Báo cáo nghiên cứu AI Layer1: 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 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 sáng tạo của con người và 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 gã khổng lồ công nghệ tập trung. Với nguồn vốn mạnh mẽ và sự kiểm soát đối với tài nguyên tính toán đắt đỏ, những công ty này đã xây dựng nên những rào cản khó vượt qua, khiến hầu hết các nhà phát triển và đội ngũ đổi mới khó có thể cạnh tranh.

Đồng thời, trong giai đoạn đầu nhanh chóng tiến hóa của AI, dư luận xã hội thường tập trung vào những đột phá và tiện lợi 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 mức độ chấp nhận của xã hội. Nếu không thể giải quyết một cách thỏa đáng, cuộc 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 kiếm lợi, thường thiếu động lực đủ lớn 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 đến 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, 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, 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 on-chain vẫn còn hạn chế về khả năng mô hình, sử dụng dữ liệu và các trường hợp ứng dụng, độ sâu và rộng của sự đổi mới cần được cải thiện.

Để thực hiện tầm nhìn về AI phi tập trung một cách thực sự, giúp 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 sự đổi mới mở của AI, dân chủ hóa quản trị và bảo mật 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 và hiệu suất nền tảng 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 nên có các khả năng cốt lõi sau:

1. Cơ chế đồng thuận phi tập trung và khuyến khích hiệu quả 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 việc 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 luận mô hình AI, mà còn cần 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 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 suy luận, đào tạo AI, v.v., nhằm đảm bảo an ninh của mạng lưới và phân phối hiệu quả các tài nguyên. 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 xuất sắc và khả năng hỗ trợ nhiệm vụ phi tập trung 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 các 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 kịch bản đa dạng khác. AI Layer 1 phải được tối ưu hóa sâu sắc 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 thiết lập khả năng hỗ trợ gốc cho tài nguyên tính toán dị thể, đảm bảo rằng các nhiệm vụ AI khác nhau có thể hoạt động hiệu quả, đạt được sự mở rộng mượt mà từ "nhiệm vụ đơn giản" đến "hệ sinh thái phức tạp đa dạng".

3. Khả năng xác minh và đảm bảo đầu ra đáng tin cậy AI Layer 1 không chỉ phải ngăn chặn những rủi ro an ninh như mô hình xấu, sửa đổi dữ liệu, mà còn phải đảm bảo tính khả thi và sự đồng bộ của kết quả đầu ra của AI từ cơ chế nền tảng. Thông qua việc tích hợp các công nghệ tiên tiến như môi trường thực thi đáng tin cậy (TEE), bằng chứng không kiến thức (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 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, đạt được "được điều 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, đặc biệt trong các lĩnh vực tài chính, y tế và xã hội, việc bảo vệ quyền riêng tư dữ liệu là rất quan trọng. AI Layer 1 nên áp dụng công nghệ xử lý dữ liệu dựa trên mã hóa, giao thức tính toán riêng tư và quản lý quyền dữ liệu để đảm bảo tính an toàn 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 nỗi lo 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 của AI, nền tảng không chỉ cần có tính năng kỹ thuật tiên tiến 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 đầy đủ, SDK tích hợp, hỗ trợ vận hành và cơ chế khuyến khích. Bằng cách tối ưu hóa liên tục khả năng sử dụng nền tảng và trải nghiệm của nhà phát triển, thúc đẩy sự hiện thực hóa của các ứng dụng AI nguyên bản đa dạng phong phú, 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 AI Layer1 đại diện 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 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 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 hệ sinh thái 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 gọi và phân phối giá trị trong thị trường LLM tập trung thông qua khung "OML" (Mở, Có lợi, Trung thành), cho phép mô hình AI có 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 cũng có thể xây dựng, hợp tác, sở hữu và biến sản phẩm AI thành hàng hóa, từ đó thúc đẩy một mạng lưới sinh thái AI Agent công bằng và mở.

Nhóm Sentient Foundation quy tụ các chuyên gia học thuật hàng đầu toàn cầu, 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, lần lượt phụ trách về 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 Sandeep Nailwal, đồng sáng lập Polygon. Các thành viên trong nhóm có nền tảng trải dài từ các doanh nghiệp 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 nhau thúc đẩy dự án đi vào thực tiễn.

Là một dự án khởi nghiệp thứ hai của Sandeep Nailwal, đồng sáng lập Polygon, Sentient ngay từ khi thành lập đã mang theo hào quang, sở hữu nguồn lực phong phú, mối quan hệ và mức độ nhận thức thị trường cao, cung cấp sự đảm bảo 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 dắt, cùng với hàng chục quỹ đầu tư nổi tiếng khác như Delphi, Hashkey và Spartan.

Kiến trúc thiết kế và lớp ứng dụng

Cơ sở hạ tầng

Kiến trúc cốt lõi

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

Công cụ AI 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, được sử dụng để căn chỉnh mô hình.
• Đào tạo lòng trung thành (Loyalty Training): Đảm bảo mô hình duy trì quá trình đào tạo nhất quán 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 sản 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 kiểm soát đầu vào của hợp đồng ủy quyền;
• Lớp truy cập: Xác minh xem người dùng có được ủy quyền thông qua chứng minh quyền truy cập hay không;
• Tầng khuyến khích: Hợp đồng định tuyến lợi nhuận sẽ phân phối 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 kiếm tiền Monetizable, Trung thành Loyal) là khái niệm cốt lõi mà 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. Thông qua việc kết hợp công nghệ on-chain và mật mã gốc AI, 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 hiện, kiểm toán và cải tiến.
• Tính tiền: 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 thực.
• Độ trung thành: Mô hình thuộc về cộng đồng những 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 gốc mã hóa là việc sử dụng tính liên tục của mô hình AI, cấu trúc đa dạng chiều thấp 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 loại bỏ". Công nghệ cốt lõi của nó là:

• Nhúng dấu vân tay: Trong quá trình huấn luyện, chèn một tập hợp các cặp khóa giá trị query-response ẩn 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 máy dò bên thứ ba (Prover) dưới dạng câu hỏi query;
• Cơ chế gọi ủy quyền: Trước khi gọi, cần phải nhận được "chứng chỉ quyền hạn" do chủ sở hữu mô hình cấp phát, 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 minh quyền sở hữu" mà không tốn chi phí mã hóa lại.

Khung xác nhận mô hình và thực thi an toàn

Sentient hiện đang sử 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. Trong đó, phương pháp vân tay là OML 1.0 thực hiện đường dẫn chính, nhấn mạnh tư tưởng "An toàn lạc quan (Optimistic Security)", tức là mặc định tuân thủ, có thể phát hiện và xử phạt khi vi phạm.

Cơ chế dấu vân tay là một thực hiện chính của OML, nó thông qua việc nhúng các "câu hỏi - câu trả lời" cụ thể để 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 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 không được 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 mô hình hiện tại.