DePIN: mạng lưới cơ sở hạ tầng vật lý phi tập trung
Trong khi các dự án DePIN, về mặt lý thuyết, cố gắng cung cấp tiện ích thực sự cho tiền điện tử, thì có rất ít dự án thực sự giải quyết được các vấn đề trong đời thực, có mô hình kinh doanh hợp lý có khả năng phá vỡ các công ty hiện có và không dễ bị giả mạo. Hầu hết chỉ đơn giản là các giải pháp tìm kiếm vấn đề. Một ngoại lệ đáng chú ý là mạng theo dõi chuyến bay có tên Wingbits. Tại sao? Bởi vì nó giải quyết vấn đề Web2 bằng cách giải quyết vấn đề đó bằng các ưu đãi Web3. Đối với bất kỳ ai đã từng theo dõi chuyến bay như BA117 từ London đến New York, bạn có thể đã sử dụng các trang web như FlightAware hoặc Flightradar.
Hình 1: Bản đồ theo dõi chuyến bay Wingbits
Nguồn: Wingbits - Chuyển đổi cách theo dõi chuyến bay.
Các công ty theo dõi chuyến bay tạo ra hàng triệu đô la doanh thu bằng cách bán dữ liệu chuyến bay cho các công ty hàng không và cho những người mua như các nhà phân tích tài chính theo dõi chuyển động của máy bay phản lực tư nhân để sáp nhập và mua lại. Các công ty này cũng kiếm được doanh thu từ quảng cáo và đăng ký trên nền tảng của họ. Tuy nhiên, chi phí Vốn của họ không bao gồm chi phí cơ sở hạ tầng và phần cứng đáng kể. Điều này là do công nghệ giám sát hàng không, được gọi là bộ thu ADS-B, là phần cứng yêu cầu ăng-ten và Raspberry Pis, được những người đam mê hàng không mua và cấu hình. Những người đam mê này mong đợi rất ít đổi lại, thường chỉ nhận được đăng ký miễn phí cho nền tảng theo dõi chuyến bay yêu thích của họ.
Vấn đề chính là những người đam mê không được khuyến khích tối đa hóa chất lượng dữ liệu cho các mạng này. Nếu không có các ưu đãi cận biên, các máy thu ADS-B thường được đặt ở vị trí không tốt — ví dụ, ở góc phòng khách hoặc cung cấp quá mức ở các khu vực đô thị đông dân, dẫn đến vùng phủ sóng yếu ở các vùng nông thôn.
Hình 2 : (Trái) Bộ thu ADS-B truyền thống, (Phải) Máy khai thác Wingbits
Nguồn: Wingbits - Chuyển đổi cách theo dõi chuyến bay.
Wingbits đang cách mạng hóa việc theo dõi chuyến bay bằng cách khuyến khích những người đam mê thiết lập các trạm một cách chiến lược, dựa trên độ cao, trong khi sử dụng một hệ thống tương tự như chỉ số không gian phân cấp lục giác của Uber. Cách tiếp cận này đảm bảo phạm vi phủ sóng được tối ưu hóa, dữ liệu chất lượng cao hơn và quan trọng nhất là phần thưởng công bằng cho những người đóng góp vào mạng lưới. Họ đã đạt được phạm vi phủ sóng của 75% các mạng lưới lớn nhất chỉ với 1/11 số lượng trạm Wingbits. Mức hiệu quả cao này, kết hợp với việc triển khai dự kiến hơn 4.000 trạm, được dự đoán sẽ vượt xa các mạng lưới theo dõi chuyến bay truyền thống với biên độ đáng kể, cung cấp dữ liệu chất lượng tốt hơn cho khách hàng cuối.
Cuộc trò chuyện tiếp theo trong bữa tối gia đình để giải thích khái niệm này sẽ diễn ra dễ dàng khi chúng ta có thể chỉ ra một Use Case thực tế, được thúc đẩy bởi các động cơ tiền điện tử, mà mọi người đều có thể hiểu được.
Tiền điện tử x AI
Tương tự như chu kỳ thị trường, nhu cầu về điện toán trải qua các đỉnh và đáy. GPU có thể đắt tiền và hạn chế về nguồn cung khiến chúng thậm chí còn đắt hơn. Mở khóa điện toán nhàn rỗi trên các thiết bị tiêu dùng không phải là một khái niệm mới, nhưng giải quyết thách thức đồng bộ hóa trên nhiều thiết bị thì mới. Exo Labs là một dự án tiên phong đạt được những đột phá trong điện toán biên, cho phép người dùng chạy các mô hình trên các thiết bị tiêu dùng hàng ngày, chẳng hạn như MacBook gia dụng. Điều này có nghĩa là dữ liệu nhạy cảm vẫn nằm trong tầm kiểm soát của bạn, giảm thiểu rủi ro liên quan đến lưu trữ hoặc xử lý dựa trên đám mây.
Hình 3 : Mô hình 9 lớp được chia thành 3 phân đoạn, mỗi phân đoạn chạy trên một thiết bị riêng biệt
Nguồn: Transparent Benchmarks - 12 ngày của EXO, EXO Labs.
Exo Labs đã phát triển một cơ sở hạ tầng phần mềm mới gọi là suy luận song song đường ống, cho phép chia một mô hình ngôn ngữ lớn (LLM) thành các "mảnh", cho phép các thiết bị khác nhau chạy các phần riêng biệt của mô hình trong khi vẫn kết nối qua cùng một mạng. Phương pháp này mang lại nhiều lợi thế như giảm độ trễ, tăng cường bảo mật, hiệu quả về chi phí và quan trọng nhất là lợi ích về quyền riêng tư.
Khám phá sâu hơn về quyền riêng tư cho thấy Bagel AI, một dự án đã phát triển ZKLoRA (Zero-Knowledge Low-Rank Adaptation), một phương pháp tiếp cận bảo vệ quyền riêng tư để tinh chỉnh LLM. Sự đổi mới này cho phép tạo ra các mô hình chuyên biệt cho các ngành như dịch vụ pháp lý, chăm sóc sức khỏe và tài chính, cho phép sử dụng dữ liệu nhạy cảm để học tăng cường mà không có nguy cơ rò rỉ thông tin bí mật.
Trong khi bảo vệ quyền riêng tư là một chủ đề nóng, thì một thách thức lớn hơn đối với hầu hết các LLM là vấn đề ảo giác, một phản ứng do AI tạo ra chứa thông tin sai lệch hoặc gây hiểu lầm được trình bày dưới dạng sự thật. Một người quản lý danh mục đầu tư đã từng nói với tôi rằng, "Trí tuệ nằm ở việc tổng hợp các quan điểm cạnh tranh để khám phá ra sự thật tinh tế giữa hai thái cực". Blocksense là một dự án đã phát triển một phương pháp tiếp cận độc quyền có tên là Consensus zkSchellingCoin. Phương pháp này nhằm mục đích chồng các sự thật chủ quan từ nhiều nguồn - chẳng hạn như các LLM khác nhau - để đi đến một sự thật chung duy nhất. Ví dụ, hãy tưởng tượng chạy cùng một truy vấn trên ChatGPT, Claude, Grok và Llama. Nếu một mô hình cung cấp đầu ra không chính xác, về mặt thống kê, không có khả năng cả bốn mô hình sẽ tạo ra cùng một kết quả sai khi so sánh với nhau.
Hình 4 : Tổng quan về Consensus của zkSchellingCoin
Nguồn: Blocksense Network - Zk rollup dành cho Oracles có thể lập trình.
Consensus zkSchellingCoin cũng có thể được áp dụng để thêm khả năng xác minh vào suy luận AI. Ví dụ, làm thế nào chúng ta có thể xác nhận rằng một tác nhân AI đã bắc cầu chính xác USDC vào kho tiền có lợi nhuận cao nhất tại thời điểm thực hiện? Niềm tin vào AI sẽ được tăng cường đáng kể với một lớp xác minh bổ sung. Nếu chúng ta có thể giải quyết vấn đề này mà không ảnh hưởng đến chi phí hoặc độ trễ, nó có thể dẫn đến một bước đột phá lớn trong các trường hợp sử dụng thực tế.
Hành trình từ sự cường điệu đến hiện thực trong DePIN và AI cho thấy rằng sự đổi mới thực sự nằm ở việc giải quyết các vấn đề trong thế giới thực bằng các giải pháp thiết thực và hiệu quả. Các dự án như Wingbits và Exo Labs chứng minh cách blockchain và AI có thể tạo ra tác động có ý nghĩa — cho dù bằng cách cách mạng hóa việc theo dõi chuyến bay với các ưu đãi chiến lược hay mở khóa sức mạnh của các thiết bị tiêu dùng để tính toán an toàn và tiết kiệm chi phí. Với những tiến bộ như ZKLoRA cho AI bảo vệ quyền riêng tư và zkSchellingCoin cho sự thật có thể xác minh, những công nghệ mới nổi này sẵn sàng giải quyết những thách thức quan trọng, mở đường cho một tương lai phi tập trung hơn, hiệu quả hơn và được xác minh bằng lòng tin.
