Giới thiệu

Trong các bài viết trước, chúng tôi đã thường xuyên thảo luận về quan điểm của mình về tình trạng hiện tại của AI Memes và sự phát triển trong tương lai của AI Agents. Tuy nhiên, sự phát triển và phát triển nhanh chóng của ca khúc AI Agent vẫn còn hơi choáng ngợp. Trong hai tháng ngắn ngủi kể từ khi ra mắt “Truth Terminal” và bắt đầu Agent Summer, câu chuyện về tích hợp AI và Crypto đã phát triển gần như hàng tuần. Gần đây, sự chú ý của thị trường đã bắt đầu chuyển sang các dự án “khung”, chủ yếu được thúc đẩy bởi các câu chuyện công nghệ. Lĩnh vực con thích hợp này đã sản xuất một số dự án kỳ lân với vốn hóa thị trường hơn một tỷ đô la trong vài tuần qua. Các dự án này cũng đã dẫn đến một mô hình mới cho việc phát hành tài sản, nơi các dự án phát hành mã thông báo dựa trên kho lưu trữ mã GitHub của họ và các Đại lý được xây dựng trên các khung này cũng có thể phát hành mã thông báo. Tại cốt lõi của cấu trúc này, chúng ta có các framework, với Agents là layer ở trên. Nó giống như một nền tảng phát hành tài sản, nhưng nó thực sự là một mô hình cơ sở hạ tầng độc đáo nổi lên trong kỷ nguyên AI. Chúng ta nên nhìn nhận xu hướng mới này như thế nào? Bài viết này sẽ bắt đầu với phần giới thiệu về các khuôn khổ và đưa ra cách giải thích về ý nghĩa của các khung AI đối với Tiền điện tử, kết hợp những hiểu biết này với những phản ánh của chính chúng ta.

I. Framework là gì?

Theo định nghĩa, một AI framework là một công cụ hoặc nền tảng phát triển cơ bản kết hợp một bộ các module, thư viện và công cụ được xây dựng sẵn để đơn giản hóa quá trình xây dựng các mô hình AI phức tạp. Những framework này thường cũng bao gồm các chức năng để xử lý dữ liệu, huấn luyện mô hình và đưa ra dự đoán. Nói một cách đơn giản, bạn có thể coi framework như một hệ điều hành cho thời đại AI, tương tự như hệ điều hành máy tính để bàn như Windows hoặc Linux, hoặc hệ điều hành di động như iOS và Android. Mỗi framework có những ưu điểm và nhược điểm riêng, cho phép các nhà phát triển lựa chọn dựa trên nhu cầu cụ thể của họ.

Mặc dù thuật ngữ “khung AI” vẫn là một khái niệm tương đối mới trong lĩnh vực Crypto, nhưng sự phát triển của nó thực sự đã bắt đầu từ hơn 14 năm trước, bắt đầu với Theano vào năm 2010. Trong cộng đồng AI truyền thống, cả học thuật và công nghiệp đã phát triển các khung rất trưởng thành để lựa chọn, chẳng hạn như TensorFlow của Google, PyTorch của Meta, PaddlePaddle của Baidu và MagicAnimate của ByteDance, mỗi khung đều có điểm mạnh của riêng nó trong các tình huống khác nhau.

Các dự án khung AI hiện đang nổi lên trong Crypto dựa trên nhu cầu của một số lượng lớn các Đại lý phát sinh từ sự bùng nổ của AI, và chúng đã phân nhánh ra các nền tảng khác trong Crypto, cuối cùng hình thành các khung AI khác nhau cho các lĩnh vực phụ cụ thể. Hãy khám phá một số khung chính hiện tại trong ngành để minh họa điểm này tốt hơn.

1.1 Eliza

Trước hết, hãy xem xét Eliza, một khung thực hiện bởi ai16z. Đó là một khung mô phỏng đa tác nhân được thiết kế để tạo, triển khai và quản lý các tác nhân AI tự động. Được phát triển bằng TypeScript như ngôn ngữ lập trình, ưu điểm của nó nằm ở khả năng tương thích tốt hơn và tích hợp API dễ dàng hơn. Theo tài liệu chính thức, Eliza được thiết kế chủ yếu cho phương tiện truyền thông xã hội, cung cấp hỗ trợ tích hợp đa nền tảng. Khung cung cấp tích hợp Discord đầy đủ tính năng, hỗ trợ kênh giọng nói, tài khoản tự động cho X/Twitter, tích hợp Telegram và truy cập API trực tiếp. Về xử lý nội dung truyền thông, nó hỗ trợ đọc và phân tích tài liệu PDF, trích xuất và tóm tắt liên kết, chuyển đổi âm thanh, xử lý nội dung video, phân tích hình ảnh và tóm tắt cuộc trò chuyện.

Các trường hợp sử dụng được hỗ trợ bởi Eliza hiện tại bao gồm bốn danh mục sau:

1. Ứng dụng Trợ lý Trí tuệ nhân tạo: Nhân viên hỗ trợ khách hàng, quản trị viên cộng đồng, trợ lý cá nhân.
2. Vai trò truyền thông xã hội: Người tạo nội dung tự động, bot tương tác, đại diện thương hiệu.
3. Công nhân tri thức: Trợ lý nghiên cứu, phân tích nội dung, xử lý tài liệu.
4. Interactive Roles: Nhân vật đóng vai: nhân vật đóng vai, giáo viên giáo dục, bot giải trí.

Các mô hình hiện được Eliza hỗ trợ là:

1. Mô hình suy luận cục bộ mã nguồn mở: như Llama3, Qwen1.5, BERT.
2. Suy luận đám mây qua OpenAI API.
3. Cấu hình mặc định như Nous Hermes Llama 3.1B.
4. Tích hợp với Claude cho các truy vấn phức tạp.

1.2 G.A.M.E

G.A.M.E (Khung tạo thực thể đa dạng tự tạo) là một khung AI đa phương thức cho việc tạo và quản lý tự động, được ra mắt bởi Virtual. Nó được thiết kế chủ yếu cho thiết kế NPC thông minh trong trò chơi. Một khía cạnh độc đáo của khung này là nó cho phép người dùng mã ít hoặc không mã tham gia vào thiết kế Đặc vụ chỉ bằng cách sửa đổi các tham số thông qua giao diện thử nghiệm của nó.

Về mặt kiến trúc dự án, G.A.M.E được xây dựng trên một thiết kế theo mô-đun, nơi nhiều hệ thống phụ hoạt động cùng nhau trong sự cộng tác. Kiến trúc chi tiết như sau:

1. Giao diện Agent Prompting: Giao diện dành cho nhà phát triển tương tác với khung AI. Thông qua giao diện này, nhà phát triển có thể khởi tạo một phiên và chỉ định session ID, agent ID, user ID và các tham số khác.
2. Phụ Hệ Thống Nhận Thức: Trách nhiệm nhận thông tin đầu vào, tổng hợp và gửi đến động cơ lập kế hoạch chiến lược. Nó cũng xử lý các phản hồi từ mô-đun xử lý đối thoại.
3. Động cơ Lập kế hoạch Chiến lược: Là hạt nhân của toàn bộ khung, được chia thành nhà lập kế hoạch cấp cao và chính sách cấp thấp. Nhà lập kế hoạch cấp cao chịu trách nhiệm đề ra mục tiêu và kế hoạch dài hạn, trong khi chính sách cấp thấp dịch các kế hoạch này thành các hành động cụ thể.
4. Bối cảnh thế giới: Chứa thông tin môi trường, trạng thái thế giới và dữ liệu trạng thái trò chơi, giúp các đại lý hiểu rõ ngữ cảnh hiện tại của mình.
5. Module Xử lý Đối thoại: Xử lý tin nhắn và phản hồi, tạo ra đối thoại hoặc phản ứng như kết quả.
6. Người điều hành Ví On-Chain: Có thể liên quan đến ứng dụng công nghệ blockchain, mặc dù chức năng cụ thể chưa rõ ràng.
7. Mô-đun Học: Học từ phản hồi và cập nhật cơ sở kiến thức của điều khiển.
8. Bộ nhớ làm việc: Lưu trữ các hành động gần đây, kết quả và kế hoạch hiện tại, và các thông tin ngắn hạn khác.
9. Bộ vi xử lý Bộ nhớ Dài Hạn: Trích xuất và xếp hạng thông tin quan trọng về đại lý và bộ nhớ làm việc của nó dựa trên các yếu tố như tầm quan trọng, gần đây và liên quan.
10. Kho dữ liệu Đại lý: Lưu trữ mục tiêu, suy nghĩ, trải nghiệm và đặc điểm của đại lý.
11. Kế hoạch Hành động: Tạo ra kế hoạch hành động cụ thể dựa trên các chiến lược cấp thấp.
12. Thực hiện kế hoạch: Thực hiện các kế hoạch hành động được tạo ra bởi người lập kế hoạch hành động.

Luồng công việc: Nhà phát triển khởi chạy một Đại lý thông qua Giao diện Thúc đẩy Đại lý, nơi Hệ thống Nhận thức nhận đầu vào và gửi nó đến Động cơ Lập kế hoạch Chiến lược. Động cơ, với sự trợ giúp của hệ thống bộ nhớ, ngữ cảnh thế giới và kho Đại lý, định hình và thực thi kế hoạch hành động. Mô-đun Học tập giám sát các hành động của Đại lý và điều chỉnh hành vi của nó tương ứng.

Các Kịch Bản Ứng Dụng: Từ kiến trúc kỹ thuật tổng thể, framework này tập trung vào quyết định, phản hồi, nhận thức và tính cách của các Đại lý trong môi trường ảo. Ngoài trò chơi, framework này cũng áp dụng cho Thế giới ảo. Danh sách dưới đây từ Virtual cho thấy nhiều dự án đã áp dụng framework này vào việc xây dựng.

1.3 Rig

Rig là một công cụ mã nguồn mở được viết bằng Rust, được thiết kế đặc biệt để đơn giản hóa việc phát triển các ứng dụng mô hình ngôn ngữ lớn (LLM). Nó cung cấp một giao diện thống nhất cho phép các nhà phát triển dễ dàng tương tác với nhiều nhà cung cấp dịch vụ LLM (như OpenAI và Anthropic) và các cơ sở dữ liệu vector khác nhau (như MongoDB và Neo4j).

Điểm nổi bật:

• Giao diện Thống nhất: Bất kể nhà cung cấp LLM hoặc lưu trữ vector nào được sử dụng, Rig đề xuất một phương pháp truy cập nhất quán, giảm đáng kể sự phức tạp của công việc tích hợp.
• Kiến trúc Mô-đun: Framework sử dụng thiết kế mô-đun, bao gồm các thành phần chính như ‘Lớp Trừu tượng Nhà cung cấp,’ ‘Giao diện Lưu trữ Vector,’ và ‘Hệ thống Đặc vụ Thông minh,’ đảm bảo tính linh hoạt và khả năng mở rộng của hệ thống.
• An toàn loại: Tire leveraging Rust’s tính năng, Rig đạt được việc nhúng an toàn loại, đảm bảo chất lượng mã và an toàn thời gian chạy.
• Hiệu suất cao: Hệ thống hỗ trợ lập trình không đồng bộ, tối ưu hóa khả năng xử lý đồng thời. Các tính năng ghi nhật ký và giám sát tích hợp giúp bảo trì và khắc phục sự cố.

Quy trình làm việc: Khi người dùng vào hệ thống Rig, yêu cầu đầu tiên sẽ đi qua “Lớp trừu tượng của nhà cung cấp”, tiêu chuẩn hóa sự khác biệt giữa các nhà cung cấp khác nhau và đảm bảo xử lý lỗi nhất quán. Trong lớp lõi, các tác nhân thông minh có thể gọi các công cụ khác nhau hoặc lưu trữ vectơ truy vấn để truy xuất thông tin cần thiết. Cuối cùng, các cơ chế nâng cao như Retrieval-Augmented Generation (RAG) kết hợp truy xuất tài liệu và hiểu theo ngữ cảnh để tạo ra các phản hồi chính xác và có ý nghĩa trước khi trả lại cho người dùng.

Các trường hợp sử dụng: Rig thích hợp cho việc xây dựng các hệ thống yêu cầu trả lời câu hỏi nhanh chóng và chính xác, tạo ra các công cụ tìm kiếm tài liệu hiệu quả, phát triển chatbot hoặc trợ lý ảo hiểu bối cảnh, và thậm chí hỗ trợ việc tạo ra nội dung bằng cách tự động tạo văn bản hoặc các hình thức khác dựa trên các mẫu dữ liệu hiện có.

1.4 ZerePy

ZerePy là một framework mã nguồn mở dựa trên Python được thiết kế để đơn giản hóa việc triển khai và quản lý các tác nhân trí tuệ nhân tạo trên nền tảng X (trước đây là Twitter). Nó phát triển từ dự án Zerebro và kế thừa các chức năng cốt lõi nhưng được thiết kế theo cách modul và có khả năng mở rộng hơn. Mục tiêu là cho phép nhà phát triển dễ dàng tạo ra các tác nhân trí tuệ nhân tạo cá nhân hóa và triển khai các nhiệm vụ tự động hóa và tạo nội dung đa dạng trên X.

ZerePy cung cấp giao diện dòng lệnh (CLI), giúp người dùng dễ dàng quản lý và điều khiển các đại lý trí tuệ nhân tạo mà họ triển khai. Kiến trúc cốt lõi của nó là mô-đun, cho phép các nhà phát triển linh hoạt tích hợp các mô-đun chức năng khác nhau, như:

• Tích hợp LLM: ZerePy hỗ trợ các mô hình ngôn ngữ lớn (LLM) từ OpenAI và Anthropic, cho phép các nhà phát triển lựa chọn mô hình phù hợp nhất với ứng dụng của họ. Điều này giúp các tác nhân tạo ra nội dung văn bản chất lượng cao.
• Tích hợp nền tảng X: Khung giao diện trực tiếp tích hợp với API của X, cho phép đại lý thực hiện các nhiệm vụ như đăng bài, trả lời, thích và retweet.
• Hệ thống Kết nối Theo mô-đun: Hệ thống này cho phép các nhà phát triển dễ dàng thêm hỗ trợ cho các nền tảng xã hội hoặc dịch vụ khác, mở rộng chức năng của khung làm việc.
• Hệ thống Bộ nhớ (Kế hoạch tương lai): Mặc dù chưa được triển khai hoàn toàn trong phiên bản hiện tại, mục tiêu thiết kế của ZerePy bao gồm tích hợp một hệ thống bộ nhớ sẽ cho phép các đại lý nhớ lại các tương tác và thông tin ngữ cảnh trước đó để tạo ra nội dung mạch lạc và cá nhân hóa hơn.

Trong khi cả ZerePy và dự án Eliza của a16z đều nhằm xây dựng và quản lý các đại lý trí tuệ nhân tạo, nhưng chúng khác nhau về kiến trúc và tập trung. Eliza hướng đến mô phỏng đa đại lý và nghiên cứu trí tuệ nhân tạo rộng hơn, trong khi ZerePy tập trung vào việc đơn giản hóa triển khai đại lý trí tuệ nhân tạo trên các nền tảng xã hội cụ thể (X), làm cho nó có hướng ứng dụng hơn.

II. Một bản sao của Hệ sinh thái BTC

Về con đường phát triển, các đại lý trí tuệ nhân tạo có nhiều điểm tương đồng với hệ sinh thái BTC từ cuối năm 2023 đến đầu năm 2024. Con đường phát triển của hệ sinh thái BTC có thể được tóm tắt đơn giản như sau: Cuộc cạnh tranh đa giao thức BRC20-Atomical/Rune và các giao thức đa nhiệm vụ khác — BTC L2 — BTCFi tập trung vào Babylon. Trong khi các đại lý trí tuệ nhân tạo đã phát triển nhanh hơn trên cơ sở của các bộ xếp hạng công nghệ truyền thống trưởng thành, con đường phát triển tổng thể của họ cũng phản ánh hệ sinh thái BTC ở một số mặt. Tôi sẽ tóm tắt như sau: GOAT/ACT — Các đại lý loại xã hội — Cuộc cạnh tranh khung phân tích đại lý trí tuệ nhân tạo. Từ góc độ xu hướng, các dự án cơ sở hạ tầng tập trung vào phi tập trung và an ninh xung quanh các đại lý cũng có thể sẽ đẩy mạnh làn sóng khung này tiếp theo, trở thành chủ đề chiếm ưu thế tiếp theo.

Vì vậy, liệu đường đua này, giống như hệ sinh thái BTC, có dẫn đến đồng nhất hóa và bong bóng không? Tôi không nghĩ như vậy. Đầu tiên, câu chuyện về các tác nhân AI không phải là về việc tái tạo lịch sử của các chuỗi hợp đồng thông minh. Thứ hai, cho dù các dự án khung AI hiện tại này mạnh về mặt kỹ thuật hay vẫn bị mắc kẹt trong giai đoạn PPT hay chỉ đơn thuần là Ctrl + C và Ctrl + V, ít nhất chúng cung cấp một cách tiếp cận phát triển cơ sở hạ tầng mới. Nhiều bài báo đã so sánh các khuôn khổ AI với các nền tảng phát hành tài sản và các đại lý với tài sản. Tuy nhiên, so với Memecoin Launchpads và giao thức Inscription, cá nhân tôi tin rằng các khung AI giống với các chuỗi công khai trong tương lai, trong khi các tác nhân giống với các DApp trong tương lai.

Trong không gian Crypto hiện nay, chúng ta có hàng nghìn chuỗi công khai và hàng chục nghìn DApp. Trong lĩnh vực chuỗi mục đích chung, chúng ta có BTC, Ethereum và các chuỗi không đồng nhất khác nhau, trong khi các dạng chuỗi ứng dụng đa dạng hơn, chẳng hạn như chuỗi trò chơi, chuỗi lưu trữ và chuỗi Dex. Chuỗi công khai và khung AI khá tương tự về bản chất, và DApp có thể tương ứng tốt với các đại lý.

Trong kỷ nguyên của Crypto trong AI, rất có khả năng không gian sẽ phát triển theo hướng này, với các cuộc tranh luận trong tương lai chuyển từ EVM so với các chuỗi không đồng nhất sang các cuộc tranh luận khung. Vấn đề hiện tại là nhiều hơn về phân cấp, hoặc làm thế nào để “xâu chuỗi” nó. Tôi tin rằng các dự án cơ sở hạ tầng AI trong tương lai sẽ phát triển xung quanh nền tảng này. Một điểm quan trọng khác là: Làm điều này trên blockchain có ý nghĩa gì?

III. Ý nghĩa của On-Chain

Bất kể blockchain kết hợp với cái gì, cuối cùng nó đều đối mặt với một câu hỏi quan trọng: Nó có ý nghĩa không? Trong bài viết năm ngoái, tôi đã chỉ trích GameFi vì ưu tiên sai lầm, nơi phát triển cơ sở hạ tầng đã quá tiến xa, và trong những bài viết trước đây về AI, tôi đã biểu đạt sự hoài nghi về tính thực tế hiện tại của việc kết hợp AI với Crypto. Sau tất cả, lực đẩy câu chuyện cho các dự án truyền thống ngày càng yếu đi. Các dự án truyền thống ít ỏi tuần tự thực hiện tốt trong năm ngoái về giá token thường là những dự án có thể phù hợp hoặc vượt qua sức mạnh giá.

AI có thể làm gì cho Crypto? Trước đây, tôi nghĩ đến các trường hợp sử dụng như AI thực hiện các nhiệm vụ thay mặt người dùng, Metaverse và các đại lý là nhân viên - ý tưởng tương đối tầm thường nhưng có yêu cầu cụ thể. Tuy nhiên, những yêu cầu này không yêu cầu hoàn toàn trên chuỗi, và từ một quan điểm logic kinh doanh, chúng không thể tạo thành một vòng lặp kín. Trình duyệt đại lý được đề cập trong bài viết trước, thực hiện các ý định, có thể tạo ra yêu cầu cho việc gán nhãn dữ liệu và sức mạnh tính toán suy luận, nhưng hai yếu tố này vẫn chưa được tích hợp chặt chẽ và về mặt sức mạnh tính toán, tính toán tập trung vẫn giữ ưu thế.

Trở lại thành công của DeFi, lý do DeFi đã thành công trong việc tạo ra một phần của tài chính truyền thống là vì nó cung cấp tính khả dụng cao hơn, hiệu quả tốt hơn, chi phí thấp hơn và an ninh không cần tin cậy. Nếu chúng ta xem xét cấu trúc này, tôi nghĩ có thể có một số lý do tại sao việc “chainization” của đại lý có thể hợp lý:

1. Giảm Chi Phí: Việc chuỗi hóa đại lý có thể giảm chi phí sử dụng, từ đó đạt được tính khả dụng cao hơn và nhiều lựa chọn hơn cho người dùng? Điều này cuối cùng có thể cho phép người dùng thông thường tham gia vào những gì truyền thống là lĩnh vực độc quyền của các ông trùm công nghệ AI Web2 thuê.
2. Bảo mật: Theo định nghĩa đơn giản nhất, một đại lý là một trí tuệ nhân tạo có thể tương tác với thế giới ảo hoặc thực. Nếu một đại lý có thể can thiệp vào thế giới thực tế hoặc thậm chí là trong ví ảo của tôi, thì các giải pháp bảo mật dựa trên blockchain có thể trở thành một sự cần thiết.
3. Có thể các đại lý tạo ra một tập hợp các cơ chế tài chính độc đáo trên blockchain không? Ví dụ, trong AMM (Automated Market Maker), nhà cung cấp thanh khoản (LPs) cho phép người dùng thông thường tham gia vào việc tạo thanh khoản tự động. Tương tự, nếu các đại lý cần công suất tính toán hoặc gán nhãn dữ liệu, người dùng có thể đầu tư vào các giao thức này dưới dạng USDT, dựa trên sự tin cậy của họ vào hệ thống. Hoặc, các đại lý trong các kịch bản ứng dụng khác nhau có thể hình thành các cấu trúc tài chính mới.
4. Tương tác phi tập trung trong DeFi: Mặc dù DeFi hiện tại thiếu tính tương tác hoàn hảo, các đại lý có thể giải quyết vấn đề này bằng cách cho phép quá trình tư duy minh bạch, có thể được theo dõi, để điền vào những khoảng trống.

IV. Sáng tạo?

Các dự án khung trong tương lai cũng sẽ cung cấp các cơ hội khởi nghiệp tương tự như GPT Store. Trong khi khởi chạy một đại lý thông qua một khung vẫn phức tạp đối với người dùng thông thường, tôi tin rằng việc đơn giản hóa quá trình xây dựng đại lý và cung cấp nhiều kết hợp chức năng phức tạp hơn sẽ giúp các khung như vậy có lợi thế cạnh tranh trong tương lai. Điều này có thể dẫn đến sự tạo ra của một nền kinh tế sáng tạo Web3 thú vị hơn rất nhiều so với GPT Store.

Hiện tại, GPT Store vẫn chủ yếu hướng đến việc sử dụng thực tế truyền thống, với hầu hết các ứng dụng phổ biến được tạo ra bởi các công ty Web2 truyền thống. Hơn nữa, thu nhập được tạo ra chủ yếu được tập trung bởi người sáng tạo. Theo giải thích chính thức của OpenAI, chiến lược đơn giản chỉ là cung cấp hỗ trợ tài chính cho các nhà phát triển xuất sắc tại Hoa Kỳ, cung cấp các khoản trợ cấp lên đến một số lượng nhất định.

Từ quan điểm nhu cầu, Web3 vẫn còn nhiều khoảng trống cần điền vào, và từ quan điểm hệ thống kinh tế, nó có thể làm cho những chính sách bất công của những ông trùm Web2 công bằng hơn. Ngoài ra, chúng ta có thể tự nhiên giới thiệu các nền kinh tế cộng đồng để cải thiện thêm các tác nhân. Nền kinh tế sáng tạo xung quanh các tác nhân sẽ mang đến cho người dân thông thường một cơ hội để tham gia. Trong tương lai, các biểu tượng AI sẽ thông minh và thú vị hơn rất nhiều so với các tác nhân do GOAT hoặc Clanker phát hành.

Về YBB

YBB là một quỹ web3 cam kết xác định các dự án định nghĩa Web3 với tầm nhìn tạo ra một môi trường trực tuyến tốt hơn cho tất cả cư dân internet. Được thành lập bởi một nhóm những người tin tưởng vào blockchain đã tích cực tham gia vào ngành công nghiệp này từ năm 2013, YBB luôn sẵn lòng giúp đỡ các dự án giai đoạn đầu phát triển từ 0 đến 1. Chúng tôi đánh giá cao sự đổi mới, niềm đam mê tự lực và các sản phẩm hướng đến người dùng trong khi nhận ra tiềm năng của tiền điện tử và ứng dụng blockchain.

Trang web | Twi: @YBBCapital

Thông báo miễn trừ trách nhiệm:

1. Bài viết này được sao chép từ [Vốn YBB]. Tất cả bản quyền thuộc về tác giả gốc [ Nhà nghiên cứu của YBB Capital, Zeke]. Nếu có ý kiến ​​phản đối về việc tái bản này, vui lòng liên hệ với Học Gateđội và họ sẽ xử lý nhanh chóng.
2. Tuyên bố từ chối trách nhiệm: Quan điểm và ý kiến được thể hiện trong bài viết này chỉ thuộc về tác giả và không cấu thành lời khuyên đầu tư.
3. Nhóm Gate Learn đã dịch bài viết sang các ngôn ngữ khác nhau. Việc sao chép, phân phối hoặc đạo văn các bài viết đã được dịch là không được phép trừ khi có được đề cập.