Báo cáo nghiên cứu AI Layer1: Tìm kiếm mảnh đất màu mỡ cho DeAI trên chuỗi.

Tóm tắt

Trong những năm gần đây, sự phát triển nhanh chóng của các mô hình ngôn ngữ lớn (LLM) đã mở rộng không gian tưởng tượng của con người, thậm chí thể hiện tiềm năng thay thế lao động con người trong một số lĩnh vực. Tuy nhiên, cốt lõi của những công nghệ này lại nằm trong tay của một số gã khổng lồ công nghệ tập trung. Với nguồn vốn hùng hậu và khả năng kiểm soát tài nguyên tính toán đắt đỏ, những công ty này đã xây dựng nên những rào cản khó vượt qua, khiến phần lớn các nhà phát triển và đội ngũ đổi mới khó có thể cạnh tranh.

Trong giai đoạn đầu của sự tiến hóa nhanh chóng của AI, dư luận xã hội thường tập trung vào những đột phá và tiện ích mà công nghệ mang lại, trong khi sự chú ý đối với các vấn đề cốt lõi như bảo vệ quyền riêng tư, tính minh bạch và an ninh lại tương đối thiếu. Trong dài hạn, những vấn đề này sẽ ảnh hưởng sâu sắc đến sự phát triển lành mạnh của ngành công nghiệp AI và mức độ chấp nhận của xã hội. Nếu không thể giải quyết một cách thỏa đáng, tranh cãi về việc AI "hướng thiện" hay "hướng ác" sẽ càng trở nên nổi bật, trong khi những gã khổng lồ tập trung hóa, dưới sự thúc đẩy của bản năng tìm kiếm lợi nhuận, thường thiếu động lực đủ mạnh để chủ động đối mặt với những thách thức này.

Công nghệ blockchain, với đặc tính phi tập trung, minh bạch và kháng kiểm duyệt, đã mở ra những khả năng mới cho sự phát triển bền vững của ngành AI. Hiện tại, một số ứng dụng "Web3 AI" đã xuất hiện trên nhiều blockchain chính. Tuy nhiên, phân tích sâu hơn cho thấy, những dự án này vẫn còn nhiều vấn đề: một mặt, mức độ phi tập trung còn hạn chế, các khâu quan trọng và cơ sở hạ tầng vẫn phụ thuộc vào dịch vụ đám mây tập trung, khó có thể 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 trường hợp ứng dụng, chiều sâu và độ rộng của đổi mới cần được cải thiện.

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

Các đặc điểm cốt lõi của AI Layer 1

AI Layer 1 là một blockchain được thiết kế đặc biệt cho các ứng dụng AI, cấu trúc nền tảng và thiết kế hiệu suất của nó được xây dựng chặt chẽ xung quanh nhu cầu của các nhiệm vụ AI, nhằm hỗ trợ hiệu quả sự phát triển bền vững và thịnh vượng của hệ sinh thái AI trên chuỗi. Cụ thể, AI Layer 1 nên có những khả năng cốt lõi sau:

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

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, v.v. Khác với các nút blockchain truyền thống chủ yếu tập trung vào việc ghi chép sổ cái, các nút của AI Layer 1 cần đảm nhận những nhiệm vụ phức tạp hơn, không chỉ cung cấp sức mạnh tính toán, hoàn thành việc đào tạo và suy diễn mô hình AI, mà còn cần đóng góp lưu trữ, dữ liệu, băng thông và các tài nguyên đa dạng khác, từ đó phá vỡ sự độc quyền của các ông lớn trung tâm trong cơ sở hạ tầng AI. Điều này đặt ra yêu cầu cao hơn đối với cơ chế đồng thuận và khuyến khích cơ bản: AI Layer 1 phải có khả năng đánh giá, khuyến khích và xác minh chính xác những đóng góp thực tế của các nút trong các nhiệm vụ suy diễn, đào tạo AI, v.v., nhằm đạt được an toàn cho mạng lưới và phân bổ tài nguyên hiệu quả. Chỉ có như vậy mới có thể đảm bảo sự ổn định và thịnh vượng của mạng lưới, đồng thời giảm thiểu chi phí sức mạnh tính toán tổng thể.

2. Hiệu suất cao vượt trội và khả năng hỗ trợ các tác vụ khác nhau

Nhiệm vụ AI, đặc biệt là đào tạo và suy luận LLM, đòi hỏi hiệu suất tính toán và khả năng xử lý song song cao. Hơn nữa, hệ sinh thái AI trên chuỗi thường phải hỗ trợ các loại nhiệm vụ đa dạng và dị thể, bao gồm các cấu trúc mô hình khác nhau, xử lý dữ liệu, suy luận, lưu trữ và các kịch bản đa dạng khác. AI Layer 1 phải tối ưu hóa sâu cho các yêu cầu như thông lượng cao, độ trễ thấp và khả năng song song linh hoạt trên kiến trúc cơ sở, và dự kiến khả năng hỗ trợ nguyên bản cho các tài nguyên tính toán dị thể, đảm bảo rằng mọi nhiệm vụ AI đều có thể hoạt động hiệu quả, thực hiện sự mở rộng mượt mà từ "nhiệm vụ đơn giản" đến "hệ sinh thái phức tạp và đa dạng".

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

AI Layer 1 không chỉ cần ngăn chặn các rủi ro an ninh như mô hình xấu và dữ liệu bị giả mạo, mà còn phải đảm bảo tính khả chứng và đồng bộ của kết quả đầu ra AI từ cơ chế nền tảng. Thông qua việc tích hợp các công nghệ tiên tiến như môi trường thực thi đáng tin cậy (TEE), chứng minh không biết (ZK), và tính toán an toàn đa bên (MPC), nền tảng có thể cho phép mỗi lần suy diễn 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 AI. Đồng thời, tính khả chứng này còn giúp người dùng hiểu rõ hơn về logic và cơ sở của đầu ra AI, thực hiện "nhận được những gì mong muốn", nâng cao sự tin tưởng và hài lòng của người dùng đối với sản phẩm AI.

4. 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, y tế, xã hội, việc bảo vệ quyền riêng tư dữ liệu đặc biệt quan trọng. AI Layer 1 nên đảm bảo tính khả xác minh trong khi áp dụng các công nghệ xử lý dữ liệu dựa trên mã hóa, giao thức tính toán quyền riêng tư và quản lý quyền truy cập dữ liệu, đảm bảo an toàn cho dữ liệu trong toàn bộ quá trình suy luận, đào tạo và lưu trữ, hiệu quả ngăn chặn rò rỉ và lạm dụng dữ liệu, xóa bỏ nỗi lo về an ninh dữ liệu của người dùng.

5. Khả năng hỗ trợ phát triển và mang lại hệ sinh thái mạnh mẽ

Là cơ sở hạ tầng Layer 1 gốc AI, nền tảng không chỉ cần có tính 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 các bên tham gia hệ sinh thái khác các công cụ phát triển hoàn thiện, SDK tích hợp, hỗ trợ vận hành và cơ chế khuyến khích. Bằng cách liên tục tối ưu hóa khả năng sử dụng nền tảng và trải nghiệm của các nhà phát triển, thúc đẩy việc triển khai các ứng dụng AI gốc phong phú đa dạng, đạt được sự thịnh vượng bền vững cho hệ sinh thái AI phi tập trung.

Dựa trên bối cảnh và kỳ vọng trên, bài viết này sẽ giới thiệu chi tiết về sáu dự án đại diện AI Layer1, bao gồm Sentient, Sahara AI, Ritual, Gensyn, Bittensor và 0G, hệ thống rà soát những tiến triển mới nhất trong lĩnh vực này, phân tích tình hình phát triển của các dự án, và thảo luận về xu hướng tương lai.

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

Tóm tắt dự án

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

Đội ngũ Sentient Foundation quy tụ các chuyên gia học thuật hàng đầu thế giới, những người khởi nghiệp trong lĩnh vực blockchain và các kỹ sư, cam kết xây dựng một nền tảng AGI được điều hành bởi cộng đồng, mã nguồn mở và có thể xác minh. Các thành viên cốt lõi bao gồm giáo sư Pramod Viswanath từ Đại học Princeton và giáo sư Himanshu Tyagi từ Viện Khoa học Ấn Độ, lần lượt phụ trách về an toàn AI và bảo vệ quyền riêng tư, trong khi chiến lược blockchain và bố trí sinh thái được dẫn dắt bởi đồng sáng lập Polygon, Sandeep Nailwal. Bối cảnh của các thành viên trong nhóm trải dài qua các công ty nổi tiếng như Meta, Coinbase, Polygon cùng với các trường đại học hàng đầu như Đại học Princeton, Viện Công nghệ Ấn Độ, bao trùm các lĩnh vực AI/ML, NLP, thị giác máy tính, hợp tác thúc đẩy dự án đi vào thực tiễn.

Là một dự án khởi nghiệp thứ hai của Sandeep Nailwal, đồng sáng lập Polygon, Sentient ngay từ đầu đã mang theo hào quang, sở hữu nguồn lực phong phú, mối quan hệ và nhận thức thị trường, cung cấp sự bảo đảm mạnh mẽ cho sự phát triển của dự án. Giữa năm 2024, Sentient đã hoàn thành vòng gọi vốn hạt giống 85 triệu đô la, do Founders Fund, Pantera và Framework Ventures dẫn dắt, cùng với hàng chục quỹ đầu tư nổi tiếng khác như Delphi, Hashkey và Spartan.

Thiết kế kiến trúc và lớp ứng dụng

Cơ sở hạ tầng

Kiến trúc cốt lõi

Kiến trúc cốt lõi của Sentient bao gồm hai phần: Ống dẫn AI ( và hệ thống blockchain.

Đường ống AI là nền tảng để phát triển và đào tạo các "tác phẩm AI trung thành", bao gồm hai quá trình cốt lõi:

• Lập kế hoạch dữ liệu ) Data Curation (: Quá trình lựa chọn dữ liệu do cộng đồng thúc đẩy, được sử dụng để căn chỉnh mô hình.
• Đào tạo lòng trung thành)Loyalty Training(: Đảm bảo rằng mô hình duy trì quá trình đào tạo phù hợp với ý định của cộng đồng.

Hệ thống blockchain cung cấp tính minh bạch và kiểm soát phi tập trung cho các giao thức, đảm bảo quyền sở hữu, theo dõi việc sử dụng, phân phối lợi nhuận và quản trị công bằng cho các tác phẩm 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: Cổng gọi mô hình hợp đồng ủy quyền.
• Tầng truy cập: Xác minh xem người dùng có được ủy quyền thông qua chứng minh quyền truy cập;
• Tầng khuyến khích: Hợp đồng định tuyến lợi nhuận sẽ phân phối thanh toán cho người huấn luyện, người triển khai và người xác nhận mỗi lần gọi.

)## Khung mô hình OML

Khung OML ### Mở Open, Có thể kiếm tiền Monetizable, Trung thành Loyal( là ý tưởng cốt lõi mà Sentient đưa ra, nhằm cung cấp bảo vệ quyền sở hữu rõ ràng và cơ chế khuyến khích kinh tế cho các mô hình AI mã nguồn mở. Bằng cách kết hợp công nghệ on-chain và mật mã gốc AI, nó có các đặc điểm sau:

• Tính mở: Mô hình phải mã nguồn mở, mã và cấu trúc dữ liệu phải minh bạch, thuận tiện cho cộng đồng tái hiện, kiểm tra và cải tiến.
• Đô la hóa: Mỗi lần gọi mô hình sẽ kích hoạt dòng doanh thu, hợp đồng trên chuỗi sẽ phân phối doanh thu cho người đào tạo, người triển khai và người xác minh.
• Độ trung thành: Mô hình thuộc về cộng đồng người đóng góp, hướng nâng cấp và quản trị được quyết định bởi DAO, việc sử dụng và sửa đổi được kiểm soát bởi cơ chế mã hóa.

![Biteye và PANews hợp tác phát hành báo cáo nghiên cứu AI Layer1: Tìm kiếm mảnh đất màu mỡ cho DeAI trên chuỗi])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(

)## AI gốc mật mã học###AI-native Cryptography(

Mã hóa gốc AI là việc sử dụng tính liên tục của mô hình AI, cấu trúc đa dạng chiều thấp và đặc tính khả vi của mô hình, phát triển cơ chế an toàn nhẹ "có thể xác minh nhưng không thể loại bỏ". Công nghệ cốt lõi của nó là:

• Nhúng dấu vân tay: Chèn một tập hợp các cặp khóa giá trị query-response ẩn trong quá trình đào tạo để tạo thành chữ ký duy nhất của mô hình;
• Giao thức xác minh quyền sở hữu: xác minh xem dấu vân tay có được giữ lại hay không thông qua máy dò bên thứ ba )Prover( dưới dạng câu hỏi query;
• Cơ chế gọi quyền: Trước khi gọi, cần phải lấy "chứng chỉ quyền" do chủ sở hữu mô hình cấp phát, hệ thống sẽ dựa vào đó để cấp quyền cho mô hình giải mã đầu vào và trả về câu trả lời chính xác.

Cách này có thể thực hiện "gọi ủy quyền dựa trên hành vi + xác thực thuộc sở hữu" mà không tốn chi phí mã hóa lại.

)## Khung xác định quyền sở hữu mô hình và thực thi an toàn

Sentient hiện đang áp dụng Melange hỗn hợp an toàn: kết hợp xác thực bằng vân tay, thực thi TEE, và phân chia lợi nhuận hợp đồng trên chuỗi. Phương pháp vân tay được thực hiện theo OML 1.0, nhấn mạnh tư tưởng "an toàn lạc quan ###Optimistic Security(", tức là mặc định tuân thủ, có thể phát hiện và xử phạt khi vi phạm.

Cơ chế dấu vân tay là một triển khai chính của OML, nó thông qua việc nhúng các cặp "câu hỏi-trả lời" cụ thể, cho phép mô hình tạo ra chữ ký độc đáo trong giai đoạn huấn luyện. Thông qua những chữ ký này, chủ sở hữu mô hình có thể xác minh quyền sở hữu, ngăn chặn việc sao chép và thương mại hóa trái phép. Cơ chế này không chỉ bảo vệ quyền lợi của các nhà phát triển mô hình, mà còn cung cấp một bản ghi có thể theo dõi trên chuỗi về hành vi sử dụng 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 rằng mô hình chỉ phản hồi các yêu cầu được ủy quyền, ngăn chặn việc truy cập và sử dụng trái phép. Mặc dù TEE phụ thuộc vào phần cứng và có một số rủi ro về an ninh, nhưng lợi thế về hiệu suất cao và thời gian thực của nó khiến nó trở thành công nghệ cốt lõi cho việc triển khai mô hình hiện tại.

Trong tương lai, Sentient dự định giới thiệu công nghệ chứng minh không kiến thức )ZK( và mã hóa đồng nhất )FHE(, nhằm tăng cường bảo vệ quyền riêng tư và khả năng xác minh, cung cấp giải pháp trưởng thành hơn cho việc triển khai phi tập trung các mô hình AI.

) lớp ứng dụng

Hiện tại, sản phẩm của Sentient chủ yếu bao gồm nền tảng trò chuyện phi tập trung Sentient Chat, mô hình mã nguồn mở Dobby.