Báo cáo nghiên cứu AI Layer1: Tìm kiếm 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 không ngừng thúc đẩy sự phát triển vượt bậc 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 thể hiện 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. Với nguồn vốn dồi dào và khả năng kiểm soát tài nguyên tính toán đắt đỏ, các công ty này đã xây dựng nên những rào cản khó có thể vượt qua, khiến đa số 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 bền vững của ngành 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 các ông lớn tập trung vào trung tâm, dưới sự thúc đẩy của bản năng tìm kiếm 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 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, nếu phân tích sâu, có thể nhận thấy rằng những dự án này vẫn gặp nhiều vấn đề: một mặt, mức độ phi tập trung còn hạn chế, các khâu và cơ sở hạ tầng quan trọng 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, việc sử dụng dữ liệu và các tình huống ứng dụng, độ 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 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 Layer 1 được xây dựng riêng cho AI. Điều này sẽ cung cấp nền tảng vững chắc cho đổi mới mở của AI, dân chủ hóa 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, với kiến trúc nền tảng 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 bền vững và thịnh vượng của hệ sinh thái AI trên chuỗi. Cụ thể, AI Layer 1 cần có các năng lực cốt lõi sau:

1. Cơ chế đồng thuận phân cấp 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 phải đóng góp lưu trữ, dữ liệu, băng thông và các tài nguyên đa dạng khác, nhằm 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 cho cơ chế đồng thuận và khuyến khích: AI Layer 1 phải có khả năng đánh giá, khuyến khích và xác minh chính xác đóng góp thực tế của các nút trong các nhiệm vụ như suy diễn và đào tạo AI, nhằm đảm bảo an ninh 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 nhiệm vụ dị thể 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 on-chain thường cần hỗ trợ nhiều loại nhiệm vụ đa dạng và dị thể, bao gồm các cấu trúc mô hình khác nhau, xử lý dữ liệu, suy diễn, lưu trữ và nhiều cảnh khác nhau. AI Layer 1 phải tối ưu sâu ở kiến trúc cơ sở 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 tài nguyên tính toán dị thể, đảm bảo rằng các nhiệm vụ AI khác nhau 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. Tính khả thi và đảm bảo đầu ra đáng tin cậy AI Layer 1 không chỉ cần ngăn chặn mô hình xấu, dữ liệu bị sửa đổi và các rủi ro an ninh khác, mà còn cần đảm bảo tính khả thi và sự 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 biết (ZK), và tính toán bảo mật 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 sự công bằng và minh bạch của hệ thống AI. Đồng thời, tính khả thi này cũng giúp người dùng rõ ràng hơn về logic và cơ sở đầu ra của AI, đạt được "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, đặc biệt là trong các lĩnh vực tài chính, y tế và mạng xã hội, việc bảo vệ quyền riêng tư dữ liệu là vô cùng 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, để đảm bảo an ninh của 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 lo ngại của người dùng về an toàn dữ liệu.

5. Năng lực 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 tiên tiến 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 khác 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 tính khả dụng của nền tảng và trải nghiệm của nhà phát triển, thúc đẩy sự phát triển đa dạng của các ứng dụng gốc AI, 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 cho AI Layer1 bao gồm Sentient, Sahara AI, Ritual, Gensyn, Bittensor và 0G, hệ thống tổng hợp những tiến triển mới nhất của lĩnh vực, phân tích tình hình phát triển của các dự án, và thảo luận về xu hướng trong 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 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 gọi và phân phối 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 biến sản phẩm AI thành tiền, từ đó thúc đẩy một hệ sinh thái mạng Agent AI công bằng và mở.

Đội ngũ Sentient Foundation quy tụ các chuyên gia học thuật hàng đầu thế giới, các doanh nhân blockchain và kỹ sư, cam kết 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 đồng sáng lập Polygon Sandeep Nailwal dẫn dắt chiến lược blockchain và bố trí hệ sinh thái. Thành viên trong đội ngũ có nền tảng 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, cùng nhau thúc đẩy dự án hiện thực hóa.

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 hào quang, sở hữu nguồn lực phong phú, mối quan hệ và nhận thức thị trường cao, cung cấp một 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, do Founders Fund, Pantera và Framework Ventures dẫn đầu, cùng với sự tham gia của hàng chục quỹ đầu tư nổi tiếng khác như Delphi, Hashkey và Spartan.

Kiến trúc thiết kế và tầng ứng dụng

Cơ sở hạ tầng

Kiến trúc cốt lõi

Cấu trúc cốt lõi của Sentient được hình thành từ hai phần: ống dẫn AI (AI Pipeline) và hệ thống blockchain.

Pipeline AI là nền tảng để phát triển và đào tạo 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 cho việc căn chỉnh mô hình.
• Đào tạo trung thành (Loyalty Training): Đảm bảo mô hình giữ được 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 giao thức, đảm bảo quyền sở hữu, theo dõi việc sử dụng, phân phối lợi nhuận và quản trị công bằng của 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: Mô hình điều khiển hợp đồng ủy quyền điểm vào gọi.
• Lớp truy cập: Xác minh xem người dùng có được ủy quyền thông qua chứng minh quyền hạn hay không;
• 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 trong mỗi lần gọi.

Khung mô hình OML

Khung OML (Mở Open, Có thể kiếm tiền Monetizable, Trung thành Loyal) là triết lý 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. Thông qua việc kết hợp công nghệ on-chain và mật mã gốc AI, nó có những 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 tra và cải tiến.
• Khai thác: Mỗi lần gọi mô hình sẽ kích hoạt dòng thu nhập, hợp đồng trên chuỗi sẽ phân phối thu nhập 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 gốc AI (AI-native Cryptography)

Mã hóa gốc AI là việc sử dụng tính liên tục của mô hình AI, cấu trúc đa hình thấp chiều và đặc tính có thể vi phân của mô hình để phát triển cơ chế bảo mật nhẹ "có thể xác minh nhưng không thể xóa 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 ra 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 bộ phát hiện bên thứ ba (Prover) dưới dạng câu hỏi truy vấn;
• Cơ chế gọi phép: Trước khi gọi, cần phải nhận được "giấy phép quyền hạn" do chủ sở hữu mô hình cấp phát, hệ thống sau đó sẽ cấp quyền cho mô hình giải mã đầu vào đó 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 quyền sở hữu mô hình và thực thi an toàn

Sentient hiện đang áp dụng bảo mật Melange hỗn hợp: kết hợp xác thực bằng vân tay, thực thi TEE, và phân chia 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 được phát hiện và xử phạt.

Cơ chế dấu vân tay là một triển khai 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 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 hồ sơ có thể truy xuất 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 có một số rủi ro về an ninh, nhưng 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.

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