợp tác với Arweave cung cấp hỗ trợ lưu trữ vĩnh viễn phi tập trung cho các mô hình, dữ liệu và bằng chứng không kiến thức; thông qua tích hợp với StarkWare và Arbitrum, Ritual giới thiệu các khả năng AI trên chuỗi gốc cho các hệ sinh thái này; ngoài ra, cơ chế đặt cược lại do EigenLayer cung cấp bổ sung các dịch vụ xác minh chủ động vào thị trường bằng chứng của Ritual, qua đó nâng cao hơn nữa tính phi tập trung và bảo mật của mạng.

Thách thức và triển vọng

Thiết kế của Ritual bắt đầu bằng các liên kết chính như phân bổ, khuyến khích và xác minh, giải quyết các vấn đề cốt lõi mà AI phi tập trung gặp phải. Đồng thời, nó hiện thực hóa khả năng xác minh của mô hình thông qua các công cụ như vTune, phá vỡ mâu thuẫn giữa mô hình nguồn mở và các khuyến khích, đồng thời cung cấp hỗ trợ kỹ thuật cho việc xây dựng thị trường mô hình phi tập trung.

Ritual hiện đang trong giai đoạn đầu, chủ yếu tập trung vào giai đoạn lập luận mô hình. Ma trận sản phẩm đang mở rộng từ cơ sở hạ tầng sang thị trường mô hình, L2 dưới dạng dịch vụ (L2aaS) và khuôn khổ Agent. Vì blockchain vẫn đang trong giai đoạn thử nghiệm riêng tư, các giải pháp thiết kế kỹ thuật tiên tiến do Ritual đề xuất vẫn cần được triển khai công khai trên quy mô lớn và cần được tiếp tục chú ý. Dự kiến với sự cải tiến liên tục của công nghệ và sự làm giàu dần dần của hệ sinh thái, Ritual sẽ trở thành một phần quan trọng của cơ sở hạ tầng AI phi tập trung.

Gensyn: Giải quyết các vấn đề cốt lõi của đào tạo mô hình phi tập trung

Tổng quan về dự án

Trong bối cảnh trí tuệ nhân tạo phát triển nhanh chóng và tài nguyên điện toán ngày càng khan hiếm, Gensyn đang cố gắng định hình lại mô hình cơ bản của toàn bộ quá trình đào tạo mô hình AI.

Trong quá trình đào tạo mô hình AI truyền thống, sức mạnh điện toán gần như bị độc quyền bởi một số ít gã khổng lồ điện toán đám mây, với chi phí đào tạo cao và tính minh bạch thấp, cản trở sự đổi mới của các nhóm vừa và nhỏ cũng như các nhà nghiên cứu độc lập. Tầm nhìn của Gensyn là phá vỡ cấu trúc "độc quyền tập trung" này. Nó ủng hộ việc "chuyển giao" các tác vụ đào tạo cho vô số thiết bị có khả năng tính toán cơ bản trên toàn thế giới - cho dù đó là MacBook, GPU dành cho trò chơi hay thiết bị biên hoặc máy chủ nhàn rỗi, chúng đều có thể truy cập mạng, tham gia thực hiện tác vụ và được trả tiền.

Gensyn được thành lập vào năm 2020 và tập trung vào việc xây dựng cơ sở hạ tầng điện toán AI phi tập trung. Ngay từ năm 2022, nhóm đã lần đầu tiên đề xuất ý định xác định lại phương pháp đào tạo các mô hình AI ở cấp độ kỹ thuật và thể chế: không còn dựa vào các nền tảng đám mây đóng hoặc cụm máy chủ khổng lồ nữa mà chuyển giao các tác vụ đào tạo cho các nút điện toán không đồng nhất trên toàn thế giới để xây dựng một mạng điện toán thông minh không cần tin cậy.

Vào năm 2023, Gensyn đã mở rộng hơn nữa tầm nhìn của mình: xây dựng một mạng AI được kết nối toàn cầu, mã nguồn mở, tự chủ và không cần cấp phép - bất kỳ thiết bị nào có khả năng tính toán cơ bản đều có thể trở thành một phần của mạng này. Giao thức cơ bản của nó dựa trên thiết kế kiến trúc blockchain, không chỉ có khả năng kết hợp các cơ chế khuyến khích và cơ chế xác minh.

Kể từ khi thành lập, Gensyn đã nhận được tổng cộng 50,6 triệu đô la Mỹ tiền hỗ trợ, với các nhà đầu tư bao gồm a16z, CoinFund, Canonical, Protocol Labs, Distributed Global và tổng cộng 17 tổ chức. Trong số đó, khoản tài trợ Series A do a16z dẫn đầu vào tháng 6 năm 2023 đã thu hút được sự chú ý rộng rãi, đánh dấu sự khởi đầu của lĩnh vực AI phi tập trung bước vào tầm nhìn của vốn đầu tư mạo hiểm Web3 chính thống.

Các thành viên cốt cán của nhóm cũng có nền tảng quan trọng: đồng sáng lập Ben Fielding đã học khoa học máy tính lý thuyết tại Đại học Oxford và có nền tảng nghiên cứu kỹ thuật sâu rộng; một đồng sáng lập khác là Harry Grieve đã tham gia từ lâu vào thiết kế hệ thống và mô hình kinh tế của các giao thức phi tập trung, cung cấp hỗ trợ vững chắc cho thiết kế kiến trúc và cơ chế khuyến khích của Gensyn.

Kiến trúc thiết kế

Việc phát triển các hệ thống trí tuệ nhân tạo phi tập trung hiện đang phải đối mặt với ba nút thắt kỹ thuật cốt lõi: thực thi, xác minh và truyền thông. Những nút thắt này không chỉ hạn chế việc phát hành các khả năng đào tạo mô hình lớn mà còn hạn chế sự tích hợp công bằng và sử dụng hiệu quả các tài nguyên điện toán toàn cầu. Dựa trên nghiên cứu có hệ thống, nhóm Gensyn đã đề xuất ba cơ chế đổi mới tiêu biểu - RL Swarm, Verde và SkipPipe, đồng thời xây dựng các giải pháp cho các vấn đề trên, tương ứng, thúc đẩy cơ sở hạ tầng AI phi tập trung từ khái niệm đến triển khai.

1. Thách thức thực hiện: Làm thế nào để các thiết bị phân mảnh cộng tác và đào tạo hiệu quả các mô hình lớn?

Hiện tại, việc cải thiện hiệu suất của các mô hình ngôn ngữ lớn chủ yếu phụ thuộc vào chiến lược "quy mô heap": khối lượng tham số lớn hơn, tập dữ liệu rộng hơn và chu kỳ đào tạo dài hơn. Nhưng điều này cũng làm tăng đáng kể chi phí điện toán - việc đào tạo các mô hình siêu lớn thường cần phải được chia thành hàng nghìn nút GPU và cần có truyền dữ liệu tần số cao và đồng bộ hóa gradient giữa các nút này. Trong một kịch bản phi tập trung, các nút được phân phối rộng rãi, phần cứng không đồng nhất và tính biến động của trạng thái cao, do đó các chiến lược lập lịch tập trung truyền thống khó có thể hoạt động.

Để đáp ứng thách thức này, Gensyn đã đề xuất RL Swarm, một hệ thống đào tạo tăng cường học tập ngang hàng sau đào tạo. Ý tưởng cốt lõi là chuyển đổi quá trình đào tạo thành một trò chơi cộng tác phân tán. Cơ chế này được chia thành ba giai đoạn: "chia sẻ-phê bình-ra quyết định": đầu tiên, nút hoàn thành độc lập lý luận về vấn đề và chia sẻ công khai kết quả; sau đó, mỗi nút đánh giá câu trả lời của nút ngang hàng và cung cấp phản hồi theo quan điểm logic và tính hợp lý chiến lược; cuối cùng, nút tự sửa đầu ra của mình dựa trên ý kiến của nhóm để tạo ra câu trả lời mạnh mẽ hơn. Cơ chế này kết hợp hiệu quả giữa tính toán cá nhân và cộng tác nhóm, đặc biệt phù hợp với các nhiệm vụ như toán học và lý luận logic đòi hỏi độ chính xác và khả năng xác minh cao. Các thí nghiệm cho thấy RL Swarm không chỉ cải thiện hiệu quả mà còn giảm đáng kể ngưỡng tham gia và có khả năng mở rộng và khả năng chịu lỗi tốt.

Hệ thống đào tạo học tăng cường ba giai đoạn "Chia sẻ-Phê bình-Quyết định" của RL Swarm

2. Thách thức xác minh: Làm thế nào để xác minh xem kết quả tính toán của các nhà cung cấp không đáng tin cậy có đúng không?

Trong một mạng đào tạo phi tập trung, "bất kỳ ai cũng có thể cung cấp sức mạnh tính toán" vừa là một lợi thế vừa là một rủi ro. Câu hỏi đặt ra là: làm thế nào để xác minh xem những tính toán này có đúng và hợp lệ hay không mà không cần sự tin tưởng?

Các phương pháp truyền thống như tính toán lại hoặc xem xét danh sách trắng có những hạn chế rõ ràng - phương pháp trước cực kỳ tốn kém và không thể mở rộng quy mô; phương pháp sau loại trừ các nút "đuôi dài" và làm hỏng tính cởi mở của mạng. Vì lý do này, Gensyn đã thiết kế Verde, một giao thức trọng tài nhẹ được xây dựng dành riêng cho các tình huống đào tạo và xác minh mạng nơ-ron.

Ý tưởng chính của Verde là "trọng tài đáng tin cậy tối thiểu": khi người xác minh nghi ngờ rằng kết quả đào tạo của nhà cung cấp là sai, hợp đồng trọng tài chỉ cần tính toán lại nút hoạt động gây tranh cãi đầu tiên trong biểu đồ tính toán mà không cần phải lặp lại toàn bộ quá trình đào tạo. Điều này làm giảm đáng kể gánh nặng xác minh trong khi vẫn đảm bảo tính chính xác của kết quả khi ít nhất một bên trung thực. Để giải quyết vấn đề không xác định dấu phẩy động giữa các phần cứng khác nhau, Verde cũng đã phát triển một Toán tử có thể tái tạo hỗ trợ (thư viện toán tử có thể tái tạo) để thực thi lệnh thực thi thống nhất cho các phép toán phổ biến như phép nhân ma trận, do đó đạt được đầu ra nhất quán ở cấp độ bit trên các thiết bị. Công nghệ này cải thiện đáng kể tính bảo mật và khả thi về mặt kỹ thuật của đào tạo phân tán và là một bước đột phá quan trọng trong hệ thống xác minh không cần tin cậy hiện tại.

Toàn bộ cơ chế dựa trên trình đào tạo ghi lại các trạng thái trung gian chính (tức là điểm kiểm tra) và nhiều người xác minh được chỉ định ngẫu nhiên để tái tạo các bước đào tạo này để xác định tính nhất quán của đầu ra. Khi kết quả tính toán lại của trình xác thực không đồng nhất với trình đào tạo, hệ thống sẽ không chạy lại toàn bộ mô hình một cách sơ bộ mà sẽ sử dụng cơ chế trọng tài mạng để xác định chính xác hoạt động mà hai hoạt động đầu tiên không đồng nhất trong biểu đồ tính toán và chỉ phát lại và so sánh hoạt động, để đạt được giải quyết tranh chấp với chi phí cực kỳ thấp. Theo cách này, Verde không chỉ đảm bảo tính toàn vẹn của quy trình đào tạo mà còn tính đến hiệu quả và khả năng mở rộng mà không cần phải tin tưởng vào các nút đào tạo. Đây là một khuôn khổ xác minh được thiết kế riêng cho các môi trường đào tạo AI phân tán.

Quy trình làm việc của Vader

3. Thách thức về giao tiếp: Làm thế nào để giảm tình trạng tắc nghẽn mạng do đồng bộ hóa tần số cao giữa các nút?

Trong đào tạo phân tán truyền thống, mô hình được sao chép hoàn toàn hoặc chia theo lớp (song song đường ống), cả hai đều yêu cầu đồng bộ hóa tần số cao giữa các nút. Đặc biệt trong tính song song của đường ống, một lô nhỏ phải đi qua từng lớp của mô hình theo thứ tự, dẫn đến toàn bộ quá trình đào tạo bị chặn miễn là một nút bị trì hoãn.

Gensyn đề xuất SkipPipe để giải quyết vấn đề này: một hệ thống đào tạo đường ống có khả năng chịu lỗi cao, hỗ trợ thực hiện bỏ qua và lập lịch đường dẫn động. SkipPipe giới thiệu cơ chế "tỷ lệ bỏ qua" cho phép một số lô nhỏ dữ liệu bỏ qua một số lớp mô hình khi tải trên một nút cụ thể quá cao và sử dụng thuật toán lập lịch để chọn động đường dẫn tính toán tối ưu hiện tại. Các thí nghiệm cho thấy rằng trong môi trường mạng có phân bố địa lý rộng, chênh lệch phần cứng lớn và băng thông hạn chế, thời gian đào tạo SkipPipe có thể giảm tới 55% và vẫn có thể duy trì mức mất mát chỉ 7% ở tỷ lệ lỗi nút lên tới 50%, cho thấy khả năng phục hồi và thích ứng cực kỳ mạnh mẽ.

Cách tham gia

​Mạng thử nghiệm công khai của Gensyn được ra mắt vào ngày 31 tháng 3 năm 2025 và vẫn đang trong giai đoạn đầu của lộ trình kỹ thuật (Giai đoạn 0), với trọng tâm chức năng là triển khai và xác minh RL Swarm. RL Swarm là kịch bản ứng dụng đầu tiên của Gensyn, được thiết kế xung quanh việc đào tạo cộng tác các mô hình học tăng cường. Mỗi nút tham gia liên kết hành vi của mình với danh tính trên chuỗi của nó và quá trình đóng góp được ghi lại đầy đủ, cung cấp cơ sở xác minh cho việc phân bổ ưu đãi tiếp theo và các mô hình điện toán đáng tin cậy.

Xếp hạng nút của Gensyn

Ngưỡng phần cứng trong giai đoạn thử nghiệm ban đầu tương đối thân thiện: Người dùng Mac có thể chạy với chip dòng M và người dùng Windows được khuyến nghị trang bị GPU hiệu suất cao như 3090 hoặc 4090 và bộ nhớ hơn 16GB để triển khai các nút Swarm cục bộ. Sau khi hệ thống chạy, hãy đăng nhập vào email của bạn thông qua trang web (khuyến nghị Gmail) để hoàn tất quy trình xác minh và bạn có thể chọn liên kết Mã thông báo truy cập của HuggingFace để kích hoạt các khả năng mô hình hoàn chỉnh hơn.

Thách thức và triển vọng

Sự không chắc chắn lớn nhất của dự án Gensyn hiện tại là mạng thử nghiệm của dự án vẫn chưa bao phủ toàn bộ ngăn xếp công nghệ đã hứa. Các mô-đun chính như Verde và SkipPipe vẫn đang trong quá trình tích hợp, điều này cũng khiến thế giới bên ngoài phải chờ đợi và xem xét khả năng hạ cánh của kiến ​​trúc. Giải thích chính thức là mạng thử nghiệm sẽ được quảng bá theo từng giai đoạn, mở khóa các khả năng giao thức mới trong từng giai đoạn và ưu tiên xác minh tính ổn định và khả năng mở rộng của cơ sở hạ tầng. Giai đoạn đầu tiên sẽ bắt đầu với RL Swarm và sẽ dần mở rộng sang các kịch bản cốt lõi như đào tạo trước và lý luận trong tương lai, và cuối cùng là chuyển sang triển khai mạng chính hỗ trợ các giao dịch kinh tế thực tế.

Mặc dù mạng thử nghiệm được ra mắt với tốc độ tương đối thận trọng, nhưng điều đáng chú ý là chỉ một tháng sau, Gensyn đã ra mắt tác vụ thử nghiệm Swarm mới hỗ trợ các mô hình quy mô lớn hơn và các tác vụ toán học phức tạp. Động thái này đã giải đáp phần nào những nghi ngờ của thế giới bên ngoài về tốc độ phát triển của nó và cũng chứng minh hiệu quả thực hiện của nhóm trong việc quảng bá các mô-đun cục bộ.

Tuy nhiên, cũng có vấn đề phát sinh: phiên bản mới của nhiệm vụ đã đặt ra ngưỡng rất cao cho phần cứng và cấu hình được đề xuất bao gồm các GPU hàng đầu như A100 và H100 (bộ nhớ video 80 GB), gần như không thể đạt được đối với các nút vừa và nhỏ, đồng thời cũng tạo ra sự căng thẳng nhất định với mục đích ban đầu là "truy cập mở và đào tạo phi tập trung" được Gensyn nhấn mạnh. Xu hướng tập trung hóa sức mạnh tính toán, nếu không được định hướng hiệu quả, có thể ảnh hưởng đến tính công bằng của mạng và tính bền vững của quản trị phi tập trung.

Tiếp theo, nếu Verde và SkipPipe có thể được tích hợp trơn tru, điều này sẽ giúp cải thiện tính toàn vẹn và hiệu quả cộng tác của giao thức. Tuy nhiên, liệu Gensyn có thể tìm thấy sự cân bằng thực sự giữa hiệu suất và tính phi tập trung hay không vẫn cần phải được thử nghiệm trong mạng thử nghiệm trong thời gian dài hơn và trên phạm vi rộng hơn. Hiện tại, nó đã cho thấy tiềm năng ban đầu của mình và cũng bộc lộ những thách thức, đây là trạng thái thực tế nhất của một dự án cơ sở hạ tầng ban đầu.

Bittensor: Đổi mới và phát triển mạng AI phi tập trung

Tổng quan về dự án

Bittensor là một dự án tiên phong kết hợp blockchain và trí tuệ nhân tạo. Dự án được Jacob Steeves và Ala Shaabana thành lập vào năm 2019 để xây dựng một "nền kinh tế thị trường cho trí tuệ máy móc". Cả hai nhà sáng lập đều có nền tảng sâu rộng về trí tuệ nhân tạo và hệ thống phân tán. Yuma Rao, tác giả của sách trắng dự án, được coi là cố vấn kỹ thuật cốt lõi của nhóm, đưa quan điểm chuyên môn về mật mã và thuật toán đồng thuận vào dự án.

Dự án hướng đến mục tiêu tích hợp các nguồn tài nguyên điện toán toàn cầu thông qua các giao thức blockchain và xây dựng một hệ sinh thái mạng nơ-ron phân tán liên tục tự tối ưu hóa. Tầm nhìn này chuyển đổi các tài sản kỹ thuật số như điện toán, dữ liệu, lưu trữ và mô hình thành các luồng giá trị thông minh, xây dựng một hình thức kinh tế mới và đảm bảo phân phối công bằng các khoản cổ tức phát triển AI. Khác với các nền tảng tập trung như OpenAI, Bittensor đã thiết lập ba trụ cột giá trị cốt lõi: · Phá vỡ các kho dữ liệu: Sử dụng hệ thống khuyến khích mã thông báo TAO để thúc đẩy chia sẻ kiến thức và đóng góp mô hình · Đánh giá chất lượng theo định hướng thị trường: Giới thiệu các cơ chế lý thuyết trò chơi để sàng lọc các mô hình AI chất lượng cao và đạt được sự sống còn của những kẻ mạnh nhất · Bộ khuếch đại hiệu ứng mạng: Sự tăng trưởng của những người tham gia có mối tương quan tích cực theo cấp số nhân với giá trị của mạng, tạo thành một vòng tròn lành mạnh

Về mặt bố trí đầu tư, Polychain Capital đã ươm tạo Bittensor từ năm 2019 và hiện đang nắm giữ mã thông báo TAO trị giá khoảng 200 triệu đô la; Dao5 nắm giữ khoảng 50 triệu đô la giá trị TAO và cũng là một trong những đơn vị ủng hộ ban đầu của hệ sinh thái Bittensor. Vào năm 2024, Pantera Capital và Collab Currency sẽ tiếp tục tăng đầu tư thông qua các khoản đầu tư chiến lược. Vào tháng 8 cùng năm, Grayscale Group đã đưa TAO vào quỹ AI phi tập trung của mình, điều này cho thấy các nhà đầu tư tổ chức đánh giá cao giá trị của dự án và lạc quan về dự án trong dài hạn.

Kiến trúc thiết kế và cơ chế vận hành

Kiến trúc mạng

Bittensor đã xây dựng một kiến trúc mạng tinh vi bao gồm bốn lớp cộng tác:

· Lớp Blockchain:Dựa trên khuôn khổ Substrate, nó đóng vai trò là nền tảng tin cậy của mạng và chịu trách nhiệm ghi lại các thay đổi trạng thái và phát hành mã thông báo. Hệ thống tạo các khối mới sau mỗi 12 giây và phát hành mã thông báo TAO theo các quy tắc để đảm bảo sự đồng thuận của mạng và phân phối ưu đãi.

· Lớp Neuron:Là nút tính toán của mạng, các neuron chạy nhiều mô hình AI khác nhau để cung cấp các dịch vụ thông minh. Mỗi node khai báo rõ ràng loại dịch vụ và thông số kỹ thuật giao diện của mình thông qua tệp cấu hình được thiết kế cẩn thận để đạt được mô-đun hóa chức năng và cắm và chạy.

· Lớp Synapse:Cầu nối giao tiếp của mạng tối ưu hóa động các trọng số kết nối giữa các nút để tạo thành cấu trúc giống như mạng nơ-ron nhằm đảm bảo truyền thông tin hiệu quả. Synapse cũng có một mô hình kinh tế tích hợp sẵn. Tương tác giữa các tế bào thần kinh và các cuộc gọi dịch vụ yêu cầu thanh toán bằng mã thông báo TAO, tạo thành một vòng tuần hoàn giá trị khép kín.

· Metagraph: Là biểu đồ kiến thức toàn cầu của hệ thống, nó liên tục theo dõi và đánh giá giá trị đóng góp của từng nút, cung cấp hướng dẫn thông minh cho toàn bộ mạng. Metagraph xác định trọng số synap thông qua các phép tính chính xác, từ đó ảnh hưởng đến việc phân bổ tài nguyên, cơ chế thưởng và ảnh hưởng của các nút trong mạng.

Khung mạng của Bittensor

Cơ chế đồng thuận Yuma

Mạng sử dụng thuật toán đồng thuận Yuma độc đáo để hoàn thành một vòng phân phối phần thưởng sau mỗi 72 phút. Quá trình xác minh kết hợp đánh giá chủ quan và đo lường khách quan: · Chấm điểm thủ công: Người xác minh đưa ra đánh giá chủ quan về chất lượng đầu ra của thợ đào · Ma trận thông tin Fisher: Định lượng khách quan đóng góp chung của nút vào mạng Cơ chế kết hợp "chủ quan + khách quan" này cân bằng hiệu quả giữa phán đoán chuyên môn và tính công bằng của thuật toán. Kiến trúc mạng con và nâng cấp dTAO

Mỗi mạng con tập trung vào một lĩnh vực dịch vụ AI cụ thể, chẳng hạn như tạo văn bản, nhận dạng hình ảnh, v.v. Nó chạy độc lập nhưng vẫn duy trì kết nối với blockchain subtensor chính, tạo thành một kiến trúc mở rộng mô-đun cực kỳ linh hoạt. Vào tháng 2 năm 2025, Bittensor đã hoàn thành bản nâng cấp dTAO (Dynamic TAO) quan trọng, một hệ thống chuyển đổi mỗi mạng con thành một đơn vị kinh tế độc lập và điều chỉnh thông minh việc phân bổ tài nguyên thông qua các tín hiệu nhu cầu thị trường. Đổi mới cốt lõi của nó là cơ chế mã thông báo mạng con (mã thông báo Alpha):

· Nguyên tắc hoạt động:Những người tham gia nhận được mã thông báo Alpha do mỗi mạng con phát hành bằng cách đặt cược TAO. Các mã thông báo này đại diện cho sự công nhận của thị trường và hỗ trợ cho các tài nguyên dịch vụ mạng con cụ thể

· Logic phân bổ:Giá thị trường của mã thông báo Alpha là một chỉ báo quan trọng để đo lường cường độ nhu cầu của mạng con. Ở trạng thái ban đầu, giá của token Alpha của mỗi mạng con là như nhau và chỉ có 1 TAO và 1 token Alpha trong mỗi nhóm thanh khoản. Khi hoạt động giao dịch tăng lên và thanh khoản được đưa vào, giá của token Alpha được điều chỉnh động và phân bổ TAO được phân bổ thông minh theo tỷ lệ giá token mạng con. Các mạng con có mức độ phổ biến cao trên thị trường sẽ nhận được nhiều tài nguyên hơn, hiện thực hóa việc phân bổ tối ưu hóa tài nguyên theo nhu cầu thực sự. Phân bổ phát thải token mạng con Bittensor Bản nâng cấp dTAO đã cải thiện đáng kể sức sống của hệ sinh thái và hiệu quả sử dụng tài nguyên. Tổng giá trị thị trường của thị trường token mạng con đã đạt 500 triệu đô la Mỹ, cho thấy đà tăng trưởng mạnh mẽ.

Giá trị token alpha của mạng con Bittensor

Tiến trình sinh thái và các trường hợp ứng dụng

Lịch sử phát triển mạng chính

Mạng Bittensor đã trải qua ba giai đoạn phát triển chính:

· Tháng 1 năm 2021: Mạng chính chính thức ra mắt, đặt nền móng cho cơ sở hạ tầng

· Tháng 10 năm 2023: Bản nâng cấp "Revolution" giới thiệu kiến trúc mạng con để đạt được mô-đun hóa chức năng

· Tháng 2 năm 2025: Hoàn tất bản nâng cấp dTAO và thiết lập cơ chế phân bổ tài nguyên theo định hướng thị trường

Hệ sinh thái mạng con đang phát triển bùng nổ: Tính đến tháng 6 năm 2025, có 119 mạng con chuyên nghiệp và dự kiến con số này có thể vượt quá 200 trong năm.

Số lượng mạng con Bittensor

Các loại dự án sinh thái được đa dạng hóa, bao gồm nhiều lĩnh vực tiên tiến như tác nhân AI (như Tatsu), thị trường dự đoán (như Bettensor) và giao thức DeFi (như TaoFi), tạo thành một hệ sinh thái đổi mới với sự tích hợp sâu sắc giữa AI và tài chính.

Các dự án sinh thái mạng con tiêu biểu

· TAOCAT:TAOCAT là một tác nhân AI gốc trong hệ sinh thái Bittensor, được xây dựng trực tiếp trên mạng con, cung cấp cho người dùng các công cụ ra quyết định dựa trên dữ liệu. Tận dụng mô hình ngôn ngữ lớn của Subnet 19, dữ liệu thời gian thực từ Subnet 42 và Agent Arena từ Subnet 59, nó cung cấp thông tin chi tiết về thị trường và hỗ trợ ra quyết định. Nhận được khoản đầu tư từ DWF Labs, được đưa vào quỹ tác nhân AI trị giá 20 triệu đô la của họ và được ra mắt trên binance alpha.

· OpenKaito:Một mạng con do nhóm Kaito ra mắt trên Bittensor, nhằm mục đích xây dựng một công cụ tìm kiếm phi tập trung cho ngành công nghiệp tiền điện tử. Hiện tại, 500 triệu tài nguyên web đã được lập chỉ mục, chứng minh khả năng mạnh mẽ của AI phi tập trung trong việc xử lý lượng dữ liệu khổng lồ. So với các công cụ tìm kiếm truyền thống, lợi thế cốt lõi của nó là giảm sự can thiệp từ các lợi ích thương mại, cung cấp các dịch vụ xử lý dữ liệu minh bạch và trung lập hơn, đồng thời cung cấp một mô hình mới để thu thập thông tin trong kỷ nguyên Web3.

· Tensorplex Dojo:Subnet 52, do Tensorplex Labs phát triển, tập trung vào việc huy động cộng đồng các bộ dữ liệu chất lượng cao do con người tạo ra thông qua một nền tảng phi tập trung, khuyến khích người dùng kiếm được mã thông báo TAO thông qua chú thích dữ liệu. Vào tháng 3 năm 2025, YZi Labs (trước đây là Binance Labs) đã công bố khoản đầu tư vào Tensorplex Labs để hỗ trợ phát triển Dojo và Backprop Finance.

· CreatorBid: Chạy trên Subnet 6, đây là một nền tảng sáng tạo kết hợp AI và blockchain, tích hợp với Olas và các mạng GPU khác (như io.net), hỗ trợ người sáng tạo nội dung và phát triển mô hình AI.

Hợp tác công nghệ và công nghiệp

Bittensor đã đạt được tiến bộ đột phá trong hợp tác liên lĩnh vực:

· Thiết lập kênh tích hợp mô hình sâu với Hugging Face để triển khai liền mạch 50 mô hình AI chính thống trên chuỗi

· Vào năm 2024, bắt tay với nhà sản xuất chip AI hiệu suất cao Cerebras để cùng nhau phát hành mô hình BTLM-3B, với số lượt tải xuống tích lũy vượt quá 160.000 lần

· Vào tháng 3 năm 2025, đạt được hợp tác chiến lược với gã khổng lồ DeFi Aave để cùng nhau khám phá các kịch bản ứng dụng của rsTAO làm tài sản thế chấp cho vay chất lượng cao

Phương pháp tham gia

Bittensor đã thiết kế một lộ trình tham gia sinh thái đa dạng để hình thành một hệ thống phân phối và tạo ra giá trị hoàn chỉnh:

· Khai thác:Triển khai các nút thợ đào để sản xuất hàng hóa kỹ thuật số chất lượng cao (như AI

· Xác minh:Chạy nút xác thực để đánh giá kết quả công việc của thợ đào, duy trì các tiêu chuẩn chất lượng mạng và nhận được các ưu đãi TAO tương ứng

· Đặt cược:Giữ và đặt cược TAO để hỗ trợ các nút xác thực chất lượng cao và nhận thu nhập thụ động dựa trên hiệu suất của trình xác thực

· Phát triển:Sử dụng các công cụ Bittensor SDK và CLI để xây dựng các ứng dụng, tiện ích hoặc mạng con mới sáng tạo và tích cực tham gia vào quá trình xây dựng sinh thái

· Sử dụng các dịch vụ:Sử dụng các dịch vụ AI do mạng cung cấp thông qua giao diện ứng dụng khách hàng thân thiện, chẳng hạn như tạo văn bản hoặc nhận dạng hình ảnh

· Giao dịch:Tham gia vào các giao dịch thị trường của các mã thông báo tài sản mạng con để nắm bắt các cơ hội tăng trưởng giá trị tiềm năng

Phân phối token cho người tham gia theo alpha của mạng con

Thách thức và triển vọng

Mặc dù Bittensor đã cho thấy tiềm năng to lớn, nhưng với tư cách là một cuộc khám phá công nghệ tiên tiến, nó vẫn phải đối mặt với những thách thức đa chiều. Ở cấp độ kỹ thuật, các mối đe dọa bảo mật mà mạng AI phân tán phải đối mặt (như trộm mô hình và tấn công đối kháng) phức tạp hơn so với các hệ thống tập trung và các giải pháp bảo vệ an ninh và điện toán riêng tư cần được tối ưu hóa liên tục; về mặt mô hình kinh tế, có áp lực lạm phát trong giai đoạn đầu và thị trường token mạng con rất biến động, vì vậy chúng ta cần cảnh giác với các bong bóng đầu cơ có thể xảy ra; về mặt môi trường quản lý, mặc dù SEC đã phân loại TAO là token tiện ích, nhưng sự khác biệt trong khuôn khổ quản lý ở nhiều khu vực trên thế giới vẫn có thể hạn chế sự mở rộng sinh thái; đồng thời, phải đối mặt với sự cạnh tranh khốc liệt từ các nền tảng AI tập trung với nguồn lực dồi dào, các giải pháp phi tập trung cần chứng minh được lợi thế cạnh tranh lâu dài của mình về trải nghiệm người dùng và hiệu quả về chi phí.

Khi chu kỳ halving năm 2025 đang đến gần, Bittensor sẽ tập trung vào bốn hướng chiến lược: đào sâu hơn nữa sự chuyên môn hóa của các mạng con, cải thiện chất lượng dịch vụ và hiệu suất của các ứng dụng dọc; đẩy nhanh quá trình tích hợp sâu với hệ sinh thái DeFi và mở rộng ranh giới ứng dụng của hợp đồng thông minh với sự trợ giúp của khả năng tương thích EVM mới được giới thiệu; thông qua cơ chế dTAO, trọng số quản trị mạng sẽ dần được chuyển từ TAO sang token Alpha trong 100 ngày tới để thúc đẩy quá trình quản trị phi tập trung; đồng thời, tích cực mở rộng khả năng tương tác với các chuỗi công khai chính thống khác, mở rộng ranh giới sinh thái và các kịch bản ứng dụng. Những sáng kiến chiến lược phát triển phối hợp này sẽ cùng nhau thúc đẩy Bittensor tiến tới tầm nhìn lớn về "nền kinh tế thị trường trí tuệ máy móc".

0G: Hệ sinh thái AI dạng mô-đun dựa trên lưu trữ

Tổng quan về dự án

0G là chuỗi công khai Lớp 1 dạng mô-đun được thiết kế cho các ứng dụng AI, nhằm mục đích cung cấp cơ sở hạ tầng phi tập trung hiệu quả và đáng tin cậy cho các tình huống nhu cầu điện toán cao và dữ liệu chuyên sâu. Thông qua kiến trúc mô-đun, 0G đạt được khả năng tối ưu hóa độc lập các chức năng cốt lõi như sự đồng thuận, lưu trữ, điện toán và tính khả dụng của dữ liệu, hỗ trợ mở rộng động và có thể xử lý hiệu quả các tác vụ đào tạo và suy luận AI quy mô lớn.

Nhóm sáng lập bao gồm Michael Heinrich (Giám đốc điều hành, người đã thành lập Garten với hơn 100 triệu đô la tiền tài trợ), Ming Wu (Giám đốc công nghệ, nhà nghiên cứu của Microsoft, đồng sáng lập Conflux), Fan Long (đồng sáng lập Conflux) và Thomas Yao (Giám đốc điều hành, nhà đầu tư Web3). Công ty có 8 bằng tiến sĩ về khoa học máy tính và các thành viên có nền tảng tại Microsoft, Apple, v.v., và có kinh nghiệm sâu rộng về công nghệ blockchain và AI.

Về mặt tài chính, 0G Labs đã hoàn thành vòng gọi vốn trước hạt giống trị giá 35 triệu đô la và vòng gọi vốn hạt giống trị giá 40 triệu đô la, tổng cộng là 75 triệu đô la. Các nhà đầu tư bao gồm Hack VC, Delphi Ventures và Animoca Brands. Ngoài ra, 0G Foundation đã nhận được 250 triệu đô la cam kết mua mã thông báo, 30,6 triệu đô la từ doanh số bán nút công khai và 88,88 triệu đô la từ các quỹ sinh thái.

Kiến trúc thiết kế

1. Chuỗi 0G

Chuỗi 0G đặt mục tiêu xây dựng chuỗi công khai AI mô-đun nhanh nhất. Kiến trúc mô-đun của nó hỗ trợ tối ưu hóa độc lập các thành phần chính như sự đồng thuận, thực thi và lưu trữ, đồng thời tích hợp các mạng lưới khả dụng dữ liệu, mạng lưu trữ phân tán và mạng lưới điện toán AI. Thiết kế này cung cấp cho hệ thống hiệu suất và tính linh hoạt tuyệt vời khi xử lý các tình huống ứng dụng AI phức tạp. Sau đây là ba tính năng cốt lõi của 0G Chain:

Khả năng mở rộng theo mô-đun cho AI

0G sử dụng kiến trúc có thể mở rộng theo chiều ngang có thể xử lý hiệu quả các luồng công việc dữ liệu quy mô lớn. Thiết kế mô-đun của nó tách lớp khả dụng dữ liệu (lớp DA) khỏi lớp lưu trữ dữ liệu, mang lại hiệu suất và hiệu quả cao hơn cho việc truy cập và lưu trữ dữ liệu cho các tác vụ AI như đào tạo hoặc suy luận quy mô lớn.

Đồng thuận 0G

Cơ chế đồng thuận của 0G bao gồm nhiều mạng đồng thuận độc lập có thể được mở rộng động dựa trên nhu cầu. Khi lượng dữ liệu tăng theo cấp số nhân, thông lượng hệ thống cũng có thể được cải thiện đồng bộ, hỗ trợ mở rộng từ 1 đến hàng trăm hoặc thậm chí hàng nghìn mạng. Kiến trúc phân tán này không chỉ cải thiện hiệu suất mà còn đảm bảo tính linh hoạt và độ tin cậy của hệ thống.

Shared Staking

Người xác thực cần phải đặt cọc tiền trên mạng chính Ethereum để cung cấp bảo mật cho tất cả các mạng đồng thuận 0G tham gia. Nếu một sự kiện có thể bị trừng phạt xảy ra trên bất kỳ mạng 0G nào, số tiền đặt cọc của người xác thực trên mạng chính Ethereum sẽ bị giảm. Cơ chế này mở rộng tính bảo mật của mạng chính Ethereum cho tất cả các mạng đồng thuận 0G, đảm bảo tính bảo mật và mạnh mẽ của toàn bộ hệ thống.

Chuỗi 0G có khả năng tương thích với EVM, đảm bảo rằng các nhà phát triển Ethereum, Layer 2 Rollup hoặc các chuỗi khác có thể dễ dàng tích hợp các dịch vụ của 0G (như tính khả dụng của dữ liệu và lưu trữ) mà không cần di chuyển. Đồng thời, 0G cũng đang khám phá khả năng hỗ trợ cho Solana VM, Near VM và khả năng tương thích với Bitcoin để các ứng dụng AI có thể được mở rộng cho nhóm người dùng rộng hơn.

2. 0G Storage

0G Storage là hệ thống lưu trữ phân tán được tối ưu hóa cao, được thiết kế cho các ứng dụng phi tập trung và các tình huống dữ liệu chuyên sâu. Về bản chất, nó khuyến khích thợ đào lưu trữ và quản lý dữ liệu thông qua cơ chế đồng thuận độc đáo, Proof of Random Access (PoRA), do đó đạt được sự cân bằng giữa bảo mật, hiệu suất và tính công bằng.

Kiến trúc của nó có thể được chia thành ba lớp:

· Lớp nhật ký: Nó cho phép lưu trữ vĩnh viễn dữ liệu phi cấu trúc, phù hợp để lưu trữ hoặc ghi nhật ký dữ liệu.

· Lớp Khóa-Giá trị: Quản lý dữ liệu có cấu trúc có thể thay đổi và hỗ trợ kiểm soát quyền, phù hợp với các tình huống ứng dụng động.

· Lớp Giao dịch: Hỗ trợ nhiều người dùng ghi đồng thời, cải thiện hiệu quả cộng tác và xử lý dữ liệu.

Bằng chứng Truy cập Ngẫu nhiên (PoRA) là một cơ chế chính của Lưu trữ 0G, được sử dụng để xác minh xem thợ đào có lưu trữ đúng các khối dữ liệu đã chỉ định hay không. Thợ đào sẽ chấp nhận các thử thách theo định kỳ và cần cung cấp các hàm băm mật mã hợp lệ làm bằng chứng, tương tự như bằng chứng công việc. Để đảm bảo cạnh tranh công bằng, 0G giới hạn phạm vi dữ liệu của mỗi hoạt động khai thác ở mức 8 TB để ngăn chặn các nhà khai thác quy mô lớn độc quyền tài nguyên và thợ đào quy mô nhỏ cũng có thể tham gia vào cuộc thi trong một môi trường công bằng.

Biểu đồ bằng chứng truy cập ngẫu nhiên

Thông qua công nghệ mã hóa xóa, 0G Storage chia dữ liệu thành nhiều đoạn nhỏ dự phòng và phân phối chúng đến các nút lưu trữ khác nhau. Thiết kế này đảm bảo rằng ngay cả khi một số nút ngoại tuyến hoặc bị lỗi, dữ liệu vẫn có thể được khôi phục hoàn toàn, điều này không chỉ cải thiện đáng kể tính khả dụng và bảo mật của dữ liệu mà còn cho phép hệ thống hoạt động tốt khi xử lý dữ liệu quy mô lớn. Ngoài ra, lưu trữ dữ liệu được quản lý ở cấp độ sector và cấp độ khối dữ liệu theo cách tinh chỉnh, điều này không chỉ tối ưu hóa hiệu quả truy cập dữ liệu mà còn tăng cường khả năng cạnh tranh của thợ đào trong mạng lưu trữ.

Dữ liệu được gửi đi được sắp xếp theo cách tuần tự, được gọi là luồng dữ liệu, có thể hiểu là danh sách các mục nhật ký hoặc chuỗi các sector dữ liệu có kích thước cố định. Trong 0G, mỗi phần dữ liệu có thể được định vị nhanh chóng thông qua một offset chung, do đó đạt được hiệu quả truy xuất dữ liệu và truy vấn thử thách. Theo mặc định, 0G cung cấp một luồng dữ liệu chung được gọi là luồng chính, được sử dụng để xử lý hầu hết các tình huống ứng dụng. Đồng thời, hệ thống cũng hỗ trợ các luồng chuyên biệt, chấp nhận cụ thể các mục nhật ký của các danh mục cụ thể và cung cấp không gian địa chỉ liên tục độc lập để tối ưu hóa cho các yêu cầu ứng dụng khác nhau.

Thông qua thiết kế trên, 0G Storage có thể linh hoạt thích ứng với nhiều tình huống sử dụng khác nhau trong khi vẫn duy trì hiệu suất và khả năng quản lý hiệu quả, cung cấp hỗ trợ lưu trữ mạnh mẽ cho các ứng dụng AI x Web3 cần xử lý các luồng dữ liệu quy mô lớn.

3. Tính khả dụng của dữ liệu 0G (0G DA)

Khả năng sử dụng dữ liệu (DA) là một trong những thành phần cốt lõi của 0G, nhằm mục đích cung cấp dữ liệu có thể truy cập, xác minh và truy xuất được. Chức năng này là chìa khóa cho cơ sở hạ tầng AI phi tập trung, chẳng hạn như xác minh kết quả của các nhiệm vụ đào tạo hoặc lý luận để đáp ứng nhu cầu của người dùng và đảm bảo độ tin cậy của cơ chế khuyến khích hệ thống. DA 0G đạt được khả năng mở rộng và bảo mật tuyệt vời thông qua kiến trúc và cơ chế xác minh được thiết kế cẩn thận.

DA 0G được thiết kế để cung cấp khả năng mở rộng cực kỳ cao trong khi vẫn đảm bảo bảo mật. Quy trình làm việc của nó chủ yếu được chia thành hai phần:

· Làn lưu trữ dữ liệu: Dữ liệu được chia thành nhiều mảnh nhỏ ("khối dữ liệu") thông qua công nghệ mã hóa xóa và phân phối đến các nút lưu trữ trong mạng lưu trữ 0G. Cơ chế này hỗ trợ hiệu quả việc truyền dữ liệu quy mô lớn trong khi vẫn đảm bảo dự phòng và khả năng phục hồi dữ liệu.

· Data Publishing Lane:Tính khả dụng của dữ liệu được các nút DA xác minh thông qua các chữ ký tổng hợp và kết quả được gửi đến mạng lưới đồng thuận. Với thiết kế này, việc xuất bản dữ liệu chỉ cần xử lý một số lượng nhỏ các luồng dữ liệu chính, tránh được vấn đề tắc nghẽn trong các phương pháp phát sóng truyền thống, do đó cải thiện đáng kể hiệu quả.

Để đảm bảo tính bảo mật và hiệu quả của dữ liệu, 0G DA sử dụng phương pháp xác minh dựa trên tính ngẫu nhiên, kết hợp với cơ chế chữ ký tổng hợp, để tạo thành một quy trình xác minh hoàn chỉnh:

· Xây dựng số lượng đủ điều kiện một cách ngẫu nhiên:Thông qua Hàm ngẫu nhiên có thể xác minh (VRF), hệ thống đồng thuận sẽ chọn ngẫu nhiên một nhóm các nút DA từ tập hợp trình xác thực để tạo thành số lượng đủ điều kiện. Về mặt lý thuyết, phương pháp lựa chọn ngẫu nhiên này đảm bảo rằng phân phối tính trung thực của số lượng đủ điều kiện nhất quán với toàn bộ tập hợp trình xác thực, do đó, máy khách về tính khả dụng của dữ liệu không thể thông đồng với số lượng đủ điều kiện.

· Xác minh chữ ký tổng hợp:Nhóm pháp lý lấy mẫu và xác minh các khối dữ liệu được lưu trữ, tạo chữ ký tổng hợp và gửi chứng chỉ khả dụng đến mạng đồng thuận 0G. Phương pháp chữ ký tổng hợp này cải thiện đáng kể hiệu quả xác minh và hiệu suất của nó nhanh hơn nhiều cấp độ so với Ethereum truyền thống.

Quy trình xác minh của 0G

Thông qua các cơ chế trên, 0G DA cung cấp giải pháp khả dụng dữ liệu hiệu quả, có thể mở rộng và an toàn, tạo nền tảng vững chắc cho các ứng dụng AI phi tập trung.

4. 0G Compute

Mạng 0G Compute là một khuôn khổ phi tập trung được thiết kế để cung cấp cho cộng đồng các khả năng tính toán AI mạnh mẽ. Thông qua các hợp đồng thông minh, các nhà cung cấp năng lượng điện toán có thể đăng ký các loại dịch vụ AI mà họ cung cấp (chẳng hạn như suy luận mô hình) và đặt giá cho các dịch vụ. Sau khi người dùng gửi yêu cầu suy luận AI, nhà cung cấp dịch vụ sẽ quyết định có phản hồi hay không dựa trên tính đầy đủ của số dư của người dùng, do đó đạt được sự phân bổ năng lượng điện toán hiệu quả.

Để tối ưu hóa thêm chi phí giao dịch và hiệu quả mạng, các nhà cung cấp dịch vụ có thể xử lý nhiều yêu cầu của người dùng theo từng đợt. Phương pháp này giúp giảm hiệu quả số lượng thanh toán trên chuỗi và giảm mức tiêu thụ tài nguyên do các giao dịch thường xuyên gây ra. Đồng thời, 0G Compute Network sử dụng công nghệ zero-knowledge proof (ZK-Proofs), công nghệ này nén dữ liệu giao dịch rất nhiều và giảm chi phí thanh toán trên chuỗi thông qua các tính toán ngoài chuỗi và xác minh trên chuỗi. Kết hợp với mô-đun lưu trữ của 0G, cơ chế quản lý dữ liệu ngoài chuỗi có thể mở rộng của nó có thể giảm đáng kể chi phí trên chuỗi của các khóa dữ liệu theo dõi yêu cầu lưu trữ, đồng thời cải thiện hiệu quả lưu trữ và truy xuất.

Hiện tại, mạng AI phi tập trung của 0G chủ yếu cung cấp các dịch vụ suy luận AI và đã chứng minh được những lợi thế về hiệu quả và tối ưu hóa chi phí. Trong tương lai, 0G có kế hoạch mở rộng hơn nữa khả năng của mình để đạt được sự phi tập trung hoàn toàn của nhiều tác vụ AI hơn từ suy luận đến đào tạo, cung cấp cho người dùng các giải pháp hoàn thiện hơn.

Phát triển sinh thái

Mạng thử nghiệm của 0G đã được nâng cấp từ Newton v2 lên Galileo v3 và theo dữ liệu trang web chính thức, mạng này có hơn 8.000 trình xác thực. Có 1.591 thợ đào đang hoạt động trên mạng lưu trữ, đã xử lý hơn 430.000 tệp đã tải lên và cung cấp tổng cộng 450,72G dung lượng lưu trữ.

Ảnh hưởng của dự án 0G trong lĩnh vực AI phi tập trung cũng liên tục được mở rộng với sự gia tăng và đào sâu của các doanh nghiệp hợp tác. Theo dữ liệu chính thức, hơn 450 tích hợp đã được hoàn thành, bao gồm sức mạnh tính toán AI, dữ liệu, mô hình, khuôn khổ, cơ sở hạ tầng, DePin và các lĩnh vực toàn diện khác.

Bản đồ sinh thái 0G

Đồng thời, Quỹ 0G cũng đã ra mắt một quỹ sinh thái trị giá 88,88 triệu đô la Mỹ để hỗ trợ phát triển các dự án liên quan đến AI. Các ứng dụng gốc sau đây đã xuất hiện:

· zer0: Giải pháp thanh khoản DeFi do AI điều khiển, cung cấp các dịch vụ tối ưu hóa thanh khoản trên chuỗi

· H1uman: Nhà máy tác nhân AI phi tập trung, tạo ra các quy trình tích hợp AI có thể mở rộng

· Leea Labs: Cơ sở hạ tầng tác nhân đa AI, hỗ trợ triển khai hệ thống đa tác nhân an toàn

· Newmoney.AI: Ví proxy DeFi thông minh, tự động hóa quản lý đầu tư và giao dịch

· Unagi: Nền tảng giải trí trên chuỗi do AI điều khiển, tích hợp trải nghiệm hoạt hình và trò chơi Web3

· Rivalz: Nhà tiên tri AI có thể xác minh, cung cấp quyền truy cập dữ liệu AI đáng tin cậy cho các hợp đồng thông minh

· Avinasi Labs: Dự án AI tập trung vào nghiên cứu về tuổi thọ

Phương pháp tham gia

Người dùng thông thường hiện có thể tham gia vào hệ sinh thái 0G theo những cách sau:

· Tham gia Tương tác Testnet 0G: 0G đã ra mắt Testnet V3 (Galileo v3). Người dùng có thể nhận mã thông báo thử nghiệm bằng cách truy cập trang testnet chính thức (Hướng dẫn Testnet 0G) và tương tác với DApp trên chuỗi 0G. Tham gia các hoạt động Kaito: 0G hiện đã tham gia các hoạt động sáng tạo nội dung của nền tảng Kaito. Người dùng có thể tham gia tương tác và giành phần thưởng bằng cách tạo và chia sẻ nội dung chất lượng cao liên quan đến 0G (như phân tích kỹ thuật, tiến trình sinh thái hoặc các trường hợp ứng dụng AI). Thách thức và triển vọng 0G đã chứng minh được sức mạnh kỹ thuật sâu sắc của mình trong lĩnh vực lưu trữ, cung cấp một bộ giải pháp mô-đun hoàn chỉnh cho lưu trữ phi tập trung với khả năng mở rộng và tiết kiệm tuyệt vời (chi phí lưu trữ thấp tới 10-11 đô la/TB). Đồng thời, 0G giải quyết vấn đề xác minh dữ liệu thông qua lớp khả dụng dữ liệu (DA), đặt nền tảng vững chắc cho các tác vụ đào tạo và suy luận AI quy mô lớn trong tương lai. Thiết kế này cung cấp hỗ trợ mạnh mẽ cho AI phi tập trung trong lớp lưu trữ dữ liệu và tạo ra trải nghiệm lưu trữ và truy xuất được tối ưu hóa cho các nhà phát triển.

Về hiệu suất, 0G kỳ vọng TPS của mạng chính sẽ tăng lên trong khoảng từ 3.000 đến 10.000, tăng hiệu suất gấp 10 lần so với giai đoạn trước, đảm bảo rằng mạng có thể đáp ứng các yêu cầu tính toán cường độ cao liên quan đến các tác vụ như suy luận AI và giao dịch tần suất cao. Tuy nhiên, 0G vẫn cần xây dựng thị trường và mô hình năng lực tính toán của mình. Hiện tại, hoạt động kinh doanh năng lực tính toán của 0G vẫn chỉ giới hạn ở các dịch vụ suy luận AI và cần có thiết kế tùy chỉnh hơn và đổi mới công nghệ để hỗ trợ các tác vụ đào tạo mô hình. Là các thành phần cốt lõi của quá trình phát triển AI, các mô hình và năng lực tính toán không chỉ là chìa khóa để thúc đẩy nâng cấp sản phẩm và các ứng dụng quy mô lớn mà còn là cách duy nhất để 0G đạt được mục tiêu trở thành hệ sinh thái AI Lớp 1 lớn nhất.

Tóm tắt

Tình trạng hiện tại: Đầu vào đa dạng, Đối mặt với thách thức

Nhìn lại sáu dự án AI Layer1 ở trên, mỗi dự án đều chọn những điểm đầu vào khác nhau, tập trung vào tài sản AI, sức mạnh tính toán, mô hình, lưu trữ và các yếu tố cốt lõi khác, khám phá con đường của cơ sở hạ tầng AI phi tập trung và xây dựng sinh thái:

· Sentient:Tập trung vào nghiên cứu và phát triển các mô hình phi tập trung, ra mắt loạt Dobby, nhấn mạnh vào độ tin cậy, sự liên kết và lòng trung thành của các mô hình, quá trình phát triển chuỗi cơ bản vẫn đang trong giai đoạn tiến triển liên tục và sẽ đạt được sự tích hợp sâu sắc của các mô hình và chuỗi.

· Sahara AI:Với việc bảo vệ quyền sở hữu tài sản AI làm cốt lõi, giai đoạn đầu tiên tập trung vào việc xác nhận và lưu thông dữ liệu, đồng thời cam kết cung cấp nền tảng dữ liệu đáng tin cậy cho hệ sinh thái AI.

· Nghi lễ: Tập trung vào việc triển khai hiệu quả sức mạnh tính toán phi tập trung trong lý luận, tăng cường chức năng của chính blockchain, cải thiện tính linh hoạt và khả năng mở rộng của hệ thống và thúc đẩy phát triển các ứng dụng AI gốc.

· Gensyn:Cam kết giải quyết vấn đề đào tạo mô hình phi tập trung, giảm chi phí đào tạo phân tán quy mô lớn thông qua đổi mới công nghệ và cung cấp một con đường khả thi để chia sẻ và dân chủ hóa sức mạnh tính toán AI.

· Bittensor:Là một nền tảng mạng con tương đối trưởng thành, nền tảng này đã dẫn đầu trong việc xây dựng một hệ sinh thái ứng dụng và nhà phát triển phong phú thông qua các ưu đãi mã thông báo và quản trị phi tập trung, đồng thời là một ví dụ ban đầu về AI phi tập trung.

· 0G:Lấy lưu trữ phi tập trung làm điểm vào, tập trung vào các vấn đề lưu trữ và quản lý dữ liệu trong hệ sinh thái AI và dần mở rộng sang cơ sở hạ tầng AI và dịch vụ ứng dụng toàn diện hơn.

So sánh và tóm tắt dự án

Nhìn chung, các dự án này có sự khác biệt về lộ trình kỹ thuật và chiến lược sinh thái bổ sung, đồng thời cùng nhau thúc đẩy sự phát triển đa dạng của hệ sinh thái AI phi tập trung trên chuỗi. Nhưng không thể phủ nhận rằng toàn bộ con đường vẫn đang trong giai đoạn đầu của quá trình khám phá. Mặc dù nhiều tầm nhìn và bản thiết kế hướng tới tương lai đã được đề xuất, nhưng tiến độ phát triển thực tế và xây dựng hệ sinh thái vẫn cần thời gian để ổn định, và nhiều cơ sở hạ tầng quan trọng và ứng dụng sáng tạo vẫn chưa được triển khai.

Làm thế nào để thu hút và thúc đẩy nhiều nút cơ bản hơn như sức mạnh tính toán và lưu trữ tham gia vào mạng lưới là một vấn đề cốt lõi cần được giải quyết khẩn cấp. Cũng giống như mạng lưới Bitcoin đã trải qua hơn một thập kỷ phát triển trước khi dần được thị trường chính thống công nhận, mạng lưới AI phi tập trung cũng cần tiếp tục mở rộng quy mô của các nút để đáp ứng nhu cầu lớn về sức mạnh tính toán cho các tác vụ AI khổng lồ. Chỉ khi sức mạnh tính toán, lưu trữ và các tài nguyên khác trong mạng lưới đạt đến một mức độ phong phú nhất định thì chi phí sử dụng mới có thể giảm hiệu quả và thúc đẩy sự phổ biến của sức mạnh tính toán, cuối cùng là hiện thực hóa tầm nhìn lớn về AI phi tập trung.

Ngoài ra, các ứng dụng AI trên chuỗi vẫn chưa đủ về mặt đổi mới. Hiện tại, nhiều sản phẩm vẫn dựa trên mô hình Web2 để di chuyển đơn giản, thiếu các thiết kế sáng tạo được tích hợp sâu với các cơ chế gốc của blockchain và không thể hiện đầy đủ các lợi thế độc đáo của AI phi tập trung. Những thách thức thực tế này nhắc nhở chúng ta rằng sự phát triển liên tục của ngành không chỉ đòi hỏi những đột phá về công nghệ mà còn phải cải thiện trải nghiệm của người dùng và cải tiến liên tục toàn bộ hệ sinh thái.

Phát triển liên tục: Các dự án AI Layer1 và DeAI chất lượng cao tiếp tục xuất hiện

Ngoài các dự án mà chúng tôi đã giới thiệu sâu ở trên, theo xu hướng chung của thời đại, còn có rất nhiều AI Layer1 và DeAI mới đáng được chúng ta quan tâm. (Do giới hạn về không gian, chúng tôi sẽ giới thiệu ngắn gọn tại đây. Bạn có thể theo dõi chúng tôi để tiếp tục theo dõi thêm nội dung đầu tư và nghiên cứu trong lĩnh vực AI)

Kite AI

Dựa trên cơ chế đồng thuận cốt lõi "Proof of Attributed Intelligence" (PoAI), Kite AI đã xây dựng một blockchain Lớp 1 tương thích với EVM, chuyên tạo ra một hệ sinh thái AI công bằng, nhằm đảm bảo rằng những đóng góp của các nhà cung cấp dữ liệu, nhà phát triển mô hình và người tạo AI Agent trong việc tạo ra giá trị AI có thể được ghi lại một cách minh bạch và được khen thưởng công bằng, qua đó phá vỡ mô hình tài nguyên AI do một số ít gã khổng lồ công nghệ độc quyền. Hiện tại, Kite AI tập trung phát triển vào lớp ứng dụng C-end và đảm bảo phát triển, xác nhận và hiện thực hóa các tài sản AI thông qua kiến trúc mạng con và thị trường giao dịch.

Câu chuyện

AI Layer 1 được xây dựng xung quanh sở hữu trí tuệ (IP) mở cung cấp cho người sáng tạo và nhà phát triển một bộ công cụ quy trình đầy đủ để giúp họ đăng ký, theo dõi, ủy quyền, quản lý và kiếm tiền từ nhiều IP nội dung khác nhau trên chuỗi, cho dù đó là video, âm thanh, văn bản hay tác phẩm AI. Story cho phép người dùng đưa nội dung gốc vào NFT và có cơ chế ủy quyền và chia sẻ lợi nhuận linh hoạt tích hợp sẵn, cho phép người dùng tham gia vào quá trình sáng tạo thứ cấp và hợp tác thương mại đồng thời đảm bảo quyền sở hữu và phân phối doanh thu là minh bạch và có thể truy xuất được.

Vana

Vana là thế hệ AI Layer 1 dựa trên dữ liệu mới được xây dựng dành riêng cho "kiếm tiền từ dữ liệu người dùng và đào tạo AI". Nó phá vỡ giới hạn của các công ty lớn độc quyền dữ liệu và cho phép cá nhân thực sự sở hữu, quản lý và chia sẻ dữ liệu của riêng họ. Người dùng có thể sử dụng "Data DAO" (một tổ chức tự trị phi tập trung nơi người dùng đồng quản lý, chia sẻ và hưởng lợi từ dữ liệu đào tạo AI) để thu thập dữ liệu xã hội, sức khỏe, tiêu dùng và các dữ liệu khác để đào tạo AI và tham gia vào các khoản cổ tức trong khi vẫn giữ quyền sở hữu dữ liệu. Ngoài ra, Vana coi trọng quyền riêng tư và bảo mật trong thiết kế của mình và sử dụng công nghệ xác minh mã hóa và tính toán quyền riêng tư để bảo vệ an ninh dữ liệu của người dùng.

Nillion

Nillion là "mạng điện toán mù" tập trung vào quyền riêng tư dữ liệu và điện toán an toàn. Nó cung cấp cho các nhà phát triển và doanh nghiệp một bộ công nghệ tăng cường quyền riêng tư (như MPC điện toán an toàn đa bên, mã hóa đồng cấu, bằng chứng không kiến ​​thức, v.v.), có thể đạt được lưu trữ dữ liệu, chia sẻ và điện toán phức tạp mà không cần giải mã dữ liệu gốc. Điều này cho phép các tình huống như AI, tài chính phi tập trung (DeFi), chăm sóc y tế và các ứng dụng được cá nhân hóa xử lý thông tin có giá trị cao và nhạy cảm một cách an toàn hơn mà không phải lo lắng về nguy cơ rò rỉ dữ liệu. Hiện tại, hệ sinh thái Nillion đã hỗ trợ nhiều ứng dụng sáng tạo bao gồm điện toán riêng tư AI, tác nhân thông minh được cá nhân hóa, cơ sở kiến ​​thức riêng tư, v.v. và đã thu hút các đối tác như Virtuals, NEAR, Aptos và Arbitrum.

Mira Network

Mira Network là một mạng sáng tạo dành riêng cho "xác minh phi tập trung" cho đầu ra AI, nhằm mục đích tạo ra một lớp xác minh đáng tin cậy cho AI tự động. Đổi mới cốt lõi của Mira sử dụng công nghệ đánh giá tích hợp để chạy nhiều mô hình ngôn ngữ khác nhau cùng lúc trong nền, chia nhỏ các kết quả do AI tạo ra thành các khẳng định cụ thể và chuyển chúng cho các nút mô hình phân tán để xác minh độc lập. Chỉ khi phần lớn các mô hình đạt được sự đồng thuận và xác định rằng nội dung là "có thật" thì nó mới được đưa ra cho người dùng. Thông qua cơ chế đồng thuận đa mô hình này, Mira giảm đáng kể tỷ lệ ảo giác 25% của một mô hình duy nhất xuống chỉ còn 3%, tương đương với việc giảm tỷ lệ lỗi hơn 90%. Mira từ bỏ sự phụ thuộc vào các tổ chức tập trung lớn hoặc các mô hình lớn đơn lẻ và áp dụng các nút phân tán và các ưu đãi kinh tế để trở thành lớp cơ sở hạ tầng có thể xác minh cho nhiều ứng dụng AI Web2 và Web3, thực sự hiện thực hóa quá trình chuyển đổi từ AI đồng lái sang hệ thống AI đáng tin cậy có khả năng ra quyết định tự động. ​​​​​​​​​​​​​​​​​​​​

Prime Intellect

Prime Intellect là một nền tảng tập trung vào đào tạo AI phi tập trung và cơ sở hạ tầng điện toán, dành riêng cho việc tích hợp các tài nguyên điện toán toàn cầu và thúc đẩy đào tạo cộng tác các mô hình AI nguồn mở. Kiến trúc cốt lõi của nó bao gồm một thị trường cho thuê năng lực điện toán ngang hàng và một giao thức đào tạo mở, cho phép bất kỳ ai đóng góp phần cứng nhàn rỗi vào mạng để đào tạo và lập luận mô hình lớn, do đó giảm bớt các vấn đề về AI truyền thống bị tập trung cao độ, rào cản gia nhập cao và lãng phí tài nguyên. Đồng thời, Prime Intellect đã phát triển các khuôn khổ đào tạo phân tán nguồn mở (như OpenDiLoco) hỗ trợ đào tạo liên vùng hiệu quả các mô hình lớn với hàng tỷ tham số và đã đào sâu nghiên cứu về đổi mới thuật toán và các hướng đặc biệt, chẳng hạn như mô hình METAGENE-1 dựa trên siêu gen và dự án INTELLECT-MATH cho lập luận toán học. Vào năm 2025, Prime Intellect cũng đã ra mắt chương trình SYNTHETIC-1, sử dụng phương pháp huy động vốn từ cộng đồng và học tăng cường để tạo ra bộ dữ liệu xác minh mã toán học và lý luận nguồn mở lớn nhất thế giới.

Triển vọng tương lai: AI phi tập trung mở và cùng có lợi

Bất chấp những thách thức, AI phi tập trung trên chuỗi vẫn có triển vọng phát triển rộng rãi và tiềm năng thay đổi. Khi công nghệ cơ bản dần hoàn thiện và nhiều dự án khác nhau tiếp tục thực hiện đúng lời hứa của mình, những lợi thế độc đáo của AI phi tập trung dự kiến sẽ ngày càng nổi bật và AI Layer1 sẽ có thể đạt được các tầm nhìn sau:

· Việc chia sẻ dân chủ sức mạnh tính toán, dữ liệu và mô hình sẽ phá vỡ thế độc quyền về công nghệ và cho phép các cá nhân, doanh nghiệp và tổ chức trên toàn thế giới tham gia vào đổi mới AI mà không có rào cản.

· Việc xác nhận và lưu thông tài sản AI và quản trị đáng tin cậy sẽ thúc đẩy lưu thông tự do và giao dịch các tài sản cốt lõi như dữ liệu và mô hình trên chuỗi, bảo vệ lợi ích của chủ sở hữu và hình thành một hệ sinh thái lành mạnh và cởi mở.

· Đầu ra AI đáng tin cậy hơn, có thể truy xuất và liên kết hơn, cung cấp hỗ trợ vững chắc cho sự phát triển an toàn và có thể kiểm soát của AI và giảm hiệu quả rủi ro "AI làm điều ác".

· Việc ứng dụng rộng rãi các ứng dụng công nghiệp sẽ giải phóng giá trị to lớn của AI trong các lĩnh vực tài chính, chăm sóc y tế, giáo dục, sáng tạo nội dung, v.v., để AI thực sự có thể mang lại lợi ích cho xã hội theo cách phi tập trung.

Khi ngày càng nhiều dự án AI Layer1 tiếp tục tiến triển, chúng tôi mong muốn mục tiêu AI phi tập trung sẽ sớm được hiện thực hóa và chúng tôi cũng hy vọng rằng nhiều nhà phát triển, nhà đổi mới và người tham gia hơn sẽ cùng nhau xây dựng một hệ sinh thái AI cởi mở, đa dạng và bền vững hơn.

Liên kết gốc