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

Tóm tắt

Trong những năm gần đây, các công ty công nghệ hàng đầu như OpenAI, Anthropic, Google, Meta đã liên 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 con người một cách đáng kể, thậm chí trong một số tình huống còn cho thấy tiềm năng thay thế lao động của con người. Tuy nhiên, cốt lõi của những công nghệ này lại nằm trong tay của một số ông lớn công nghệ tập trung. Nhờ vào vốn mạnh mẽ và khả năng kiểm soát tài nguyên tính toán đắt đỏ, các công ty này đã xây dựng nên những rào cản khó vượt qua, khiến đại đa số các nhà phát triển và đội ngũ đổi mới khó có thể cạnh tranh.

Trong khi đó, ở 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 toàn lại tương đối thiếu. Trong dài hạn, những vấn đề này sẽ ảnh hưởng sâu sắc đến sự phát triển lành mạnh của ngành AI và sự chấp nhận của xã hội. Nếu không thể giải quyết một cách thích hợp, tranh cãi về việc AI "hướng thiện" hay "hướng ác" sẽ ngày càng nổi bật, trong khi các ông lớn tập trung vào lợi nhuận thường thiếu động lực cần thiết để chủ động đối phó 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, đã xuất hiện nhiều ứng dụng "Web3 AI" trên các blockchain chính. Tuy nhiên, phân tích sâu cho thấy những dự án này vẫn tồn tại 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 mở thực sự; 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 cải thiện.

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 lưu trữ 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 Layer1 được tạo ra 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 phồn thịnh của hệ sinh thái AI phi tập trung.

Những đặc điểm cốt lõi của AI Layer 1

AI Layer 1 là một blockchain được thiết kế riêng cho các ứng dụng AI, có kiến trúc nền tảng và thiết kế hiệu suất chặt chẽ xoay 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 cần có các khả năng cốt lõi sau:

1. Cơ chế khuyến khích hiệu quả và đồng thuận phi tập trung Cốt lõi của AI Layer 1 là xây dựng một mạng lưới chia sẻ 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 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 tài nguyên đa dạng như lưu trữ, dữ liệu, băng thông, v.v. từ đó phá vỡ sự độc quyền của các ông lớn trong cơ sở hạ tầng AI. Điều này đặt ra yêu cầu cao hơn cho cơ chế đồng thuận và khuyến khích: 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 đào tạo AI, nhằm đạt được an toàn cho mạng lưới và phân phối 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 nhiệm vụ hỗn hợp Nhiệm vụ AI, đặc biệt là đào tạo và suy diễn LLM, đặt ra 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 hỗn hợp, bao gồm các cấu trúc mô hình khác nhau, xử lý dữ liệu, suy diễn, lưu trữ và các cảnh khác nhau. AI Layer 1 phải tối ưu hóa sâu cho các yêu cầu về thông lượng cao, độ trễ thấp và khả năng song song linh hoạt trên kiến trúc nền tảng, và dự kiến khả năng hỗ trợ tài nguyên tính toán hỗn hợp một cách tự nhiên, đảm bảo rằng mọi nhiệm vụ AI đều có thể hoạt động hiệu quả, đạt được sự mở rộng mượt mà từ "nhiệm vụ đơn" 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 phải ngăn chặn các mối nguy an ninh như mô hình xấu và thao túng dữ liệu, mà còn phải đảm bảo tính khả thi và sự đồng nhất 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 kiến thức (ZK), 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 hiểu rõ logic và cơ sở của đầu ra AI, thực hiện "có được như 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, bảo vệ quyền riêng tư dữ liệu đặc biệt quan trọng. AI Layer 1 nên đảm bảo tính khả chứng 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 luận, đào tạo và lưu trữ, hiệu quả ngăn chặn rò rỉ và lạm dụng dữ liệu, xóa bỏ lo lắng của người dùng về an ninh dữ liệu.

5. Khả năng hỗ trợ và phát triển hệ sinh thái mạnh mẽ Là cơ sở hạ tầng Layer 1 nguyên sinh 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 node, nhà cung cấp dịch vụ AI và các bên tham gia hệ sinh thái khác các công cụ phát triển hoàn chỉnh, SDK tích hợp, hỗ trợ vận hành và cơ chế khuyến khích. Bằng cách liên tục tối ưu hóa khả năng sử dụng của nền tảng và trải nghiệm của nhà phát triển, thúc đẩy việc triển khai các ứng dụng nguyên sinh AI đa dạng và phong phú, 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 tổng hợp những tiến triển mới nhất trong lĩnh vực, phân tích trạng thái 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 lãi, Trung thành) giải quyết các vấn đề về quyền sở hữu mô hình, theo dõi gọi và phân bổ giá trị trong thị trường LLM tập trung, để 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 có thể xây dựng, hợp tác, sở hữu và thương mại hóa sản phẩm AI, 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, các doanh nhân khởi nghiệp blockchain và kỹ sư, 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 từ Đại học Princeton và Giáo sư Himanshu Tyagi từ Viện Khoa học Ấn Độ, đảm nhận trách nhiệm về an toàn AI và bảo vệ quyền riêng tư, trong khi đó, chiến lược blockchain và bố trí sinh thái được dẫn dắt bởi người đồng sáng lập Polygon, Sandeep Nailwal. Các thành viên trong đội ngũ có bề dày kinh nghiệm từ các doanh nghiệp nổi tiếng như Meta, Coinbase, Polygon, cũng như từ các trường đại học hàng đầu như Đại học Princeton, Viện Công nghệ Ấn Độ, bao trùm các lĩnh vực như AI/ML, NLP, thị giác máy tính, cùng nhau thúc đẩy dự án hiện thực hóa.

Là dự án khởi nghiệp thứ hai của Sandeep Nailwal, đồng sáng lập Polygon, Sentient ngay từ khi thành lập đã mang trong mình một vầng hào quang, sở hữu nguồn tài nguyên phong phú, mối quan hệ và độ nhận thức thị trường cao, cung cấp sự ủng hộ mạnh mẽ cho sự phát triển của dự án. Vào giữa năm 2024, Sentient đã hoàn thành vòng gọi vốn hạt giống 85 triệu USD, được dẫn dắt bởi Founders Fund, Pantera và Framework Ventures, 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 được hình thành từ hai phần: Ống dẫn AI (AI Pipeline) và Hệ thống blockchain.

AI pipeline 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): Quy trình lựa chọn dữ liệu do cộng đồng thúc đẩy, được sử dụng để căn chỉnh mô hình.
• Đào tạo trung thành (Loyalty Training): Đảm bảo quy trình đào tạo của mô hình phù hợp với ý định của cộng đồng.

Hệ thống blockchain cung cấp tính minh bạch và kiểm soát phi tập trung cho giao thức, đảm bảo quyền sở hữu, theo dõi sử dụng, phân phối lợi nhuận và quản trị công bằng cho các tác 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 kiểm soát hợp đồng ủy quyền điểm gọi;
• Lớp truy cập: Xác minh quyền truy cập để kiểm tra xem người dùng có được ủy quyền hay không;
• Tầng khuyến khích: Hợp đồng định tuyến lợi nhuận sẽ phân phối thanh toán cho người huấn luyện, 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 triết lý cốt lõi do 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 toán và cải tiến.
• Đô la hóa: Mỗi lần gọi mô hình sẽ kích hoạt dòng doanh thu, hợp đồng on-chain sẽ phân phối doanh thu cho người đào tạo, người triển khai và người xác nhận.
• 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.

Mật mã học gốc AI (AI-native Cryptography)

Mã hóa gốc AI là việc sử dụng tính liên tục của mô hình AI, cấu trúc đa diện thấp và tính khả vi của mô hình để phát triển 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 ẩn vào trong quá trình huấn luyện để tạo ra chữ ký duy nhất cho mô hình;
• Giao thức xác minh quyền sở hữu: Xác minh xem dấu vân tay có được giữ lại hay không thông qua thiết bị phát hiện của bên thứ ba (Prover) dưới dạng câu hỏi query;
• Cơ chế gọi phép: Trước khi gọi, cần phải nhận được "giấy phép quyền hạn" do chủ sở hữu mô hình phát hành, hệ thống sau đó sẽ 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 minh thuộc sở hữu" mà không tốn chi phí mã hóa lại.

Khung an toàn và xác định quyền mô hình

Sentient hiện đang áp dụng 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, có thể phát hiện và xử phạt vi phạm.

Cơ chế dấu vân tay là một thực hiện quan trọng của OML, nó thông qua việc nhúng các "câu hỏi-trả lời" cụ thể, cho phép mô hình tạo ra chữ ký độc đáo trong giai đoạn đào tạo. 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 cho 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 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 tồn tại một số rủi ro an ninh, nhưng những lợi thế về hiệu suất cao và tính thời gian thực của nó khiến nó trở thành công nghệ cốt lõi cho việc triển khai mô hình hiện tại.