Báo cáo nghiên cứu Layer1 AI: Tìm kiếm mảnh đất màu mỡ cho DeAI on-chain

Tổng quan

Trong những năm gần đây, các công ty công nghệ hàng đầu như OpenAI, Anthropic, Google, Meta không ngừng 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 tưởng tượng của con người, thậm chí trong một số tình huống, 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 phi tập trung. Với vốn mạnh mẽ và khả năng kiểm soát tài nguyên tính toán đắt đỏ, những công ty này đã thiết lập lên những rào cản khó vượt qua, khiến phần lớn các nhà phát triển và nhóm đổi mới gặp khó khăn trong việc cạnh tranh.

Trong giai đoạn đầu phát triển 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 quan tâm đến 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 lành mạnh của ngành AI và mức độ chấp nhận của xã hội. Nếu không thể giải quyết một cách hợp lý, tranh cãi về việc AI "hướng thiện" hay "hướng ác" sẽ ngày càng nổi bật, trong khi các gã khổng lồ tập trung hóa thường thiếu động lực đủ để chủ động đối phó với những thách thức này dưới sự thúc đẩy của bản năng kiếm lợi.

Công nghệ blockchain, nhờ vào đặc tính phi tập trung, minh bạch và chống kiểm duyệt, đã mở ra những khả năng mới cho sự phát triển bền vững của ngành AI. Hiện tại, đã xuất hiện nhiều ứng dụng "Web3 AI" trên một số blockchain chính. Tuy nhiên, phân tích sâu cho thấy, 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, 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, việc sử dụng dữ liệu và các kịch bản ứng dụng, độ sâu và độ rộng của đổi mới cần được cải thiện.

Để thực sự hiện thực hóa tầm nhìn về AI phi tập trung, khiến cho 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 tạo ra riêng cho AI. Điều này sẽ cung cấp nền tảng vững chắc cho sự đổi mới mở của AI, quản trị dân chủ và an toàn dữ liệu, thúc đẩy sự phát triển thịnh vượng của hệ sinh thái AI phi tập trung.

Các tính năng cốt lõi của AI Layer 1

AI Layer 1 là một chuỗi khối được thiết kế riêng cho các ứng dụng AI, với kiến trúc và thiết kế hiệu suất của nó gắn chặt với nhu cầu của các nhiệm vụ AI, nhằm hỗ trợ một cách hiệu quả sự phát triển bền vững và thịnh vượng của hệ sinh thái AI trên chuỗi. Cụ thể, AI Layer 1 cần có các khả năng cốt lõi sau:

1. Cơ chế khuyến khích hiệu quả và đồng thuận phi tập trung Cốt lõi của AI Layer 1 là xây dựng một mạng lưới chia sẻ tài nguyên như sức mạnh tính toán, lưu trữ, và các tài nguyên khác. Khác với các nút blockchain truyền thống chủ yếu tập trung vào ghi chép sổ cái, các nút của AI Layer 1 cần đảm nhận các nhiệm vụ phức tạp hơn, không chỉ cung cấp sức mạnh tính toán, hoàn thành việc đào tạo và suy diễn mô hình AI, mà còn cần đóng góp lưu trữ, dữ liệu, băng thông và các tài nguyên đa dạng khác, từ đó phá vỡ sự độc quyền của các ông lớn trong cơ sở hạ tầng AI. Điều này đặt ra yêu cầu cao hơn đối với cơ chế đồng thuận và khuyến khích: AI Layer 1 phải có khả năng đánh giá, khuyến khích và xác thực chính xác đóng góp thực tế của các nút trong các nhiệm vụ suy diễn, đào tạo AI, nhằm đảm bảo an toàn cho mạng lưới và phân phối 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 xuất sắc và khả năng hỗ trợ nhiệm vụ không đồng nhất Nhiệm vụ AI, đặc biệt là đào tạo và suy luận LLM, đặt ra yêu cầu 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 nhiều kịch bản đa dạng. AI Layer 1 phải được tối ưu hóa sâu cho các yêu cầu như thông lượng cao, độ trễ thấp và khả năng song song linh hoạt trong kiến trúc cơ sở, đồng thời dự kiến khả năng hỗ trợ gốc cho tài nguyên tính toán dị thể, đảm bảo rằng các nhiệm vụ AI khác nhau đều có thể chạy hiệu quả, thực hiện việc mở rộng mượt mà từ "nhiệm vụ đơn lẻ" đến "hệ sinh thái phức tạp đa dạng."

3. Tính khả thi và đảm bảo đầu ra đáng tin cậy AI Layer 1 không chỉ phải ngăn chặn các nguy cơ bảo mật như mô hình xấu, thao túng dữ liệu, mà còn phải đảm bảo tính khả thi và sự nhất quán của kết quả đầu ra của AI từ cơ chế gốc. Bằng cách tích hợp các công nghệ tiên tiến như môi trường thực thi đáng tin cậy (TEE), chứng minh không tri thức (ZK), và tính toán an toàn đa bên (MPC), nền tảng có thể cho phép mỗi quá trình 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 giúp người dùng hiểu rõ logic và cơ sở của đầu ra AI, thực hiện "nhận được điều 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 đảm bảo tính khả thi trong khi áp dụng các 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 an toàn cho dữ liệu trong toàn bộ quá trình suy luận, đào tạo và lưu trữ, hiệu quả ngăn chặn rò rỉ dữ liệu và lạm dụng, xóa bỏ lo ngại của người dùng về an toàn dữ liệu.

5. Năng lực hỗ trợ phát triển và lưu trữ hệ sinh thái mạnh mẽ Là cơ sở hạ tầng Layer 1 gốc AI, nền tảng không chỉ cần có tính tiên phong về công nghệ, mà còn phải cung cấp cho các nhà phát triển, người điều hành nút, nhà cung cấp dịch vụ AI và các bên tham gia hệ sinh thái khác những công cụ phát triển hoàn thiện, 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 phát triển phong phú và đa dạng của các ứng dụng gốc AI, đạt được sự thịnh vượng bền vững cho 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 cho 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 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 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 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), để mô hình AI đạt được cấu trúc quyền sở hữu trên chuỗi, minh bạch trong việc gọi và chia sẻ giá trị. Tầm nhìn của Sentient là để bất kỳ ai cũng 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 những chuyên gia hàng đầu về học thuật, doanh nhân blockchain và kỹ sư trên toàn cầu, cam kết xây dựng một nền tảng AGI cộng đồng điều hành, mã nguồn mở và có thể xác minh. Các thành viên cốt lõi bao gồm giáo sư Pramod Viswanath của Đại học Princeton và giáo sư Himanshu Tyagi của Viện Khoa học Ấn Độ, lần lượt phụ trách về an toàn AI và bảo vệ quyền riêng tư, trong khi chiến lược blockchain và bố trí hệ sinh thái được dẫn dắt bởi đồng sáng lập Polygon Sandeep Nailwal. Nền tảng thành viên 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 sự triển khai của dự án.

Là một dự án khởi nghiệp lần thứ hai của Sandeep Nailwal, đồng sáng lập của Polygon, Sentient ngay từ khi mới thành lập đã mang theo hào quang, sở hữu nhiều nguồn lực, mối quan hệ và độ nhận diện trên thị trường, tạo ra sự ủng hộ mạnh mẽ cho sự phát triển của dự án. 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.

Thiết kế kiến trúc và lớp ứng dụng

Cấp 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 đào tạo các tác phẩm "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 hành, được sử dụng để căn chỉnh mô hình.
• Đào tạo lòng trung thành (Loyalty Training): Đảm bảo mô hình giữ 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 các giao thức, đảm bảo quyền sở hữu, theo dõi sử dụng, phân phối lợi nhuận và quản trị công bằng cho các đối tượng 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: Mô hình kiểm soát hợp đồng ủy quyền điểm gọi;
• 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 đào tạo, người triển khai và người xác minh mỗi khi được gọi.

Khung mô hình OML

Khung OML (Mở Open, Có thể kiếm tiền Monetizable, Trung thành Loyal) là ý tưởng cốt lõi được Sentient đưa ra, nhằm cung cấp bảo vệ quyền sở hữu rõ ràng và cơ chế kích thích kinh tế cho các mô hình AI mã nguồn mở. Bằng cách kết hợp công nghệ on-chain và mật mã gốc AI, nó có những đặc điểm sau:

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

Mật mã học gốc AI (AI-native Cryptography)

Mã hóa gốc AI 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 an ninh 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 xem dấu vân tay có được giữ lại hay không thông qua thiết bị phát hiện bên thứ ba (Prover) dưới dạng câu hỏi query;
• Cơ chế gọi phép: Trước khi gọi, cần phải có "chứng chỉ quyền hạn" do chủ sở hữu mô hình cấp phát, hệ thống sau đó sẽ cấp quyền cho mô hình để giải mã đầu vào đó và trả lại câu trả lời chính xác.

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

Khung xác định quyền sở hữu và thực thi an toàn

Sentient hiện đang sử dụng Melange hỗn hợp an toàn: xác quyền bằng dấu vân tay, thực thi TEE, hợp đồng trên chuỗi phân chia lợi nhuận kết hợp. Phương pháp dấu vân tay là thực hiện OML 1.0 làm dòng chính, nhấn mạnh tư tưởng "An toàn lạc quan (Optimistic Security)", tức là mặc định tuân thủ, vi phạm có thể bị phát hiện và xử phạt.

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 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 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 trái 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 làm cho nó trở thành công nghệ cốt lõi trong việc triển khai mô hình hiện nay.

Trong tương lai, Sentient dự định đưa vào các công nghệ chứng minh không kiến thức (ZK) và mã hóa đồng nhất hoàn toàn (FHE) để tăng cường bảo vệ quyền riêng tư và khả năng xác minh, cung cấp thêm cho việc triển khai phi tập trung của các mô hình AI.