Topics Web3 Experts

Xem AI+Crypto Từ Quan Điểm Thị Trường Chính

Nâng Cao
Web3 Experts
Mar 7, 2024

Tác giả khách mời: Lào Bai

Hơn một năm kể từ khi ra mắt ChatGPT, các cuộc thảo luận về AI+Crypto một lần nữa lại nóng lên trên thị trường. AI được coi là một trong những con đường quan trọng nhất trong thị trường giá lên 2024–2025 và chính Vitalik Buterin đã xuất bản một bài báo có tựa đề Lời hứa và những thách thức của các ứng dụng crypto + AI, khám phá các hướng có thể có để khám phá AI + Crypto trong tương lai.

Bài viết này sẽ không đưa ra quá nhiều phán đoán chủ quan mà thay vào đó sẽ chỉ tóm tắt các dự án kinh doanh kết hợp AI và crypto được quan sát trong năm qua từ góc độ thị trường chính. Khóa học này sẽ xem xét các quan điểm mà từ đó các doanh nhân đã tham gia thị trường, những thành tích đã đạt được cho đến nay và lĩnh vực nào vẫn đang được khám phá.

2401-T16454_Skinny_Banner_for_Blog_and_Learn_Row_53_728x90.png

I. Chu kỳ của AI+Crypto

Trong suốt năm 2023, chúng tôi đã nói chuyện với hàng chục dự án AI+Crypto, trong đó có thể quan sát thấy các chu kỳ riêng biệt.

Trước khi phát hành ChatGPT vào cuối năm 2022, có rất ít dự án blockchain liên quan đến AI ở thị trường thứ cấp. Những dự án chính được ghi nhớ là Fetch.AI (FET), SingularityNET (AGIX) và một số dự án kỳ cựu khác. Tương tự, không có nhiều dự án liên quan đến AI có sẵn trên thị trường chính.

Từ tháng 1 đến tháng 5/2023 có thể được coi là giai đoạn bùng phát tập trung đầu tiên cho các dự án AI. Rốt cuộc, tác động của ChatGPT là đáng kể. Nhiều dự án cũ ở thị trường thứ cấp xoay quanh con đường AI và hầu như mỗi tuần ở thị trường chính các dự án AI+Crypto đều đang được thảo luận. Tương tự, trong thời gian này, các dự án AI có vẻ tương đối đơn giản. Nhiều trong số đó dựa trên sự thích ứng “da-sâu” của ChatGPT, kết hợp với các sửa đổi blockchain, hầu như không có rào cản công nghệ cốt lõi. Đội ngũ phát triển nội bộ của chúng tôi thường có thể sao chép khuôn khổ dự án chỉ trong một hoặc hai ngày. Điều này cũng dẫn đến nhiều cuộc họp với các dự án AI trong thời gian này, nhưng cuối cùng, không có hành động nào được thực hiện.

Từ tháng 5 đến tháng 10, thị trường thứ cấp bắt đầu giảm. Điều thú vị là, trong thời gian này, số lượng dự án AI trong thị trường chính cũng giảm đáng kể. Mãi đến tháng trước, số lượng mới bắt đầu tăng trở lại và các cuộc thảo luận cũng như bài viết về AI+Crypto trở nên phong phú hơn. Một lần nữa, chúng ta bước vào giai đoạn mà chúng ta có thể gặp phải các dự án AI mỗi tuần. Nửa năm sau, rõ ràng một loạt các dự án AI mới đã xuất hiện với sự hiểu biết tốt hơn về cách theo dõi AI, sự ra đời của các tình huống thương mại và sự tích hợp AI+Crypto được cải thiện so với làn sóng quảng bá AI đầu tiên. 

Mặc dù các rào cản công nghệ vẫn không mạnh mẽ, nhưng mức trưởng thành tổng thể đã tiến một bước về phía trước. Chỉ đến năm 2024, cuối cùng chúng tôi đã đặt cược lần đầu vào đường đua AI+Crypto.

II. Cách Theo Dõi AI+Crypto

Vitalik Buterin, trong bài viết của mình về “lời hứa và thách thức”, đưa ra dự đoán từ một số khía cạnh và quan điểm tương đối trừu tượng, như sau:

  • AI với tư cách là người chơi trong trò chơi

  • AI làm giao diện cho trò chơi

  • AI là quy tắc của trò chơi

  • AI là mục tiêu của trò chơi

Mặt khác, chúng tôi sẽ tóm tắt các dự án AI hiện đang xuất hiện trên thị trường chính từ góc độ cụ thể và trực tiếp hơn.

Hầu hết các dự án AI+Crypto đều tập trung vào cốt lõi của crypto, mà chúng tôi đang định nghĩa là “phi tập trung công nghệ (hoặc chính trị) + tài sản thương mại”.

Về phi tập trung, không có nhiều điều để nói, vì đó là tất cả về web3. Do đó, chúng ta có thể chia gần như các danh mục tài sản thành ba bước chính:

  • Tài sản hóa sức mạnh tính toán

  • Tài sản hóa các mô hình

  • Tài sản hóa dữ liệu

Skinny_Banner-1600x400.webp

Tính Toán Power Assetization

Đây là một con đường tương đối dày đặc, vì ngoài các dự án mới khác nhau, còn có nhiều dự án cũ xoay chuyển. Ví dụ: về phía Cosmos, có Akash Network và về phía Solana, có Nosana . Sau khi xoay chuyển, tất cả các token đều trải qua những đợt tăng vọt điên rồ, điều này cũng gián tiếp phản ánh sự lạc quan của thị trường đối với con đường AI. Mặc dù Render (RNDR) chủ yếu tập trung vào render phi tập trung, nhưng nó cũng có thể phục vụ các mục đích AI. Do đó, nhiều phân loại bao gồm các dự án liên quan đến sức mạnh tính toán giống RNDR trong quá trình theo dõi AI.

Việc tính toán tài sản công suất có thể được chia thành hai hướng, dựa trên việc sử dụng công suất tính toán. Một được đại diện bởi Gensyn, tức là “sức mạnh tính toán phi tập trung được sử dụng để đào tạo AI”. Phần còn lại được đại diện bởi hầu hết các trục và dự án mới, hoặc “sức mạnh tính toán phi tập trung được sử dụng cho suy luận AI” (khả năng của các mô hình machine learning trong việc đưa ra quyết định hoặc dự đoán dựa trên dữ liệu hoặc mô hình đã học trước đó).

Trong bài này, chúng ta có thể quan sát thấy một hiện tượng thú vị, hoặc có thể là một chuỗi các hành vi khinh thường:

AI Truyền Thống → Suy Luận Phi Tập Trung → Đào Tạo Phi Tập Trung

  • Những người có nền tảng AI truyền thống có xu hướng xem xét tính cầu kỳ của việc đào tạo hoặc suy luận phi tập trung.

  • Những người tập trung vào suy luận phi tập trung có xu hướng không ủng hộ đào tạo phi tập trung.

Lý do chính nằm ở khía cạnh kỹ thuật – bởi vì đào tạo AI (đặc biệt là đối với AI mô hình lớn) liên quan đến một lượng lớn dữ liệu. Điều thậm chí còn phóng đại hơn yêu cầu dữ liệu là nhu cầu băng thông được hình thành bởi giao tiếp tốc độ cao của dữ liệu này. Trong môi trường hiện tại của các mô hình máy biến áp lớn, đào tạo yêu cầu một ma trận tính toán bao gồm một số lượng lớn các card đồ họa cao cấp như card AI chuyên nghiệp 4090 series/H100 với các kênh giao tiếp có cấp độ trăm gigabit được tạo ra bởi NVLink và các công tắc sợi chuyên nghiệp. Bạn có thể tưởng tượng việc phi tập trung hóa những thứ này không? Hmm...

Nhu cầu về sức mạnh tính toán và băng thông giao tiếp trong suy luận AI thấp hơn nhiều so với đào tạo AI. Đương nhiên, khả năng thực hiện phi tập trung đối với suy luận lớn hơn nhiều so với đào tạo. Đó là lý do tại sao hầu hết các dự án liên quan đến điện toán tập trung vào suy luận, trong khi đào tạo chủ yếu dành cho những công ty lớn như Gensyn và Together AI, những công ty đã huy động được hàng trăm triệu vốn. Tuy nhiên, từ quan điểm về hiệu quả chi phí và độ tin cậy, ít nhất là ở giai đoạn này, sức mạnh tính toán tập trung để suy luận vẫn vượt trội hơn nhiều so với các lựa chọn phi tập trung.

Điều này giải thích tại sao những người tập trung vào suy luận phi tập trung lại xem xét đào tạo phi tập trung và nghĩ, “Bạn không thể biến điều đó thành hiện thực”, trong khi AI truyền thống coi đào tạo phi tập trung và suy luận là “không thực tế về công nghệ đào tạo” và “không đáng tin cậy về suy luận thương mại”.

Một số người nói rằng khi BTC/ETH xuất hiện lần đầu, mô hình các nút mạng phân tán tính toán mọi thứ có vẻ tương đối phi lý (so với điện toán đám mây). Nhưng cuối cùng, nó có thành công không? Vâng, điều đó phụ thuộc vào các yêu cầu về tính chính xác, bất biến, dự phòng và các khía cạnh khác của đào tạo và suy luận AI trong tương lai. Về hiệu suất, độ tin cậy và giá cả, hiện tại không thể vượt qua các giải pháp tập trung.

Tài Sản Hóa Mô Hình

Đây cũng là một con đường đông đúc cho các dự án và tương đối dễ hiểu hơn so với việc tính toán tài sản năng lượng vì một trong những ứng dụng nổi tiếng nhất sau sự phổ biến của ChatGPT là Character.AI. Với nền tảng này, bạn có thể tìm kiếm sự thông thái từ các nhà triết học cổ xưa như Socrates và Confucius, tham gia vào các cuộc trò chuyện bình thường với những người nổi tiếng như Elon Musk và Sam Altman, hoặc thậm chí tận hưởng những cuộc trò chuyện lãng mạn với các thần tượng ảo như Hatsune Miku và Raiden Shogun. Tất cả những điều này thể hiện sự quyến rũ của các mô hình ngôn ngữ lớn (LLM). Khái niệm Đại Lý AI đã ăn sâu vào tâm trí mọi người thông qua Character.AI.

Điều gì sẽ xảy ra nếu các số liệu như Confucius, Elon Musk hoặc Raiden Shogun đều là NFT?

Đây có phải là AI+Crypto không?

Vì vậy, thay vì gọi đó là tài sản hóa mô hình, người ta thường nói rằng đó là tài sản hóa của các đại lý được xây dựng trên các mô hình lớn. Rốt cuộc, bản thân các mô hình lớn không thể được đưa vào blockchain. Đó là nhiều hơn về việc ánh xạ các tác nhân bên cạnh các mô hình thành NFT để tạo ra cảm giác “tài sản hóa mô hình” trong không gian AI+Crypto.

Giờ đây, có những người có thể dạy bạn tiếng Anh hoặc thậm chí tham gia vào các mối quan hệ lãng mạn với bạn, trong số nhiều loại khác nhau. Ngoài ra, bạn cũng có thể tìm thấy các dự án liên quan, chẳng hạn như công cụ tìm kiếm đại lý và thị trường.

Vấn đề phổ biến trong đường đua này trước hết là không có rào cản công nghệ. Về cơ bản, đó chỉ là token hóa của Character.AI. Các thuật sĩ công nghệ nội bộ của chúng tôi có thể tạo ra một tác nhân nói và nghe giống như một nhân vật cụ thể (chẳng hạn như người đồng sáng lập, BMAN) chỉ trong một đêm bằng cách sử dụng các công cụ và khung mã nguồn mở hiện có. Thứ hai, quá trình tích hợp với blockchain rất nhẹ. Nó hơi giống với NFT GameFi trên Ethereum, trong đó siêu dữ liệu được lưu trữ chỉ có thể là URL hoặc hash và các mô hình/đại lý nằm trên các máy chủ đám mây. Các giao dịch on-chain chỉ đại diện cho quyền sở hữu.

Việc nắm giữ tài sản của các mô hình/đại lý vẫn là một trong những bước đi chính trong AI+Crypto trong tương lai gần. Trong tương lai, chúng tôi hy vọng sẽ chứng kiến các dự án có rào cản công nghệ tương đối cao hơn và tích hợp chặt chẽ hơn với blockchain mang tính gốc hơn.

Tài Sản Hóa Dữ Liệu

Nói một cách hợp lý, tài sản hóa dữ liệu là khía cạnh phù hợp nhất của AI+Crypto vì đào tạo AI truyền thống chủ yếu dựa vào dữ liệu hiển thị có sẵn trên internet – hoặc chính xác hơn là dữ liệu lưu lượng truy cập công khai. Dữ liệu này chỉ có thể đại diện cho một tỷ lệ nhỏ, khoảng 10–20%, với phần lớn dữ liệu thực sự nằm trong lưu lượng truy cập miền riêng tư (bao gồm cả dữ liệu cá nhân). Nếu dữ liệu lưu lượng truy cập này có thể được sử dụng để đào tạo hoặc tinh chỉnh các mô hình lớn, chắc chắn chúng ta có thể có nhiều Đại Lý/bot chuyên nghiệp hơn trong các ngành dọc khác nhau.

Sloga web3 tốt nhất là gì? Đọc, Viết, Sở Hữu!

Do đó, thông qua AI+Crypto và dưới sự hướng dẫn của các ưu đãi phi tập trung, phát hành dữ liệu lưu lượng truy cập tên miền cá nhân và riêng tư, đồng thời tài sản hóa dữ liệu này để cung cấp “thực phẩm” tốt hơn và phong phú hơn cho các mô hình lớn có vẻ giống như một cách tiếp cận hợp lý. Thật vậy, có một số nhóm tham gia sâu vào lĩnh vực này.

Tuy nhiên, thách thức lớn nhất trong quá trình này là, không giống như sức mạnh tính toán, dữ liệu rất khó chuẩn hóa. Sử dụng sức mạnh tính toán phi tập trung, mô hình card đồ họa sẽ trực tiếp chuyển thành lượng sức mạnh tính toán mà bạn có. Mặt khác, số lượng, chất lượng và mục đích của dữ liệu riêng tư đều khó đo lường. Nếu sức mạnh tính toán phi tập trung giống như ERC-20, thì việc tài sản hóa dữ liệu đào tạo AI phi tập trung có phần giống như ERC-721 – và giống như có nhiều dự án, chẳng hạn như APE, Punk, Azuki và các NFT khác nhau với các đặc điểm khác nhau kết hợp với nhau. Khó khăn trong thanh khoản và tạo thị trường khó khăn hơn nhiều so với ERC-20. Do đó, các dự án tập trung vào tài sản hóa dữ liệu AI hiện đang phải đối mặt với những thách thức đáng kể.

Một khía cạnh khác trong đường dẫn dữ liệu đáng đề cập là dán nhãn phi tập trung. Tài sản hóa dữ liệu hoạt động ở bước “thu thập dữ liệu” và dữ liệu thu thập cần được xử lý trước khi được cấp cho AI, đây là nơi gắn nhãn dữ liệu. Bước này hiện chủ yếu tập trung và tốn nhiều công sức. Với các ưu đãi token phi tập trung, việc chuyển đổi công việc này thành công việc phi tập trung, gắn nhãn để kiếm tiền hoặc (tương tự như các nền tảng cung cấp nguồn lực cộng đồng) phân phối công việc cũng là một cách tiếp cận khả thi. Một số nhóm hiện đang làm việc trong lĩnh vực này.

III. Thiếu Câu Hỏi Trong AI+Crypto

Hãy thảo luận ngắn gọn về các mảnh ghép câu đố hiện đang thiếu trong bài này theo quan điểm của chúng tôi.

  • Thiếu rào cản công nghệ: Như đã đề cập trước đó, phần lớn các dự án AI+Crypto gần như không có rào cản công nghệ so với các dự án AI truyền thống trong Web 2.0. Thay vào đó, họ dựa nhiều hơn vào các mô hình kinh tế và ưu đãi token trong trải nghiệm, thị trường và hoạt động của người dùng. Mặc dù cách tiếp cận này có thể hiểu được, với những điểm mạnh của sự phi tập trung và phân phối giá trị trên web3, nhưng việc thiếu các rào cản cốt lõi chắc chắn mang lại cảm giác “X-to-earn”. Chúng tôi vẫn hy vọng sẽ thấy nhiều đội ngũ hơn như RNDR, được hỗ trợ bởi các công ty như OTOY, với các công nghệ cốt lõi đang có những bước tiến đáng kể trong không gian crypto.

  • Tình trạng hiện tại của các bác sĩ: Dựa trên những quan sát hiện tại, một số nhóm trong không gian AI+Crypto đã thành thạo AI nhưng thiếu hiểu biết sâu sắc về web3. Ngược lại, một số nhóm có nguồn gốc crypto cao nhưng có chuyên môn hạn chế trong lĩnh vực AI. Tình huống này gợi nhớ đến những ngày đầu theo dõi GameFi, khi một số đội ngũ thành thạo trò chơi và tìm cách chuyển đổi các trò chơi Web 2.0 sang blockchain, trong khi những đội khác lại đắm chìm sâu trong web3, tập trung vào các mô hình trò chơi sáng tạo và tối ưu hóa khác nhau. MATR1X là đội đầu tiên mà chúng tôi gặp phải trong đường đua GameFi thể hiện sự hiểu biết kép về trò chơi và crypto, đó là lý do tại sao trước đây tôi đã đề cập đến CNTT như một trong ba dự án mà tôi tin tưởng chắc chắn vào năm 2023. Chúng tôi hy vọng sẽ thấy nhiều đội ngũ hơn vào năm 2024 có hiểu biết kép về AI và Crypto.

  • Tình huống kinh doanh: AI+Crypto đang trong giai đoạn khám phá cực kỳ sớm và các hình thức tài sản khác nhau được đề cập ở trên chỉ là một vài hướng chính. Mỗi hướng có nhiều đường con có thể được khám phá và phân đoạn cẩn thận. Hiện tại, nhiều dự án trên thị trường tích hợp AI và crypto cảm thấy hơi “khó khăn” hoặc “khó khăn”, không tận dụng được khả năng cạnh tranh tối ưu hoặc khả năng kết hợp của AI và crypto. Điều này liên quan chặt chẽ đến điểm thứ hai được đề cập ở trên. Ví dụ: đội ngũ nghiên cứu và phát triển nội bộ của chúng tôi đã hình thành và thiết kế một phương pháp tích hợp tối ưu hơn; tuy nhiên, mặc dù quan sát nhiều dự án trong quá trình theo dõi AI, chúng tôi vẫn chưa thấy bất kỳ đội ngũ nào bước vào lĩnh vực ngách này. Vì vậy, chúng ta chỉ có thể tiếp tục chờ đợi.

Bạn có thể hỏi tại sao một VC như chúng ta có thể đưa ra một số tình huống nhất định trước khi các doanh nhân trên thị trường có thể đưa ra. Đó là vì chúng tôi có bảy chuyên gia trong đội ngũ AI nội bộ, năm trong số đó có bằng tiến sĩ về AI. 

Cuối cùng, mặc dù từ góc độ thị trường chính, AI+Crypto vẫn còn khá sớm và chưa trưởng thành, nhưng điều này không ngăn cản chúng ta lạc quan về giai đoạn 2024–2025, khi AI+Crypto sẽ trở thành một trong những con đường chính của chu kỳ thị trường tăng giá này. Rốt cuộc, có cách nào tốt hơn để kết hợp năng suất được giải phóng bởi AI với các mối quan hệ sản xuất được giải phóng bởi blockchain không?

#Bybit #TheCryptoArk