Tổng quan nhanh
Các ứng dụng trí tuệ nhân tạo tiền điện tử (Crypto-AI) phi tập trung phải đối mặt với một số trở ngại trong ngắn và trung hạn có thể cản trở việc áp dụng chúng. Tuy nhiên, câu chuyện mang tính xây dựng xung quanh tiền điện tử và trí tuệ nhân tạo có thể sẽ duy trì câu chuyện giao dịch trong một thời gian.
Bài học chính
- Sự giao thoa giữa trí tuệ nhân tạo (AI) và Crypto rất rộng nhưng thường ít người có thể hiểu sâu về nó. Chúng tôi tin rằng các trường con khác nhau tại điểm giao nhau có những cơ hội và chu kỳ phát triển riêng biệt.
- Nhìn chung, chúng tôi tin rằng đối với các sản phẩm trí tuệ nhân tạo, bản thân lợi thế cạnh tranh của việc phân quyền là chưa đủ mà nó còn phải duy trì sự ngang bằng về chức năng với các đối thủ tập trung ở một số lĩnh vực quan trọng khác.
- Quan điểm trái ngược của chúng tôi là tiềm năng giá trị của nhiều mã thông báo AI có thể bị phóng đại do thị trường tập trung rộng rãi vào ngành AI và nhiều mã thông báo AI có thể thiếu động lực nhu cầu bền vững trong ngắn và trung hạn.
Trong những năm gần đây, những đột phá liên tục về trí tuệ nhân tạo (đặc biệt là trí tuệ nhân tạo tổng hợp) đã tạo ra sự tập trung mạnh mẽ vào ngành trí tuệ nhân tạo và tạo cơ hội cho các dự án tiền điện tử ở giữa. Trước đây, chúng tôi đã đề cập đến một số khả năng trong ngành trong một báo cáo vào tháng 6 năm 2023, lưu ý rằng, đánh giá từ việc phân bổ vốn tổng thể của Crypto, có vẻ như lĩnh vực trí tuệ nhân tạo đang bị định giá thấp. Kể từ đó, lĩnh vực trí tuệ nhân tạo mật mã bắt đầu phát triển nhanh chóng. Tại thời điểm này, chúng tôi cảm thấy điều quan trọng là phải nêu bật một số thách thức thực tế có thể cản trở việc áp dụng rộng rãi nó.
Những thay đổi nhanh chóng trong AI khiến chúng tôi thận trọng trước những tuyên bố táo bạo của một số nền tảng tiền điện tử rằng vị trí độc đáo của chúng sẽ phá vỡ toàn bộ ngành, khiến cho việc tích lũy giá trị lâu dài và bền vững của hầu hết các mã thông báo AI không chắc chắn, đặc biệt. Điều này đặc biệt đúng đối với các dự án có mã thông báo cố định các mô hình. Thay vào đó, chúng tôi tin rằng một số xu hướng mới nổi trong AI thực sự có thể khiến những đổi mới dựa trên tiền điện tử khó được chấp nhận hơn, do sự cạnh tranh thị trường rộng lớn hơn và các yếu tố pháp lý.
Điều đó nói lên rằng, chúng tôi tin rằng sự giao thoa giữa AI và Tiền điện tử rất rộng lớn và nắm giữ những cơ hội đa dạng. Việc áp dụng có thể nhanh hơn ở một số phân ngành nhất định, mặc dù nhiều lĩnh vực trong số này thiếu token có thể giao dịch. Tuy nhiên, điều này dường như không làm giảm ham muốn của nhà đầu tư. Chúng tôi nhận thấy rằng hiệu suất của các mã thông báo tiền điện tử liên quan đến AI được thúc đẩy bởi cơn sốt thị trường AI, điều này có thể hỗ trợ hành động giá tích cực của chúng ngay cả trong những ngày Bitcoin giao dịch thấp hơn. Do đó, chúng tôi tin rằng nhiều token liên quan đến AI có thể sẽ tiếp tục được giao dịch dưới dạng đại diện cho những tiến bộ của AI.
Xu hướng chính trong trí tuệ nhân tạo
Theo chúng tôi, một trong những xu hướng quan trọng nhất trong không gian AI (liên quan đến các sản phẩm AI tiền điện tử) là sự tiếp nối văn hóa xung quanh mô hình nguồn mở. Hơn 530.000 mô hình được cung cấp công khai trên Hugging Face, một nền tảng cộng tác dành cho cộng đồng AI, để các nhà nghiên cứu và người dùng chạy và tinh chỉnh. Vai trò của Hugging Face trong cộng tác AI không khác gì việc dựa vào Github để lưu trữ mã hoặc Discord để quản lý cộng đồng (cả hai đều được sử dụng rộng rãi trong tiền điện tử). Chúng tôi cho rằng tình trạng này khó có thể thay đổi trong thời gian tới, trừ khi có sự quản lý yếu kém nghiêm trọng.
Các mô hình có sẵn trên Hugging Face bao gồm từ mô hình ngôn ngữ lớn (LLM) đến mô hình hình ảnh và video tổng hợp, đồng thời đến từ những công ty lớn trong ngành như OpenAI, Meta và Google cũng như các nhà phát triển độc lập. Một số mô hình ngôn ngữ nguồn mở thậm chí còn có lợi thế về hiệu suất tốt hơn các mô hình nguồn đóng hiện đại về mặt thông lượng (trong khi vẫn duy trì chất lượng đầu ra tương đương), đảm bảo mức độ cạnh tranh nhất định giữa các mô hình nguồn mở và thương mại (xem Hình 1 ) . Điều quan trọng là chúng tôi tin rằng hệ sinh thái nguồn mở sôi động này, kết hợp với lĩnh vực thương mại cạnh tranh, đã thúc đẩy một ngành trong đó các mô hình hoạt động kém sẽ bị loại khỏi cạnh tranh.
Xu hướng thứ hai là chất lượng và hiệu quả chi phí ngày càng tăng của các mô hình nhỏ (điều này đã được nhấn mạnh trong một nghiên cứu LLM vào năm 2020 và gần đây hơn là trong một bài báo của MIcrosoft), điều này cũng nhất quán với văn hóa nguồn mở. tương lai của các mô hình AI chạy cục bộ, hiệu suất cao. Trên một số tiêu chuẩn nhất định, một số mô hình nguồn mở được tinh chỉnh thậm chí có thể hoạt động tốt hơn các mô hình nguồn đóng hàng đầu. Trong thế giới như vậy, một số mô hình AI có thể được chạy cục bộ, tối đa hóa khả năng phân cấp. Tất nhiên, các công ty công nghệ hiện tại sẽ tiếp tục đào tạo và vận hành các mô hình lớn hơn trên đám mây, nhưng sẽ có sự đánh đổi về không gian thiết kế giữa hai mô hình này.
Ngoài ra, do nhiệm vụ đo điểm chuẩn của các mô hình AI ngày càng phức tạp (bao gồm ô nhiễm dữ liệu và phạm vi thử nghiệm khác nhau), chúng tôi tin rằng kết quả đầu ra của mô hình được tạo ra cuối cùng có thể được người dùng cuối đánh giá tốt nhất trong thị trường tự do. Trên thực tế, đã có sẵn các công cụ để người dùng cuối thực hiện so sánh song song các kết quả đầu ra của mô hình và cũng có những công ty đo điểm chuẩn cung cấp các dịch vụ tương tự. Khó khăn trong việc tạo điểm chuẩn trí tuệ nhân tạo có thể được nhìn thấy từ sự đa dạng ngày càng tăng của điểm chuẩn LLM mở, bao gồm MMLU, HellaSwag, TriviaQA, BoolQ, v.v., mỗi điểm kiểm tra các trường hợp sử dụng khác nhau, chẳng hạn như lý luận thông thường, Chủ đề học thuật và các câu hỏi khác nhau các định dạng, v.v.
Xu hướng thứ ba mà chúng tôi quan sát thấy trong không gian AI là các nền tảng hiện có có khả năng khóa người dùng mạnh mẽ hoặc các vấn đề kinh doanh cụ thể có thể được hưởng lợi một cách không tương xứng từ việc tích hợp AI. Ví dụ: việc tích hợp Github Copilot với các trình soạn thảo mã sẽ nâng cao môi trường nhà phát triển vốn đã mạnh mẽ. Việc nhúng giao diện AI vào các công cụ khác như ứng dụng email, bảng tính, phần mềm quản lý quan hệ khách hàng, v.v. cũng là một trường hợp sử dụng tự nhiên của AI (ví dụ: trợ lý AI của Klarna có thể thực hiện công việc của 700 nhân viên toàn thời gian).
Tuy nhiên, điều quan trọng cần lưu ý là trong nhiều tình huống này, các mô hình AI sẽ không tạo ra nền tảng mới mà chỉ cải thiện những nền tảng hiện có. Các mô hình AI khác giúp cải thiện quy trình kinh doanh truyền thống (ví dụ: Meta’s Lattice đã khôi phục hiệu suất quảng cáo sau khi Apple giới thiệu Tính minh bạch theo dõi ứng dụng) cũng thường dựa vào dữ liệu độc quyền và hệ thống khép kín. Vì các loại mô hình AI này được tích hợp theo chiều dọc vào các sản phẩm cốt lõi của chúng và sử dụng dữ liệu độc quyền nên chúng có thể sẽ vẫn là nguồn đóng.
Trong thế giới phần cứng và điện toán AI, chúng ta thấy hai xu hướng khác có liên quan. Đầu tiên là sự chuyển đổi cách sử dụng tính toán từ huấn luyện sang suy luận. Nghĩa là, khi các mô hình trí tuệ nhân tạo lần đầu tiên được phát triển, một lượng lớn tài nguyên máy tính sẽ được sử dụng để “huấn luyện” mô hình bằng cách cung cấp cho nó những tập dữ liệu lớn. Bây giờ nó đã chuyển sang triển khai mô hình và truy vấn mô hình.
Nvidia tiết lộ trong cuộc họp báo cáo thu nhập tháng 2 năm 2024 rằng khoảng 40% hoạt động kinh doanh của họ là suy luận và Sataya Nadella đã đưa ra nhận xét tương tự trong cuộc họp báo cáo thu nhập tháng 1 của Microsoft, đồng thời lưu ý rằng “hầu hết” việc sử dụng Azure AI của họ là để suy luận. Khi xu hướng này tiếp tục, chúng tôi tin rằng các thực thể đang tìm cách kiếm tiền từ mô hình của họ sẽ ưu tiên các nền tảng có thể chạy mô hình của họ một cách đáng tin cậy theo cách an toàn và sẵn sàng sản xuất.
Xu hướng chính thứ hai mà chúng tôi nhận thấy là bối cảnh cạnh tranh xung quanh kiến trúc phần cứng. Bộ xử lý H 200 của Nvidia sẽ ra mắt vào quý 2 năm 2024 và hiệu suất của B 100 thế hệ tiếp theo dự kiến sẽ tăng gấp đôi. Ngoài ra, việc Google tiếp tục hỗ trợ cho các đơn vị xử lý tensor (TPU) của riêng mình và các đơn vị xử lý ngôn ngữ (LPU) mới của Groq cũng có thể củng cố thị phần của họ trong lĩnh vực này trong những năm tới (xem Hình 2). Những phát triển này có khả năng thay đổi động lực chi phí của ngành AI và có thể mang lại lợi ích cho các nhà cung cấp dịch vụ đám mây có thể thích ứng nhanh chóng, mua phần cứng trên quy mô lớn và thiết lập mọi mạng vật lý và công cụ phát triển liên quan.
Nhìn chung, lĩnh vực trí tuệ nhân tạo là một lĩnh vực mới nổi và đang phát triển nhanh chóng. Chưa đầy một năm rưỡi kể từ khi ChatGPT lần đầu tiên tung ra thị trường vào tháng 11 năm 2022 (mặc dù mẫu GPT-3 cơ bản của nó đã xuất hiện từ tháng 6 năm 2020) và sự phát triển nhanh chóng của lĩnh vực này kể từ đó thật đáng kinh ngạc. Mặc dù có một số thành kiến đằng sau các mô hình AI tổng quát, nhưng chúng ta đã bắt đầu thấy hiệu ứng sống còn của thị trường phù hợp nhất (bỏ qua các mô hình hoạt động kém hơn để ủng hộ các lựa chọn thay thế tốt hơn). Sự tăng trưởng nhanh chóng của ngành và các quy định sắp tới có nghĩa là khi các giải pháp mới tiếp tục được tung ra thị trường, các vấn đề của ngành cũng sẽ thay đổi.
Gói biện pháp thường được quảng cáo là “phân cấp giải quyết [chèn vấn đề]” dường như là sự đồng thuận, nhưng theo quan điểm của chúng tôi là còn quá sớm cho một lĩnh vực đổi mới nhanh chóng như vậy. Và nó cũng giải quyết trước các vấn đề tập trung hóa có thể không nhất thiết tồn tại. Thực tế là ngành công nghiệp AI đã có rất nhiều sự phân cấp trong ngành công nghệ và kinh doanh thông qua sự cạnh tranh giữa nhiều công ty và dự án nguồn mở khác nhau. Hơn nữa, ở cả cấp độ kỹ thuật và xã hội, các giao thức phi tập trung thực sự có quá trình ra quyết định và đồng thuận chậm hơn nhiều so với các giao thức tập trung. Điều này có thể gây trở ngại cho việc tìm kiếm các sản phẩm cân bằng giữa phân cấp và khả năng cạnh tranh ở giai đoạn phát triển AI này. Điều đó nói lên rằng, chúng tôi nghĩ rằng có một số sự phối hợp có ý nghĩa giữa tiền điện tử và trí tuệ nhân tạo, nhưng nó còn hơn thế nữa trong một khoảng thời gian dài hơn.
Phạm vi cơ hội
Nói rộng ra, chúng tôi chia sự giao thoa giữa AI và Crypto thành hai loại lớn. Đầu tiên là trường hợp sử dụng các sản phẩm AI để cải thiện ngành công nghiệp tiền điện tử. Điều này bao gồm các kịch bản để tạo các giao dịch mà con người có thể đọc được, cải thiện khả năng phân tích dữ liệu blockchain và sử dụng kết quả đầu ra của mô hình trong các giao thức không được phép. Loại thứ hai là các trường hợp sử dụng nhằm phá vỡ quy trình AI truyền thống thông qua các phương pháp tính toán, xác minh, nhận dạng phi tập trung của Crypto, v.v.
Theo quan điểm của chúng tôi, trong danh mục trước, các trường hợp sử dụng trong các tình huống phù hợp với hoạt động kinh doanh là rõ ràng và chúng tôi tin rằng, mặc dù vẫn còn những thách thức kỹ thuật quan trọng, nhưng về lâu dài chúng sẽ được hưởng lợi từ các mô hình lý luận trên chuỗi phức tạp hơn … Vẫn sẽ có triển vọng trong bối cảnh đó. Các mô hình AI tập trung có thể cải thiện tiền điện tử giống như bất kỳ ngành tập trung vào công nghệ nào khác, chẳng hạn như công cụ dành cho nhà phát triển, kiểm tra mã và dịch ngôn ngữ của con người thành các hành động trên chuỗi. Nhưng đầu tư hiện tại vào lĩnh vực này thường thuộc sở hữu của các công ty tư nhân thông qua vốn mạo hiểm và do đó thường bị thị trường đại chúng bỏ qua.
Tuy nhiên, điều ít chắc chắn hơn đối với chúng tôi là đề xuất giá trị của danh mục thứ hai (tức là Tiền điện tử sẽ phá vỡ bối cảnh AI hiện có). Loại thách thức thứ hai thay thế cho những thách thức có tính chất kỹ thuật (mà chúng tôi tin rằng nhìn chung có thể giải quyết được trong dài hạn) và là một cuộc chiến khó khăn chống lại các lực lượng quản lý và thị trường rộng lớn hơn. Tuy nhiên, mặc dù vậy, thực tế là phần lớn sự chú ý gần đây về AI + Crypto đã tập trung vào danh mục này, vì những trường hợp sử dụng này phù hợp hơn để tạo ra các token thanh khoản. Đây là trọng tâm của chúng tôi trong phần tiếp theo. Trong tiền điện tử, có tương đối ít mã thông báo thanh khoản liên quan đến các công cụ AI tập trung (hiện tại).
Vai trò của tiền điện tử trong AI
Để đơn giản hóa, chúng tôi phân tích tác động tiềm tàng của Crypto đối với AI thông qua bốn giai đoạn chính của quy trình AI, đó là:
(1) Thu thập, lưu trữ và xử lý dữ liệu, (2) Huấn luyện và suy luận mô hình, (3) Xác minh đầu ra mô hình, (4) Theo dõi đầu ra mô hình AI. Một loạt dự án tiền điện tử-AI mới đã xuất hiện trong các lĩnh vực này, mặc dù chúng tôi tin rằng trong ngắn hạn và trung hạn, nhiều dự án sẽ phải đối mặt với những thách thức đáng kể trong việc tạo ra nhu cầu cũng như sự cạnh tranh khốc liệt từ các công ty tập trung và giải pháp nguồn mở.
Dữ liệu độc quyền
Dữ liệu là nền tảng của tất cả các mô hình AI và có lẽ là điểm khác biệt chính trong hiệu suất của các mô hình AI chuyên nghiệp. Bản thân dữ liệu blockchain lịch sử là một nguồn dữ liệu mới và phong phú cho các mô hình và một số dự án (chẳng hạn như Grass) cũng nhằm mục đích tận dụng các ưu đãi của Crypto để có được các bộ dữ liệu mới từ internet mở. Về vấn đề này, Crypto có cơ hội cung cấp các bộ dữ liệu dành riêng cho ngành và khuyến khích tạo ra các bộ dữ liệu mới có giá trị. (Thỏa thuận cấp phép dữ liệu hàng năm trị giá 60 triệu USD gần đây của Reddit với Google báo trước sự tăng trưởng trong tương lai về khả năng kiếm tiền từ tập dữ liệu.)
Nhiều mô hình ban đầu (chẳng hạn như GPT-3) đã sử dụng kết hợp các tập dữ liệu mở như CommonCrawl, WebText 2, Books và Wikipedia, đồng thời các tập dữ liệu tương tự được cung cấp miễn phí trên Hugging Face (hiện đang lưu trữ hơn 110.000 tùy chọn). Tuy nhiên, có thể để bảo vệ lợi ích thương mại của họ, nhiều mô hình nguồn đóng được phát hành gần đây không công khai các kết hợp tập dữ liệu huấn luyện cuối cùng của họ. Chúng tôi tin rằng xu hướng hướng tới các bộ dữ liệu độc quyền, đặc biệt là trong các mô hình kinh doanh, sẽ tiếp tục và dẫn đến tầm quan trọng của việc cấp phép dữ liệu ngày càng tăng.
Các thị trường dữ liệu tập trung hiện tại đã giúp thu hẹp khoảng cách giữa nhà cung cấp dữ liệu và người tiêu dùng và chúng tôi tin rằng điều này sẽ tạo ra không gian cơ hội cho các giải pháp thị trường dữ liệu phi tập trung mới nổi giữa các danh mục dữ liệu nguồn mở và các đối thủ cạnh tranh doanh nghiệp. . Nếu không có sự hỗ trợ của cấu trúc pháp lý, thị trường dữ liệu phi tập trung thuần túy cũng sẽ cần xây dựng các kênh và giao diện dữ liệu được tiêu chuẩn hóa, xác minh tính toàn vẹn và cấu hình dữ liệu, đồng thời giải quyết vấn đề khởi động nguội của sản phẩm. Cũng cần phải cân bằng các ưu đãi mã thông báo giữa những người tham gia thị trường.
Ngoài ra, các giải pháp lưu trữ phi tập trung cuối cùng có thể tìm được chỗ đứng trong ngành AI, mặc dù chúng tôi tin rằng vẫn còn những thách thức đáng kể về mặt này. Một mặt, các kênh phân phối bộ dữ liệu nguồn mở đã tồn tại và được sử dụng rộng rãi. Mặt khác, nhiều chủ sở hữu bộ dữ liệu độc quyền có các yêu cầu tuân thủ và bảo mật nghiêm ngặt. Hiện tại không có lộ trình quản lý nào để lưu trữ dữ liệu nhạy cảm trên các nền tảng lưu trữ phi tập trung như Filecoin và Arweave. Trên thực tế, nhiều doanh nghiệp vẫn đang chuyển đổi từ máy chủ tại chỗ sang nhà cung cấp dịch vụ lưu trữ đám mây tập trung. Ở cấp độ kỹ thuật, tính chất phi tập trung của các mạng này hiện cũng không tương thích với một số vấn đề khu vực nhất định và các yêu cầu về silo dữ liệu vật lý để lưu trữ dữ liệu nhạy cảm.
Mặc dù so sánh giá giữa các giải pháp lưu trữ phi tập trung và các nhà cung cấp đám mây lâu đời cũng cho thấy rằng các tùy chọn phi tập trung có thể rẻ hơn nếu xét về một đơn vị lưu trữ duy nhất, chúng tôi tin rằng điều này đã bỏ qua vấn đề lớn hơn. Đầu tiên, cần phải tính đến các chi phí trả trước cho việc di chuyển hệ thống giữa các nhà cung cấp, bên cạnh các chi phí vận hành liên tục. Thứ hai, các nền tảng lưu trữ phi tập trung dựa trên tiền điện tử cần phải phù hợp với các công cụ và tích hợp tốt hơn được cung cấp bởi các hệ thống đám mây trưởng thành được phát triển trong hai thập kỷ qua. Từ góc độ hoạt động kinh doanh, các giải pháp đám mây có chi phí dễ dự đoán hơn và đi kèm với các nghĩa vụ theo hợp đồng và đội ngũ hỗ trợ tận tâm cũng như đội ngũ nhà phát triển tài năng lớn.
Cũng cần lưu ý rằng việc so sánh sơ qua với các nhà cung cấp đám mây “ba lớn” (AWS, Google Cloud Platform và Microsoft Azure) là chưa đầy đủ. Có hàng chục công ty đám mây giá rẻ cũng đang tranh giành thị phần bằng cách cung cấp các máy chủ cơ bản, rẻ hơn và các dịch vụ khác. Theo quan điểm của chúng tôi, họ là đối thủ cạnh tranh chính thực sự đối với những người tiêu dùng quan tâm đến chi phí trong thời gian tới. Điều đó nói lên rằng, những đổi mới gần đây như tính toán dữ liệu của Filecoin và môi trường tính toán ao của Arweave có thể đóng một vai trò nào đó trong một số dự án đổi mới sắp tới thường sử dụng các bộ dữ liệu ít nhạy cảm hơn hoặc nhạy cảm nhất về chi phí. hạ một nhà cung cấp.
Vì vậy, mặc dù chắc chắn vẫn còn chỗ cho các sản phẩm Tiền điện tử mới trong không gian dữ liệu, nhưng chúng tôi tin rằng những đột phá ngắn hạn sẽ xảy ra khi chúng có thể tạo ra đề xuất giá trị độc đáo. Theo quan điểm của chúng tôi, các lĩnh vực nơi các sản phẩm phi tập trung cạnh tranh trực tiếp với các đối thủ truyền thống và nguồn mở sẽ mất nhiều thời gian hơn để đạt được tiến bộ đáng kể.
Mô hình đào tạo và suy luận
Trường điện toán phi tập trung (DeComp) trong Crypto cũng nhằm mục đích trở thành một giải pháp thay thế cho điện toán đám mây tập trung, một phần do tình trạng khan hiếm nguồn cung GPU hiện tại. Một giải pháp được đề xuất cho sự thiếu hụt này, được sử dụng bởi các giao thức như Akash và Render, là tích hợp lại các tài nguyên điện toán nhàn rỗi vào mạng tập trung, từ đó giảm chi phí của các nhà cung cấp đám mây tập trung. Theo các chỉ số sơ bộ, các dự án như vậy dường như đang có sự tăng trưởng về mức độ chấp nhận của cả người dùng và nhà cung cấp. Ví dụ: Akash đã tăng gấp ba lần thời gian thuê đang hoạt động (tức là số lượng người dùng) từ đầu năm đến nay (xem Hình 3), chủ yếu là do việc sử dụng tài nguyên lưu trữ và máy tính của họ tăng lên.
Tuy nhiên, kể từ khi đạt đỉnh điểm vào tháng 12 năm 2023, phí trả cho mạng thực sự đã giảm do nguồn cung GPU sẵn có đã vượt xa mức tăng trưởng về nhu cầu đối với các tài nguyên này. Điều đó cho thấy, khi có nhiều nhà cung cấp tham gia mạng hơn, số lượng GPU cho thuê (dường như là yếu tố mang lại doanh thu lớn nhất theo tỷ lệ) đã giảm (xem Hình 4). Đối với một mạng mà giá tính toán có thể thay đổi dựa trên những thay đổi trong cung và cầu, không rõ nhu cầu duy trì, theo định hướng sử dụng đối với mã thông báo gốc cuối cùng sẽ đến từ đâu nếu mức tăng trưởng của bên cung vượt quá mức tăng trưởng của bên cầu. Chúng tôi tin rằng mô hình mã thông báo này có thể cần được xem xét lại trong tương lai để tối ưu hóa những thay đổi của thị trường, mặc dù tác động lâu dài của những thay đổi đó hiện chưa rõ ràng.
Ở cấp độ kỹ thuật, các giải pháp điện toán phi tập trung cũng phải đối mặt với thách thức về giới hạn băng thông mạng. Đối với các mô hình lớn yêu cầu đào tạo nhiều nút, lớp cơ sở hạ tầng mạng vật lý đóng một vai trò quan trọng. Tốc độ truyền dữ liệu, chi phí đồng bộ hóa và hỗ trợ cho một số thuật toán đào tạo phân tán nhất định có nghĩa là cần phải có cấu hình mạng cụ thể và giao tiếp mạng tùy chỉnh (chẳng hạn như InfiniBand) để tạo điều kiện thực thi hiệu quả. Điều này gây khó khăn cho việc triển khai theo cách phi tập trung khi kích thước cụm vượt quá một phạm vi nhất định.
Nhìn chung, chúng tôi tin rằng sự thành công lâu dài của điện toán (và lưu trữ) phi tập trung sẽ phải đối mặt với sự cạnh tranh gay gắt từ các nhà cung cấp đám mây tập trung. Theo quan điểm của chúng tôi, bất kỳ việc áp dụng nào cũng sẽ là một quá trình lâu dài, ít nhất là liên quan đến chu kỳ áp dụng dịch vụ đám mây. Do sự phức tạp về mặt kỹ thuật ngày càng tăng của việc phát triển web phi tập trung, kết hợp với việc thiếu đội ngũ bán hàng và phát triển có thể mở rộng tương tự, chúng tôi tin rằng việc thực hiện đầy đủ tầm nhìn điện toán phi tập trung sẽ là một hành trình khó khăn.
Mô hình xác thực và tin cậy
Khi các mô hình AI trở nên quan trọng hơn trong cuộc sống của chúng ta, mối lo ngại ngày càng tăng về chất lượng và độ lệch của kết quả đầu ra của chúng. Một số dự án tiền điện tử nhằm mục đích tìm ra giải pháp phi tập trung, dựa trên thị trường cho vấn đề này bằng cách tận dụng một bộ thuật toán để đánh giá các loại đầu ra khác nhau. Tuy nhiên, những thách thức nêu trên xung quanh việc đo điểm chuẩn của mô hình, cũng như sự đánh đổi rõ ràng về chi phí, thông lượng và chất lượng, khiến cho việc cạnh tranh trực tiếp trở nên khó khăn. BitTensor, một trong những loại tiền điện tử tập trung vào AI lớn nhất trong danh mục, nhằm mục đích giải quyết vấn đề này, mặc dù nó vẫn có một số thách thức kỹ thuật có thể cản trở việc áp dụng rộng rãi (xem Phụ lục 1).
Ngoài ra, suy luận mô hình không đáng tin cậy (tức là chứng minh rằng đầu ra của mô hình thực sự được tạo ra bởi mô hình được xác nhận quyền sở hữu) là một lĩnh vực nghiên cứu tích cực khác tại Crypto x AI. Tuy nhiên, chúng tôi tin rằng khi quy mô của các mô hình nguồn mở bị thu hẹp, các giải pháp này có thể gặp phải những thách thức về nhu cầu. Trong một thế giới nơi các mô hình có thể được tải xuống và chạy cục bộ, với tính toàn vẹn của nội dung được xác minh thông qua các phương pháp băm/tổng kiểm tra tệp đã thiết lập, vai trò của suy luận không tin cậy là chưa rõ ràng. Đúng là nhiều LLM chưa thể được đào tạo và chạy trên các thiết bị nhẹ như điện thoại di động, nhưng máy tính để bàn mạnh mẽ (chẳng hạn như máy tính dùng cho trò chơi cao cấp) đã có thể được sử dụng để chạy nhiều mẫu hiệu suất cao.
Nguồn dữ liệu và nhận dạng
Khi đầu ra của AI tạo ra ngày càng không thể phân biệt được với đầu ra của con người, tầm quan trọng của việc theo dõi những gì AI tạo ra sẽ được chú trọng. GPT-4 vượt qua bài kiểm tra Turing nhanh hơn 3 lần so với GPT-3.5 và chúng ta gần như chắc chắn rằng một ngày không xa, chúng ta sẽ không thể phân biệt được tính cách trực tuyến với máy móc hay con người thật. Trong một thế giới như vậy, việc xác định tính nhân văn của người dùng trực tuyến và đóng dấu nội dung do AI tạo ra sẽ trở thành những khả năng quan trọng.
Các mã định danh phi tập trung và các cơ chế chứng minh cá nhân như Worldcoin nhằm mục đích giải quyết vấn đề trước đây, đó là xác định con người trên chuỗi. Tương tự như vậy, việc xuất bản băm dữ liệu lên blockchain có thể hỗ trợ xuất xứ dữ liệu bằng cách xác minh tuổi và nguồn gốc của nội dung. Tuy nhiên, tương tự như phần trước, chúng tôi tin rằng tính khả thi của các giải pháp dựa trên Tiền điện tử phải được cân nhắc so với các giải pháp thay thế tập trung.
Một số quốc gia, chẳng hạn như Trung Quốc, liên kết các cá nhân trực tuyến với cơ sở dữ liệu do chính phủ kiểm soát. Mặc dù phần lớn thế giới ít tập trung hơn, một nhóm các nhà cung cấp KYC cũng có thể cung cấp bằng chứng về các giải pháp tính cách độc lập với công nghệ blockchain (có lẽ theo cách tương tự như các cơ quan cấp chứng chỉ đáng tin cậy tạo thành nền tảng cho bảo mật internet ngày nay). Ngoài ra còn có nghiên cứu đang diễn ra về hình mờ AI để nhúng các tín hiệu ẩn vào đầu ra văn bản và hình ảnh nhằm cho phép các thuật toán phát hiện xem nội dung có phải do AI tạo ra hay không. Nhiều công ty AI hàng đầu, bao gồm Microsoft, Anthropic và Amazon, đã công khai cam kết thêm các hình mờ như vậy vào nội dung mà họ tạo ra.
Ngoài ra, nhiều nhà cung cấp nội dung hiện tại đã được tin cậy để lưu giữ hồ sơ siêu dữ liệu nội dung một cách nghiêm ngặt vì lý do tuân thủ. Do đó, người dùng thường tin tưởng vào siêu dữ liệu liên quan đến các bài đăng trên mạng xã hội (mặc dù không phải ảnh chụp màn hình của họ), mặc dù chúng được lưu trữ tập trung. Điều quan trọng cần lưu ý ở đây là mọi giải pháp nhận dạng và xuất xứ dữ liệu dựa trên Tiền điện tử sẽ cần phải được tích hợp với nền tảng người dùng để có hiệu quả rộng rãi. Do đó, mặc dù các giải pháp dựa trên tiền điện tử khả thi về mặt kỹ thuật trong việc chứng minh danh tính và nguồn gốc dữ liệu, nhưng chúng tôi cũng tin rằng việc áp dụng chúng không phải là điều chắc chắn và cuối cùng sẽ phụ thuộc vào các yêu cầu kinh doanh, tuân thủ và quy định.
Tường thuật giao dịch AI
Bất chấp những vấn đề trên, nhiều token AI đã hoạt động tốt hơn Bitcoin và Ethereum, cũng như các cổ phiếu AI lớn như Nvidia và Microsoft, bắt đầu từ Q4’23. Chúng tôi tin rằng điều này là do token AI thường được hưởng lợi từ hiệu suất tương đối của thị trường tiền điện tử rộng lớn hơn và cơn sốt AI liên quan (xem Phụ lục 2). Do đó, ngay cả khi giá Bitcoin giảm, các token tập trung vào AI sẽ có biến động giá tăng, tạo ra sự biến động tăng lên trong thời kỳ Bitcoin suy thoái. Hình 5 cho thấy hiệu suất của token AI vào những ngày Bitcoin giao dịch giảm.
Nhìn chung, chúng tôi tiếp tục tin rằng nhiều yếu tố thúc đẩy nhu cầu bền vững ngắn hạn đang bị thiếu trong giao dịch tường thuật AI. Việc thiếu các dự báo và số liệu áp dụng rõ ràng đã làm nảy sinh suy đoán kiểu meme mà theo chúng tôi, có thể không bền vững về lâu dài. Cuối cùng, giá cả và tiện ích sẽ hội tụ, và câu hỏi mở là sẽ mất bao lâu và liệu tiện ích có tăng theo mức giá hay ngược lại hay không. Điều đó nói lên rằng, chúng tôi nghĩ rằng một thị trường tiền điện tử mang tính xây dựng bền vững và hoạt động tốt hơn ngành AI có thể sẽ duy trì câu chuyện về AI về tiền điện tử mạnh mẽ trong một thời gian.
Tóm lại là
Vai trò của tiền điện tử trong AI không tồn tại trong chân không, bất kỳ nền tảng phi tập trung nào cũng cạnh tranh với các lựa chọn thay thế tập trung hiện có và phải được phân tích trong bối cảnh các yêu cầu pháp lý và kinh doanh rộng hơn. Do đó, chúng tôi tin rằng việc chỉ thay thế các nhà cung cấp tập trung vì mục đích “phân cấp” là không đủ để thúc đẩy việc áp dụng thị trường một cách có ý nghĩa. Các mô hình AI sáng tạo đã xuất hiện được vài năm và duy trì mức độ phân quyền do cạnh tranh thị trường và phần mềm nguồn mở.
Chủ đề định kỳ trong báo cáo này là các giải pháp dựa trên tiền điện tử, mặc dù thường khả thi về mặt kỹ thuật, nhưng vẫn yêu cầu công việc đáng kể để đạt được sự tương đương về chức năng với các nền tảng tập trung hơn và giả định rằng các nền tảng đó sẽ không bị trì trệ trong giai đoạn này. Trên thực tế, phát triển tập trung thường nhanh hơn phát triển phi tập trung do cơ chế đồng thuận, điều này có thể đặt ra thách thức trong một lĩnh vực đang phát triển nhanh chóng như trí tuệ nhân tạo.
Với suy nghĩ này, chúng tôi tin rằng sự chồng chéo giữa AI và tiền điện tử vẫn còn ở giai đoạn sơ khai và có thể sẽ thay đổi nhanh chóng trong những năm tới khi lĩnh vực trí tuệ nhân tạo rộng lớn hơn phát triển. Tương lai AI phi tập trung được nhiều người trong ngành Crypto hình dung hiện không được đảm bảo sẽ trở thành hiện thực. Trên thực tế, tương lai của bản thân ngành công nghiệp AI phần lớn vẫn chưa được xác định. Do đó, chúng tôi tin rằng cần thận trọng khi điều hướng thị trường như vậy và nghiên cứu sâu hơn về cách các giải pháp dựa trên tiền điện tử thực sự có thể cung cấp các lựa chọn thay thế tốt hơn một cách có ý nghĩa hoặc ít nhất là hiểu tường thuật giao dịch cơ bản. Do đó, chúng tôi nghĩ rằng nên thận trọng khi thận trọng trong một thị trường như thế này và tìm hiểu sâu hơn về cách các giải pháp dựa trên tiền điện tử có thể thực sự cung cấp một giải pháp thay thế vượt trội có ý nghĩa hoặc ít nhất là hiểu tường thuật giao dịch cơ bản.
Phụ lục 1: BitTensor
BitTensor khuyến khích các thị trường thông tin khác nhau trên 32 mạng con của nó. Điều này nhằm giải quyết một số vấn đề về đo điểm chuẩn bằng cách cho phép chủ sở hữu mạng con tạo các ràng buộc giống như trò chơi để trích xuất thông tin tình báo từ các nhà cung cấp thông tin. Ví dụ: mạng con 1 hàng đầu của nó tập trung vào các lời nhắc bằng văn bản và khuyến khích những người khai thác “tạo ra phản hồi tốt nhất dựa trên lời nhắc được gửi bởi người xác thực mạng con trong mạng con đó”. Nghĩa là, nó thưởng cho những người khai thác có thể tạo ra phản hồi văn bản tốt nhất cho một lời nhắc nhất định, theo đánh giá của những người xác nhận khác trong mạng con đó. Điều này cho phép một nền kinh tế thông minh nơi những người tham gia mạng lưới cố gắng tạo ra các mô hình ở nhiều thị trường khác nhau.
Tuy nhiên, cơ chế xác thực và khen thưởng này vẫn đang ở giai đoạn đầu và dễ bị tấn công bởi các đối thủ, đặc biệt nếu mô hình được đánh giá bằng các mô hình khác có thành kiến (mặc dù đã đạt được tiến bộ trong lĩnh vực này bằng cách sử dụng dữ liệu tổng hợp mới để đánh giá một số mạng con nhất định) . Điều này đặc biệt đúng đối với các kết quả đầu ra “mờ” như ngôn ngữ và nghệ thuật, trong đó các số liệu đánh giá có thể mang tính chủ quan, do đó dẫn đến nhiều tiêu chuẩn về hiệu suất của mô hình.
Ví dụ: cơ chế xác minh của BitTensor cho mạng con 1 yêu cầu trong thực tế:
Trình xác thực tạo ra một hoặc nhiều câu trả lời tham chiếu và tất cả các câu trả lời của người khai thác sẽ được so sánh. Những người có câu trả lời giống nhất với tài liệu tham khảo sẽ nhận được phần thưởng cao nhất và cuối cùng là phần thưởng khuyến khích lớn nhất.
Các thuật toán tương tự hiện tại sử dụng sự kết hợp giữa chuỗi ký tự và kết quả khớp ngữ nghĩa làm cơ sở cho phần thưởng, nhưng rất khó để nắm bắt các sở thích về phong cách khác nhau với một bộ câu trả lời tham khảo hạn chế.
Không rõ liệu các mô hình tạo ra từ cấu trúc khuyến khích BitTensor cuối cùng có hoạt động tốt hơn các mô hình tập trung hay không (hoặc liệu các mô hình hoạt động tốt nhất có chuyển sang BitTensor hay không) hoặc làm thế nào nó có thể đáp ứng các đánh đổi khác như kích thước mô hình và chi phí tính toán cơ bản. Một thị trường nơi người dùng được tự do lựa chọn mô hình phù hợp với sở thích của họ có thể đạt được sự phân bổ nguồn lực tương tự thông qua “bàn tay vô hình”. Điều đó nói lên rằng, BitTensor cố gắng giải quyết một vấn đề rất khó khăn trong không gian vấn đề ngày càng mở rộng.
Phụ lục 2: WorldCoin
Có lẽ ví dụ rõ ràng nhất về token AI theo sau cơn sốt thị trường trí tuệ nhân tạo là Worldcoin. Nó phát hành bản nâng cấp World ID 2.0 vào ngày 13 tháng 12 năm 2023 và ít được chú ý, nhưng sau khi Sam Altman quảng bá Worldcoin vào ngày 15 tháng 12, nó đã tăng 50%. (Suy đoán về tương lai của Worldcoin vẫn bị coi là xấu xa, một phần vì Sam Altman là người đồng sáng lập Tools for Humanity, nhà phát triển đằng sau Worldcoin. Tương tự, việc OpenAI phát hành Sora vào ngày 15 tháng 2 năm 2024 đã khiến giá của nó tăng gần gấp ba lần, mặc dù không có thông báo liên quan nào trên Twitter hoặc blog của Worldcoin (xem Hình 6). Tính đến thời điểm viết bài, Worldcoin được định giá 80 tỷ USD, rất gần với mức định giá 86 tỷ USD của OpenAI vào ngày 16 tháng 2 (đây là một công ty có doanh thu hàng năm trị giá 2 tỷ USD).
