Báo cáo nghiên cứu AI Layer1: Khám phá Phi tập trung AI của đất đai

Tóm tắt

Trong những năm gần đây, các công ty công nghệ hàng đầu như OpenAI, Anthropic, Google, Meta... tiếp tục thúc đẩy sự phát triển nhanh chóng của các mô hình ngôn ngữ lớn (LLM). LLM đã thể hiện khả năng chưa từng có trong nhiều lĩnh vực, mở rộng không gian tưởng tượng của nhân loại, thậm chí trong một số tình huống còn thể hiện tiềm năng thay thế lao động của con người. Tuy nhiên, cốt lõi của những công nghệ này lại bị nắm giữ chắc chắn bởi một số ông lớn công nghệ tập trung. Với nguồn vốn mạnh mẽ và khả năng kiểm soát các tài nguyên tính toán đắt đỏ, những công ty này đã xây dựng lên những rào cản khó vượt qua, khiến phần lớn các nhà phát triển và đội ngũ đổi mới rất khó để cạnh tranh với họ.

Trong giai đoạn đầu 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 toàn lại tương đối thiếu. Về lâu dài, những vấn đề này sẽ ảnh hưởng sâu sắc đến sự phát triển lành mạnh của ngành AI và mức độ chấp nhận của xã hội. Nếu không thể giải quyết một cách hợp lý, tranh cãi về việc AI "hướng thiện" hay "hướng ác" sẽ ngày càng nổi bật, trong khi những gã khổng lồ tập trung vào trung tâm thường thiếu động lực đủ để chủ động đối phó với những thách thức này.

Công nghệ blockchain nhờ vào tính Phi tập trung, minh bạch và chống kiểm duyệt của nó, đã mang lại những khả năng mới cho sự phát triển bền vững của ngành AI. Hiện tại, đã có nhiều ứng dụng "Web3 AI" xuất hiện trên các blockchain chính như Solana, Base. Tuy nhiên, phân tích sâu có thể thấy rằng, những dự án này vẫn gặp 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, thuộc tính meme quá nặng nề, 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, việc sử dụng dữ liệu và các tình huống ứng dụng, độ sâu và độ rộng của sự đổi mới cần được nâng cao.

Để thực sự hiện thực hóa tầm nhìn AI phi tập trung, cho phép blockchain có thể an toàn, hiệu quả và dân chủ trong việc chứa đựng các ứng dụng AI quy mô lớn, đồng thời cạnh tranh về hiệu suất với các giải pháp tập trung, chúng ta cần thiết kế một blockchain Layer 1 được xây dựng riêng cho AI. Điều này sẽ cung cấp nền tảng vững chắc cho sự đổi mới mở, quản trị dân chủ và an toàn dữ liệu của AI, thúc đẩy sự phát triển thịnh vượng của hệ sinh thái AI phi tập trung.

Đặc điểm chính của AI Layer 1

AI Layer 1 là một chuỗi khối được thiết kế riêng cho các ứng dụng AI, với kiến trúc cơ sở và thiết kế hiệu suất được xây dựng chặt chẽ xung quanh nhu cầu của các nhiệm vụ AI, nhằm hỗ trợ hiệu quả sự phát triển và thịnh vượng bền vững của hệ sinh thái AI trên chuỗi. Cụ thể, AI Layer 1 nên có các khả năng cốt lõi sau:

1. Cơ chế khuyến khích hiệu quả và Phi tập trung trong đồng thuận Cốt lõi của AI Layer 1 là 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 huấn luyện và suy diễn mô hình AI, mà còn cần đóng góp các tài nguyên đa dạng như lưu trữ, dữ liệu, băng thông, từ đó phá vỡ sự độc quyền của các ông lớn tập trung trong cơ sở hạ tầng AI. Điều này đặt ra yêu cầu cao hơn cho đồng thuận và cơ chế khuyến khích ở tầng dưới: AI Layer 1 phải có khả năng đánh giá, khuyến khích và xác minh chính xác sự đóng góp thực tế của các nút trong các nhiệm vụ như suy diễn và huấn luyện AI, nhằm đảm bảo an toàn cho mạng lưới và phân phối tài nguyên hiệu quả. Chỉ khi đó mới có thể đảm bảo sự ổn định và thịnh vượng của mạng lưới, cũng như giảm thiểu chi phí sức mạnh tính toán tổng thể.

2. Hiệu suất cao xuất sắc và khả năng hỗ trợ nhiệm vụ đa dạng Phi tập trung. Các nhiệm vụ AI, đặc biệt là đào tạo và suy diễn LLM, có yêu cầu rất cao về hiệu suất tính toán và khả năng xử lý song song. Hơn nữa, hệ sinh thái AI trên chuỗi thường cần hỗ trợ các loại nhiệm vụ đa dạng và khác biệt, bao gồm các cấu trúc mô hình khác nhau, xử lý dữ liệu, suy diễn, lưu trữ và nhiều tình huống đa dạng khác. AI Layer 1 phải được tối ưu hóa sâu sắc cho các yêu cầu về thông lượng cao, độ trễ thấp và khả năng xử lý song song linh hoạt ở kiến trúc nền tảng, và phải có khả năng hỗ trợ nguyên sinh cho các nguồn tài nguyên tính toán khác biệt, đảm bảo rằng tất cả các nhiệm vụ AI đều có thể hoạt động hiệu quả, thực hiện việc mở rộng mượt mà từ "nhiệm vụ đơn giản" đến "hệ sinh thái phức tạp đa dạng".

3. Tính khả thi và đảm bảo đầu ra đáng tin cậy AI Layer 1 không chỉ phải ngăn chặn các nguy cơ an ninh như mô hình xấu và giả mạo dữ liệu, mà còn phải đảm bảo tính khả thi và sự phù hợp của kết quả đầu ra AI từ cơ chế nền tảng. Bằng cách 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 thi này còn giúp người dùng làm rõ logic và cơ sở của đầu ra AI, đạt được "được như mong muốn", nâng cao niềm tin và sự hài lòng của người dùng đối với sản phẩm AI.

4. Bảo vệ quyền riêng tư dữ liệu 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 là đặc biệt quan trọng. AI Layer 1 nên đảm bảo tính khả thi 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 dữ liệu, đảm bảo an toàn cho dữ liệu trong toàn bộ quá trình suy diễn, đào tạo và lưu trữ, hiệu quả ngăn chặn rò rỉ và lạm dụng dữ liệu, xóa bỏ mối lo ngại của người dùng về an toàn dữ liệu.

5. Khả năng hỗ trợ và phát triển hệ sinh thái mạnh mẽ Là 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, người vận hành nút, nhà cung cấp dịch vụ AI và các bên tham gia hệ sinh thái các công cụ phát triển hoàn chỉnh, SDK tích hợp, hỗ trợ vận hành và cơ chế khuyến khích. Bằng cách tối ưu hóa liên tục khả năng sử dụng của nền tảng và trải nghiệm của các nhà phát triển, thúc đẩy sự phát triển đa dạng của các ứng dụng gốc AI, đạt được sự thịnh vượng bền vững của 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 tổng hợp những tiến triển mới nhất trong lĩnh vực, phân tích tình trạng 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 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, Trung thành) giải quyết các vấn đề về quyền sở hữu mô hình, theo dõi cuộc gọi và phân phối giá trị trong thị trường LLM tập trung, để mô hình AI có thể đạt được cấu trúc quyền sở hữu trên chuỗi, minh bạch trong việc gọi và phân chia giá trị. Tầm nhìn của Sentient là để bất kỳ ai cũng có thể xây dựng, hợp tác, sở hữu và biến sản phẩm AI thành tiền, từ đó thúc đẩy một hệ sinh thái mạng lưới AI Agent công bằng, mở.

Nhóm Sentient Foundation quy tụ các chuyên gia học thuật hàng đầu, doanh nhân blockchain và kỹ sư trên toàn cầu, cam kết xây dựng một nền tảng AGI do cộng đồng điều hành, mã nguồn mở và có thể xác minh. Các thành viên cốt lõi bao gồm giáo sư Pramod Viswanath của Đại học Princeton và giáo sư Himanshu Tyagi của Viện Khoa học Ấn Độ, lần lượt phụ trách an toàn AI và bảo vệ quyền riêng tư, đồng thời được dẫn dắt bởi đồng sáng lập Polygon Sandeep Nailwal trong chiến lược blockchain và bố trí hệ sinh thái. Nền tảng thành viên 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 phủ các lĩnh vực AI/ML, NLP, thị giác máy tính, cùng nhau thúc đẩy việc triển khai dự án.

Là một dự án khởi nghiệp thứ hai của Sandeep Nailwal, đồng sáng lập Polygon, Sentient ngay từ khi thành lập đã mang theo một vầng hào quang, sở hữu nguồn lực phong phú, mối quan hệ và độ nhận diện thị trường cao, cung cấp sự bảo chứng mạnh mẽ cho sự phát triển của dự án. Giữa năm 2024, Sentient đã hoàn thành vòng gọi vốn hạt giống 85 triệu USD, 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 tầng ứng dụng

Cơ sở hạ tầng

Cấu trúc cốt lõi

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

AI Pipeline là nền tảng để phát triển và huấn luyện các tác phẩm "AI trung thành", bao gồm hai quy trình cốt lõi:

• Lập kế hoạch dữ liệu (Data Curation): Quy trình lựa chọn dữ liệu do cộng đồng điều khiển, được sử dụng để căn chỉnh mô hình.
• Đào tạo trung thành (Loyalty Training): Đảm bảo 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 Phi tập trung cho các giao thức, đảm bảo quyền sở hữu, theo dõi sử dụng, phân phối lợi nhuận và quản trị công bằng cho các sản phẩm AI. Cấu 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: Mô hình điều khiển quyền hợp đồng kiểm soát điểm vào gọi;
• Lớp truy cập: Xác minh quyền truy cập của người dùng thông qua chứng minh quyền.
• Tầng khuyến khích: Hợp đồng định tuyến lợi nhuận sẽ phân phối thanh toán cho người đào tạo, người triển khai và người xác thực mỗi khi được gọi.

Khung mô hình OML

Khung OML (Mở Open, Có thể kiếm tiền Monetizable, Trung thành Loyal) là ý tưởng cốt lõi được Sentient đề xuất, 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. Thông qua việc kết hợp công nghệ trên chuỗi 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 minh bạch, thuận tiện cho cộng đồng tái hiện, kiểm toán và cải tiến.
• Tính tiền hóa: Mỗi lần gọi mô hình sẽ kích hoạt dòng thu nhập, hợp đồng trên chuỗi sẽ phân phối thu nhập cho những người đào tạo, triển khai và xác thực.
• 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.

Mã hóa gốc AI (AI-native Cryptography)

AI gốc mã hóa là việc sử dụng tính liên tục của mô hình AI, cấu trúc đa diện thấp và đặc tính khả thi của mô hình, phát triển ra cơ chế an ninh 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 bí mật trong quá trình đào tạo để hình 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 phép: Trước khi gọi, cần phải có "giấy phép quyền hạn" do chủ sở hữu mô hình cấp, 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.

Mô hình xác quyền và khung thực thi an toàn

Sentient hiện tại áp dụng chính là Melange hỗn hợp an toàn: kết hợp xác thực bằng vân tay, thực thi TEE, và chia sẻ lợi nhuận hợp đồng trên chuỗi. Phương pháp vân tay là OML 1.0 thực hiện dòng chính, nhấn mạnh tư tưởng "An toàn lạc quan (Optimistic Security)", tức là mặc định tuân thủ, vi phạm có thể phát hiện và trừng phạt.

Cơ chế dấu vân tay là một thực hiện chính của OML, nó thông qua việc nhúng các cặp "câu hỏi - câu 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 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 hồ sơ trên chuỗi có thể truy dấu 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 không có phép. Mặc dù TEE phụ thuộc vào phần cứng và có một số rủi ro an ninh, nhưng lợi thế về hiệu suất cao và tính thời gian thực khiến nó trở thành hạt nhân cho việc triển khai mô hình hiện tại.