Tác giả: Revc, Jinse Finance

Sự kết hợp giữa trí tuệ nhân tạo (AI) và blockchain (Web3) đang trở thành một xu hướng quan trọng, đặc biệt là trong lĩnh vực ứng dụng của các tác nhân AI (Agent). Các tác nhân AI thông qua cảm nhận, học tập và thực hiện nhiệm vụ đã đạt được sự tự chủ trong blockchain, khiến chúng có tiềm năng chuyển dần từ công cụ của hoạt động kinh tế thành các thực thể kinh tế độc lập. Tuy nhiên, liệu các tác nhân AI hiện tại có nên tập trung vào phát triển AI ở tầng ứng dụng, thay vì ở tầng cơ sở hạ tầng, vẫn còn là một vấn đề tranh cãi.

Bài viết này sẽ phân tích tiềm năng và những hạn chế hiện tại của việc kết hợp Web3 và AI từ nhiều góc độ như phát triển năng suất, điều phối quan hệ sản xuất, chi phí huấn luyện mô hình, cơ chế khích lệ, và thảo luận về cách thức các tác nhân AI có thể tiến tới một hệ sinh thái AI rộng lớn hơn.

1. Giới hạn của cơ sở hạ tầng Web3

1.1 Năng suất và chi phí huấn luyện mô hình

Việc huấn luyện mô hình AI rất phụ thuộc vào tài nguyên tính toán (tỷ lệ băm) và dữ liệu chất lượng cao, trong khi đặc tính phi tập trung của Web3 làm cho việc tích hợp tài nguyên trở nên khó khăn.

- Giới hạn tỷ lệ băm: Các nền tảng tỷ lệ băm phi tập trung (như DePIN) cố gắng tận dụng tỷ lệ băm nhàn rỗi để cung cấp hỗ trợ phân tán, nhưng hiệu quả và quy mô của chúng vẫn thấp hơn nhiều so với các nền tảng tập trung (như AWS, Azure).

- Chi phí và chất lượng dữ liệu: Dữ liệu trên chuỗi không đủ để hỗ trợ việc huấn luyện AI quy mô lớn, hiệu quả gán nhãn dữ liệu và phối hợp phi tập trung thấp hơn so với các nền tảng tập trung truyền thống.

- Phụ thuộc vào phần cứng: Hầu hết công suất của các nhà cung cấp phần cứng hàng đầu như Nvidia đều bị các doanh nghiệp như OpenAI, XAI độc chiếm, khiến cơ sở hạ tầng Web3 khó tiếp cận vào lĩnh vực này.

1.2 Chi phí điều phối quan hệ sản xuất

Cốt lõi của hệ thống phi tập trung là công bằng và minh bạch, nhưng cơ chế phối hợp phức tạp thường làm tăng chi phí ra quyết định.

- Thiết kế cơ chế khích lệ phức tạp: Việc định giá đóng góp dữ liệu và tỷ lệ băm của người dùng, cách phân phối phần thưởng, những vấn đề này vẫn chưa được hoàn thiện trong Web3.

- Hiệu quả phối hợp thấp: So với các doanh nghiệp tập trung, các tổ chức Web3 do tính phân tán nên phản ứng chậm, hiệu quả thấp, khó đáp ứng nhu cầu AI thay đổi nhanh chóng.

2. Ưu điểm và tiềm năng của Web3 ở tầng ứng dụng

2.1 Ứng dụng của tác nhân AI

Các tác nhân AI có nhiều trường hợp sử dụng và mô hình kinh doanh rõ ràng hơn ở tầng ứng dụng của Web3:

- Các kịch bản cá nhân hóa: Các tác nhân AI có thể sử dụng công nghệ Web3 để triển khai các ứng dụng tùy chỉnh, như trợ lý DeFi, tương tác trong các trò chơi trên chuỗi, v.v.

- Truyền bá MEME và thúc đẩy cộng đồng: Các tác nhân AI kết hợp với nền kinh tế MEME, thông qua các câu chuyện sáng tạo và tương tác xã hội, có thể tăng cường sự tham gia của cộng đồng và nâng cao ảnh hưởng của dự án.

- Tự chủ và minh bạch: Web3 赋予các tác nhân AI danh tính số và khả năng quản lý tài sản độc lập, tăng niềm tin của người dùng.

2.2 Khích lệ kinh tế và tăng trưởng người dùng

Web3 đã giảm rào cản gia nhập thông qua mô hình token hóa:

- Hiệu ứng tài sản: Việc phát hành token đã thu hút lượng lớn vốn đầu cơ và người dùng tham gia.

- Sự tham gia và đóng góp của người dùng: Người dùng không chỉ là người tiêu dùng, mà còn là người nắm giữ token và thành viên cộng đồng, mô hình này tăng độ gắn kết của người dùng.

3. Thách thức và lộ trình chuyển đổi của tác nhân AI hướng tới hệ sinh thái AI

3.1 Bong bóng hiện tại: AI + Crypto MEME

Hiện nay, nhiều dự án liên quan đến tác nhân AI chỉ dừng lại ở giai đoạn phát hành token và truyền bá MEME, với chức năng và khả năng triển khai thực tế còn hạn chế.

- Thiếu tính cách mạng: Nhiều tác nhân AI không thể vượt qua được các tương tác đơn giản hoặc tạo nội dung, không giải quyết được nỗi đau của người dùng.

- Thiếu dữ liệu và mô hình: Các tác nhân AI vẫn phụ thuộc nặng nề vào cơ sở hạ tầng huấn luyện mô hình của Web2, chưa hình thành được hệ sinh thái tự chủ.

Các tác nhân AI ít nhất cần có một lộ trình lặp đi lặp lại rõ ràng, bao gồm:

- Đa dạng hóa lựa chọn mô hình và dữ liệu (hiện tại vẫn phụ thuộc vào cơ sở hạ tầng Web2)

- Cơ chế đánh giá nguồn gốc dữ liệu và huấn luyện, liên quan đến việc token hóa và thưởng cho người dùng

- Cơ chế điều chỉnh thưởng động theo biến động thị trường (doanh thu)

- Cơ chế xác lập hình thức sản phẩm và giá trị AI

- Cơ chế định lượng hệ kinh tế, bao gồm cả cơ chế điều chỉnh động về phát triển và vận hành

- Cơ chế quản trị lặp đi lặp lại dựa trên phản hồi thị trường

Nếu các tác nhân AI không thể có được những cơ chế này, sự nóng hổi do thị trường bò và MEME có thể sẽ không kéo dài. Sự tăng trưởng nhanh chóng của thị trường cần có sự vận hành tinh vi để củng cố nền tảng tỷ đô. Hiện tại, các cơ chế và hình thức sản phẩm của các tác nhân AI vẫn ở giai đoạn sơ khai, nhưng một số công ty khởi nghiệp AI chuyên nghiệp như UBC và ELIZA đã được nâng cấp, bắt đầu thúc đẩy sự nâng cấp của lĩnh vực này.

3.2 Lộ trình chuyển đổi: Từ ứng dụng nhẹ đến cơ sở hạ tầng

Các tác nhân AI có thể bắt đầu từ các ứng dụng nhẹ của Web3, từ từ mở rộng sang các hoạt động kinh tế phức tạp hơn:

- Thúc đẩy tăng trưởng người dùng thông qua các kịch bản ứng dụng: Ưu tiên phát triển các kịch bản ứng dụng có tính định hướng mạnh, dễ nhân rộng (như trợ lý ảo, công cụ giao dịch tự động).

- Kết hợp với nền kinh tế MEME để tăng hiệu quả truyền bá: Tận dụng văn hóa MEME để thúc đẩy sự lan truyền của dự án và xây dựng cộng đồng.

- Từng bước xây dựng năng lực cơ sở hạ tầng: Thông qua lưu trữ phân tán, gán nhãn phi tập trung và tích hợp tỷ lệ băm, khám phá khả thi của cơ sở hạ tầng cơ bản.

- Đạt được độc lập kinh tế và tự trị sinh thái:赋予các tác nhân AI khả năng ra quyết định và quản trị độc lập, từ từ chuyển đổi sang hệ sinh thái AI.

4. So sánh tác nhân AI với Web2: Ưu và nhược điểm

Các nền tảng AI tập trung của Web2 có hiệu quả cao trong việc tích hợp tài nguyên, phản ứng thị trường và nghiên cứu kỹ thuật, trong khi các nền tảng AI phi tập trung của Web3 lại nhấn mạnh vào quyền tự chủ dữ liệu của người dùng và sự đa dạng trong đổi mới.

5. Hiện tại, tác nhân AI phù hợp với tầng ứng dụng, nhưng vẫn còn những rào cản trong xây dựng cơ sở hạ tầng

Hiện tại, AI trong lĩnh vực Web3 phù hợp hơn với việc tập trung vào khám phá tầng ứng dụng, chứ không phải xây dựng cơ sở hạ tầng. Đặc tính phi tập trung của Web3 赋予các tác nhân AI nhiều tự chủ và mức độ tham gia kinh tế hơn, nhưng về tích hợp tài nguyên, hiệu quả và phối hợp, vẫn thua kém các nền tảng tập trung của Web2.

Nếu các tác nhân AI muốn tiến tới một hệ sinh thái AI toàn diện hơn, cần bắt đầu từ các ứng dụng nhẹ, tận dụng không khí cộng đồng độc đáo của Web3, phát triển các hình thức sản phẩm riêng biệt, kết hợp với sức mạnh của MEME để từ từ tích lũy người dùng và tài nguyên, đồng thời khám phá khả thi và hiệu quả của cơ sở hạ tầng phi tập trung. Sự kết hợp giữa Web3 và AI vẫn đang ở giai đoạn sơ khai, sự phát triển trong tương lai sẽ phụ thuộc vào sự đổi mới công ngh