Sự kết hợp giữa Web3 và AI: Xây dựng cơ sở hạ tầng internet thế hệ tiếp theo
Web3 như một mô hình Internet hoàn toàn mới, phi tập trung, mở và minh bạch, có cơ hội tích hợp tự nhiên với AI. Dưới kiến trúc tập trung truyền thống, tài nguyên tính toán và dữ liệu AI bị kiểm soát nghiêm ngặt, đối mặt với nhiều thách thức như nút thắt về sức mạnh tính toán, rò rỉ quyền riêng tư, và thuật toán hộp đen. Trong khi đó, Web3 dựa trên công nghệ phân tán, thông qua mạng chia sẻ sức mạnh tính toán, thị trường dữ liệu mở, và tính toán bảo mật, đã tiếp thêm sức mạnh mới cho sự phát triển của AI. Đồng thời, AI cũng có thể mang lại nhiều khả năng cho Web3, như tối ưu hợp đồng thông minh và thuật toán chống gian lận, hỗ trợ xây dựng hệ sinh thái của nó. Do đó, việc khám phá sự kết hợp giữa Web3 và AI là rất quan trọng để xây dựng cơ sở hạ tầng Internet thế hệ tiếp theo, giải phóng giá trị dữ liệu và sức mạnh tính toán.
Dữ liệu điều khiển: Nền tảng vững chắc của AI và Web3
Dữ liệu là động lực cốt lõi thúc đẩy sự phát triển của AI, giống như nhiên liệu đối với động cơ. Các mô hình AI cần tiêu hóa một lượng lớn dữ liệu chất lượng cao để có được hiểu biết sâu sắc và khả năng suy luận mạnh mẽ. Dữ liệu không chỉ cung cấp nền tảng huấn luyện cho các mô hình học máy mà còn quyết định độ chính xác và độ tin cậy của mô hình.
Mô hình thu thập và sử dụng dữ liệu AI tập trung truyền thống gặp phải một số vấn đề chính sau đây:
Chi phí thu thập dữ liệu cao, các doanh nghiệp vừa và nhỏ khó có thể chịu đựng.
Tài nguyên dữ liệu bị các ông lớn công nghệ độc quyền, hình thành nên các hòn đảo dữ liệu
Dữ liệu cá nhân đối mặt với rủi ro bị rò rỉ và lạm dụng
Web3 có thể giải quyết những điểm đau của mô hình truyền thống bằng một khuôn khổ dữ liệu phi tập trung mới:
Người dùng có thể bán mạng không sử dụng cho các công ty AI, thu thập dữ liệu mạng một cách phi tập trung, qua quá trình làm sạch và chuyển đổi, cung cấp dữ liệu thực tế, chất lượng cao cho việc đào tạo mô hình AI.
Áp dụng mô hình "label to earn", thông qua việc thưởng bằng token để khuyến khích người lao động toàn cầu tham gia vào việc gán nhãn dữ liệu, tập hợp kiến thức chuyên môn toàn cầu, nâng cao khả năng phân tích dữ liệu.
Nền tảng giao dịch dữ liệu blockchain cung cấp cho cả hai bên cung cầu dữ liệu một môi trường giao dịch công khai và minh bạch, khuyến khích sự đổi mới và chia sẻ dữ liệu.
Dù vậy, việc thu thập dữ liệu từ thế giới thực cũng gặp phải một số vấn đề, chẳng hạn như chất lượng dữ liệu không đồng nhất, độ khó trong xử lý, sự đa dạng và tính đại diện không đủ. Dữ liệu tổng hợp có thể trở thành ngôi sao trong lĩnh vực dữ liệu Web3 trong tương lai. Dựa trên công nghệ AI sinh sinh và mô phỏng, dữ liệu tổng hợp có thể mô phỏng các thuộc tính của dữ liệu thực, như một sự bổ sung hiệu quả cho dữ liệu thực, nâng cao hiệu quả sử dụng dữ liệu. Trong các lĩnh vực như lái xe tự động, giao dịch thị trường tài chính, phát triển trò chơi, dữ liệu tổng hợp đã cho thấy tiềm năng ứng dụng trưởng thành của nó.
Bảo vệ quyền riêng tư: Vai trò của FHE trong Web3
Thời đại dữ liệu đang thúc đẩy, việc bảo vệ quyền riêng tư đã trở thành tâm điểm quan tâm toàn cầu. Sự ra đời của các quy định như Quy định bảo vệ dữ liệu chung của Liên minh Châu Âu (GDPR) phản ánh sự bảo vệ nghiêm ngặt đối với quyền riêng tư cá nhân. Tuy nhiên, điều này cũng mang lại thách thức: một số dữ liệu nhạy cảm không thể được khai thác đầy đủ do rủi ro về quyền riêng tư, điều này chắc chắn hạn chế tiềm năng và khả năng suy luận của các mô hình AI.
FHE là mã hóa đồng nhất hoàn toàn, cho phép thực hiện các phép toán trực tiếp trên dữ liệu được mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán sẽ nhất quán với kết quả của phép toán tương tự trên dữ liệu rõ.
FHE cung cấp sự bảo vệ vững chắc cho tính toán riêng tư của AI, cho phép sức mạnh tính toán GPU thực hiện các nhiệm vụ huấn luyện mô hình và suy luận trong môi trường không chạm vào dữ liệu gốc. Điều này mang lại lợi thế lớn cho các công ty AI. Họ có thể mở dịch vụ API một cách an toàn trong khi bảo vệ bí mật thương mại.
FHEML hỗ trợ mã hóa dữ liệu và mô hình trong toàn bộ chu kỳ học máy, đảm bảo an toàn cho thông tin nhạy cảm, ngăn chặn rủi ro rò rỉ dữ liệu. Bằng cách này, FHEML củng cố quyền riêng tư dữ liệu, cung cấp một khung tính toán an toàn cho các ứng dụng AI.
FHEML là sự bổ sung cho ZKML, ZKML chứng minh việc thực hiện máy học đúng cách, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu mã hóa để bảo vệ quyền riêng tư của dữ liệu.
Cách mạng sức mạnh tính toán: Tính toán AI trong mạng phi tập trung
Độ phức tạp tính toán của hệ thống AI hiện tại gấp đôi mỗi 3 tháng, dẫn đến nhu cầu tính toán tăng vọt, vượt xa nguồn cung tài nguyên tính toán hiện có. Ví dụ, việc đào tạo một mô hình ngôn ngữ lớn cần một lượng tính toán khổng lồ, tương đương với 355 năm thời gian đào tạo trên một thiết bị đơn lẻ. Sự thiếu hụt sức mạnh tính toán như vậy không chỉ hạn chế sự tiến bộ của công nghệ AI mà còn khiến những mô hình AI tiên tiến trở nên ngoài tầm với đối với hầu hết các nhà nghiên cứu và nhà phát triển.
Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đến 40%, cộng với việc hiệu suất của vi xử lý tăng trưởng chậm lại và sự thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả những điều này đã làm cho vấn đề cung cấp sức mạnh tính toán trở nên nghiêm trọng hơn. Những người làm trong lĩnh vực AI đang rơi vào tình huống tiến thoái lưỡng nan: hoặc tự mua phần cứng, hoặc thuê tài nguyên đám mây, họ cần một phương thức dịch vụ tính toán theo nhu cầu và kinh tế hiệu quả.
Hiện tại đã có một số dự án mạng lưới sức mạnh AI phi tập trung, thông qua việc hợp nhất các nguồn GPU nhàn rỗi trên toàn cầu, cung cấp cho các công ty AI một thị trường sức mạnh vừa kinh tế vừa dễ tiếp cận. Các bên có nhu cầu sức mạnh có thể đăng tải nhiệm vụ tính toán lên mạng, hợp đồng thông minh sẽ phân phối nhiệm vụ cho các nút thợ mỏ đóng góp sức mạnh, các thợ mỏ thực hiện nhiệm vụ và gửi kết quả, sau khi được xác minh sẽ nhận phần thưởng điểm. Giải pháp này nâng cao hiệu quả sử dụng tài nguyên, giúp giải quyết vấn đề nút cổ chai sức mạnh trong các lĩnh vực như AI.
Ngoài mạng lưới tính toán phi tập trung chung, còn có một số nền tảng tập trung vào đào tạo AI, cũng như mạng lưới tính toán chuyên dụng tập trung vào suy diễn AI.
Mạng lưới tính toán phi tập trung cung cấp một thị trường tính toán công bằng và minh bạch, phá vỡ độc quyền, giảm bớt rào cản ứng dụng và nâng cao hiệu quả sử dụng sức mạnh tính toán. Trong hệ sinh thái web3, mạng lưới tính toán phi tập trung sẽ đóng vai trò quan trọng, thu hút nhiều dapp đổi mới tham gia, cùng nhau thúc đẩy sự phát triển và ứng dụng của công nghệ AI.
DePIN: Web3 trao quyền cho Edge AI
Hãy tưởng tượng rằng điện thoại di động, đồng hồ thông minh và thậm chí cả các thiết bị thông minh trong nhà của bạn đều có khả năng chạy AI - đó chính là sức hấp dẫn của Edge AI. Nó cho phép tính toán diễn ra ngay tại nguồn phát sinh dữ liệu, đạt được độ trễ thấp và xử lý theo thời gian thực, đồng thời bảo vệ quyền riêng tư của người dùng. Công nghệ Edge AI đã được áp dụng trong các lĩnh vực quan trọng như lái xe tự động.
Trong lĩnh vực Web3, chúng ta có một cái tên quen thuộc hơn - DePIN. Web3 nhấn mạnh tính phi tập trung và quyền sở hữu dữ liệu của người dùng, DePIN có thể tăng cường bảo vệ quyền riêng tư của người dùng và giảm thiểu rủi ro rò rỉ dữ liệu bằng cách xử lý dữ liệu tại chỗ; cơ chế kinh tế token bản địa của Web3 có thể khuyến khích các nút DePIN cung cấp tài nguyên tính toán, xây dựng một hệ sinh thái bền vững.
Hiện tại, DePIN đang phát triển mạnh mẽ trong một hệ sinh thái của một chuỗi công khai, trở thành một trong những nền tảng chuỗi công khai được ưa chuộng để triển khai các dự án. TPS cao, phí giao dịch thấp và những đổi mới công nghệ của chuỗi công khai này đã cung cấp sự hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện tại, giá trị thị trường của các dự án DePIN trên chuỗi công khai này đã vượt qua 10 tỷ USD, một số dự án nổi tiếng đã đạt được tiến bộ đáng kể.
IMO：Mô hình AI phát hành một mô hình mới
Khái niệm IMO được đề xuất lần đầu bởi một giao thức, biến AI thành mã thông báo.
Trong mô hình truyền thống, do thiếu cơ chế chia sẻ lợi nhuận, một khi mô hình AI được phát triển và đưa ra thị trường, các nhà phát triển thường khó có thể thu được lợi nhuận liên tục từ việc sử dụng sau này của mô hình, đặc biệt là khi mô hình được tích hợp vào các sản phẩm và dịch vụ khác, người sáng tạo ban đầu rất khó theo dõi tình hình sử dụng, chưa nói đến việc thu được lợi nhuận từ đó. Hơn nữa, hiệu suất và hiệu quả của mô hình AI thường thiếu tính minh bạch, điều này khiến các nhà đầu tư và người sử dụng tiềm năng khó đánh giá giá trị thực sự của nó, hạn chế sự công nhận trên thị trường và tiềm năng thương mại của mô hình.
IMO cung cấp một phương thức hỗ trợ tài chính và chia sẻ giá trị hoàn toàn mới cho các mô hình AI mã nguồn mở, nhà đầu tư có thể mua token IMO để chia sẻ lợi nhuận phát sinh từ mô hình sau này. Một giao thức sử dụng hai tiêu chuẩn ERC, kết hợp với AI Oracle (Onchain AI Oracle) và công nghệ OPML để đảm bảo tính xác thực của mô hình AI và các chủ sở hữu token có thể chia sẻ lợi nhuận.
Mô hình IMO đã tăng cường tính minh bạch và sự tin cậy, khuyến khích hợp tác mã nguồn mở, thích ứng với xu hướng thị trường tiền điện tử và thúc đẩy sự phát triển bền vững của công nghệ AI. IMO hiện vẫn ở giai đoạn thử nghiệm ban đầu, nhưng với sự gia tăng mức độ chấp nhận của thị trường và sự mở rộng của phạm vi tham gia, tính đổi mới và giá trị tiềm năng của nó rất đáng để chúng ta mong đợi.
AI Agent: Kỷ nguyên mới của trải nghiệm tương tác
AI Agent có khả năng cảm nhận môi trường, suy nghĩ độc lập và thực hiện các hành động tương ứng để đạt được mục tiêu đã đề ra. Dưới sự hỗ trợ của các mô hình ngôn ngữ lớn, AI Agent không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn lập kế hoạch quyết định và thực hiện các nhiệm vụ phức tạp. Chúng có thể hoạt động như những trợ lý ảo, học hỏi sở thích của người dùng thông qua tương tác và cung cấp các giải pháp cá nhân hóa. Ngay cả khi không có chỉ dẫn rõ ràng, AI Agent cũng có thể tự giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.
Một số dự án đang phát triển nền tảng ứng dụng AI gốc mở, cung cấp bộ công cụ sáng tạo toàn diện và dễ sử dụng, hỗ trợ người dùng cấu hình chức năng, diện mạo, âm thanh của robot cũng như kết nối với các kho tri thức bên ngoài, nhằm tạo ra một hệ sinh thái nội dung AI công bằng và mở, sử dụng công nghệ AI sinh tạo, trao quyền cho cá nhân trở thành những người sáng tạo siêu phàm. Những dự án này đã huấn luyện các mô hình ngôn ngữ lớn chuyên dụng, giúp vai trò đóng góp trở nên nhân văn hơn; công nghệ sao chép giọng nói có thể tăng tốc tương tác cá nhân hóa của sản phẩm AI, giảm đáng kể chi phí tổng hợp giọng nói, khiến việc sao chép giọng nói chỉ cần 1 phút để thực hiện. Sử dụng những AI Agent tùy chỉnh này, hiện có thể ứng dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.
Trong sự kết hợp giữa Web3 và AI, hiện tại chủ yếu là khám phá tầng cơ sở hạ tầng, cách thu thập dữ liệu chất lượng cao, bảo vệ quyền riêng tư dữ liệu, cách lưu trữ mô hình trên chuỗi, cách nâng cao hiệu quả sử dụng sức mạnh tính toán phi tập trung, cách xác thực các mô hình ngôn ngữ lớn, và những vấn đề then chốt khác. Với sự hoàn thiện dần dần của những cơ sở hạ tầng này, chúng ta có lý do để tin rằng sự kết hợp giữa Web3 và AI sẽ mang lại một loạt các mô hình kinh doanh và dịch vụ đổi mới.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
17 thích
Phần thưởng
17
6
Đăng lại
Chia sẻ
Bình luận
0/400
CryptoTarotReader
· 08-09 06:29
Lại lại lại lại thổi phồng khái niệm.
Xem bản gốcTrả lời0
LiquidationWatcher
· 08-09 06:23
Vũ Hồ, cái lớn sắp đến!
Xem bản gốcTrả lời0
gas_fee_therapy
· 08-09 06:13
Nghi ngờ nghiêm trọng rằng web3 chỉ đến để cấp chứng nhận cho AI.
Xem bản gốcTrả lời0
ShibaMillionairen't
· 08-09 06:12
còn phải là btc Ethereum ổn định hơn
Xem bản gốcTrả lời0
ParanoiaKing
· 08-09 06:09
Tiền mới là sự thật cứng rắn, thật tuyệt.
Xem bản gốcTrả lời0
PriceOracleFairy
· 08-09 06:05
hmm... cuối cùng thì có người hiểu. tính toán phi tập trung + AI = mùa rò rỉ alpha thuần túy
Web3 và AI hội tụ: Xây dựng cơ sở hạ tầng Internet thông minh Phi tập trung
Sự kết hợp giữa Web3 và AI: Xây dựng cơ sở hạ tầng internet thế hệ tiếp theo
Web3 như một mô hình Internet hoàn toàn mới, phi tập trung, mở và minh bạch, có cơ hội tích hợp tự nhiên với AI. Dưới kiến trúc tập trung truyền thống, tài nguyên tính toán và dữ liệu AI bị kiểm soát nghiêm ngặt, đối mặt với nhiều thách thức như nút thắt về sức mạnh tính toán, rò rỉ quyền riêng tư, và thuật toán hộp đen. Trong khi đó, Web3 dựa trên công nghệ phân tán, thông qua mạng chia sẻ sức mạnh tính toán, thị trường dữ liệu mở, và tính toán bảo mật, đã tiếp thêm sức mạnh mới cho sự phát triển của AI. Đồng thời, AI cũng có thể mang lại nhiều khả năng cho Web3, như tối ưu hợp đồng thông minh và thuật toán chống gian lận, hỗ trợ xây dựng hệ sinh thái của nó. Do đó, việc khám phá sự kết hợp giữa Web3 và AI là rất quan trọng để xây dựng cơ sở hạ tầng Internet thế hệ tiếp theo, giải phóng giá trị dữ liệu và sức mạnh tính toán.
Dữ liệu điều khiển: Nền tảng vững chắc của AI và Web3
Dữ liệu là động lực cốt lõi thúc đẩy sự phát triển của AI, giống như nhiên liệu đối với động cơ. Các mô hình AI cần tiêu hóa một lượng lớn dữ liệu chất lượng cao để có được hiểu biết sâu sắc và khả năng suy luận mạnh mẽ. Dữ liệu không chỉ cung cấp nền tảng huấn luyện cho các mô hình học máy mà còn quyết định độ chính xác và độ tin cậy của mô hình.
Mô hình thu thập và sử dụng dữ liệu AI tập trung truyền thống gặp phải một số vấn đề chính sau đây:
Web3 có thể giải quyết những điểm đau của mô hình truyền thống bằng một khuôn khổ dữ liệu phi tập trung mới:
Dù vậy, việc thu thập dữ liệu từ thế giới thực cũng gặp phải một số vấn đề, chẳng hạn như chất lượng dữ liệu không đồng nhất, độ khó trong xử lý, sự đa dạng và tính đại diện không đủ. Dữ liệu tổng hợp có thể trở thành ngôi sao trong lĩnh vực dữ liệu Web3 trong tương lai. Dựa trên công nghệ AI sinh sinh và mô phỏng, dữ liệu tổng hợp có thể mô phỏng các thuộc tính của dữ liệu thực, như một sự bổ sung hiệu quả cho dữ liệu thực, nâng cao hiệu quả sử dụng dữ liệu. Trong các lĩnh vực như lái xe tự động, giao dịch thị trường tài chính, phát triển trò chơi, dữ liệu tổng hợp đã cho thấy tiềm năng ứng dụng trưởng thành của nó.
Bảo vệ quyền riêng tư: Vai trò của FHE trong Web3
Thời đại dữ liệu đang thúc đẩy, việc bảo vệ quyền riêng tư đã trở thành tâm điểm quan tâm toàn cầu. Sự ra đời của các quy định như Quy định bảo vệ dữ liệu chung của Liên minh Châu Âu (GDPR) phản ánh sự bảo vệ nghiêm ngặt đối với quyền riêng tư cá nhân. Tuy nhiên, điều này cũng mang lại thách thức: một số dữ liệu nhạy cảm không thể được khai thác đầy đủ do rủi ro về quyền riêng tư, điều này chắc chắn hạn chế tiềm năng và khả năng suy luận của các mô hình AI.
FHE là mã hóa đồng nhất hoàn toàn, cho phép thực hiện các phép toán trực tiếp trên dữ liệu được mã hóa mà không cần giải mã dữ liệu, và kết quả tính toán sẽ nhất quán với kết quả của phép toán tương tự trên dữ liệu rõ.
FHE cung cấp sự bảo vệ vững chắc cho tính toán riêng tư của AI, cho phép sức mạnh tính toán GPU thực hiện các nhiệm vụ huấn luyện mô hình và suy luận trong môi trường không chạm vào dữ liệu gốc. Điều này mang lại lợi thế lớn cho các công ty AI. Họ có thể mở dịch vụ API một cách an toàn trong khi bảo vệ bí mật thương mại.
FHEML hỗ trợ mã hóa dữ liệu và mô hình trong toàn bộ chu kỳ học máy, đảm bảo an toàn cho thông tin nhạy cảm, ngăn chặn rủi ro rò rỉ dữ liệu. Bằng cách này, FHEML củng cố quyền riêng tư dữ liệu, cung cấp một khung tính toán an toàn cho các ứng dụng AI.
FHEML là sự bổ sung cho ZKML, ZKML chứng minh việc thực hiện máy học đúng cách, trong khi FHEML nhấn mạnh việc tính toán trên dữ liệu mã hóa để bảo vệ quyền riêng tư của dữ liệu.
Cách mạng sức mạnh tính toán: Tính toán AI trong mạng phi tập trung
Độ phức tạp tính toán của hệ thống AI hiện tại gấp đôi mỗi 3 tháng, dẫn đến nhu cầu tính toán tăng vọt, vượt xa nguồn cung tài nguyên tính toán hiện có. Ví dụ, việc đào tạo một mô hình ngôn ngữ lớn cần một lượng tính toán khổng lồ, tương đương với 355 năm thời gian đào tạo trên một thiết bị đơn lẻ. Sự thiếu hụt sức mạnh tính toán như vậy không chỉ hạn chế sự tiến bộ của công nghệ AI mà còn khiến những mô hình AI tiên tiến trở nên ngoài tầm với đối với hầu hết các nhà nghiên cứu và nhà phát triển.
Trong khi đó, tỷ lệ sử dụng GPU toàn cầu chưa đến 40%, cộng với việc hiệu suất của vi xử lý tăng trưởng chậm lại và sự thiếu hụt chip do các yếu tố chuỗi cung ứng và địa chính trị, tất cả những điều này đã làm cho vấn đề cung cấp sức mạnh tính toán trở nên nghiêm trọng hơn. Những người làm trong lĩnh vực AI đang rơi vào tình huống tiến thoái lưỡng nan: hoặc tự mua phần cứng, hoặc thuê tài nguyên đám mây, họ cần một phương thức dịch vụ tính toán theo nhu cầu và kinh tế hiệu quả.
Hiện tại đã có một số dự án mạng lưới sức mạnh AI phi tập trung, thông qua việc hợp nhất các nguồn GPU nhàn rỗi trên toàn cầu, cung cấp cho các công ty AI một thị trường sức mạnh vừa kinh tế vừa dễ tiếp cận. Các bên có nhu cầu sức mạnh có thể đăng tải nhiệm vụ tính toán lên mạng, hợp đồng thông minh sẽ phân phối nhiệm vụ cho các nút thợ mỏ đóng góp sức mạnh, các thợ mỏ thực hiện nhiệm vụ và gửi kết quả, sau khi được xác minh sẽ nhận phần thưởng điểm. Giải pháp này nâng cao hiệu quả sử dụng tài nguyên, giúp giải quyết vấn đề nút cổ chai sức mạnh trong các lĩnh vực như AI.
Ngoài mạng lưới tính toán phi tập trung chung, còn có một số nền tảng tập trung vào đào tạo AI, cũng như mạng lưới tính toán chuyên dụng tập trung vào suy diễn AI.
Mạng lưới tính toán phi tập trung cung cấp một thị trường tính toán công bằng và minh bạch, phá vỡ độc quyền, giảm bớt rào cản ứng dụng và nâng cao hiệu quả sử dụng sức mạnh tính toán. Trong hệ sinh thái web3, mạng lưới tính toán phi tập trung sẽ đóng vai trò quan trọng, thu hút nhiều dapp đổi mới tham gia, cùng nhau thúc đẩy sự phát triển và ứng dụng của công nghệ AI.
DePIN: Web3 trao quyền cho Edge AI
Hãy tưởng tượng rằng điện thoại di động, đồng hồ thông minh và thậm chí cả các thiết bị thông minh trong nhà của bạn đều có khả năng chạy AI - đó chính là sức hấp dẫn của Edge AI. Nó cho phép tính toán diễn ra ngay tại nguồn phát sinh dữ liệu, đạt được độ trễ thấp và xử lý theo thời gian thực, đồng thời bảo vệ quyền riêng tư của người dùng. Công nghệ Edge AI đã được áp dụng trong các lĩnh vực quan trọng như lái xe tự động.
Trong lĩnh vực Web3, chúng ta có một cái tên quen thuộc hơn - DePIN. Web3 nhấn mạnh tính phi tập trung và quyền sở hữu dữ liệu của người dùng, DePIN có thể tăng cường bảo vệ quyền riêng tư của người dùng và giảm thiểu rủi ro rò rỉ dữ liệu bằng cách xử lý dữ liệu tại chỗ; cơ chế kinh tế token bản địa của Web3 có thể khuyến khích các nút DePIN cung cấp tài nguyên tính toán, xây dựng một hệ sinh thái bền vững.
Hiện tại, DePIN đang phát triển mạnh mẽ trong một hệ sinh thái của một chuỗi công khai, trở thành một trong những nền tảng chuỗi công khai được ưa chuộng để triển khai các dự án. TPS cao, phí giao dịch thấp và những đổi mới công nghệ của chuỗi công khai này đã cung cấp sự hỗ trợ mạnh mẽ cho các dự án DePIN. Hiện tại, giá trị thị trường của các dự án DePIN trên chuỗi công khai này đã vượt qua 10 tỷ USD, một số dự án nổi tiếng đã đạt được tiến bộ đáng kể.
IMO：Mô hình AI phát hành một mô hình mới
Khái niệm IMO được đề xuất lần đầu bởi một giao thức, biến AI thành mã thông báo.
Trong mô hình truyền thống, do thiếu cơ chế chia sẻ lợi nhuận, một khi mô hình AI được phát triển và đưa ra thị trường, các nhà phát triển thường khó có thể thu được lợi nhuận liên tục từ việc sử dụng sau này của mô hình, đặc biệt là khi mô hình được tích hợp vào các sản phẩm và dịch vụ khác, người sáng tạo ban đầu rất khó theo dõi tình hình sử dụng, chưa nói đến việc thu được lợi nhuận từ đó. Hơn nữa, hiệu suất và hiệu quả của mô hình AI thường thiếu tính minh bạch, điều này khiến các nhà đầu tư và người sử dụng tiềm năng khó đánh giá giá trị thực sự của nó, hạn chế sự công nhận trên thị trường và tiềm năng thương mại của mô hình.
IMO cung cấp một phương thức hỗ trợ tài chính và chia sẻ giá trị hoàn toàn mới cho các mô hình AI mã nguồn mở, nhà đầu tư có thể mua token IMO để chia sẻ lợi nhuận phát sinh từ mô hình sau này. Một giao thức sử dụng hai tiêu chuẩn ERC, kết hợp với AI Oracle (Onchain AI Oracle) và công nghệ OPML để đảm bảo tính xác thực của mô hình AI và các chủ sở hữu token có thể chia sẻ lợi nhuận.
Mô hình IMO đã tăng cường tính minh bạch và sự tin cậy, khuyến khích hợp tác mã nguồn mở, thích ứng với xu hướng thị trường tiền điện tử và thúc đẩy sự phát triển bền vững của công nghệ AI. IMO hiện vẫn ở giai đoạn thử nghiệm ban đầu, nhưng với sự gia tăng mức độ chấp nhận của thị trường và sự mở rộng của phạm vi tham gia, tính đổi mới và giá trị tiềm năng của nó rất đáng để chúng ta mong đợi.
AI Agent: Kỷ nguyên mới của trải nghiệm tương tác
AI Agent có khả năng cảm nhận môi trường, suy nghĩ độc lập và thực hiện các hành động tương ứng để đạt được mục tiêu đã đề ra. Dưới sự hỗ trợ của các mô hình ngôn ngữ lớn, AI Agent không chỉ có thể hiểu ngôn ngữ tự nhiên mà còn lập kế hoạch quyết định và thực hiện các nhiệm vụ phức tạp. Chúng có thể hoạt động như những trợ lý ảo, học hỏi sở thích của người dùng thông qua tương tác và cung cấp các giải pháp cá nhân hóa. Ngay cả khi không có chỉ dẫn rõ ràng, AI Agent cũng có thể tự giải quyết vấn đề, nâng cao hiệu quả và tạo ra giá trị mới.
Một số dự án đang phát triển nền tảng ứng dụng AI gốc mở, cung cấp bộ công cụ sáng tạo toàn diện và dễ sử dụng, hỗ trợ người dùng cấu hình chức năng, diện mạo, âm thanh của robot cũng như kết nối với các kho tri thức bên ngoài, nhằm tạo ra một hệ sinh thái nội dung AI công bằng và mở, sử dụng công nghệ AI sinh tạo, trao quyền cho cá nhân trở thành những người sáng tạo siêu phàm. Những dự án này đã huấn luyện các mô hình ngôn ngữ lớn chuyên dụng, giúp vai trò đóng góp trở nên nhân văn hơn; công nghệ sao chép giọng nói có thể tăng tốc tương tác cá nhân hóa của sản phẩm AI, giảm đáng kể chi phí tổng hợp giọng nói, khiến việc sao chép giọng nói chỉ cần 1 phút để thực hiện. Sử dụng những AI Agent tùy chỉnh này, hiện có thể ứng dụng trong nhiều lĩnh vực như trò chuyện video, học ngôn ngữ, tạo hình ảnh.
Trong sự kết hợp giữa Web3 và AI, hiện tại chủ yếu là khám phá tầng cơ sở hạ tầng, cách thu thập dữ liệu chất lượng cao, bảo vệ quyền riêng tư dữ liệu, cách lưu trữ mô hình trên chuỗi, cách nâng cao hiệu quả sử dụng sức mạnh tính toán phi tập trung, cách xác thực các mô hình ngôn ngữ lớn, và những vấn đề then chốt khác. Với sự hoàn thiện dần dần của những cơ sở hạ tầng này, chúng ta có lý do để tin rằng sự kết hợp giữa Web3 và AI sẽ mang lại một loạt các mô hình kinh doanh và dịch vụ đổi mới.