Tại sao việc xây dựng cơ sở hạ tầng web3AI lại khó khăn hơn dự kiến?

Tác giả: Haotian

1) Hiện nay, hầu hết các dự án AI đang hoạt động trên web3 thường dựa trên MEME, tự hào có rất nhiều câu chuyện không thể hiện thực hóa và đạt được. Điều quan trọng là họ thu hút được phần lớn sự chú ý và tính thanh khoản bằng cách nhanh chóng phát hành tiền để thâm nhập thị trường, cũng như sự hỗn loạn sau khi bong bóng ngắn hạn vỡ (EV âm). Nguyên nhân chủ yếu là do câu chuyện về AI + Crypto quá hấp dẫn và những thách thức thực tế khi áp dụng nó quá lớn, nên ngay từ đầu, nó đã trở thành một lĩnh vực dễ bị ảnh hưởng bởi bong bóng để phát hành tiền dựa trên các câu chuyện; 2) Cơ sở hạ tầng web3AI về cơ bản là bản tái tạo của cơ sở hạ tầng web2 AI và hầu hết thời gian đây là một nhiệm vụ vô ích. Giống như khi Crypto thách thức sự tập trung hóa dưới danh nghĩa phi tập trung, trong một thời gian dài, kiến ​​trúc mạng phi tập trung đã bị chỉ trích vì sự trùng lặp vô nghĩa về mặt xây dựng, cho đến khi việc triển khai các kịch bản ứng dụng DeFi sau đó tìm thấy một số điểm nắm bắt giá trị.

Tình thế tiến thoái lưỡng nan hiện tại của web3AI không khác gì tầm nhìn ban đầu về tiền điện tử phi tập trung. Hầu hết mọi người vẫn quen với câu hỏi nhẹ nhàng: "web3AI có tác dụng gì?" Nhưng đừng quên rằng tổng hợp sức mạnh tính toán phi tập trung, suy luận phân tán, mạng chú thích dữ liệu phân tán, v.v. đều có thể tìm thấy các kịch bản đầu vào về mặt chi phí đào tạo, hiệu suất và tính thực tiễn. Chỉ có thể nói rằng con đường phía trước còn dài và khó khăn, nhưng có ý nghĩa to lớn;

3) Chi phí xây dựng và mở rộng giai đoạn thử nghiệm và sai sót của cơ sở hạ tầng web3AI tương đối cao và đòi hỏi sự hỗ trợ hợp lý mạnh mẽ. Ví dụ, chúng ta đều biết rằng web3AI đòi hỏi phải xây dựng một lớp dữ liệu, nhưng việc dọn dẹp dữ liệu khổng lồ trên chuỗi và ngoài chuỗi lại đòi hỏi rất nhiều chi phí vận hành máy chủ và phát triển. Đồng thời, chi phí truy cập API web3AI trưởng thành, sức mạnh tính toán, tinh chỉnh thuật toán, v.v. cũng đòi hỏi chi phí. Nếu các khoản đầu tư chi phí này tập trung vào các ứng dụng Agent, các mô hình kiếm tiền thương mại có thể được khai thác nhanh chóng. Tuy nhiên, nếu họ chỉ tập trung vào cấp độ cơ sở hạ tầng, đây sẽ là thách thức đối với nhiều nhóm phát triển trong bối cảnh thị trường hiện tại, khi mà các câu chuyện về công nghệ không được ưa chuộng.

Điều đáng lo ngại hơn là, không giống như cơ sở hạ tầng web2 truyền thống, web3 AI còn phải giải quyết các vấn đề phối hợp giữa dữ liệu ngoài chuỗi và xác minh trên chuỗi, cơ chế phân phối và cập nhật mô hình trong mạng P2P và thiết kế phức tạp để thay thế các mô hình kinh doanh truyền thống bằng các ưu đãi Tokenomics, v.v. Tuy nhiên, sự thiển cận của vốn và sở thích đầu cơ của thị trường đã khiến một số tiền nóng chảy vào các ứng dụng Agent được tung ra vội vàng chỉ để tận dụng sự phổ biến, dẫn đến các nhóm thực sự làm việc ở cấp độ cơ sở hạ tầng gặp khó khăn trong việc nhận được đủ hỗ trợ.

4) Vấn đề ảo giác của các mô hình lớn với các thuộc tính "hộp đen" tương thích với cơ sở hạ tầng web3AI khiến tính bảo mật và độ tin cậy của nó trong các tình huống cụ thể trở nên cực kỳ khó khăn. Sau khi xem kết quả gần đây của @SlowMist_Team về lỗ hổng bảo mật MCP, tôi cảm thấy rằng các cuộc kiểm toán bảo mật chuyên nghiệp xung quanh MCP có thể hỗ trợ cho định vị tương lai của SlowMist như một công ty kiểm toán AI. Đây chỉ là một trường hợp cụ thể, xác minh những thách thức bảo mật khác nhau chưa biết của AI LLM như nguồn dữ liệu cơ bản được kết nối với cơ sở hạ tầng AI web3. Nhưng những vấn đề xung quanh cơ sở hạ tầng AI web3 còn nhiều hơn thế nữa. Ngoài ra, còn có một khuôn khổ tính toán có thể xác minh được xây dựng thông qua xác minh mật mã web3 và cơ chế đồng thuận trên chuỗi để đảm bảo rằng quá trình suy luận của AI có thể được theo dõi và xác minh.

Trên thực tế, khuôn khổ xác minh và tính toán đáng tin cậy của AI là những lĩnh vực cốt lõi mà cơ sở hạ tầng web3AI cần giải quyết. Khi xử lý thông tin có độ nhạy cảm cao như tài chính, y học và luật pháp, các mô hình lớn hiện tại không thể cung cấp khả năng xác minh quá trình suy luận, điều này hạn chế đáng kể tỷ lệ áp dụng chúng trong các lĩnh vực chuyên môn. Sự trưởng thành của cơ sở hạ tầng AI web3, chẳng hạn như lớp cơ sở zkVM, mạng Oracle phi tập trung, giải pháp Bộ nhớ phi tập trung, v.v., có thể xây dựng một khuôn khổ điện toán có thể xác minh và chứng minh được cho AI, về cơ bản giúp AI đạt được sự mở rộng nhanh chóng các kịch bản theo chiều dọc.

Phía trên.

Hành trình xây dựng cơ sở hạ tầng và ứng dụng của web3AI sẽ không thể hoàn thành trong một sớm một chiều mà sẽ là một cuộc chạy marathon dài. Bất kỳ ai có thể thực sự xây dựng một hệ sinh thái cơ sở hạ tầng và ứng dụng giải quyết được các vấn đề thực tế, bất kỳ ai có thể cân bằng mối quan hệ giữa sự cường điệu và giá trị trong quá trình đưa sản phẩm ra thị trường và bất kỳ ai có thể tìm ra một vòng lặp kinh doanh thực tế trong khi vẫn duy trì được tầm nhìn xa về công nghệ, thì người đó sẽ thực sự là người chiến thắng trong ngành.