AI Layer1 Nghiên cứu: Tìm kiếm đất màu mỡ cho DeAI on-chain

Tóm tắt

Bối cảnh

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, thậm chí trong một số tình huống, 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 gã khổng lồ công nghệ phi tập trung. Với vốn mạnh mẽ và khả năng kiểm soát tài nguyên tính toán đắt đỏ, những công ty này đã xây dựng 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. 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 được giải quyết một cách hợp lý, tranh cãi về việc AI "hướng thiện" hay "hướng ác" sẽ càng trở nên nổi bật, trong khi các ông lớn tập trung hóa, dưới sự thúc đẩy của bản năng tìm lợi nhuận, thường thiếu động lực đủ mạnh để chủ động đối phó với những thách thức này.

Công nghệ blockchain với đặc tính phi tập trung, minh bạch và chống kiểm duyệt đã mang lại 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 như Solana, Base. Tuy nhiên, phân tích sâu có thể thấy rằng 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, thuộc tính meme quá nặng, 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 còn hạn chế về khả năng mô hình, sự sử dụng dữ liệu và các trường hợp ứng dụng, độ sâu và độ rộng của sự đổi mới cần được cải thiện.

Để thực sự hiện thực hóa tầm nhìn về AI phi tập trung, cho phép blockchain có thể an toàn, hiệu quả và dân chủ trong việc hỗ trợ 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 đặc biệt cho AI. Điều này sẽ cung cấp nền tảng vững chắc cho sự 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.

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, cơ sở hạ tầng và thiết kế hiệu suất của nó tập trung chặt chẽ vào 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 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 huấn luyện và suy luận 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 trong cơ sở hạ tầng AI. Điều này đặt ra yêu cầu cao hơn cho cơ chế đồng thuận và khuyến khích ở tầng dưới: 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 như suy luận, huấn luyện AI, nhằm đảm bảo an toàn cho mạng lưới và phân bổ tài nguyên một cách 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 tác vụ dị biệt Các tác 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 tác vụ đa dạng và dị biệt, bao gồm các cấu trúc mô hình khác nhau, xử lý dữ liệu, suy diễn, lưu trữ và các kịch bản đa dạng khác. AI Layer 1 phải được tối ưu hóa sâu sắc cho các yêu cầu như thông lượng cao, độ trễ thấp và tính song song linh hoạt ở lớp kiến trúc nền tảng, đồng thời thiết lập khả năng hỗ trợ nguyên bản cho các tài nguyên tính toán dị biệt, đảm bảo mọi tác vụ AI đều có thể hoạt động hiệu quả, đạt được sự mở rộng mượt mà từ "tác 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 cần ngăn chặn việc mô hình xấu, dữ liệu bị can thiệp và các rủi ro an ninh khác, mà còn phải đảm bảo tính khả thi và sự phù hợp của kết quả đầu ra AI từ cơ chế nền tảng. Thông qua việc tích hợp môi trường thực thi đáng tin cậy (TEE), chứng minh không kiến thức (ZK), tính toán an toàn nhiều bên (MPC) và các công nghệ tiên tiến khác, nền tảng có thể cho phép mỗi lần suy luận mô hình, huấn luyện 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 cũng có thể giúp người dùng làm rõ logic và cơ sở của đầu ra AI, thực hiện "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, bảo vệ quyền riêng tư dữ liệu đặc biệt quan trọng. AI Layer 1 cần đảm bảo khả năng 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 dữ liệu, để đảm bảo an toàn cho dữ liệu trong toàn bộ quá trình suy diễn, huấn luyện và lưu trữ, hiệu quả ngăn ngừa rò rỉ và lạm dụng dữ liệu, xóa bỏ những lo lắng của người dùng về an toàn dữ liệu.

5. Khả năng hỗ trợ và phát triển hệ sinh thái mạnh mẽ Là cơ sở hạ tầng Layer 1 nguyên bản AI, nền tảng không chỉ cần có tính ưu việt về công nghệ mà còn phải cung cấp đầy đủ công cụ phát triển, SDK tích hợp, hỗ trợ vận hành và cơ chế khuyến khích cho các bên tham gia hệ sinh thái như nhà phát triển, người vận hành node, nhà cung cấp dịch vụ AI. Bằng cách tối ưu hóa liên tục khả năng sử dụng của nền tảng và trải nghiệm của nhà phát triển, thúc đẩy việc triển khai các ứng dụng AI nguyên bản phong phú và đa dạng, 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 này, 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

Tổng quan 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 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 thông qua khung "OML" (Mở, Có lợi nhuận, Trung thành), giúp mô hình AI đạt được cấu trúc 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 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 toàn cầu, các nhà khởi nghiệp blockchain và kỹ sư, cam kết xây dựng một nền tảng AGI do cộng đồng điều khiển, 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, chịu trách nhiệm về an toàn AI và bảo vệ quyền riêng tư, trong khi đó đồng sáng lập Polygon Sandeep Nailwal dẫn dắt chiến lược blockchain và bố trí hệ sinh thái. Nền tảng của các thành viên trong đội ngũ trải dài từ 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, bao trùm các lĩnh vực AI/ML, NLP, thị giác máy tính, hợp tác thúc đẩy dự án thực hiện.

Là một dự án khởi nghiệp thứ hai của Sandeep Nailwal, đồng sáng lập của Polygon, Sentient đã mang theo một hào quang từ những ngày đầu thành lập, sở hữu nguồn lực phong phú, mối quan hệ và độ nhận diện trên thị trường, 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 đầu, cùng với hàng chục quỹ VC nổi tiếng khác như Delphi, Hashkey và Spartan.

Thiết kế kiến trúc và lớp ứng dụng

Cơ sở hạ tầng

Kiến trúc cốt lõi

Cấu trúc 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 đào tạo các "công cụ 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, nhằm căn chỉnh mô hình.
• Đào tạo lòng 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 kiểm soát 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 tác phẩm AI. Cấu trúc cụ thể được chia thành bốn tầng:

• Lớp lưu trữ: Lưu trữ trọng số mô hình và thông tin đăng ký dấu vân tay;
• Lớp phân phối: Mô hình điều khiển hợp đồng ủy quyền điểm vào gọi;
• Tầng truy cập: Xác thực người dùng có được ủy quyền hay không thông qua chứng minh quyền.
• Tầng khuyến khích: Hợp đồng định tuyến lợi nhuận sẽ phân bổ khoản thanh toán mỗi lần gọi cho người đào tạo, người triển khai và người xác thực.

Khung mô hình OML

Khung OML (Mở Open, Có thể Monetizable, Trung thành Loyal) là triết lý 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. Bằng cách kết hợp công nghệ on-chain và mật mã gốc AI, có các đặc điểm sau:

• Tính mở: Mô hình phải mã nguồn mở, mã và cấu trúc dữ liệu phải minh bạch, dễ dàng cho cộng đồng tái tạo, kiểm toán và cải tiến.
• Tiền hóa: Mỗi lần gọi mô hình sẽ kích hoạt dòng doanh thu, hợp đồng trên chuỗi sẽ phân bổ doanh thu cho người đào tạo, người triển khai và người 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 bị kiểm soát bởi cơ chế mã hóa.

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 không gian chiều thấp và tính khả vi của mô hình để phát triển cơ chế bảo mật 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 đào tạo để tạo ra chữ ký duy nhất cho mô hình;
• Giao thức xác thực quyền sở hữu: Xác thực xem dấu vân tay có được giữ lại hay không thông qua bộ phát hiện bên thứ ba (Prover) dưới dạng câu hỏi query;
• Cơ chế gọi quyền: Trước khi gọi, cần phải có "chứng chỉ quyền" do chủ sở hữu mô hình phát hành, hệ thống sẽ dựa vào đó để cấp phép 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 quyền 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: xác thực bằng dấu vân tay, thực thi TEE, hợp đồng trên chuỗi phân chia lợi nhuận kết hợp. Phương pháp dấu vân tay là OML 1.0 thực hiện đường chính, nhấn mạnh tư tưởng "An toàn lạc quan (Optimistic Security)", nghĩa là mặc định tuân thủ, phát hiện và trừng phạt khi vi phạm.

Cơ chế dấu vân tay là một thực hiện quan trọng 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 nhà phát triển mô hình mà còn cung cấp bản ghi trên chuỗi có thể theo dõi 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 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 an ninh nhất định, nhưng ưu điểm 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 nay.

Trong tương lai, Sentient dự định áp dụng công nghệ chứng minh không kiến thức (ZK) và mã hóa đồng nhất hoàn toàn (FHE).