Tiêu đề ban đầu: "Biteye & PANews Phối hợp phát hành Báo cáo nghiên cứu AI Layer 1: Tìm Kiếm Đất Của DeAI Trên Chuỗi"

Tác giả ban đầu: @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, Meta liên tục thúc đẩy sự phát triển nhanh chóng của mô hình ngôn ngữ lớn (LLM). LLM đã thể hiện khả năng chưa từng có trong mọi lĩnh vực và mở rộng không gian tưởng tượng của con người, thậm chí ở một số tình huống đã thể hiện tiềm năng thay thế cho lao động con người. Tuy nhiên, nhân tố cốt lõi của những công nghệ này lại được kiểm soát chặt chẽ trong tay một số ít tập đoàn công nghệ tập trung. Với vốn lớn và quyền kiểm soát nguồn lực tính toán đắt đỏ, những công ty này đã xây dựng những cản trở không thể vượt qua, khiến cho đa số nhà phát triển và nhóm sáng tạo gặp khó khăn trong việc đối phó với họ.

Nguồn : Báo cáo Phân Tích Xu hướng BONDAI

Đồng thời, trong giai đoạn phát triển nhanh chóng của AI, sự chú ý của cộng đồng thường tập trung vào những bước đột phá và tiện lợi mà công nghệ mang lại, trong khi sự quan tâm đến các vấn đề cốt lõi như bảo vệ quyền riêng tư, minh bạch và an ninh lại tương đối ít. Trong tầm nhìn dài hạn, những vấn đề này sẽ ảnh hưởng sâu sắc đến sự phát triển lành mạnh của ngành công nghiệp AI và sự chấp nhận của xã hội. Nếu không thể giải quyết một cách hợp lý, tranh luận về việc AI "tích cực" hay "tiêu cực" sẽ trở nên nổi bật hơn, trong khi các tập đoàn tập trung, với bản năng lợi nhuận, thường thiếu đủ động lực để tự giác giải quyết những thách thức này.

Với những đặc điểm phi trung tâm, minh bạch và kháng kiểm tra của công nghệ chuỗi khối, đã mở ra cơ hội mới cho sự phát triển bền vững của ngành công nghiệp AI. Hiện nay, đã xuất hiện nhiều ứng dụng "Web3 AI" trên các chuỗi khối phổ biến như Solana, Base. Tuy nhiên, một phân tích sâu hơn có thể phát hiện ra rằng những dự án này vẫn đang gặp phải nhiều vấn đề: Một mặt, mức độ phi trung tâm còn hạn chế, các môi trường và cơ sở hạ tầng quan trọng vẫn phụ thuộc vào dịch vụ đám mây tập trung, với sự quá mức về tính nổi, khó thể hỗ trợ một hệ sinh thái mở đúng nghĩa; Mặt khác, so với các sản phẩm AI trong thế giới Web2, AI trên chuỗi vẫn hạn chế về khả năng của mô hình, sử dụng dữ liệu và các kịch bản ứng dụng, tiềm năng đổi mới về chiều sâu và rộng đang cần được cải thiện.

Để thực sự hiện thực hoá tầm nhìn của AI phi trung tâm, để cho chuỗi khối có thể phục vụ ứng dụng AI quy mô lớn một cách an toàn, hiệu quả và dân chủ, và có thể cạnh tranh về hiệu suất với các giải pháp tập trung, chúng ta cần thiết kế một chuỗi khối Layer1 được tùy chỉnh cho AI. Điều này sẽ cung cấp nền tảng vững chắc cho sự sáng tạo mở cửa cho AI, quản trị dân chủ và bảo mật dữ liệu, thúc đẩy sự phồn thịnh của hệ sinh thái AI phi trung tâm.

Đặc Điểm Cốt Lõi của AI Layer 1

Với vai trò là một chuỗi khối được tinh chỉnh đặc biệt cho ứng dụng trí tuệ nhân tạo, cấu trúc và hiệu suất của AI Layer 1 được thiết kế chặt chẽ xung quanh nhu cầu của nhiệm vụ trí tuệ nhân tạo, nhằm hỗ trợ một cách hiệu quả sự phát triển bền vững và thịnh vượng của hệ sinh thái trí tuệ nhân tạo trên chuỗi. Cụ thể, AI Layer 1 cần có những khả năng cốt lõi sau:

Cơ Chế Khích Lệ Hiệu Quả và Cơ Chế Đồng Thuận Phi Trung Tâm

Sự cốt lõi của AI Layer 1 nằm ở việc xây dựng một mạng lưới chia sẻ tài nguyên như sức mạnh tính toán, lưu trữ và những tài nguyên khác. Khác biệt so với các nút chuỗi khối truyền thống chủ yếu tập trung vào việc ghi chép sổ cái, các nút AI Layer 1 cần đảm nhận các nhiệm vụ phức tạp hơn, không chỉ cung cấp sức mạnh tính toán, hoàn thành việc đào tạo và suy luận mô hình trí tuệ nhân tạo, mà còn cần đóng góp vào lưu trữ, dữ liệu, băng thông và các nguồn tài nguyên đa dạng khác, nhằm phá vỡ sự thống trị của các đại gia trung tâm trên cơ sở hạ tầng trí tuệ nhân tạo. Điều này đặt ra yêu cầu cao hơn đối với cơ chế đồng thuận và khích lệ cơ bản: AI Layer 1 phải có khả năng đánh giá, khích lệ và xác nhận chính xác việc đóng góp thực tế của nút trong các nhiệm vụ như suy luận trí tuệ nhân tạo, đào tạo và nhiều nhiệm vụ khác, thúc đẩy tính an toàn của mạng lưới và phân phối tài nguyên hiệu quả. Chỉ có điều này, mạng lưới mới có thể đảm bảo tính ổn định và thịnh vượng, và giảm thiểu chi phí tổng thể về sức mạnh tính toán.

Khả Năng Hiệu Suất Vượt Trội và Hỗ Trợ Nhiệm Vụ Đa Đồng Nhất

Các nhiệm vụ trí tuệ nhân tạo, đặc biệt là việc đào tạo và suy luận LLM, đặt ra yêu cầu cực kỳ cao về hiệu suất tính toán và khả năng xử lý song song. Hơn nữa, hệ sinh thái trí tuệ nhân tạo trên chuỗi thường cần hỗ trợ cho nhiều loại nhiệm vụ đa dạng và đa hoá, bao gồm cấu trúc mô hình khác nhau, xử lý dữ liệu, suy luận, lưu trữ và nhiều kịch bản khác. AI Layer 1 phải tối ưu sâu trong cấu trúc dưới đáy chuyên sâu để đáp ứng yêu cầu về thể nhập cao, độ trễ thấp và khả năng xử lý song song linh hoạt, và tích hợp sẵn khả năng hỗ trợ tài nguyên tính toán đa dạng, đảm bảo mọi nhiệm vụ trí tuệ nhân tạo đều chạy hiệu quả, thực hiện mở rộng mượt mà từ "một loại nhiệm vụ" đến "hệ sinh thái phức tạp đa đồng nhất".

Khả Năng Xác Minh và Bảo Vệ Đầu Ra Đáng Tin Cậy

AI Layer 1 không chỉ cần ngăn chặn các rủi ro an ninh như xâm nhập mô hình, gian lận dữ liệu, mà còn cần đảm bảo khả năng xác minh và sự phù hợp của kết quả đầu ra trí tuệ. Thông qua việc tích hợp môi trường thực thi đáng tin cậy (TEE), bằng chứng không gian (ZK), tính toán an toàn đa phương tiện (MPC) và nhiều công nghệ tiên tiến khác, nền tảng có thể đảm bảo từng quá trình suy luận mô hình, đào tạo và xử lý dữ liệu đều có thể được xác minh độc lập, đảm bảo tính công bằng và minh bạch của hệ thống trí tuệ. Đồng thời, khả năng xác minh này cũng có thể giúp người dùng hiểu rõ các logic và cơ sở của đầu ra trí tuệ, thực hiện "nhận được như mong muốn", nâng cao sự tin tưởng và hài lòng của người dùng đối với sản phẩm trí tuệ.

Bảo Vệ Sự Riêng Tư Dữ Liệu

Ứng dụng AI thường liên quan đến dữ liệu nhạy cảm của người dùng, đặc biệt quan trọng trong các lĩnh vực tài chính, y tế, xã hội, v.v. Bảo vệ quyền riêng tư dữ liệu đóng vai trò then chốt. AI Layer 1 cần đảm bảo tính xác thực và trong khi đó áp dụng công nghệ xử lý dữ liệu dựa trên mật mã, giao thức tính riêng tư, quản lý quyền truy cập dữ liệu, v.v. để đảm bảo an toàn dữ liệu trong toàn bộ quá trình suy luận, huấn luyện và lưu trữ, hiệu quả ngăn chặn rò rỉ thông tin và lạm dụng dữ liệu, loại bỏ lo lắng của người dùng về an ninh dữ liệu.

Khả năng Hỗ trợ Mạnh mẽ từ Hệ sinh thái và Khả năng Hỗ trợ Phát triển

Là cơ sở hạ tầng AI nguyên sinh Layer 1, nền tảng không chỉ cần có tính tiên tiến về công nghệ mà còn cần cung cấp các công cụ phát triển toàn diện, SDK tích hợp, hỗ trợ vận hành và cơ chế khích lệ cho các nhà phát triển, nhà điều hành nút, nhà cung cấp dịch vụ AI, v.v. Đồng qua việc tối ưu hóa liên tục sẵn có và trải nghiệm của nhà phát triển, khuyến khích sự đa dạng phong phú của ứng dụng nguyên sinh AI, thúc đẩy sự thịnh vượng bền vững của hệ sinh thái AI phi trung tâm.

Dựa trên bối cảnh và kỳ vọng nói trên, bài viết này sẽ giới thiệu chi tiết sáu dự án đại diện của Layer 1 AI bao gồm Sentient, Sahara AI, Ritual, Gensyn, Bittensor và 0G, tổng hợp hệ sinh thái và phân tích tiến triển mới nhất của đường đua, phân tích tình hình phát triển dự án và thảo luận về xu hướng tương lai.

Sentient: Xây dựng Mô hình AI phi tâm trung mã nguồn mở trung thành

Tổng quan dự án

Sentient là một nền tảng giao thức mã nguồn mở, đang xây dựng một hệ sinh thái kinh tế trí tuệ nhân tạo phi tâm trung thông qua việc kết hợp ống dẫn AI và công nghệ blockchain, xây dựng một cộng đồng AI phi tâm trung. Mục tiêu cốt lõi của nền tảng là thông qua khung "OML" (Mở cửa, Có thể có lời, Trung thành) giải quyết vấn đề sở hữu mô hình, theo dõi cuộc gọi và phân bố giá trị trong thị trường tập trung LLM, giúp mô hình AI thực hiện cấu trúc sở hữu trên chuỗi, trong suốt cuộc gọi và chia sẻ giá trị. Tầm nhìn của Sentient là cho phép bất kỳ ai cũng có thể xây dựng, cộng tác, sở hữu và thương mại hóa sản phẩm AI, thúc đẩy một hệ sinh thái mạng lưới AI công bằng và mở cửa.

Đội ngũ Sentient Foundation tập hợp các chuyên gia hàng đầu toàn cầu, các nhà khởi nghiệp blockchain và kỹ sư, cam kết xây dựng một nền tảng AGI được thúc đẩy bởi cộng đồng, mã nguồn mở và có thể xác minh. Các thành viên chính bao gồm giáo sư Pramod Viswanath của Đại học Princeton và giáo sư Himanshu Tyagi của Viện Khoa học Ấn Độ, lần lượt chịu trách nhiệm về an ninh và bảo vệ quyền riêng tư AI, đồng thời được dẫn dắt về chiến lược blockchain và cấu trúc sinh thái bởi Sandeep Nailwal, người sáng lập đồng của Polygon. Với lý lịch đa dạng, các thành viên nhóm bao gồm các công ty nổi tiếng như Meta, Coinbase, Polygon, cũng như các trường đại học hàng đầu như Đại học Princeton, Viện Công nghệ Ấn Độ, điều này giúp đẩy mạnh dự án trên thực địa.

Là dự án khởi nghiệp lần thứ hai của Sandeep Nailwal, một trong những người sáng lập Polygon, Sentient đã tỏa sáng từ khi mới thành lập với tài nguyên phong phú, mạng lưới quan hệ và sự nhận thức thị trường mạnh mẽ, mang đến sự ủng hộ mạnh mẽ cho sự phát triển dự án. Giữa năm 2024, Sentient đã hoàn thành vòng hạt giống trị giá 85 triệu USD, do Founders Fund, Pantera và Framework Ventures đứng đầu, các tổ chức đầu tư khác bao gồm Delphi, Hashkey và Spartan cùng hàng chục VC nổi tiếng khác.

Thiết Kế Kiến Trúc và Tầng Ứng Dụng

1. Tầng Hạ Tầng

Kiến Trúc Cốt Lõi

Kiến trúc cốt lõi của Sentient bao gồm Ống dẫn AI và Hệ thống Blockchain:

Ống dẫn AI là nền tảng phát triển và huấn luyện các tác phẩm AI "Trung thành", bao gồm hai quy trình chính:

· Chăm sóc Dữ liệu (Data Curation): Quy trình lựa chọn dữ liệu được cộng đồng điều hành, được sử dụng để căn chỉnh mô hình.​

· Huấn luyện Trung thành (Loyalty Training): Đảm bảo quá trình huấn luyện giữ cho mô hình phù hợp với ý đồ của cộng đồng.

Hệ thống Blockchain cung cấp tính minh bạch và kiểm soát phi tâm trung ương cho giao thức, đảm bảo quyền sở hữu của tác phẩm AI, theo dõi việc sử dụng, phân phối lợi nhuận và quản trị công bằng. Kiến trúc cụ thể chia thành bốn tầng:

· Tầng Lưu trữ: Lưu trữ thông tin trọng số mô hình và đăng ký vân tay;

· Tầng Phân phối: Hợp đồng ủy quyền kiểm soát điểm nhập mô hình;

· Tầng Truy cập: Xác minh chứng chỉ quyền hạn xem xét người dùng có được ủy quyền hay không;

· Tầng Khuyến khích: Hợp đồng phân chia lợi nhuận định hướng sẽ thanh toán mỗi lần gọi hàm cho người huấn luyện, triển khai và xác minh.

Sơ đồ Quy Trình Hoạt Động của Hệ thống Sentient

Khung Mô Hình OML

Khung OML (Mở Open, Thương mại hóa Monetizable, Trung thành Loyal) là ý tưởng cốt lõi mà Sentient đề xuất, với mục tiêu cung cấp bảo vệ quyền sở hữu rõ ràng cho mô hình AI mã nguồn mở và cung cấp cơ chế khích lệ kinh tế. Thông qua sự kết hợp giữa công nghệ trên chuỗi và mật mã học nguyên sinh của AI, có các điểm đặc biệt sau:

· Mở Cửa: Mô hình phải được phát hành công khai, mã nguồn và cấu trúc dữ liệu rõ ràng, dễ dàng cho cộng đồng sao chép lại, kiểm tra và cải tiến.

· Tiền Hóa: Mỗi lần gọi mô hình đều kích hoạt dòng thu nhập, hợp đồng trên chuỗi sẽ phân phối dòng thu nhập cho người huấn luyện, người triển khai và người xác minh.

· Trung Thành: Mô hình thuộc cộng đồng đóng góp, hướng dẫn nâng cấp và quản trị được quyết định bởi DAO, việc sử dụng và biên soạn được kiểm soát bằng cơ chế mã hóa.

Mật Mã Sinh Học Tích Hợp AI (AI-native Cryptography)

Mật Mã Sinh Học Tích Hợp AI là việc sử dụng tính liên tục của mô hình AI, cấu trúc biểu diễn dạng dòng thấp và tính khả vi đạo hàm của mô hình để phát triển cơ chế bảo mật nhẹ nhàng nhưng "không thể gỡ bỏ". Công nghệ cốt lõi bao gồm:

· Nhúng Vân Tay: Chèn một bộ key-value ẩn khi huấn luyện để tạo ra chữ ký duy nhất cho mô hình;

· Giao Thức Xác Thực Sở Hữu: Sử dụng một bên kiểm tra viên thứ ba (Prover) để xác minh xem vân tay có được lưu giữ hay không dưới dạng truy vấn;

· Cơ Chế Gọi Phép Điều: Phải nhận "chứng chỉ quyền hạn" do chủ sở hữu mô hình phát hành trước khi gọi, hệ thống sẽ dựa vào đây để ủy quyền mô hình giải mã đầu vào và trả lời chính xác.

Phương pháp này có thể thực hiện "Gọi Phép Dựa Trên Hành Vi + Xác Thực Sở Hữu" mà không cần chi phí tính toán lớn.

Khung Khả Năng Chắc Chắn và Thực Hiện An Toàn cho Mô Hình

Hiện tại, Sentient đang sử dụng Melange An Toàn Hỗn Hợp: kết hợp xác minh vân tay, TEE thực thi, chia sẻ lợi nhuận thông qua hợp đồng chuỗi. Trong đó, phương pháp vân tay được thực hiện theo chuẩn OML 1.0, nhấn mạnh vào tư duy "An Ninh Lạc Quan", nghĩa là mặc định tuân thủ, có thể phát hiện và xử phạt sau khi vi phạm.

Cơ Chế Vân Tay là bản cài thực thi của OML, thông qua việc nhúng cặp "câu hỏi - trả lời" cụ thể, cho phép mô hình tạo ra chữ ký duy nhất trong quá trình huấn luyện. Thông qua những chữ ký này, chủ sở hữu mô hình có thể xác minh sở hữu, ngăn chặn việc sao chép và thương mại hóa không được ủy quyền. Cơ chế này không chỉ bảo vệ quyền lợi của nhà phát triển mô hình mà còn cung cấp bản ghi chuỗi có thể theo dõi cho hành vi sử dụng của mô hình.

Ngoài ra, Sentient đã ra mắt khung tính toán Enclave TEE, sử dụng môi trường thực thi đáng tin cậy (như AWS Nitro Enclaves) để đảm bảo mô hình chỉ phản hồi các yêu cầu được ủy quyền, ngăn chặn việc truy cập và sử dụng không được phép. Mặc dù TEE phụ thuộc vào phần cứng và tồn tại một số rủi ro an ninh, nhưng ưu điểm về hiệu suất và thời gian thực đã biến nó thành công nghệ lõi của việc triển khai mô hình hiện tại.

Trong tương lai, Sentient dự định tích hợp công nghệ chứng minh không cần biết (ZK) và mật mã toàn diện (FHE), nâng cao hơn nữa tính bảo mật và khả năng xác thực, cung cấp một giải pháp trưởng thành hơn cho việc triển khai AI không trung tâm.

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

2. Tầng ứng dụng

Hiện tại, sản phẩm của Sentient chủ yếu bao gồm nền tảng trò chuyện phi tâm trung Sentient Chat, bộ mô hình mã nguồn mở Dobby và khung AI Agent

Bộ mô hình Dobby

SentientAGI đã phát hành nhiều mô hình chuỗi "Dobby", chủ yếu dựa trên mô hình Llama, tập trung vào giá trị tự do, phi tâm trung và hỗ trợ tiền điện tử. Trong đó, phiên bản leashed có phong cách giới hạn và lý trí hơn, phù hợp với các tình huống đầu ra ổn định; phiên bản unhinged hướng đến tự do can đảm, có phong cách trò chuyện phong phú hơn. Mô hình Dobby đã được tích hợp vào nhiều dự án nguyên gốc Web3, như Firework AI và Olas, người dùng cũng có thể gọi trực tiếp các mô hình này để tương tác trong Sentient Chat. Dobby 70B là mô hình phi tâm trung nhất từ trước đến nay, có hơn 600.000 chủ sở hữu (người nắm giữ dấu vân tay Dobby NFT đồng thời cũng là chủ sở hữu chung của mô hình).

Sentient cũng dự định phát hành Open Deep Search, một hệ thống tìm kiếm ước lượng vượt xa ChatGPT và Perplexity Pro. Hệ thống kết hợp tính năng tìm kiếm của Sensient (như phát biểu truy vấn, xử lý tài liệu) với đại lý suy diễn, thông qua việc tích hợp các mô hình nguồn mở LLM (như Llama 3.1 và DeepSeek) để cải thiện chất lượng tìm kiếm. Trên bảng xếp hạng Frames Benchmark, hiệu suất của nó đã vượt qua các mô hình nguồn mở khác, thậm chí tiếp cận một số mô hình đóng.

Sentient Chat: Trò chuyện phi tâm trung và tích hợp AI Agent trên chuỗi

Sentient Chat là một nền tảng trò chuyện phi tâm trung, kết hợp mô hình ngôn ngữ lớn mã nguồn mở (như chuỗi Dobby) với khung suy diễn tiên tiến, hỗ trợ tích hợp đa đại lý và thực thi nhiệm vụ phức tạp. Đại lý suy diễn được nhúng trực tiếp trên nền tảng có thể hoàn thành nhiệm vụ phức tạp như tìm kiếm, tính toán, thực thi mã, mang đến trải nghiệm tương tác hiệu quả cho người dùng. Ngoài ra, Sentient Chat còn hỗ trợ tích hợp trực tiếp của các đại lý thông minh trên chuỗi, hiện đã bao gồm đại lý Chiêm tinh học Astro247, đại lý Phân tích Tiền mã hóa QuillCheck, đại lý Tóm tắt Ví Cơ sở Pond Base Wallet và đại lý Hướng dẫn Thiền ChiefRaiin. Người dùng có thể chọn từ các đại lý thông minh khác nhau để tương tác theo nhu cầu. Sentient Chat sẽ được sử dụng như một nền tảng phân phối và điều phối đại lý. Những câu hỏi của người dùng có thể được định tuyến đến bất kỳ mô hình hoặc đại lý đã tích hợp nào để cung cấp kết quả phản hồi tốt nhất.

Khung AI Agent

Sentient cung cấp hai Khung AI Agent chính:

· Khung Sentient Agent: Một khung nhẹ mã nguồn mở, tập trung vào tự động hóa nhiệm vụ web thông qua hướng dẫn ngôn ngữ tự nhiên (ví dụ: tìm kiếm, phát video). Khung hỗ trợ xây dựng một thực thể thông minh với chu trình cảm nhận, lập kế hoạch, thực hiện và phản hồi, phù hợp cho việc phát triển nhẹ trên chuỗi nhiệm vụ web.

· Sentient Social Agent: Hệ thống AI phát triển cho các nền tảng mạng xã hội (như Twitter, Discord và Telegram), hỗ trợ tự động hóa tương tác và tạo nội dung. Thông qua hợp tác đa thực thể, khung này có khả năng hiểu môi trường mạng xã hội và cung cấp trải nghiệm mạng xã hội thông minh hơn cho người dùng, đồng thời có thể tích hợp với Khung Sentient Agent để mở rộng các kịch bản ứng dụng.

Đề xuất và Tham gia

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

Biểu đồ Sinh thái Sentient

Ngoài ra, Sentient Chat hiện đang ở giai đoạn thử nghiệm và yêu cầu mã mời để tham gia danh sách trắng trước khi có thể truy cập, người dùng thông thường có thể gửi đăng ký chờ. Theo thông tin chính thức, đã có hơn 50,000 người dùng và 1,000,000 lần truy vấn. Danh sách chờ cho Sentient Chat hiện có 2,000,000 người dùng đang chờ tham gia.

Thách thức và Triển vọng

Sentient bắt đầu từ mô hình, cam kết giải quyết các vấn đề cốt lõi như không phù hợp, không đáng tin cậy của mô hình ngôn ngữ quy mô lớn hiện tại (LLM). Thông qua Khung OML và công nghệ blockchain, Sentient cung cấp cấu trúc quyền sở hữu rõ ràng, theo dõi việc sử dụng và ràng buộc hành vi cho mô hình, đẩy mạnh phát triển mô hình mã nguồn mở phi tập trung.

Với sự hỗ trợ tài nguyên từ Đồng sáng lập Polygon Sandeep Nailwal, cùng sự ủng hộ từ các nhà đầu tư hàng đầu và đối tác trong ngành, Sentient đang dẫn đầu về việc hợp nhất tài nguyên và sự chú ý từ thị trường. Tuy nhiên, trong bối cảnh thị trường hiện tại đang dần mất đi sức hấp dẫn đối với các dự án định giá cao, việc Sentient có thể giao phó sản phẩm trí tuệ nhân tạo phi tâm trung thực sự có ảnh hưởng sẽ là bài kiểm tra quan trọng cho việc trở thành tiêu chuẩn sở hữu trí tuệ nhân tạo phi tâm trung của chính nó. Những nỗ lực này không chỉ liên quan đến sự thành công của Sentient mà còn có tác động sâu rộng đến sự tái thiết niềm tin của toàn ngành và sự phát triển phi tâm trung.

Sahara AI: Xây dựng thế giới trí tuệ nhân tạo phi tâm trung mà ai cũng có thể tham gia

Tổng quan dự án

Sahara AI là cơ sở hạ tầng phi tâm trung sinh ra để phục vụ mô hình mới AI × Web3, cam kết xây dựng một nền kinh tế trí tuệ nhân tạo mở, công bằng và hợp tác. Dự án thông qua công nghệ sổ cái phi tâm trung, thực hiện quản lý và giao dịch dữ liệu, mô hình và Đại lý thông minh trên chuỗi, đảm bảo chủ quyền và khả năng theo dõi của dữ liệu và mô hình. Đồng thời, Sahara AI giới thiệu cơ chế khuyến khích minh bạch, công bằng, để tất cả các bên đóng góp, bao gồm người cung cấp dữ liệu, người chú thích và nhà phát triển mô hình, đều có thể nhận được lợi nhuận không thể thay đổi trong quá trình hợp tác. Nền tảng cũng thông qua một hệ thống "bản quyền" không cần phép, bảo vệ chủ quyền và sở hữu của người đóng góp đối với tài sản trí tuệ nhân tạo và khuyến khích chia sẻ mở và sáng tạo.

Sahara AI cung cấp một giải pháp toàn diện từ việc thu thập dữ liệu, gán nhãn, đến huấn luyện mô hình, tạo Đại lý trí tuệ nhân tạo, giao dịch tài sản AI và các dịch vụ khác, bao gồm toàn bộ vòng đời trí tuệ nhân tạo, trở thành một hệ sinh thái đa chiều đáp ứng nhu cầu phát triển trí tuệ nhân tạo. Chất lượng sản phẩm và khả năng công nghệ của nó đã nhận được sự công nhận cao từ các tập đoàn và tổ chức hàng đầu thế giới như Microsoft, Amazon, Viện Công nghệ Massachusetts (MIT), Tập đoàn Motherson và Snap, thể hiện sức ảnh hưởng to lớn và sự phổ quát rộng rãi.

Sahara không chỉ là một dự án nghiên cứu mà còn là một nền tảng công nghệ sâu mang hướng đi doanh nghiệp được thúc đẩy bởi các doanh nhân công nghệ hàng đầu và nhà đầu tư, đạt được điểm mạnh trong việc triển khai. Cơ sở hạ tầng cốt lõi của nó có thể trở thành điểm tựa quan trọng cho việc triển khai ứng dụng AI × Web3. Sahara AI đã nhận được hỗ trợ đầu tư tổng cộng 43 triệu USD từ các tổ chức hàng đầu như Pantera Capital, Binance Labs, Sequoia China; được thành lập bởi Giáo sư vĩnh cửu của Đại học Nam California, nhà nghiên cứu Samsung 2023 Sean Ren và Giám đốc đầu tư trước của Binance Labs Tyler Zhou, các thành viên cốt lõi của đội ngũ đến từ Đại học Stanford, Đại học California Berkeley, Microsoft, Google, Binance và các tổ chức hàng đầu khác, kết hợp kiến thức sâu rộng từ học thuật và ngành công nghiệp.

Thiết kế Kiến trúc

Sơ đồ Kiến trúc Sahara AI

1. Tầng Cơ bản

Tầng Cơ bản của Sahara AI chia thành: 1. Tầng Trên chuỗi dùng cho việc đăng ký và thực tiện tài sản AI, 2. Tầng Dưới chuỗi dùng cho việc chạy Agents và Dịch vụ AI. Hệ thống trên và dưới chuỗi hoạt động cùng nhau, đảm nhận việc đăng ký tài sản AI, xác thực quyền sở hữu, thực thi và phân phối lợi nhuận, hỗ trợ sự cộng tác đáng tin cậy trong toàn bộ vòng đời AI.

Blockchain Sahara và Mạng Testnet SIWA (Cơ Sở Trên Chuỗi)

Mạng testnet SIWA là phiên bản công khai đầu tiên của Blockchain Sahara. Giao thức Blockchain Sahara (SBP) là lõi của Blockchain Sahara, đây là một hệ thống hợp đồng thông minh được xây dựng đặc biệt cho AI, thực hiện quyền sở hữu trên chuỗi, ghi chú nguồn gốc và phân phối lợi nhuận của AI. Module chính bao gồm hệ thống đăng ký tài sản, giao thức sở hữu, theo dõi đóng góp, quản lý quyền, phân phối lợi nhuận, chứng minh thực thi, vv., tạo ra một "hệ điều hành trên chuỗi" dành cho AI.

Giao thức Thực thi AI (Cơ Sở Dưới Chuỗi)

Để hỗ trợ tính tin cậy khi chạy và gọi mô hình, Sahara cùng xây dựng hệ thống giao thức thực thi AI dưới chuỗi, kết hợp với môi trường thực thi đáng tin cậy (TEE), hỗ trợ việc tạo, triển khai, chạy và phát triển cùng nhau của các Agent AI. Mỗi lần thực thi công việc đều sinh ra bản ghi có thể xác minh và tải lên chuỗi, đảm bảo toàn bộ quy trình có thể theo dõi, có thể xác minh. Hệ thống trên chuỗi chịu trách nhiệm đăng ký, cấp quyền và ghi nhận quyền sở hữu, giao thức thực thi AI dưới chuỗi hỗ trợ chạy thời gian thực và giao tiếp dịch vụ của AI Agent. Với tính tương thích đa chuỗi của Sahara, ứng dụng được xây dựng trên cơ sở hạ tầng AI Sahara có thể triển khai trên bất kỳ chuỗi nào, thậm chí dưới chuỗi.

2. Tầng Ứng dụng

Nền tảng Dịch vụ Dữ liệu Sahara AI (DSP)

Nền tảng Dịch vụ Dữ liệu (DSP) là một module cơ bản của tầng ứng dụng Sahara, bất kỳ ai cũng có thể thông qua Sahara ID nhận nhiệm vụ dữ liệu, tham gia gán nhãn dữ liệu, làm sạch và kiểm tra lỗi và nhận điểm thưởng trên chuỗi (Điểm Sahara) làm chứng từ đóng góp. Cơ chế này không chỉ đảm bảo nguồn gốc dữ liệu và quyền sở hữu mà còn thúc đẩy sự kết hợp "đóng góp - thưởng - tối ưu hóa mô hình" thành một vòng lặp. Hiện tại đã tiến hành vào mùa hoạt động thứ tư, đây cũng là cách chính mà người dùng thông thường có thể tham gia đóng góp.

Trong cơ sở này, để khuyến khích người dùng nộp dữ liệu và dịch vụ chất lượng cao, thông qua việc giới thiệu cơ chế kích thích kép, không chỉ nhận được phần thưởng từ Sahara mà còn nhận được phần thưởng bổ sung từ đối tác sinh thái, thực hiện một đóng góp, nhiều lợi ích. Lấy ví dụ về người đóng góp dữ liệu, ngay khi dữ liệu của họ được gọi nhiều lần bởi mô hình hoặc được sử dụng để tạo ứng dụng mới, họ có thể liên tục nhận lợi nhuận, tham gia thực sự vào chuỗi giá trị trí tuệ nhân tạo. Cơ chế này không chỉ kéo dài tuổi thọ tài sản dữ liệu mà còn tạo động lực mạnh mẽ cho hợp tác và xây dựng chung, ví dụ, trên BNB Chain, MyShell đã tạo tập hợp dữ liệu tùy chỉnh thông qua DSP, cải thiện hiệu suất của mô hình, người dùng sau đó nhận được phần thưởng token MyShell, tạo ra một vòng lợi ích song phương.

Các doanh nghiệp trí tuệ nhân tạo có thể dựa trên nền tảng dịch vụ dữ liệu để tạo tập hợp dữ liệu thông qua cộng đồng, thông qua việc phát hành nhiệm vụ dữ liệu cụ thể, nhanh chóng nhận phản hồi từ người gắn nhãn dữ liệu trên toàn cầu. Các doanh nghiệp trí tuệ nhân tạo không còn phải phụ thuộc vào nhà cung cấp dữ liệu trung tâm truyền thống, mà có thể tiếp cận dữ liệu gắn nhãn chất lượng cao ở quy mô lớn.

Sahara AI Developer Platform

Sahara AI Developer Platform là một nền tảng xây dựng và vận hành trí tuệ nhân tạo toàn diện dành cho các nhà phát triển và doanh nghiệp, cung cấp hỗ trợ toàn diện từ việc lấy dữ liệu, huấn luyện mô hình đến triển khai và thương mại hóa tài sản. Người dùng có thể trực tiếp truy cập vào tài nguyên dữ liệu chất lượng cao trong Sahara DSP, sử dụng chúng cho việc huấn luyện và điều chỉnh mô hình; mô hình hoàn thành có thể được tổ hợp, đăng ký và đưa ra AI Marketplace trên nền tảng, thực hiện quyền sở hữu và cấp phép linh hoạt thông qua Sahara Blockchain.

Studio cũng tích hợp khả năng tính toán phi tâm trung, hỗ trợ huấn luyện mô hình và triển khai chạy Agent, đảm bảo an toàn và khả năng xác minh của quá trình tính toán. Nhà phát triển cũng có thể lưu trữ dữ liệu và mô hình chính yếu, thực hiện lưu trữ mã hóa và kiểm soát quyền truy cập, ngăn chặn việc truy cập không được ủy quyền. Thông qua Sahara AI Developer Platform, người phát triển không cần xây dựng cơ sở hạ tầng của họ, mà có thể xây dựng, triển khai và thương mại hóa ứng dụng trí tuệ nhân tạo với ngưỡng thấp hơn, và hoàn toàn tích hợp vào hệ thống kinh tế trí tuệ nhân tạo trên chuỗi thông qua cơ chế giao thức.

AI Marketplace

Sahara AI Marketplace là một thị trường tài sản phi tâm trung dành cho mô hình, tập hợp dữ liệu và AI Agent. Nó không chỉ hỗ trợ việc đăng ký, giao dịch và cấp phép tài sản, mà còn xây dựng một cơ chế phân phối lợi nhuận minh bạch và có thể theo dõi. Nhà phát triển có thể đăng ký mô hình tự xây dựng hoặc tập hợp dữ liệu thu thập được là tài sản trên chuỗi, đặt tỷ lệ phần trăm cấp phép sử dụng linh hoạt và chia sẻ lợi nhuận, hệ thống sẽ tự động thực hiện việc thanh toán lợi nhuận dựa trên tần suất gọi. Người đóng góp dữ liệu cũng có thể tiếp tục nhận được chia sẻ lợi nhuận do việc gọi dữ liệu của họ liên tục, thực hiện "thu nhập liên tục".

Thị trường này tích hợp sâu với Giao thức Blockchain Sahara, tất cả các giao dịch tài sản, cuộc gọi, ghi chú chia sẻ lợi nhuận sẽ được xác minh trên chuỗi, đảm bảo sở hữu tài sản rõ ràng, thu nhập có thể theo dõi. Với thị trường này, các nhà phát triển trí tuệ nhân tạo không còn phụ thuộc vào nền tảng API truyền thống hoặc dịch vụ lưu trữ mô hình tập trung, mà có con đường kinh doanh có thể lập trình tự chủ.

3. Tầng Sinh thái

Tầng Sinh thái của Sahara AI liên kết các nhà cung cấp dữ liệu, nhà phát triển trí tuệ nhân tạo, người tiêu dùng, người dùng doanh nghiệp và đối tác giao thoa chuỗi. Dù là muốn đóng góp dữ liệu, phát triển ứng dụng, sử dụng sản phẩm hay thúc đẩy ứng dụng trí tuệ nhân tạo trong doanh nghiệp, mọi người đều có thể đóng góp và tìm thấy mô hình thu nhập. Người chú thích dữ liệu, đội ngũ phát triển mô hình và nhà cung cấp sức mạnh tính toán có thể đăng ký tài nguyên của mình như tài sản trên chuỗi, thông qua cơ chế giao thức của Sahara AI để cấp phép và chia sẻ lợi nhuận, mọi nguồn tài nguyên được sử dụng sẽ tự động nhận được phần thưởng. Nhà phát triển có thể thông qua một nền tảng duy nhất liên kết dữ liệu, đào tạo mô hình, triển khai Agent, trực tiếp thương mại hóa thành quả của họ trong AI Marketplace.

Người dùng thông thường không cần kiến ​​thức kỹ thuật, cũng có thể tham gia nhiệm vụ dữ liệu, sử dụng ứng dụng trí tuệ nhân tạo, thu thập hoặc đầu tư vào tài sản trên chuỗi, trở thành một phần của nền kinh tế trí tuệ nhân tạo. Đối với doanh nghiệp, Sahara cung cấp hỗ trợ toàn diện từ việc huy động dữ liệu, phát triển mô hình đến triển khai riêng tư và biến lợi nhuận thành tiền mặt. Ngoài ra, Sahara hỗ trợ triển khai giao thoa, mọi hệ sinh thái chuỗi công cộng có thể sử dụng các giao thức và công cụ mà Sahara AI cung cấp để xây dựng ứng dụng trí tuệ nhân tạo, truy cập vào tài sản trí tuệ nhân tạo phi tâm trung, thực hiện tính tương thích và mở rộng với thế giới đa chuỗi. Điều này khiến cho Sahara AI không chỉ là một nền tảng đơn lẻ, mà còn là một tiêu chuẩn cơ bản của sinh thái trí tuệ nhân tạo trên chuỗi.

Tiến triển Sinh thái

Kể từ khi dự án bắt đầu, Sahara AI không chỉ cung cấp một bộ công cụ trí tuệ nhân tạo hoặc một nền tảng sức mạnh tính toán, mà còn đang tái cấu trúc trên chuỗi xã hội hóa và phân phối trí tuệ nhân tạo, xây dựng một mạng lưới hợp tác phi tâm trung mà ai cũng có thể tham gia, giữ quyền và chia sẻ. Chính vì vậy, Sahara đã chọn Blockchain làm cơ sở hạ tầng để xây dựng hệ thống kinh tế có thể xác minh, theo dõi và phân phối cho trí tuệ nhân tạo.

Xung quanh mục tiêu cốt lõi này, Sinh thái Sahara đã đạt được những tiến bộ đáng kể. Trong khi vẫn đang ở giai đoạn thử nghiệm riêng tư, nền tảng đã tạo ra hơn 3,2 triệu tài khoản chuỗi, số tài khoản hoạt động mỗi ngày duy trì ở trên 1,4 triệu, cho thấy sự tham gia người dùng và năng lượng mạng lưới. Trong số đó, hơn 200 nghìn người dùng thông qua nền tảng dịch vụ dữ liệu Sahara đã tham gia các nhiệm vụ đánh dấu dữ liệu, đào tạo và xác nhận và đã nhận được phần thưởng kích thích trên chuỗi. Đồng thời, vẫn còn hàng triệu người dùng đang chờ đợi được thêm vào danh sách trắng, chứng minh nhu cầu mạnh mẽ và sự đồng thuận của thị trường đối với nền tảng trí tuệ nhân tạo phi tâm trung.

Trong lĩnh vực hợp tác doanh nghiệp, Sahara đã hợp tác với các tổ chức hàng đầu toàn cầu như Microsoft, Amazon, Viện Công nghệ Massachusetts (MIT) v.v., cung cấp dịch vụ thu thập dữ liệu và gán nhãn tùy chỉnh. Các doanh nghiệp có thể nộp các nhiệm vụ cụ thể thông qua nền tảng, mà sau đó được mạng lưới gán nhãn toàn cầu của Sahara thực hiện một cách hiệu quả, thúc đẩy quy mô nhờ công việc dịch vụ cộng đồng, với lợi ích về hiệu suất thực thi, linh hoạt và hỗ trợ đa dạng nhu cầu.

Sahara AI Ecosystem

Phương thức Tham gia

SIWA sẽ được triển khai qua bốn giai đoạn. Hiện tại Giai đoạn một đang tạo nền tảng cho quyền sở hữu dữ liệu trên chuỗi, người đóng góp có thể đăng ký bộ dữ liệu của mình và biến nó thành token. Hiện đang mở cửa công khai, không cần danh sách trắng. Phải đảm bảo dữ liệu tải lên là hữu ích cho trí tuệ nhân tạo, sao chép hoặc nội dung không đúng có thể bị xử lý. Giai đoạn hai sẽ thực hiện việc thực hiện dữ liệu và mô hình trên chuỗi. Giai đoạn ba sẽ mở ra mạng lưới thử nghiệm và công bố mã nguồn. Giai đoạn bốn sẽ giới thiệu cơ chế đăng ký luồng dữ liệu AI, theo dõi nguồn gốc và chứng minh đóng góp.

SIWA Thử nghiệm Mạng

Ngoài SIWA Thử nghiệm Mạng, người dùng thông thường có thể tham gia Sahara Legends, hiểu về chức năng của Sahara AI thông qua nhiệm vụ được thiết kế dưới dạng trò chơi. Sau khi hoàn thành nhiệm vụ, họ sẽ thu được mảnh vụ Sứ giả, cuối cùng có thể tổng hợp thành một NFT để ghi lại sự đóng góp vào mạng lưới.

Hoặc tham gia gán nhãn dữ liệu trên nền tảng dịch vụ, đóng góp dữ liệu có giá trị và làm nhiệm vụ kiểm duyệt. Sahara dự định hợp tác với đối tác sinh thái để phát hành nhiệm vụ, cho phép các bên tham gia nhận điểm Sahara cũng như phần thưởng từ đối tác sinh thái. Lần đầu tiên, nhiệm vụ hai phần thưởng được tổ chức cùng với Myshell, người dùng hoàn thành nhiệm vụ sẽ nhận được điểm Sahara và phần thưởng token của Myshell. Theo lộ trình, dự kiến Sahara sẽ ra mắt Mainnet vào Quý 3 năm 2025, có thể cũng là thời điểm của TGE.

Thách thức và Triển vọng

Sahara AI giúp AI không còn bị giới hạn trong tay các nhà phát triển hoặc các công ty lớn về AI, mà thay vào đó mở cửa và dân chủ hóa AI hơn. Đối với người dùng thông thường, họ có thể tham gia đóng góp và nhận lợi nhuận mà không cần kiến thức lập trình, Sahara AI đang xây dựng một thế giới AI phi trung tâm mà ai cũng có thể tham gia. Đối với nhà phát triển công nghệ, Sahara AI mở đường cho con đường phát triển từ Web2 đến Web3, cung cấp các công cụ phát triển phi trung tâm nhưng mạnh mẽ và bộ dữ liệu chất lượng cao.

Đối với nhà cung cấp cơ sở hạ tầng AI, Sahara AI đã mở ra một con đường mới cho việc thực hiện phi tập trung các mô hình, dữ liệu, năng lực tính toán và dịch vụ thông qua quá trình tiếp cận nguồn mở. Sahara AI không chỉ tập trung vào cơ sở hạ tầng chuỗi khối công cộng mà còn đầu tư vào ứng dụng cốt lõi, sử dụng công nghệ chuỗi khối để thúc đẩy hệ thống bản quyền AI. Hiện tại, Sahara AI đã hợp tác với nhiều tổ chức AI hàng đầu và đạt được thành công ban đầu. Sự thành công tiếp theo phụ thuộc vào hiệu suất trên mainnet sau khi triển khai, sự phát triển và tỷ lệ chấp nhận của sản phẩm sinh thái, cũng như xem xét liệu mô hình kinh tế có thể thúc đẩy người dùng tiếp tục đóng góp dữ liệu sau TGE hay không.

Ritual: Vượt qua các thách thức cốt lõi AI như nhiệm vụ bất đồng nhất thông qua thiết kế đột phá sáng tạo

Tổng quan dự án

Ritual mục tiêu giải quyết các vấn đề cốt lõi trong ngành công nghiệp AI hiện tại bao gồm sự tập trung, tính kín đáo và sự không tin cậy, cung cấp cơ chế xác minh minh bạch cho AI, phân phối tài nguyên tính toán công bằng và khả năng tương thích linh hoạt với mô hình; cho phép bất kỳ giao thức, ứng dụng hoặc hợp đồng thông minh nào tích hợp mô hình AI có thể xác minh chỉ trong vài dòng mã; và thông qua kiến trúc mở và thiết kế tinh gọn, thúc đẩy việc ứng dụng rộng rãi của AI trên chuỗi, tạo dựng một hệ sinh thái AI mở, an toàn và bền vững.

Ritual đã hoàn thành vòng gọi vốn chuỗi A trị giá 25 triệu USD vào tháng 11 năm 2023, do Archetype dẫn đầu, với sự tham gia của Accomplice và nhiều tổ chức và nhà đầu tư thiên thần nổi tiếng khác, thể hiện sự công nhận từ thị trường và khả năng mạng xã hội mạnh mẽ của đội ngũ. Các nhà sáng lập Niraj Pant và Akilesh Potti đều từng là đối tác của Polychain Capital, dẫn đầu việc đầu tư vào các công ty lớn như Offchain Labs, EigenLayer, thể hiện sự cảm nhận sâu rộng và khả năng đánh giá. Với kinh nghiệm phong phú trong mảng mật mã học, hệ thống phân tán, AI, đội ngũ tư vấn bao gồm các nhà sáng lập dự án NEAR và EigenLayer, làm nổi bật sự mạnh mẽ của nền tảng và tiềm năng của dự án.

Kiến trúc thiết kế

Từ Infernet đến Ritual Chain

Ritual Chain là sản phẩm thế hệ thứ hai tự nhiên chuyển tiếp từ mạng lưới nút Infernet, đại diện cho bản nâng cấp toàn diện của Ritual trên mạng lưới tính toán AI phi tập trung. Infernet là sản phẩm giai đoạn đầu tiên mà Ritual đã ra mắt vào năm 2023. Đây là một mạng lưới Oracle dự đoán phi tập trung được thiết kế cho các nhiệm vụ tính toán bất đồng nhất, nhằm giải quyết giới hạn của API tập trung, giúp các nhà phát triển có thể gọi dịch vụ AI phi tập trung, minh bạch một cách tự do và ổn định hơn.

Infernet采用了灵活简单的轻量化框架，由于其易用性和高效性，在推出后迅速吸引了 8,000 多个独立节点加入。这些节点具备多样化的硬件能力，包括 GPU 和 FPGA，能够为 AI 推理和零知识证明生成等复杂任务提供强大的计算能力。然而，为了保持系统的简洁性，Infernet放弃了一些关键功能，例如通过共识协调节点或集成稳健的任务路由机制。这些限制使Infernet难以满足更广泛的 Web2 和 Web3 开发者的需求，从而促使 Ritual 推出了更加全面和强大的 Ritual Chain。

Ritual Chain是专为 AI 应用设计的下一代 Layer 1 区块链，旨在弥补 Infernet 的局限性，并为开发者提供更加稳健和高效的开发环境。通过 Resonance 技术，Ritual Chain 为 Infernet 网络提供了简洁且可靠的定价和任务路由机制，大幅优化了资源分配效率。此外，Ritual Chain基于 EVM++ 框架，这是对以太坊虚拟机（EVM）的向后兼容扩展，具备更强大的功能，包括预编译模块、原生调度（scheduling）、内置账户抽象（Account Abstraction, AA）以及一系列先进的以太坊改进提案（EIPs）。这些特性共同构建了一个功能强大、灵活且高效的开发环境，为开发者提供了全新的可能性。

Ritual Chain 工作流程图

预编译 Sidecars

与传统预编译相比，Ritual Chain 的设计提升了系统的扩展性和灵活性，允许开发者以容器化方式创建自定义功能模块，而无需修改底层协议。这种架构不仅显著降低了开发成本，还为去中心化应用提供了更强大的计算能力。

具体来说Ritual Chain通过模块化架构将复杂计算从执行客户端中解耦，并以独立的 Sidecars 形式实现。这些预编译模块能够高效处理复杂的计算任务，包括 AI 推理、零知识证明生成和可信执行环境（TEE）操作等。

Đặt Lịch Bản Thân (Native Scheduling)

Đặt lịch bản thân giải quyết nhu cầu kích hoạt công việc theo thời gian và thực thi dựa trên điều kiện. Blockchain truyền thống thường phụ thuộc vào dịch vụ bên thứ ba tập trung (như keeper) để kích hoạt thực thi công việc, nhưng mô hình này mang theo rủi ro tập trung và chi phí cao. Ritual Chain thông qua bộ lập lịch tích hợp ngăn hoàn toàn sự phụ thuộc vào dịch vụ tập trung, nhà phát triển có thể thiết lập điểm vào hợp đồng thông minh và tần suất gọi lại trực tiếp trên chuỗi. Người tạo khối sẽ duy trì bảng ánh xạ cuộc gọi treo khi tạo khối mới, ưu tiên xử lý những công việc này. Kết hợp cơ chế phân bổ tài nguyên động của Resonance, Ritual Chain có thể xử lý công việc tính toán mật độ cao một cách hiệu quả và đáng tin cậy, cung cấp sự hỗ trợ ổn định cho ứng dụng AI phi tập trung.

Đổi Mới Công Nghệ

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

1. Resonance: Tối Ưu Phân Bổ Tài Nguyên

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

Broker chịu trách nhiệm phân tích nguyện vọng phí giao dịch của người dùng và hàm chi phí tài nguyên của nút để thực hiện sự kết hợp tốt nhất giữa giao dịch và nút, nâng cao hiệu quả sử dụng tài nguyên tính toán. Auctioneer thông qua cơ chế đấu giá hai chiều tổ chức phân bổ phí giao dịch, đảm bảo sự công bằng và minh bạch. Nút chọn loại giao dịch dựa trên khả năng phần cứng của mình, trong khi người dùng có thể nộp yêu cầu giao dịch dựa trên tiêu chí ưu tiên (như tốc độ hoặc chi phí).

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

Dưới cơ chế Resonance: Auctioneer phân bổ công việc phù hợp cho nút dựa trên phân tích của Broker

2. Symphony: Tăng cường Hiệu suất Xác thực

Symphony tập trung vào việc tăng cường hiệu suất xác thực, giải quyết vấn đề hiệu suất thấp của mô hình "thực thi lặp lại" truyền thống khi xử lý và xác thực nhiệm vụ tính toán phức tạp. Symphony dựa trên mô hình "thực thi một lần, xác thực nhiều lần" (EOVMT), bằng cách tách quá trình tính toán và xác thực, giảm thiểu đáng kể sự mất hiệu suất do tính toán lặp lại. Nhiệm vụ tính toán được thực hiện một lần bởi các nút được chỉ định, kết quả tính toán được phát sóng qua mạng, các nút xác thực sử dụng chứng cứ ngắn gọn để xác nhận tính chính xác của kết quả mà không cần thực hiện tính toán lại.

Symphony hỗ trợ xác thực phân tán, chia nhỏ nhiệm vụ phức tạp thành nhiều nhiệm vụ con, được xử lý song song bởi các nút xác thực khác nhau, từ đó tăng cường hiệu suất xác thực và đảm bảo bảo mật và an ninh thông tin. Symphony tương thích cao với môi trường thực thi đáng tin cậy (TEE) và hệ thống chứng cứ không biết (ZKP), cung cấp hỗ trợ linh hoạt cho việc xác nhận giao dịch một cách nhanh chóng và cho các nhiệm vụ tính toán nhạy cảm về bảo mật. Kiến trúc này không chỉ giảm thiểu đáng kể sự mất hiệu suất do tính toán lặp lại mà còn đảm bảo tính phân tán và bảo mật của quá trình xác thực.

Symphony chia nhỏ nhiệm vụ phức tạp thành nhiều nhiệm vụ con, được xử lý song song bởi các nút xác thực khác nhau

3. vTune: Xác thực Mô hình có thể Theo dõi

vTune là một công cụ cung cấp bởi Ritual để xác thực mô hình và theo dõi nguồn gốc, không ảnh hưởng đến hiệu suất của mô hình gần như, đồng thời có khả năng chống nhiễu tốt, đặc biệt phù hợp để bảo vệ quyền sở hữu trí tuệ của mô hình mã nguồn mở và thúc đẩy phân phối công bằng. vTune kết hợp công nghệ đánh dấu và chứng cứ không biết, thông qua việc nhúng dấu ẩn để thực hiện theo dõi nguồn gốc của mô hình và bảo vệ tính toàn vẹn tính toán:

· Công nghệ Đánh dấu: Nhúng dấu bằng không gian trọng số, dữ liệu hoặc chức năng, ngay cả khi mô hình công khai, sở hữu vẫn có thể được xác minh. Đặc biệt là dấu không gian hàm có thể qua việc xác minh đầu ra mô hình mà không cần truy cập trọng số mô hình, từ đó đạt được bảo vệ quyền riêng tư mạnh mẽ và tính linh hoạt.

· Chứng cứ không biết: Trong quá trình điều chỉnh mô hình, giới thiệu dữ liệu ẩn, được sử dụng để xác minh xem mô hình có bị thay đổi hay không, đồng thời bảo vệ quyền lợi của người tạo mô hình.

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

Phát Triển Sinh Thái

Hiện tại, Ritual đang ở giai đoạn mạng thử nghiệm riêng tư, cơ hội tham gia đối với người dùng bình thường là ít; các nhà phát triển có thể đăng ký và tham gia Altar và Realm Incentive Program chính thức để tham gia xây dựng sinh thái trí tuệ nhân tạo của Ritual, nhận sự hỗ trợ kỹ thuật toàn diện từ phía chính thức cùng với hỗ trợ tài chính.

Hiện tại, có một số ứng dụng nguyên sinh từ kế hoạch Altar đã được chính thức công bố:

· Relic: Một thương nhân cung cấp tự động dựa trên học máy (AMM), thay đổi động lượng của hồ chứa lưu thông thông qua cơ sở hạ tầng của Ritual, đạt được tinh chỉnh phí và tối ưu hóa gốc cố;

· Anima: Công cụ tự động hóa giao dịch trên chuỗi tập trung vào LLM, mang lại trải nghiệm trực tuyến Web3 mượt mà và tự nhiên cho người dùng;

· Tithe: Giao thức cho vay điều khiển bởi trí tuệ nhân tạo, hỗ trợ nhiều loại tài sản thông qua tinh chỉnh động hồ chứa cho vay và xếp hạng tín dụng.

Ngoài ra, Ritual còn hợp tác chặt chẽ với nhiều dự án trưởng thành để thúc đẩy phát triển sinh thái trí tuệ nhân tạo phi tâm trung. Ví dụ, hợp tác với Arweave làm nền tảng lưu trữ phi tâm trung cho mô hình, dữ liệu và chứng minh zero-knowledge; thông qua tích hợp với StarkWare và Arbitrum, Ritual giới thiệu khả năng trí tuệ nhân tạo nguyên sinh cho các hệ sinh thái này; và EigenLayer cung cấp cơ chế đánh giá lại tái gửi mạnh mẽ giúp định giá trái phép của Ritual tăng cường dịch vụ xác minh chủ động, tăng cường tính phi tâm trung và an ninh mạng lưới.

Thách Thức và Triển Vọng

Thiết kế của Ritual bắt đầu từ việc phân phối, khuyến khích, xác minh và các môi trường chính khác, giải quyết vấn đề cốt lõi mà trí tuệ nhân tạo phi tâm trung đang đối diện, đồng thời thông qua các công cụ như vTune, nó đã đạt được khả năng xác minh của mô hình, vượt qua mâu thuẫn giữa mã nguồn mở mô hình và khuyến khích, cung cấp hỗ trợ kỹ thuật cho sàn mô hình phi tâm trung.

Hiện tại, Ritual đang ở giai đoạn sớm, tập trung chủ yếu vào giai đoạn suy luận của mô hình, ma trận sản phẩm đang mở rộng từ cơ sở hạ tầng sang thị trường mô hình, L2aaS và khung Agent. Vì blockchain hiện đang ở giai đoạn thử nghiệm riêng tư, các giải pháp thiết kế công nghệ tiên tiến mà Ritual đưa ra vẫn chờ đợi áp dụng mở rộng trên quy mô lớn, cần tiếp tục theo dõi. Hy vọng cùng với sự hoàn thiện liên tục của công nghệ và sự phong phú từng bước của sinh thái, Ritual sẽ trở thành một phần quan trọng của cơ sở hạ tầng trí tuệ nhân tạo phi tâm trung.

Gensyn: Giải quyết Vấn đề Cốt lõi của Huấn luyện Mô hình Phi trung tâm

Tổng quan Dự án

Trong bối cảnh tiến bộ nhanh chóng của Trí tuệ Nhân tạo, khi tài nguyên tính toán trở nên khan hiếm, Gensyn đang cố gắng tái tạo mô hình dưới cùng của toàn bộ quy trình huấn luyện AI.

Quy trình huấn luyện mô hình AI truyền thống, tài nguyên tính toán hiếm hoi bị tập trung vào vài ông lớn máy chủ đám mây, chi phí huấn luyện cao, tính minh bạch thấp, đã ngăn cản sự sáng tạo của các nhóm nhỏ và các nhà nghiên cứu độc lập. Tầm nhìn của Gensyn chính là phá vỡ cấu trúc “tập trung trung tâm” này, đề xuất chuyển nhiệm vụ huấn luyện đến hàng triệu thiết bị trên phạm vi toàn cầu có khả năng tính toán cơ bản — có thể là MacBook, GPU cấp game, thiết bị mép, máy chủ không hoạt động, đều có thể kết nối mạng, tham gia thực hiện nhiệm vụ, và nhận phần thưởng.

Gensyn được thành lập vào năm 2020, tập trung vào xây dựng cơ sở hạ tầng tính toán AI phi trung tâm. Ngay từ năm 2022, nhóm đã đưa ra lần đầu tiên dự định tái định nghĩa cách huấn luyện mô hình AI ở mặt kỹ thuật và chế độ: không còn phụ thuộc vào nền tảng đám mây kín giếng hoặc cụm máy chủ khổng lồ, mà là chuyển nhiệm vụ huấn luyện đến giữa các nút tính toán không đồng nhất trên toàn cầu, hình thành mạng lưới tính toán thông minh không cần tin cậy.

Vào năm 2023, Gensyn đã mở rộng tầm nhìn của mình: xây dựng một mạng lưới AI toàn cầu kết nối, tự trị nguồn mở, không cần phê duyệt — 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 kiến trúc blockchain, không chỉ có tính kết hợp của cơ chế khuyến khích và xác minh.

Kể từ khi thành lập, Gensyn đã nhận được tổng cộng 50,6 triệu USD hỗ trợ, các nhà đầu tư bao gồm a16z, CoinFund, Canonical, Protocol Labs, Distributed Global và tổng cộng 17 tổ chức khác. Trong đó, vòng gọi vốn chuẩn bị A vào tháng 6 năm 2023 do a16z dẫn đầu đã thu hút sự quan tâm rộng rãi, đánh dấu sự chú ý của Ngành đầu tư dựa trên Blockchain khi bước vào lĩnh vực AI phi tâm trung thực sự.

Đội ngũ nhân sự chính cũng có trọng lượng: Cofounder Ben Fielding đã tốt nghiệp chuyên ngành Khoa học máy tính lý thuyết tại Đại học Oxford, có nền tảng nghiên cứu công nghệ sâu rộng; Cofounder Harry Grieve đã tham gia thiết kế hệ thống giao thức phi trung tâm và mô hình kinh tế lâu dài, cung cấp sự hỗ trợ vững chắc cho kiến trúc và cơ chế khuyến khích của Gensyn.

Kiến trúc Thiết kế

Phát triển hệ thống trí tuệ nhân tạo phi tập trung hiện đang đối mặt với ba rào cản công nghệ cốt lõi: Thực thi (Execution), Xác minh (Verification) và Liên lạc (Communication). Những rào cản này không chỉ hạn chế khả năng huấn luyện mô hình lớn mà còn hạn chế việc hợp nhất công bằng và hiệu quả của tài nguyên tính toán toàn cầu. Đội ngũ Gensyn, dựa trên nghiên cứu hệ thống, đã đề xuất ba cơ chế đổi mới tiêu biểu — RL Swarm, Verde và SkipPipe, mỗi cơ chế đều xây dựng một con đường giải quyết vấn đề để thúc đẩy cơ sở hạ tầng trí tuệ nhân tạo phi tập trung từ khái niệm đến thực tế.

Một, Thách thức Thực thi: Làm thế nào để các thiết bị mảnh vỡ hợp tác huấn luyện mô hình lớn một cách hiệu quả?

Hiện nay, việc cải thiện hiệu suất của mô hình ngôn ngữ lớn chủ yếu dựa vào chiến lược "tổ chức quy mô": lượng tham số lớn hơn, tập dữ liệu rộng hơn và chu kỳ huấn luyện dài hơn. Tuy nhiên, điều này cũng làm tăng đáng kể chi phí tính toán - việc huấn luyện mô hình siêu lớn thường cần phải chia thành hàng ngàn nút GPU, giữa các nút này cũng cần có sự trao đổi dữ liệu tần số cao và đồng bộ gradient. Trong môi trường phi tập trung, các nút phân tán ở nhiều vùng địa lý, phần cứng đa dạng, và biến động trạng thái cao, chiến lược lập lịch tập trung truyền thống khó áp dụng.

Để đối phó với thách thức này, Gensyn đề xuất RL Swarm, một hệ thống huấn luyện sau tinh chỉnh học tăng cường từ điểm sang điểm. Ý tưởng cơ bản của nó là chuyển quá trình huấn luyện thành một trò chơi hợp tác phân tán. Cơ chế này chia thành ba giai đoạn "Chia sẻ - Phê phán - Quyết định": Đầu tiên, mỗi nút hoàn thành quyền luyện tính và chia sẻ kết quả công khai; tiếp theo, mỗi nút đánh giá câu trả lời của đồng đội dựa trên tính logic và chiến lược hợp lý; cuối cùng, dựa trên ý kiến của nhóm, mỗi nút hiệu chỉnh kết quả của mình để tạo ra câu trả lời mạnh mẽ hơn. Cơ chế này hiệu quả kết hợp tính toán cá nhân và cộng tác tập thể, đặc biệt phù hợp với các nhiệm vụ yêu cầu độ chính xác cao và tính xác minh như tính toán và lý luận toán học. Thử nghiệm cho thấy, RL Swarm không chỉ cải thiện hiệu suất mà còn giảm đáng kể ngưỡng tham gia, có khả năng mở rộng tốt và chống lỗi.

Hệ thống huấn luyện sau tinh chỉnh học tăng cường ba giai đoạn "Chia sẻ - Phê phán - Quyết định" của RL Swarm

Hai, 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 chính xác không?

Trong mạng lưới huấn luyện phi tập trung, "bất kỳ ai cũng có thể cung cấp sức mạnh tính toán" là ưu điểm nhưng cũng là rủi ro. Vấn đề đặt ra là: Làm thế nào để xác minh rằng tính toán này không chỉnh xác mà còn hiệu quả mà không cần tin tưởng?

Cách tiếp cận truyền thống như tính toán lại hoặc xác minh danh sách trắng đều có hạn chế rõ rệt - chi phí của cách tiếp cận đầu tiên rất cao và không mở rộng; còn cách tiếp cận thứ hai loại bỏ các nút "còn lại", làm tổn thương tính mở cửa mạng lưới. Để giải quyết vấn đề này, Gensyn đã thiết kế Verde, một giao thức trọng tâm nhẹ dành cho mạng lưới xác minh huấn luyện mạng thần kinh.

Verde có ý tưởng chính là "Quyết định Tin cậy Tối thiểu": Khi người xác minh nghi ngờ kết quả huấn luyện của nhà cung cấp là không chính xác, hợp đồng Trọng tài chỉ cần tính toán lại nút hoạt động đầu tiên trong biểu đồ tính toán có tranh cãi, mà không cần phải chạy lại toàn bộ quá trình huấn luyện. Điều này giảm thiểu đáng kể gánh nặng của việc xác minh, đồng thời đảm bảo tính chính xác của kết quả khi ít nhất một bên chân thực. Để giải quyết vấn đề không xác định về số thực giữa các phần cứng khác nhau, Verde còn phát triển thêm Thư viện Toán tử Có thể Tái tạo (Reproducible Operators), bắt buộc thiết lập thứ tự thực thi thống nhất cho các phép toán toán học phổ biến như nhân ma trận, từ đó đạt được đầu ra ổn định từng bit trên mọi thiết bị. Công nghệ này đã tăng đáng kể tính an toàn và khả thi kỹ thuật của việc huấn luyện phân tán, là một bước tiến quan trọng trong hệ thống xác minh không tin cậy hiện nay.

Cơ chế toàn bộ được xây dựng trên việc ghi lại trạng thái trung gian quan trọng của người huấn luyện (hay là điểm kiểm tra), nhiều người xác minh được phân công ngẫu nhiên để sao chép lại các bước huấn luyện này, từ đó đánh giá tính nhất quán của đầu ra. Ngay khi có người xác minh tái tính toán cho kết quả mà có sự khác biệt so với người huấn luyện, hệ thống không chạy lại toàn bộ mô hình một cách thô bạo, mà thông qua cơ chế trọng tài mạng giữa, chính xác xác định các hoạt động nơi hai bên đầu tiên có sự khác biệt trong biểu đồ tính toán, chỉ thực hiện phục chơi so sánh ở hoạt động đó, từ đó thực hiện phán quyết tranh chấp với chi phí rất thấp. Thông qua cách thức này, Verde không cần tin tưởng vào nút huấn luyện, đồng thời đảm bảo tính toàn vẹn của quá trình huấn luyện, đồng thời bảo đảm hiệu suất và khả năng mở rộng, là một khung xác minh được tùy chỉnh cho môi trường huấn luyện AI phân tán hiện nay.

Quy trình làm việc của Verde

Ba, Thách thức Giao tiếp: Làm thế nào để giảm thiểu chướng ngại mạng do đồng bộ cao giữa các nút?

Trong quá trình huấn luyện phân tán truyền thống, mô hình hoặc được sao chép hoàn toàn, hoặc được phân chia theo lớp (song song theo luồng), cả hai đều yêu cầu các nút thực hiện đồng bộ cao tần. Đặc biệt là trong song song theo luồng, một mini-batch phải đi qua mỗi lớp mô hình theo thứ tự nghiêm ngặt, dẫn đến việc bị chặn cả quá trình huấn luyện nếu một nút nào đó bị trễ.

Gensyn giải quyết vấn đề này bằng cách đề xuất SkipPipe: một hệ thống huấn luyện song song cao khả năng chịu lỗi hỗ trợ thực thi bước nhảy và lịch trình tính động. SkipPipe giới thiệu cơ chế "tỷ lệ nhảy (skip ratio)", cho phép một số dữ liệu mini-batch bỏ qua một số lớp mô hình khi tải của một số nút cụ thể quá cao, đồng thời sử dụng thuật toán lịch trình để động chọn lựa con đường tính toán tốt nhất hiện tại. Thử nghiệm cho thấy, trong môi trường mạng phân tán rộng, khác nhau về phần cứng, và có băng thông hạn chế, thời gian huấn luyện của SkipPipe có thể giảm đến 55%, và vẫn duy trì tỷ lệ mất mát chỉ 7% khi tỷ lệ lỗi nút lên đến 50%, thể hiện tính linh hoạt và đàn hồi mạnh mẽ.

Phương thức Tham Gia

Mạng thử nghiệm công cộng của Gensyn đã được triển khai vào ngày 31 tháng 3 năm 2025, hiện đang ở giai đoạn đầu tiên trong lộ trình công nghệ của mình (Phase 0), với trọng tâm chức năng tập trung vào triển khai và xác minh RL Swarm. RL Swarm là tình huống ứng dụng đầu tiên của Gensyn, được thiết kế xung quanh việc đào tạo hợp tác của mô hình học tăng cường. Mỗi nút tham gia sẽ liên kết hành vi của mình với danh tính trên chuỗi, quá trình đóng góp được ghi chép đầy đủ, điều này cung cấp cơ sở xác minh cho việc phân phối khích lệ và mô hình tính toán đáng tin cậy sau này.

Xếp hạng nút của Gensyn

Ngưỡng cửa phần cứng trong giai đoạn thử nghiệm ban đầu tương đối thân thiện: Người dùng Mac có thể chạy bằng vi xử lý dòng M, người dùng Windows được khuyến nghị trang bị GPU hiệu suất cao như 3090 hoặc 4090, cùng với ít nhất 16GB bộ nhớ, để triển khai nút Swarm cục bộ. Sau khi hệ thống chạy, bạn có thể đăng nhập qua trang web bằng email (Gmail được khuyến nghị), hoàn tất quy trình xác minh và chọn xem liệu có nên liên kết Mã Truy Cập của HuggingFace hay không để kích hoạt khả năng mô hình toàn diện hơn.

Thách Thức và Triển Vọng

Hiện nay, điểm bất biến lớn nhất của dự án Gensyn là mạng thử nghiệm của nó vẫn chưa bao phủ toàn bộ ngăn xếp công nghệ đã cam kết. Các mô-đun quan trọng như Verde và SkipPipe vẫn đang ở trạng thái chờ tích hợp, điều này khiến bên ngoài tiếp tục theo dõi khả năng triển khai kiến trúc của nó. Lời giải thích chính thức của công ty là: Mạng thử nghiệm sẽ tiến triển theo từng giai đoạn, mỗi giai đoạn sẽ mở khóa khả năng giao thức mới, ưu tiên xác minh tính ổn định và mở rộng của cơ sở hạ tầng. Giai đoạn ban đầu bắt đầu với RL Swarm, trong tương lai sẽ mở rộng từ tiền huấn luyện, suy luận và các tình huống cốt lõi khác, sau cùng chuyển tiếp sang triển khai mạng chính hỗ trợ giao dịch kinh tế thực sự.

Mặc dù ban đầu mạng thử nghiệm triển khai với nhịp độ tiến triển tương đối thận trọng, điều đáng chú ý là chỉ sau một tháng, Gensyn đã ra mắt nhiệm vụ thử nghiệm Swarm mới hỗ trợ mô hình và nhiệm vụ toán học phức tạp hơn. Hành động này một phần đáp ứng phần nào các nghi ngờ về nhịp độ phát triển bên ngoài, đồng thời thể hiện hiệu quả thực thi của nhóm trong việc triển khai mô-đun cục bộ.

Tuy nhiên, các vấn đề cũng đến theo sau: Nhiệm vụ phiên bản mới tạo ra ngưỡng cửa phần cứng rất cao, đề xuất cấu hình bao gồm A100, H100 và các GPU hàng đầu khác (với 80GB bộ nhớ đồ họa), điều này gần như không thể đạt được đối với các nút cỡ vừa và nhỏ, đồng thời tạo ra một áp lực tương ứng với sứ mệnh ban đầu của Gensyn về "truy cập mở, đào tạo phi trung tâm". Xu hướng tập trung của sức mạnh tính toán, nếu không được hướng dẫn một cách hiệu quả, có thể ảnh hưởng đến tính công bằng của mạng và sự bền vững của quản lý phi trung tâm.

Tiếp theo, nếu Verde và SkipPipe có thể tích hợp thành công, sẽ giúp nâng cao tính toàn vẹn và hiệu quả cộng tác của giao thức. Nhưng liệu Gensyn có thể tìm thấy sự cân bằng thực sự giữa hiệu suất và phi tâm trung, vẫn còn phải chờ thử nghiệm mạng thử nghiệm trong thời gian dài hơn và thực tiễn rộng lớn hơn. Hiện tại, dự án đã bắt đầu biểu hiện tiềm năng, cũng như đã phơi bày ra thách thức, và điều này chính là trạng thái thực sự nhất của một dự án cơ sở hạ tầng ở giai đoạn sớm.

Bittensor: Đổi mới và Phát triển của Mạng AI Phi tâm trung

Tổng Quan Dự Án

Bittensor là một dự án đột phá kết hợp cả hai lĩnh vực blockchain và trí tuệ nhân tạo, được sáng lập bởi Jacob Steeves và Ala Shaabana vào năm 2019, với mục tiêu xây dựng "nền kinh tế trí tuệ máy móc". Cả hai người sáng lập đều có bề dày kiến thức về trí tuệ nhân tạo và hệ thống phân tán. Tác giả chính của bản sách trắng dự án, Yuma Rao, được xem là cố vấn chính về công nghệ của nhóm, đã mang đến cho dự án cái nhìn chuyên sâu về mật mã học và thuật toán đồng thuận.

Dự án nhằm mục tiêu thông qua giao thức blockchain tích hợp nguồn lực tính toán toàn cầu, xây dựng một hệ sinh thái mạng thần kinh phân tán không ngừng cải thiện bản thân. Tầm nhìn này chuyển đổi tài sản số như tính toán, dữ liệu, lưu trữ và mô hình thành luồng giá trị thông minh, xây dựng một hình thái kinh tế hoàn toàn mới, đảm bảo phân phối công bằng phúc lợi phát triển trí tuệ nhân tạo. Khác biệt so với các nền tảng tập trung như OpenAI, Bittensor xác lập ba trụ cột giá trị cốt lõi:

· Phá vỡ Đảo dữ liệu: Sử dụng hệ thống khuyến nghị Token TAO để thúc đẩy chia sẻ tri thức và đóng góp mô hình

· Đánh giá chất lượng theo thị trường: Đưa một cơ chế lý thuyết trò chơi để lọc chọn mô hình AI chất lượng, thực hiện lựa chọn tự nhiên

· Bộ khuếch đại hiệu quả mạng: Sự tăng trưởng của người tham gia đồng thời tương đương với giá trị mạng, tạo ra một chu trình tích cực

Về phương diện đầu tư, Polychain Capital đã ủy thác Bittensor từ năm 2019, hiện nắm giữ khoảng 2 tỷ USD giá trị của Token TAO; Dao5 nắm giữ khoảng 50 triệu USD giá trị của TAO, cũng là những người ủng hộ sớm của hệ sinh thái Bittensor. Vào năm 2024, Pantera Capital và Collab Currency đã tiếp tục đầu tư chiến lược. Vào tháng 8 cùng năm, Nhóm Grayscale đã bao gồm TAO vào Quỹ AI Phi tâm trung của mình, đánh dấu sự công nhận cao độ từ phía nhà đầu tư cơ sở và niềm tin dài hạn vào giá trị dự án.

Thiết Kế Kiến Trúc và Cơ Chế Hoạt Động

Kiến Trúc Mạng

Bittensor đã xây dựng một kiến trúc mạng chính xác được cấu thành từ bốn tầng tương tác:

· Tầng Blockchain: Xây dựng trên cơ sở khung Substrate, đóng vai trò là nền tảng tin cậy của mạng, chịu trách nhiệm ghi lại sự thay đổi trạng thái và phát hành token. Hệ thống tạo ra khối mới mỗi 12 giây và phát hành token TAO theo quy tắc, đảm bảo sự thống nhất mạng và phân phối khích lệ.

· Tầng Neuron: Là các nút tính toán của mạng, Neuron chạy các loại mô hình AI để cung cấp dịch vụ thông minh. Mỗi nút thông qua tệp cấu hình được thiết kế cẩn thận để định rõ loại dịch vụ và chuẩn giao diện của mình, thực hiện mô-đun hóa chức năng và cắm nhanh.

· Tầng Synapse: Cầu nối giao tiếp của mạng, tối ưu động động trọng số kết nối giữa các nút, tạo thành cấu trúc mạng nơ-ron như, đảm bảo chuyển giao thông tin hiệu quả. Synapse cũng tích hợp mô hình kinh tế, sự tương tác giữa các Neuron và việc gọi dịch vụ phải thanh toán token TAO, hình thành một vòng lưu thông giá trị.

· Tầng Metagraph: Được xem như biểu đồ tri thức toàn cầu của hệ thống, liên tục giám sát và đánh giá giá trị đóng góp của mỗi nút, cung cấp định hướng thông minh cho toàn bộ mạng. Metagraph thông qua tính toán chính xác xác định trọng số Synapse, từ đó ảnh hưởng đến phân phối tài nguyên, cơ chế thưởng và sức ảnh hưởng của các nút trong mạng.

Cấu trúc mạng của Bittensor

Cơ Chế Đồng Thuận Yuma

Mạng sử dụng một thuật toán đồng thuận Yuma độc đáo, hoàn thành một chu kỳ phân phối thưởng mỗi 72 phút. Quá trình xác minh kết hợp đánh giá chủ quan và đo lường khách quan:

· Điểm Đánh Giá Thủ Công: Người xác minh đánh giá chất lượng sản lượng của máy đồng.

· Ma Trận Thông Tin Fisher: Đo lường đối với sự đóng góp tổng thể của nút cho mạng.