Sự kết hợp giữa AI và Web3: Tình hình hiện tại, thách thức và triển vọng tương lai
I. Giới thiệu: Sự phát triển của AI+Web3
Trong những năm gần đây, sự phát triển nhanh chóng của công nghệ trí tuệ nhân tạo (AI) và Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI, như một công nghệ mô phỏng và bắt chước trí thông minh con người, đã đạt được những bước đột phá lớn trong các lĩnh vực nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, và học máy, mang lại những chuyển biến và đổi mới to lớn cho nhiều ngành nghề.
Quy mô thị trường của ngành AI đã đạt 200 tỷ đô la Mỹ vào năm 2023, các ông lớn trong ngành như OpenAI, Character.AI, Midjourney và những người chơi xuất sắc khác xuất hiện như nấm sau mưa, dẫn đầu cơn sốt AI.
Đồng thời, Web3 như một mô hình mạng mới nổi, đang dần thay đổi nhận thức và cách sử dụng Internet của chúng ta. Web3 dựa trên công nghệ blockchain phi tập trung, thông qua các hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, đã thực hiện việc chia sẻ và kiểm soát dữ liệu, tự quản của người dùng và thiết lập cơ chế tin cậy. Tư tưởng cốt lõi của Web3 là giải phóng dữ liệu khỏi tay các cơ quan quyền lực tập trung, trao cho người dùng quyền kiểm soát dữ liệu và quyền chia sẻ giá trị dữ liệu.
Hiện tại, giá trị thị trường của ngành Web3 đã đạt tới 25 nghìn tỷ, bất kể là Bitcoin, Ethereum, Solana hay các người chơi ở tầng ứng dụng như Uniswap, Stepn, những câu chuyện và bối cảnh mới cũng liên tục xuất hiện, thu hút ngày càng nhiều người tham gia vào ngành Web3.
Sự kết hợp giữa AI và Web3 là một lĩnh vực rất được các builder và VC ở Đông và Tây quan tâm, làm thế nào để kết hợp hai yếu tố này một cách tốt nhất là một câu hỏi đáng để khám phá.
Bài viết này sẽ tập trung vào việc khám phá thực trạng phát triển của AI+Web3, khám phá giá trị tiềm năng và ảnh hưởng mà sự kết hợp này mang lại. Chúng tôi sẽ bắt đầu bằng cách giới thiệu các khái niệm và đặc điểm cơ bản của AI và Web3, sau đó thảo luận về mối quan hệ giữa chúng. Tiếp theo, chúng tôi sẽ phân tích thực trạng hiện tại của các dự án AI+Web3, và thảo luận sâu về những hạn chế và thách thức mà chúng phải đối mặt. Thông qua nghiên cứu như vậy, chúng tôi hy vọng có thể cung cấp những tham khảo và cái nhìn có giá trị cho các nhà đầu tư và các chuyên gia trong ngành liên quan.
Hai, Cách tương tác giữa AI và Web3
Sự phát triển của AI và Web3 giống như hai bên của cái cân, AI mang lại sự nâng cao năng suất, trong khi Web3 mang lại sự chuyển biến trong quan hệ sản xuất. Vậy AI và Web3 có thể tạo ra những tia lửa gì? Chúng ta sẽ bắt đầu phân tích những khó khăn và không gian nâng cao mà mỗi ngành AI và Web3 đang phải đối mặt, sau đó sẽ thảo luận về cách mà chúng hỗ trợ nhau giải quyết những khó khăn này.
2.1 Những thách thức trong ngành AI
Để khám phá những khó khăn mà ngành AI đang phải đối mặt, trước tiên chúng ta hãy xem xét bản chất của ngành AI. Ba yếu tố cốt lõi của ngành AI không thể tách rời: sức mạnh tính toán, thuật toán và dữ liệu.
Công suất tính toán: Công suất tính toán đề cập đến khả năng thực hiện các phép tính và xử lý quy mô lớn. Các nhiệm vụ AI thường cần xử lý một lượng lớn dữ liệu và thực hiện các phép tính phức tạp, chẳng hạn như đào tạo các mô hình mạng nơ-ron sâu. Khả năng tính toán mạnh mẽ có thể tăng tốc quá trình đào tạo và suy diễn mô hình, nâng cao hiệu suất và hiệu quả của hệ thống AI. Trong những năm gần đây, với sự phát triển của công nghệ phần cứng, chẳng hạn như bộ xử lý đồ họa (GPU) và chip AI chuyên dụng (như TPU), sự gia tăng công suất tính toán đã đóng một vai trò quan trọng trong sự phát triển của ngành công nghiệp AI. Nvidia, nhà cung cấp GPU, đã chiếm lĩnh một thị trường lớn và kiếm được lợi nhuận cao nhờ vào sự tăng giá cổ phiếu trong những năm gần đây.
Thuật toán: Thuật toán là thành phần cốt lõi của hệ thống AI, chúng là các phương pháp toán học và thống kê được sử dụng để giải quyết vấn đề và thực hiện nhiệm vụ. Thuật toán AI có thể được chia thành các thuật toán học máy truyền thống và thuật toán học sâu, trong đó thuật toán học sâu đã đạt được những bước tiến quan trọng trong những năm gần đây. Việc lựa chọn và thiết kế thuật toán là điều cực kỳ quan trọng đối với hiệu suất và hiệu quả của hệ thống AI. Các thuật toán được cải tiến và đổi mới liên tục có thể nâng cao độ chính xác, tính linh hoạt và khả năng tổng quát của hệ thống AI. Các thuật toán khác nhau sẽ có hiệu quả khác nhau, vì vậy việc nâng cao thuật toán là điều quan trọng đối với hiệu quả hoàn thành nhiệm vụ.
Dữ liệu: Nhiệm vụ cốt lõi của hệ thống AI là trích xuất các mẫu và quy luật từ dữ liệu thông qua việc học hỏi và đào tạo. Dữ liệu là nền tảng để đào tạo và tối ưu hóa mô hình, thông qua các mẫu dữ liệu quy mô lớn, hệ thống AI có thể học được các mô hình chính xác hơn và thông minh hơn. Bộ dữ liệu phong phú có thể cung cấp thông tin toàn diện và đa dạng hơn, giúp mô hình có thể tổng quát tốt hơn với các dữ liệu chưa từng thấy, hỗ trợ hệ thống AI hiểu và giải quyết tốt hơn các vấn đề trong thế giới thực.
Sau khi hiểu ba yếu tố cốt lõi hiện tại của AI, hãy cùng xem xét những khó khăn và thách thức mà AI gặp phải trong ba lĩnh vực này:
Về mặt sức mạnh tính toán: Các nhiệm vụ AI thường cần một lượng lớn tài nguyên tính toán để đào tạo và suy diễn mô hình, đặc biệt là đối với các mô hình học sâu. Tuy nhiên, việc thu được và quản lý sức mạnh tính toán quy mô lớn là một thách thức tốn kém và phức tạp. Chi phí, tiêu thụ năng lượng và bảo trì của thiết bị tính toán hiệu suất cao đều là vấn đề. Đặc biệt là đối với các doanh nghiệp khởi nghiệp và các nhà phát triển cá nhân, việc có đủ sức mạnh tính toán có thể là khó khăn.
Về mặt thuật toán: Mặc dù các thuật toán học sâu đã đạt được thành công lớn trong nhiều lĩnh vực, nhưng vẫn còn tồn tại một số khó khăn và thách thức. Chẳng hạn, việc huấn luyện mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, và đối với một số nhiệm vụ, khả năng giải thích và tính minh bạch của mô hình có thể không đủ. Hơn nữa, độ ổn định và khả năng tổng quát của thuật toán cũng là một vấn đề quan trọng, hiệu suất của mô hình trên dữ liệu chưa thấy có thể không ổn định. Trong số nhiều thuật toán, việc tìm ra thuật toán tốt nhất để cung cấp dịch vụ tốt nhất là một quá trình cần liên tục khám phá.
Về dữ liệu: Dữ liệu là động lực của AI, nhưng việc thu thập dữ liệu chất lượng cao và đa dạng vẫn là một thách thức. Dữ liệu trong một số lĩnh vực có thể rất khó để thu thập, chẳng hạn như dữ liệu sức khỏe nhạy cảm trong lĩnh vực y tế. Hơn nữa, chất lượng, độ chính xác và việc gán nhãn dữ liệu cũng là những vấn đề, dữ liệu không đầy đủ hoặc có thiên lệch có thể dẫn đến hành vi hoặc thiên lệch sai của mô hình. Đồng thời, bảo vệ quyền riêng tư và an toàn dữ liệu cũng là một yếu tố quan trọng cần được xem xét.
Ngoài ra, còn tồn tại các vấn đề như khả năng giải thích và tính minh bạch, đặc tính hộp đen của mô hình AI là một vấn đề được công chúng quan tâm. Đối với một số ứng dụng, chẳng hạn như tài chính, y tế và tư pháp, quá trình ra quyết định của mô hình cần phải có thể giải thích và có thể truy nguyên, trong khi các mô hình học sâu hiện có thường thiếu tính minh bạch. Việc giải thích quá trình ra quyết định của mô hình và cung cấp các giải thích đáng tin cậy vẫn là một thách thức.
Ngoài ra, nhiều mô hình kinh doanh của các dự án AI khởi nghiệp không rõ ràng, điều này cũng khiến nhiều doanh nhân khởi nghiệp trong lĩnh vực AI cảm thấy bối rối.
2.2 Những thách thức mà ngành Web3 đang phải đối mặt
Trong ngành Web3, hiện tại cũng tồn tại nhiều khó khăn khác nhau cần được giải quyết, không chỉ là phân tích dữ liệu Web3, hay trải nghiệm người dùng kém của các sản phẩm Web3, hoặc là vấn đề lỗ hổng mã hợp đồng thông minh và các cuộc tấn công của hacker, đều có nhiều không gian để cải thiện. Và AI, như một công cụ nâng cao năng suất, cũng có nhiều tiềm năng để phát huy trong những khía cạnh này.
Đầu tiên là sự cải thiện về khả năng phân tích và dự đoán dữ liệu: Việc ứng dụng công nghệ AI trong phân tích và dự đoán dữ liệu đã mang lại ảnh hưởng lớn cho ngành Web3. Thông qua phân tích thông minh và khai thác của các thuật toán AI, các nền tảng Web3 có thể trích xuất thông tin có giá trị từ lượng dữ liệu khổng lồ và thực hiện các dự đoán và quyết định chính xác hơn. Điều này có ý nghĩa quan trọng trong việc đánh giá rủi ro, dự đoán thị trường và quản lý tài sản trong lĩnh vực tài chính phi tập trung (DeFi).
Ngoài ra, cũng có thể cải thiện trải nghiệm người dùng và dịch vụ cá nhân hóa: Việc ứng dụng công nghệ AI giúp các nền tảng Web3 có thể cung cấp trải nghiệm người dùng tốt hơn và dịch vụ cá nhân hóa. Thông qua việc phân tích và lập mô hình dữ liệu người dùng, các nền tảng Web3 có thể cung cấp cho người dùng các gợi ý cá nhân hóa, dịch vụ tùy chỉnh cũng như trải nghiệm tương tác thông minh. Điều này giúp nâng cao mức độ tham gia và sự hài lòng của người dùng, thúc đẩy sự phát triển của hệ sinh thái Web3, ví dụ như nhiều giao thức Web3 kết nối với các công cụ AI như ChatGPT để phục vụ người dùng tốt hơn.
Trong lĩnh vực an toàn và bảo vệ quyền riêng tư, việc ứng dụng AI cũng có tác động sâu rộng đến ngành Web3. Công nghệ AI có thể được sử dụng để phát hiện và phòng ngừa tấn công mạng, nhận diện hành vi bất thường và cung cấp bảo đảm an ninh mạnh mẽ hơn. Đồng thời, AI cũng có thể được ứng dụng trong việc bảo vệ quyền riêng tư dữ liệu, thông qua mã hóa dữ liệu và tính toán quyền riêng tư, bảo vệ thông tin cá nhân của người dùng trên nền tảng Web3. Trong việc kiểm toán hợp đồng thông minh, do quá trình viết và kiểm toán hợp đồng thông minh có thể tồn tại lỗ hổng và nguy cơ an ninh, công nghệ AI có thể được sử dụng để tự động hóa việc kiểm toán hợp đồng và phát hiện lỗ hổng, nâng cao tính an toàn và độ tin cậy của hợp đồng.
Có thể thấy, trong những khó khăn và tiềm năng cải thiện mà ngành Web3 đang đối mặt, AI có thể tham gia và hỗ trợ ở nhiều khía cạnh.
Ba, Phân tích tình trạng dự án AI+Web3
Các dự án kết hợp AI và Web3 chủ yếu bắt đầu từ hai khía cạnh lớn, sử dụng công nghệ blockchain để nâng cao hiệu suất của các dự án AI, cũng như sử dụng công nghệ AI để phục vụ cho việc nâng cao các dự án Web3.
Xung quanh hai khía cạnh này, đã xuất hiện một loạt các dự án khám phá trên con đường này, bao gồm các dự án đa dạng như Io.net, Gensyn, Ritual, v.v. Bài viết này sẽ phân tích tình hình và sự phát triển của các phân khúc khác nhau từ AI hỗ trợ web3 và Web3 hỗ trợ AI.
3.1 Web3 hỗ trợ AI
3.1.1 Điện toán phi tập trung
Kể từ khi OpenAI ra mắt ChatGPT vào cuối năm 2022, đã tạo ra một cơn sốt về AI. Chỉ sau 5 ngày ra mắt, số lượng người dùng đã đạt 1 triệu, trong khi đó Instagram mất khoảng hai tháng rưỡi để đạt 1 triệu lượt tải xuống. Sau đó, ChatGPT cũng phát triển rất nhanh, trong vòng 2 tháng, số lượng người dùng hoạt động hàng tháng đã đạt 100 triệu, đến tháng 11 năm 2023, số lượng người dùng hoạt động hàng tuần đã đạt 100 triệu. Cùng với sự ra đời của ChatGPT, lĩnh vực AI cũng nhanh chóng bùng nổ từ một lĩnh vực ngách trở thành một ngành công nghiệp được quan tâm nhiều.
Theo báo cáo của Trendforce, ChatGPT cần 30.000 GPU NVIDIA A100 để hoạt động, trong khi GPT-5 trong tương lai sẽ cần một số lượng tính toán lớn hơn nhiều. Điều này cũng đã khởi động một cuộc chạy đua vũ trang giữa các công ty AI, chỉ những ai nắm giữ đủ sức mạnh tính toán mới có thể đảm bảo có đủ động lực và lợi thế trong cuộc chiến AI, do đó đã xuất hiện hiện tượng thiếu hụt GPU.
Trước sự trỗi dậy của AI, khách hàng lớn nhất của nhà cung cấp GPU hàng đầu NVIDIA đều tập trung vào ba dịch vụ đám mây lớn: AWS, Azure và GCP. Với sự gia tăng của trí tuệ nhân tạo, đã xuất hiện rất nhiều người mua mới, bao gồm các công ty công nghệ lớn như Meta, Oracle cũng như các nền tảng dữ liệu và các công ty khởi nghiệp AI khác, tất cả đều tham gia vào cuộc chiến tích trữ GPU để đào tạo các mô hình trí tuệ nhân tạo. Các công ty công nghệ lớn như Meta và Tesla đã gia tăng đáng kể lượng mua các mô hình AI tùy chỉnh và nghiên cứu nội bộ. Các công ty mô hình cơ bản như Anthropic và các nền tảng dữ liệu như Snowflake và Databricks cũng đã mua nhiều GPU hơn, để giúp khách hàng cung cấp dịch vụ trí tuệ nhân tạo.
Như Semi Analysis đã đề cập vào năm ngoái về "người giàu GPU và người nghèo GPU", một số ít công ty sở hữu hơn 20.000 GPU A100/H100, và các thành viên trong nhóm có thể sử dụng từ 100 đến 1.000 GPU cho các dự án. Những công ty này hoặc là nhà cung cấp đám mây hoặc tự xây dựng LLM, bao gồm OpenAI, Google, Meta, Anthropic, Inflection, Tesla, Oracle, Mistral, v.v.
Tuy nhiên, hầu hết các công ty đều thuộc loại nghèo GPU, chỉ có thể vật lộn với số lượng GPU ít ỏi, tiêu tốn nhiều thời gian và công sức vào những việc khó khăn hơn để phát triển hệ sinh thái. Hơn nữa, tình huống này không chỉ giới hạn ở các công ty khởi nghiệp. Một số công ty trí tuệ nhân tạo nổi tiếng nhất -- Hugging Face, Databricks (MosaicML), Together thậm chí số lượng A100/H100 của Snowflake cũng nhỏ hơn 20K. Những công ty này có những tài năng công nghệ hàng đầu thế giới, nhưng bị hạn chế bởi số lượng cung cấp GPU, so với các công ty lớn trong cuộc đua trí tuệ nhân tạo ở thế yếu.
Sự thiếu hụt này không chỉ giới hạn trong số "người nghèo GPU", mà ngay cả vào cuối năm 2023, gã khổng lồ trong lĩnh vực AI là OpenAI cũng phải đóng cửa đăng ký trả phí trong vài tuần vì không thể có đủ GPU, đồng thời phải mua thêm nguồn cung GPU.
Có thể thấy rằng, cùng với sự phát triển nhanh chóng của AI, nhu cầu về GPU đã xuất hiện sự không khớp nghiêm trọng giữa cung và cầu, vấn đề cung không đủ cầu đang trở nên cấp bách.
Để giải quyết vấn đề này, một số dự án Web3 bắt đầu thử nghiệm kết hợp các đặc điểm công nghệ của Web3, cung cấp dịch vụ tính toán phi tập trung, bao gồm Akash, Render, Gensyn, v.v. Điểm chung của các dự án này là thông qua token để khuyến khích người dùng cung cấp sức mạnh GPU nhàn rỗi, trở thành phía cung cấp sức mạnh tính toán, để phục vụ cho
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Tình trạng, thách thức và xu hướng phát triển tương lai của sự kết hợp giữa AI và Web3
Sự kết hợp giữa AI và Web3: Tình hình hiện tại, thách thức và triển vọng tương lai
I. Giới thiệu: Sự phát triển của AI+Web3
Trong những năm gần đây, sự phát triển nhanh chóng của công nghệ trí tuệ nhân tạo (AI) và Web3 đã thu hút sự chú ý rộng rãi trên toàn cầu. AI, như một công nghệ mô phỏng và bắt chước trí thông minh con người, đã đạt được những bước đột phá lớn trong các lĩnh vực nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên, và học máy, mang lại những chuyển biến và đổi mới to lớn cho nhiều ngành nghề.
Quy mô thị trường của ngành AI đã đạt 200 tỷ đô la Mỹ vào năm 2023, các ông lớn trong ngành như OpenAI, Character.AI, Midjourney và những người chơi xuất sắc khác xuất hiện như nấm sau mưa, dẫn đầu cơn sốt AI.
Đồng thời, Web3 như một mô hình mạng mới nổi, đang dần thay đổi nhận thức và cách sử dụng Internet của chúng ta. Web3 dựa trên công nghệ blockchain phi tập trung, thông qua các hợp đồng thông minh, lưu trữ phân tán và xác thực danh tính phi tập trung, đã thực hiện việc chia sẻ và kiểm soát dữ liệu, tự quản của người dùng và thiết lập cơ chế tin cậy. Tư tưởng cốt lõi của Web3 là giải phóng dữ liệu khỏi tay các cơ quan quyền lực tập trung, trao cho người dùng quyền kiểm soát dữ liệu và quyền chia sẻ giá trị dữ liệu.
Hiện tại, giá trị thị trường của ngành Web3 đã đạt tới 25 nghìn tỷ, bất kể là Bitcoin, Ethereum, Solana hay các người chơi ở tầng ứng dụng như Uniswap, Stepn, những câu chuyện và bối cảnh mới cũng liên tục xuất hiện, thu hút ngày càng nhiều người tham gia vào ngành Web3.
Sự kết hợp giữa AI và Web3 là một lĩnh vực rất được các builder và VC ở Đông và Tây quan tâm, làm thế nào để kết hợp hai yếu tố này một cách tốt nhất là một câu hỏi đáng để khám phá.
Bài viết này sẽ tập trung vào việc khám phá thực trạng phát triển của AI+Web3, khám phá giá trị tiềm năng và ảnh hưởng mà sự kết hợp này mang lại. Chúng tôi sẽ bắt đầu bằng cách giới thiệu các khái niệm và đặc điểm cơ bản của AI và Web3, sau đó thảo luận về mối quan hệ giữa chúng. Tiếp theo, chúng tôi sẽ phân tích thực trạng hiện tại của các dự án AI+Web3, và thảo luận sâu về những hạn chế và thách thức mà chúng phải đối mặt. Thông qua nghiên cứu như vậy, chúng tôi hy vọng có thể cung cấp những tham khảo và cái nhìn có giá trị cho các nhà đầu tư và các chuyên gia trong ngành liên quan.
Hai, Cách tương tác giữa AI và Web3
Sự phát triển của AI và Web3 giống như hai bên của cái cân, AI mang lại sự nâng cao năng suất, trong khi Web3 mang lại sự chuyển biến trong quan hệ sản xuất. Vậy AI và Web3 có thể tạo ra những tia lửa gì? Chúng ta sẽ bắt đầu phân tích những khó khăn và không gian nâng cao mà mỗi ngành AI và Web3 đang phải đối mặt, sau đó sẽ thảo luận về cách mà chúng hỗ trợ nhau giải quyết những khó khăn này.
2.1 Những thách thức trong ngành AI
Để khám phá những khó khăn mà ngành AI đang phải đối mặt, trước tiên chúng ta hãy xem xét bản chất của ngành AI. Ba yếu tố cốt lõi của ngành AI không thể tách rời: sức mạnh tính toán, thuật toán và dữ liệu.
Công suất tính toán: Công suất tính toán đề cập đến khả năng thực hiện các phép tính và xử lý quy mô lớn. Các nhiệm vụ AI thường cần xử lý một lượng lớn dữ liệu và thực hiện các phép tính phức tạp, chẳng hạn như đào tạo các mô hình mạng nơ-ron sâu. Khả năng tính toán mạnh mẽ có thể tăng tốc quá trình đào tạo và suy diễn mô hình, nâng cao hiệu suất và hiệu quả của hệ thống AI. Trong những năm gần đây, với sự phát triển của công nghệ phần cứng, chẳng hạn như bộ xử lý đồ họa (GPU) và chip AI chuyên dụng (như TPU), sự gia tăng công suất tính toán đã đóng một vai trò quan trọng trong sự phát triển của ngành công nghiệp AI. Nvidia, nhà cung cấp GPU, đã chiếm lĩnh một thị trường lớn và kiếm được lợi nhuận cao nhờ vào sự tăng giá cổ phiếu trong những năm gần đây.
Thuật toán: Thuật toán là thành phần cốt lõi của hệ thống AI, chúng là các phương pháp toán học và thống kê được sử dụng để giải quyết vấn đề và thực hiện nhiệm vụ. Thuật toán AI có thể được chia thành các thuật toán học máy truyền thống và thuật toán học sâu, trong đó thuật toán học sâu đã đạt được những bước tiến quan trọng trong những năm gần đây. Việc lựa chọn và thiết kế thuật toán là điều cực kỳ quan trọng đối với hiệu suất và hiệu quả của hệ thống AI. Các thuật toán được cải tiến và đổi mới liên tục có thể nâng cao độ chính xác, tính linh hoạt và khả năng tổng quát của hệ thống AI. Các thuật toán khác nhau sẽ có hiệu quả khác nhau, vì vậy việc nâng cao thuật toán là điều quan trọng đối với hiệu quả hoàn thành nhiệm vụ.
Dữ liệu: Nhiệm vụ cốt lõi của hệ thống AI là trích xuất các mẫu và quy luật từ dữ liệu thông qua việc học hỏi và đào tạo. Dữ liệu là nền tảng để đào tạo và tối ưu hóa mô hình, thông qua các mẫu dữ liệu quy mô lớn, hệ thống AI có thể học được các mô hình chính xác hơn và thông minh hơn. Bộ dữ liệu phong phú có thể cung cấp thông tin toàn diện và đa dạng hơn, giúp mô hình có thể tổng quát tốt hơn với các dữ liệu chưa từng thấy, hỗ trợ hệ thống AI hiểu và giải quyết tốt hơn các vấn đề trong thế giới thực.
Sau khi hiểu ba yếu tố cốt lõi hiện tại của AI, hãy cùng xem xét những khó khăn và thách thức mà AI gặp phải trong ba lĩnh vực này:
Về mặt sức mạnh tính toán: Các nhiệm vụ AI thường cần một lượng lớn tài nguyên tính toán để đào tạo và suy diễn mô hình, đặc biệt là đối với các mô hình học sâu. Tuy nhiên, việc thu được và quản lý sức mạnh tính toán quy mô lớn là một thách thức tốn kém và phức tạp. Chi phí, tiêu thụ năng lượng và bảo trì của thiết bị tính toán hiệu suất cao đều là vấn đề. Đặc biệt là đối với các doanh nghiệp khởi nghiệp và các nhà phát triển cá nhân, việc có đủ sức mạnh tính toán có thể là khó khăn.
Về mặt thuật toán: Mặc dù các thuật toán học sâu đã đạt được thành công lớn trong nhiều lĩnh vực, nhưng vẫn còn tồn tại một số khó khăn và thách thức. Chẳng hạn, việc huấn luyện mạng nơ-ron sâu cần một lượng lớn dữ liệu và tài nguyên tính toán, và đối với một số nhiệm vụ, khả năng giải thích và tính minh bạch của mô hình có thể không đủ. Hơn nữa, độ ổn định và khả năng tổng quát của thuật toán cũng là một vấn đề quan trọng, hiệu suất của mô hình trên dữ liệu chưa thấy có thể không ổn định. Trong số nhiều thuật toán, việc tìm ra thuật toán tốt nhất để cung cấp dịch vụ tốt nhất là một quá trình cần liên tục khám phá.
Về dữ liệu: Dữ liệu là động lực của AI, nhưng việc thu thập dữ liệu chất lượng cao và đa dạng vẫn là một thách thức. Dữ liệu trong một số lĩnh vực có thể rất khó để thu thập, chẳng hạn như dữ liệu sức khỏe nhạy cảm trong lĩnh vực y tế. Hơn nữa, chất lượng, độ chính xác và việc gán nhãn dữ liệu cũng là những vấn đề, dữ liệu không đầy đủ hoặc có thiên lệch có thể dẫn đến hành vi hoặc thiên lệch sai của mô hình. Đồng thời, bảo vệ quyền riêng tư và an toàn dữ liệu cũng là một yếu tố quan trọng cần được xem xét.
Ngoài ra, còn tồn tại các vấn đề như khả năng giải thích và tính minh bạch, đặc tính hộp đen của mô hình AI là một vấn đề được công chúng quan tâm. Đối với một số ứng dụng, chẳng hạn như tài chính, y tế và tư pháp, quá trình ra quyết định của mô hình cần phải có thể giải thích và có thể truy nguyên, trong khi các mô hình học sâu hiện có thường thiếu tính minh bạch. Việc giải thích quá trình ra quyết định của mô hình và cung cấp các giải thích đáng tin cậy vẫn là một thách thức.
Ngoài ra, nhiều mô hình kinh doanh của các dự án AI khởi nghiệp không rõ ràng, điều này cũng khiến nhiều doanh nhân khởi nghiệp trong lĩnh vực AI cảm thấy bối rối.
2.2 Những thách thức mà ngành Web3 đang phải đối mặt
Trong ngành Web3, hiện tại cũng tồn tại nhiều khó khăn khác nhau cần được giải quyết, không chỉ là phân tích dữ liệu Web3, hay trải nghiệm người dùng kém của các sản phẩm Web3, hoặc là vấn đề lỗ hổng mã hợp đồng thông minh và các cuộc tấn công của hacker, đều có nhiều không gian để cải thiện. Và AI, như một công cụ nâng cao năng suất, cũng có nhiều tiềm năng để phát huy trong những khía cạnh này.
Đầu tiên là sự cải thiện về khả năng phân tích và dự đoán dữ liệu: Việc ứng dụng công nghệ AI trong phân tích và dự đoán dữ liệu đã mang lại ảnh hưởng lớn cho ngành Web3. Thông qua phân tích thông minh và khai thác của các thuật toán AI, các nền tảng Web3 có thể trích xuất thông tin có giá trị từ lượng dữ liệu khổng lồ và thực hiện các dự đoán và quyết định chính xác hơn. Điều này có ý nghĩa quan trọng trong việc đánh giá rủi ro, dự đoán thị trường và quản lý tài sản trong lĩnh vực tài chính phi tập trung (DeFi).
Ngoài ra, cũng có thể cải thiện trải nghiệm người dùng và dịch vụ cá nhân hóa: Việc ứng dụng công nghệ AI giúp các nền tảng Web3 có thể cung cấp trải nghiệm người dùng tốt hơn và dịch vụ cá nhân hóa. Thông qua việc phân tích và lập mô hình dữ liệu người dùng, các nền tảng Web3 có thể cung cấp cho người dùng các gợi ý cá nhân hóa, dịch vụ tùy chỉnh cũng như trải nghiệm tương tác thông minh. Điều này giúp nâng cao mức độ tham gia và sự hài lòng của người dùng, thúc đẩy sự phát triển của hệ sinh thái Web3, ví dụ như nhiều giao thức Web3 kết nối với các công cụ AI như ChatGPT để phục vụ người dùng tốt hơn.
Trong lĩnh vực an toàn và bảo vệ quyền riêng tư, việc ứng dụng AI cũng có tác động sâu rộng đến ngành Web3. Công nghệ AI có thể được sử dụng để phát hiện và phòng ngừa tấn công mạng, nhận diện hành vi bất thường và cung cấp bảo đảm an ninh mạnh mẽ hơn. Đồng thời, AI cũng có thể được ứng dụng trong việc bảo vệ quyền riêng tư dữ liệu, thông qua mã hóa dữ liệu và tính toán quyền riêng tư, bảo vệ thông tin cá nhân của người dùng trên nền tảng Web3. Trong việc kiểm toán hợp đồng thông minh, do quá trình viết và kiểm toán hợp đồng thông minh có thể tồn tại lỗ hổng và nguy cơ an ninh, công nghệ AI có thể được sử dụng để tự động hóa việc kiểm toán hợp đồng và phát hiện lỗ hổng, nâng cao tính an toàn và độ tin cậy của hợp đồng.
Có thể thấy, trong những khó khăn và tiềm năng cải thiện mà ngành Web3 đang đối mặt, AI có thể tham gia và hỗ trợ ở nhiều khía cạnh.
Ba, Phân tích tình trạng dự án AI+Web3
Các dự án kết hợp AI và Web3 chủ yếu bắt đầu từ hai khía cạnh lớn, sử dụng công nghệ blockchain để nâng cao hiệu suất của các dự án AI, cũng như sử dụng công nghệ AI để phục vụ cho việc nâng cao các dự án Web3.
Xung quanh hai khía cạnh này, đã xuất hiện một loạt các dự án khám phá trên con đường này, bao gồm các dự án đa dạng như Io.net, Gensyn, Ritual, v.v. Bài viết này sẽ phân tích tình hình và sự phát triển của các phân khúc khác nhau từ AI hỗ trợ web3 và Web3 hỗ trợ AI.
3.1 Web3 hỗ trợ AI
3.1.1 Điện toán phi tập trung
Kể từ khi OpenAI ra mắt ChatGPT vào cuối năm 2022, đã tạo ra một cơn sốt về AI. Chỉ sau 5 ngày ra mắt, số lượng người dùng đã đạt 1 triệu, trong khi đó Instagram mất khoảng hai tháng rưỡi để đạt 1 triệu lượt tải xuống. Sau đó, ChatGPT cũng phát triển rất nhanh, trong vòng 2 tháng, số lượng người dùng hoạt động hàng tháng đã đạt 100 triệu, đến tháng 11 năm 2023, số lượng người dùng hoạt động hàng tuần đã đạt 100 triệu. Cùng với sự ra đời của ChatGPT, lĩnh vực AI cũng nhanh chóng bùng nổ từ một lĩnh vực ngách trở thành một ngành công nghiệp được quan tâm nhiều.
Theo báo cáo của Trendforce, ChatGPT cần 30.000 GPU NVIDIA A100 để hoạt động, trong khi GPT-5 trong tương lai sẽ cần một số lượng tính toán lớn hơn nhiều. Điều này cũng đã khởi động một cuộc chạy đua vũ trang giữa các công ty AI, chỉ những ai nắm giữ đủ sức mạnh tính toán mới có thể đảm bảo có đủ động lực và lợi thế trong cuộc chiến AI, do đó đã xuất hiện hiện tượng thiếu hụt GPU.
Trước sự trỗi dậy của AI, khách hàng lớn nhất của nhà cung cấp GPU hàng đầu NVIDIA đều tập trung vào ba dịch vụ đám mây lớn: AWS, Azure và GCP. Với sự gia tăng của trí tuệ nhân tạo, đã xuất hiện rất nhiều người mua mới, bao gồm các công ty công nghệ lớn như Meta, Oracle cũng như các nền tảng dữ liệu và các công ty khởi nghiệp AI khác, tất cả đều tham gia vào cuộc chiến tích trữ GPU để đào tạo các mô hình trí tuệ nhân tạo. Các công ty công nghệ lớn như Meta và Tesla đã gia tăng đáng kể lượng mua các mô hình AI tùy chỉnh và nghiên cứu nội bộ. Các công ty mô hình cơ bản như Anthropic và các nền tảng dữ liệu như Snowflake và Databricks cũng đã mua nhiều GPU hơn, để giúp khách hàng cung cấp dịch vụ trí tuệ nhân tạo.
Như Semi Analysis đã đề cập vào năm ngoái về "người giàu GPU và người nghèo GPU", một số ít công ty sở hữu hơn 20.000 GPU A100/H100, và các thành viên trong nhóm có thể sử dụng từ 100 đến 1.000 GPU cho các dự án. Những công ty này hoặc là nhà cung cấp đám mây hoặc tự xây dựng LLM, bao gồm OpenAI, Google, Meta, Anthropic, Inflection, Tesla, Oracle, Mistral, v.v.
Tuy nhiên, hầu hết các công ty đều thuộc loại nghèo GPU, chỉ có thể vật lộn với số lượng GPU ít ỏi, tiêu tốn nhiều thời gian và công sức vào những việc khó khăn hơn để phát triển hệ sinh thái. Hơn nữa, tình huống này không chỉ giới hạn ở các công ty khởi nghiệp. Một số công ty trí tuệ nhân tạo nổi tiếng nhất -- Hugging Face, Databricks (MosaicML), Together thậm chí số lượng A100/H100 của Snowflake cũng nhỏ hơn 20K. Những công ty này có những tài năng công nghệ hàng đầu thế giới, nhưng bị hạn chế bởi số lượng cung cấp GPU, so với các công ty lớn trong cuộc đua trí tuệ nhân tạo ở thế yếu.
Sự thiếu hụt này không chỉ giới hạn trong số "người nghèo GPU", mà ngay cả vào cuối năm 2023, gã khổng lồ trong lĩnh vực AI là OpenAI cũng phải đóng cửa đăng ký trả phí trong vài tuần vì không thể có đủ GPU, đồng thời phải mua thêm nguồn cung GPU.
Có thể thấy rằng, cùng với sự phát triển nhanh chóng của AI, nhu cầu về GPU đã xuất hiện sự không khớp nghiêm trọng giữa cung và cầu, vấn đề cung không đủ cầu đang trở nên cấp bách.
Để giải quyết vấn đề này, một số dự án Web3 bắt đầu thử nghiệm kết hợp các đặc điểm công nghệ của Web3, cung cấp dịch vụ tính toán phi tập trung, bao gồm Akash, Render, Gensyn, v.v. Điểm chung của các dự án này là thông qua token để khuyến khích người dùng cung cấp sức mạnh GPU nhàn rỗi, trở thành phía cung cấp sức mạnh tính toán, để phục vụ cho