AI Layer 1: Tìm kiếm mảnh đất màu mỡ cho DeAI trên chuỗi

Trong những năm gần đây, các công ty công nghệ hàng đầu như OpenAI, Anthropic, Google, Meta đang 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, chúng còn thể hiện tiềm năng thay thế lao động của con người. Tuy nhiên, cốt lõi của những công nghệ này lại nằm trong tay một số ít gã khổng lồ công nghệ tập trung. Với vốn đầu tư dồi dào và khả năng kiểm soát nguồn lực tính toán cao, những công ty này đã xây dựng được những rào cản khó vượt qua, khiến đại đa số 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 quan tâm đến 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 được giải quyết một cách hợp lý, 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 đủ mạnh để chủ động đối phó với những thách thức này.

Công nghệ blockchain, nhờ vào đặc tính phi tập trung, minh bạch và chống kiểm duyệt, đã cung cấp những khả năng mới cho sự phát triển bền vững của ngành AI. Hiện tại, nhiều ứng dụng "Web3 AI" đã xuất hiện trên một số blockchain chính. Tuy nhiên, qua phân tích sâu, có thể thấy rằng 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, 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 đổi mới cần được nâng cao.

Để thực sự hiện thực hóa tầm nhìn về AI phi tập trung, cho phép blockchain có khả năng lưu trữ các ứng dụng AI quy mô lớn một cách an toàn, hiệu quả và dân chủ, đồng thời cạnh tranh về hiệu suất với các giải pháp tập trung, chúng ta cần thiết kế một blockchain Layer1 được tạo ra dành riêng cho AI. Điều này sẽ cung cấp một 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.

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, với kiến trúc và hiệu suất nền tảng được xây dựng chặt chẽ xung quanh nhu cầu của các nhiệm vụ AI, nhằm hỗ trợ hiệu quả cho sự phát triển bền vững và thịnh vượng của hệ sinh thái AI trên chuỗi. Cụ thể, AI Layer 1 cần có những 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 trong blockchain truyền thống chủ yếu tập trung vào 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 phải 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 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., để đạt được tính bảo mật của mạng và phân phối tài nguyên hiệu quả. Chỉ có như vậy mới có thể đảm bảo sự ổn định và thịnh vượng của mạng, đồng thời giảm thiểu chi phí sức mạnh tính toán tổng thể.

2. Hiệu suất cao xuất sắc và khả năng hỗ trợ tác vụ khác nhau Nhiệm vụ AI, đặc biệt là đào tạo và suy luận LLM, đặt ra yêu cầu 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 đa dạng, 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 sắc trên kiến trúc nền tảng để đáp ứng nhu cầu về thông lượng cao, độ trễ thấp và khả năng song song linh hoạt, đồng thời dự kiến khả năng hỗ trợ nguyên bản cho các nguồn tài nguyên tính toán đa dạng, đảm bảo rằng các nhiệm vụ AI khác nhau đều có thể hoạt động hiệu quả, đạt được sự mở rộng mượt mà từ "nhiệm vụ đơn giản" đến "hệ sinh thái phức tạp và đa dạng."

3. Tính khả thi và bảo đảm đầu ra đáng tin cậy AI Layer 1 không chỉ phải ngăn chặn các nguy cơ bảo mật như mô hình xấu, sửa đổi dữ liệu, mà còn phải đảm bảo tính khả thi và tính đồng bộ 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), và tính toán bảo mật đa bên (MPC), nền tảng có thể đảm bảo rằng 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 cũng giúp người dùng hiểu rõ logic và cơ sở của đầu ra AI, thực hiện "được cái mình mong muốn", nâng cao lòng tin và sự 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 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, nhằm 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, loại bỏ nỗi 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 điều hành nút, 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 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 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). Bằng cách 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 vấn đề 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, trung thành), giúp mô hình AI thực hiện 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, nhằm xây dựng một nền tảng AGI do cộng đồng thúc đẩy, 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 an toàn AI và bảo vệ quyền riêng tư, trong khi đó, chiến lược blockchain và bố trí hệ sinh thái được dẫn dắt bởi đồng sáng lập Polygon Sandeep Nailwal. Nền tảng của các thành viên trong đội ngũ trải rộng từ các công ty nổi tiếng như Meta, Coinbase, Polygon, đến 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, cùng phối hợp thúc đẩy dự án triển khai.

Là một dự án khởi nghiệp thứ hai của Sandeep Nailwal, đồng sáng lập của Polygon, Sentient ngay từ khi thành lập đã mang trong mình một vầng hào quang, sở hữu nguồn lực phong phú, mạng lưới quan hệ và độ nhận biết trên thị trường, 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

Cấu trúc cốt lõi của Sentient bao gồm 2 phần: Ống dẫn AI (AI Pipeline) và Hệ thống blockchain.

Pipeline AI là nền tảng để phát triển và đào tạo các sản phẩm "AI trung thành", bao gồm hai quy trình cốt lõi:

• Lập kế hoạch dữ liệu (Data Curation): quá 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 giữ 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 doanh thu 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: Điểm truy cập mô hình gọi được kiểm soát bởi hợp đồng ủy quyền;
• Tầng truy cập: Xác minh người dùng có được ủy quyền thông qua chứng minh quyền.
• Tầng khuyến khích: Hợp đồng định tuyến lợi nhuận sẽ phân phối khoản 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 do 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, 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 tạo, kiểm toán và cải tiến.
• Tiền tệ 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.

Mật mã học gốc AI (AI-native Cryptography)

AI nguyên sinh mã hóa là việc sử dụng tính liên tục, cấu trúc dạng mặt phẳng thấp và tính khả vi của mô hình AI để phát triển cơ chế bảo mật nhẹ "có thể xác minh nhưng không thể gỡ bỏ". Công nghệ cốt lõi của nó là:

• Nhúng dấu vân tay: Chèn một nhóm cặp khóa giá trị query-response ẩn vào quá trình huấn luyện 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 lưu giữ hay không thông qua bộ phát hiện bên thứ ba (Prover) dưới dạng câu hỏi query;
• Cơ chế gọi phép: Trước khi gọi, cần lấy "chứng chỉ quyền hạn" do chủ sở hữu mô hình cấp, sau đó hệ thống 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 thực thuộc về" mà không có chi phí mã hóa lại.

Khung thực thi 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 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 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 - câu trả lời" cụ thể, cho phép mô hình tạo ra chữ ký độc đáo trong giai đoạn huấn luyện. Thông qua các 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 ghi chép có thể truy xuất trên chuỗi cho các hành vi sử dụng mô hình.

Ngoài ra, Sentient đã giới thiệu khung tính toán Enclave TEE, tận dụng thực thi đáng tin cậy.