Báo cáo nghiên cứu AI Layer1: Tìm kiếm mảnh đất màu mỡ cho DeAI trên chuỗi

Tổng quan

Trong những năm gần đây, các công ty công nghệ hàng đầu như OpenAI, Anthropic, Google và Meta đã liên tục thúc đẩy sự phát triển nhanh chóng của mô hình ngôn ngữ lớn (LLM). LLM đã thể hiện khả năng chưa từng có trong nhiều lĩnh vực, mở rộng đáng kể không gian tưởng tượng của con người, thậm chí trong một số tình huống còn cho thấy tiềm năng thay thế lao động của con người. Tuy nhiên, những công nghệ cốt lõi này lại bị một số ít gã khổng lồ công nghệ tập trung nắm giữ chặt chẽ. Với nguồn vốn dồi dào và khả năng kiểm soát tài nguyên tính toán đắt đỏ, những công ty này đã xây dựng những rào cản khó vượt qua, khiến hầu hết 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 toàn lại tương đối thiếu. Về lâu dài, những vấn đề này sẽ ảnh hưởng sâu sắc đến sự phát triển khỏe mạnh của ngành AI và mức độ chấp nhận của xã hội. Nếu không được giải quyết một cách thỏa đáng, tranh cãi về việc AI "hướng thiện" hay "hướng ác" sẽ ngày càng nổi bật, trong khi các gã khổng lồ tập trung hóa, dưới sự thúc đẩy của bản năng kiếm lợi, thường thiếu động lực đủ để chủ động đối phó với những thách thức này.

Công nghệ blockchain, nhờ vào tính phi tập trung, minh bạch và kháng kiểm duyệt của nó, đã cung cấp những khả năng mới cho sự phát triển bền vững của ngành AI. Hiện tại, trên các blockchain chính như Solana, Base đã xuất hiện nhiều ứng dụng "Web3 AI". Tuy nhiên, phân tích sâu cho thấy, các dự án này vẫn còn nhiều vấn đề: một mặt, mức độ phi tập trung còn hạn chế, các khâu quan trọng và hạ tầng vẫn phụ thuộc vào dịch vụ đám mây tập trung, tính chất 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 trên chuỗi vẫn còn hạn chế về khả năng mô hình, sử dụng dữ liệu và các tình huống ứng dụng, chiều sâu và độ rộng của sự đổi mới cần được cải thiện.

Để thực sự hiện thực hóa tầm nhìn AI phi tập trung, cho phép blockchain có thể an toàn, hiệu quả và dân chủ trong việc chứa đựng 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 tạo ra riêng cho AI. Điều này sẽ cung cấp nền tảng vững chắc cho đổi mới mở của AI, dân chủ trong 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 riêng cho các ứng dụng AI, với kiến trúc và thiết kế hiệu suất của nó tập trung vào nhu cầu của các nhiệm vụ AI, nhằm hỗ trợ một cách hiệu quả sự phát triển và thịnh vượng bền vững của hệ sinh thái AI trên chuỗi. Cụ thể, AI Layer 1 cần có những 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 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 luận mô hình AI, mà còn cần đóng góp các tài nguyên đa dạng như lưu trữ, dữ liệu, băng thông, 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 ở mức độ nền tảng: 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 như suy luận, đào tạo AI, từ đó đảm bảo tính bảo mật của 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 tác vụ dị thể Nhiệm vụ AI, đặc biệt là việc đào tạo và suy luận 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 trên chuỗi 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 luận, lưu trữ và các kịch bản đa dạng khác. AI Layer 1 phải được tối ưu hóa sâu sắc trên kiến trúc cơ sở để đáp ứng các yêu cầu về thông lượng cao, độ trễ thấp và khả năng xử lý song song linh hoạt, đồng thời dự kiến khả năng hỗ trợ nguyên bản cho các nguồn tài nguyên tính toán dị thể, đảm bảo rằng các nhiệm vụ AI khác nhau có thể hoạt động hiệu quả, thực hiện mở rộng mượt mà từ "nhiệm vụ đơn giản" đến "hệ sinh thái phức tạp và 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 về an ninh như mô hình xấu, dữ liệu bị thao túng, mà còn phải đảm bảo tính khả xác minh và sự đồng nhất 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 an toàn 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 xác minh này cũng sẽ giúp người dùng hiểu rõ logic và cơ sở của đầu ra AI, đạt được "có được là mong muốn", nâng cao niềm 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, trong các lĩnh vực tài chính, y tế, xã hội, việc bảo vệ quyền riêng tư dữ liệu đặc biệt quan trọng. AI Layer 1 nên áp dụng các công nghệ xử lý dữ liệu dựa trên mã hóa, các giao thức tính toán riêng tư và quản lý quyền dữ liệu, trong khi vẫn đảm bảo tính khả chứng, để đảm bảo an toàn cho 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 mối lo ngại của người dùng về an toàn dữ liệu.

5. Khả năng 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 năng vượt trội về công nghệ, mà còn phải cung cấp cho các nhà phát triển, nhà điều 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 hiện thực hóa của các ứng dụng AI gốc phong phú và đa dạng, 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 đại diện AI Layer1 bao gồm Sentient, Sahara AI, Ritual, Gensyn, Bittensor và 0G, hệ thống tổng hợp những tiến triển mới nhất trong lĩnh vực, phân tích tình trạng 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 chuỗi blockchain AI Layer1 ( giai đoạn ban 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 nhuận, trung thành ) giải quyết vấn đề quyền sở hữu mô hình, theo dõi gọi và phân phối giá trị trong thị trường LLM tập trung, giúp 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 giúp bất kỳ ai có thể xây dựng, hợp tác, sở hữu và thương mại hóa sản phẩm AI, từ đó thúc đẩy một hệ sinh thái mạng lưới AI Agent công bằng và mở.

Đội ngũ Sentient Foundation quy tụ các chuyên gia học thuật hàng đầu thế giới, những người khởi nghiệp blockchain và kỹ sư, nhằm 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 an toàn và bảo mật AI, đồng thời được dẫn dắt bởi đồng sáng lập Polygon Sandeep Nailwal trong chiến lược blockchain và bố trí hệ sinh thái. Các thành viên trong đội ngũ có nền tảng từ các doanh nghiệp 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, phối hợp thúc đẩy dự án triển khai.

Là 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, cung cấp sự ủng hộ mạnh mẽ cho sự phát triển dự án. Giữa năm 2024, Sentient hoàn thành vòng gọi vốn hạt giống 85 triệu USD, do Founders Fund, Pantera và Framework Ventures dẫn đầu, 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 bao gồm hai phần: ống dẫn AI ( AI Pipeline ) và hệ thống blockchain.

AI Pipeline là nền tảng để phát triển và huấn luyện các tác phẩm "AI trung thành", bao gồm hai quy trình cốt lõi:

• Dữ liệu lập kế hoạch ( Data Curation ): Quy trình lựa chọn dữ liệu do cộng đồng thúc đẩy, 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 của các tác phẩm AI. Cấu 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: Điểm vào điều khiển mô hình hợp đồng ủy quyền;
• Lớp truy cập: xác minh người dùng có được ủy quyền hay không thông qua chứng minh quyền.
• Tầng khuyến khích: Hợp đồng định tuyến lợi nhuận sẽ phân phối thanh toán cho người huấn luyện, người triển khai và người xác thực mỗi lần gọi.

Khung mô hình OML

Khung OML ( mở Open, có thể kiếm tiền Monetizable, trung thành Loyal ) là quan điểm 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. Bằng cách kết hợp công nghệ on-chain và mật mã gốc AI, có các đặc điểm sau:

• Tính mở: Mô hình phải mã nguồn mở, mã và cấu trúc dữ liệu phải minh bạch, thuận tiện cho cộng đồng tái hiện, kiểm tra và cải tiến.
• Tài chính hóa: 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 người đóng góp, hướng nâng cấp và quản trị do DAO quyết định, việc sử dụng và sửa đổi bị kiểm soát bởi cơ chế mã hóa.

AI gốc mật mã học(AI-native Cryptography)

AI bản địa hóa mã hóa là việc sử dụng tính liên tục của mô hình AI, cấu trúc đa chiều thấp và đặc tính khả vi 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: Chèn một tập hợp các cặp khóa giá trị query-response ẩn trong quá trình huấn luyện để tạo thành chữ ký duy nhất của mô hình;
• Giao thức xác minh quyền sở hữu: xác minh dấu vân tay có được lưu giữ hay không thông qua bộ phát hiện bên thứ ba (Prover) dưới dạng câu hỏi query;
• Cơ chế gọi ủy quyền: Trước khi gọi, cần phải có "chứng chỉ quyền hạn" do chủ sở hữu mô hình cấp phát, hệ thống sau đó sẽ ủy quyền cho mô hình giải mã đầu vào này và trả về câu trả lời chính xác.

Cách này có thể thực hiện "gọi ủy quyền dựa trên hành vi + xác minh thuộc sở hữu" mà không tốn chi phí mã hóa lại.

Khung xác quyền mô hình và thực thi an toàn

Sentient hiện đang sử dụng Melange hỗn hợp an toàn: xác thực bằng vân tay, thực thi TEE, và hợp đồng trên chuỗi kết hợp. Phương pháp vân tay được thực hiện theo OML 1.0, nhấn mạnh tư tưởng "An toàn lạc quan (Optimistic Security)", tức là mặc định tuân thủ, có thể phát hiện và trừng phạt sau khi vi phạm.

Cơ chế dấu vân tay là một thực hiện quan trọng 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 đào tạo. Thông qua những chữ ký này, chủ sở hữu mô hình có thể xác minh quyền sở hữu, ngăn chặn sao chép và thương mại hóa trái phép. Cơ chế này không chỉ bảo vệ quyền lợi của các nhà phát triển mô hình, mà còn cung cấp hồ sơ 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 có sự cho phép. Mặc dù TEE phụ thuộc vào phần cứng và tồn tại một số rủi ro về an ninh, nhưng ưu điểm về hiệu suất cao và tính thời gian thực khiến nó trở thành công nghệ cốt lõi trong 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 (FHE), nhằm tăng cường bảo vệ quyền riêng tư và khả năng xác minh, cung cấp một nền tảng trưởng thành hơn cho việc triển khai phi tập trung các mô hình AI.