Web3 AI: Tìm kiếm đột phá trong các tình huống biên

Gần đây, giá cổ phiếu của Nvidia đạt mức cao kỷ lục mới, sự tiến bộ của các mô hình đa mô thức đã làm sâu sắc thêm rào cản công nghệ của Web2 AI. Từ việc căn chỉnh ngữ nghĩa đến hiểu biết về thị giác, từ nhúng độ cao đến hợp nhất đặc trưng, các mô hình phức tạp đang tích hợp các cách diễn đạt của nhiều mô thức với tốc độ đáng kinh ngạc, xây dựng một cao nguyên AI ngày càng khép kín. Thị trường chứng khoán Mỹ cũng đã thể hiện sự ủng hộ bằng hành động thực tế, các cổ phiếu liên quan đến AI đều ghi nhận một đợt tăng giá nhỏ.

Tuy nhiên, làn sóng này dường như không có liên quan gì đến lĩnh vực tiền điện tử. Những nỗ lực về Web3 AI, đặc biệt là trong việc khám phá hướng đi Agent trong vài tháng gần đây, có sự sai lệch rõ rệt về hướng đi. Việc cố gắng lắp ráp một hệ thống mô-đun đa phương thức theo kiểu Web2 bằng cấu trúc phi tập trung thực chất là một sự sai lệch kép về công nghệ và tư duy. Trong bối cảnh cấu trúc mô-đun có tính kết nối cao, phân phối đặc trưng không ổn định và nhu cầu tính toán ngày càng tập trung, mô-đun đa phương thức khó có thể đứng vững trong môi trường Web3.

Tương lai của Web3 AI không nằm ở việc sao chép đơn giản, mà nằm ở việc đi đường vòng chiến lược. Từ việc căn chỉnh ngữ nghĩa trong không gian cao chiều, đến nút thắt thông tin trong cơ chế chú ý, rồi đến việc căn chỉnh đặc trưng dưới sức mạnh tính toán không đồng nhất, Web3 AI cần tìm ra những con đường mới.

Web3 AI dựa trên mô hình đa phương thức phẳng, khó đạt được sự căn chỉnh ngữ nghĩa hiệu quả, dẫn đến hiệu suất thấp. Không gian nhúng nhiều chiều là nền tảng của các hệ thống AI hiện đại, nhưng giao thức Web3 Agent khó có thể thực hiện điều này. Tính mô-đun trong Web3 AI có thể chỉ là một ảo tưởng, vì nó yêu cầu phát triển tự mình tất cả các giao diện API liên quan, trái ngược với ý định mô-đun hóa.

Trong không gian chiều thấp, cơ chế chú ý không thể được thiết kế tinh vi. Cơ chế chú ý của AI Web2 giống như một chiếc ô tô hiệu suất cao, trong khi AI Web3 dựa trên mô-đun khó có thể thực hiện việc điều phối chú ý thống nhất, giống như một chiếc xe có hiệu suất động cơ kém không thể nâng cao giới hạn chỉ bằng cách độ đơn giản.

Mô-đun rời rạc dẫn đến việc tích hợp đặc trưng dừng lại ở giai đoạn ghép tĩnh nông. AI Web2 có xu hướng đào tạo liên kết đầu-cuối, trong khi AI Web3 chủ yếu áp dụng phương pháp ghép mô-đun rời rạc, thiếu tính linh hoạt và tương tác sâu.

Rào cản trong ngành AI đang ngày càng sâu sắc, nhưng các điểm đau vẫn chưa hoàn toàn lộ rõ. Web3 AI nên áp dụng chiến thuật "nông thôn bao vây thành phố", thử nghiệm quy mô nhỏ trong các tình huống biên. Lợi thế cốt lõi của Web3 AI nằm ở sự phi tập trung, phù hợp với cấu trúc nhẹ, dễ dàng song song và các nhiệm vụ có thể khuyến khích, như tinh chỉnh LoRA, nhiệm vụ huấn luyện sau phù hợp hành vi, huấn luyện và gán nhãn dữ liệu crowdsourcing, huấn luyện mô hình cơ bản nhỏ, cũng như huấn luyện hợp tác trên thiết bị biên.

Tuy nhiên, cơ hội không phải lúc nào cũng có sẵn ngay lập tức. Rào cản của Web2 AI đang trong giai đoạn hình thành ban đầu, và AI đa mô hình cho các nhiệm vụ phức tạp đang tiến bộ nhanh chóng. Chỉ khi lợi ích của Web2 AI gần như biến mất, những điểm đau mà nó để lại mới có thể trở thành cơ hội đầu tư cho Web3 AI. Trước đó, Web3 AI cần lựa chọn cẩn thận các giao thức có tiềm năng "nông thôn bao vây thành phố", thâm nhập từ biên, liên tục lặp lại trong các tình huống nhỏ, giữ cho sự linh hoạt để thích ứng với nhu cầu thị trường đang thay đổi.