Trong bài viết trước đó, chúng tôi đã khám phá Lịch sử thiết kế ứng dụng. Trong Phần 1 của loạt bài viết thứ hai về Agentic AI của chúng tôi, chúng tôi xem xét cảnh quan AI Web2 hiện tại và những xu hướng, nền tảng và công nghệ chính của nó. Ở Phần 2, chúng tôi khám phá cách mà blockchain và xác minh không tin cậy cho phép sự tiến hóa của các hệ thống AI thành hệ thống thực sự có tính cách.

1. Cảnh quan đại lý trí tuệ Web2 AI

Tình trạng hiện tại của các đại lý trí tuệ nhân tạo tập trung

Hình 1. E2B Web2 AI Đại lý Cảnh quan.

Phong cảnh AI đương đại chủ yếu được đặc trưng bởi các nền tảng trung tâm và dịch vụ do các công ty công nghệ lớn kiểm soát. Các công ty như OpenAI, Anthropic, Google và Microsoft cung cấp các mô hình ngôn ngữ lớn (LLMs) và duy trì cơ sở hạ tầng đám mây và dịch vụ API quan trọng mà cung cấp năng lượng cho hầu hết các tác nhân AI.

Cơ sở hạ tầng AI Agent

Các tiến bộ gần đây trong cơ sở hạ tầng AI đã biến đổi một cách cơ bản cách mà các nhà phát triển tạo ra các điều hành AI. Thay vì viết mã các tương tác cụ thể, các nhà phát triển hiện có thể sử dụng ngôn ngữ tự nhiên để xác định hành vi và mục tiêu của điều hành, dẫn đến các hệ thống linh hoạt và phức tạp hơn.

Hình 2. Cơ sở hạ tầng đặc thù của AI Agent.

Các tiến bộ quan trọng trong các lĩnh vực sau đã dẫn đến sự gia tăng đáng kể trong các đại lý AI:

• Advanced Large Language Models (LLMs): LLMs đã cách mạng hóa cách mà các đại lý hiểu và tạo ra ngôn ngữ tự nhiên, thay thế các hệ thống dựa trên quy tắc cứng nhắc bằng khả năng hiểu biết phức tạp hơn. Chúng cho phép lập luận và lập kế hoạch tiên tiến thông qua lập luận ‘suy luận chuỗi’.
  Hầu hết các ứng dụng AI được xây dựng trên các mô hình LLM tập trung, chẳng hạn như GPT-4 của OpenAI, Claude bởiAnthropic, và Gemini bởi Google.
  Các mô hình AI mã nguồn mở bao gồm DeepSeek, LLaMa của Meta, PaLM 2 và LaMDA của Google, Mistral 7B bởi Mistral AI, Grok và Grok-1 bởiXAI, Vicuna-13B bởiLM Studio, và các mô hình Falcon bởi Viện Đổi mới Công nghệ (TII).
• Khung các đại lý: Xuất hiện nhiều khung và công cụ để thuận tiện việc tạo ứng dụng trí tuệ nhân tạo đa đại lý cho doanh nghiệp. Các khung này hỗ trợ nhiều LLMs khác nhau và cung cấp các tính năng được đóng gói trước cho việc phát triển đại lý, bao gồm quản lý bộ nhớ, các công cụ tùy chỉnh và tích hợp dữ liệu bên ngoài. Những khung này giảm đáng kể các thách thức kỹ thuật, tăng tốc độ phát triển và sáng tạo.
  Các khung tác nhân hàng đầu bao gồm Phidata, OpenAISwarm, CrewAI, LangChain LangGraph, LlamaIndex, Microsoft mã nguồn mở Autogen, Vertex AI, và LangFlow,có khả năng xây dựng trợ lý trí tuệ nhân tạo mà không cần mã hóa tối thiểu.
• Nền tảng trí tuệ nhân tạo: Nền tảng trí tuệ nhân tạo tập trung vào việc điều phối nhiều đại lý trí tuệ nhân tạo trong môi trường phân tán để giải quyết các vấn đề phức tạp một cách tự động. Những hệ thống này có thể thích nghi một cách linh hoạt và hợp tác, cho phép tạo ra các giải pháp mở rộng mạnh mẽ. Những dịch vụ này nhằm biến đổi cách doanh nghiệp sử dụng trí tuệ nhân tạo bằng cách làm cho công nghệ đại lý trở nên tiếp cận và có thể áp dụng trực tiếp vào các hệ thống hiện tại.
  Các nền tảng trí tuệ nhân tạo hàng đầu bao gồm Microsoft Autogen, Langchain LangGraph, MicrosoftHạt nhân ngữ nghĩavà CrewAI.
• Retrieval Augmented Generation (RAG): Retrieval Augmented Generation (RAG) cho phép LLMs truy cập cơ sở dữ liệu hoặc tài liệu bên ngoài trước khi đáp ứng các truy vấn, tăng cường độ chính xác và giảm hiện tượng ảo tưởng. Các tiến bộ RAG cho phép các đại lý thích nghi và học từ các nguồn thông tin mới và tránh cần phải đào tạo lại các mô hình.
  Các công cụ RAG hàng đầu là từ K2View, Haystack, LangChain, LlamaIndex, RAGatouillevà mã nguồn mở Chuỗi nhúng và InfiniFlow.
• Hệ Thống Bộ Nhớ: Để vượt qua hạn chế của các đại lý AI truyền thống trong xử lý các nhiệm vụ dài hạn, dịch vụ bộ nhớ cung cấp bộ nhớ ngắn hạn cho các nhiệm vụ trung gian hoặc bộ nhớ dài hạn để lưu trữ và truy xuất thông tin cho các nhiệm vụ mở rộng.
  Bộ nhớ dài hạn bao gồm:
  • Ký ức theo từng tập. Ghi lại những trải nghiệm cụ thể để học tập và giải quyết vấn đề và được sử dụng trong ngữ cảnh cho một truy vấn hiện tại.
  • Bộ nhớ ngữ nghĩa. Thông tin chung và cấp cao về môi trường của đại lý.
  • Bộ nhớ thủ tục. Lưu trữ các quy trình được sử dụng trong việc ra quyết định và tư duy từng bước được sử dụng để giải quyết các vấn đề toán học.
• Các nhà lãnh đạo trong lĩnh vực dịch vụ bộ nhớ bao gồm Letta, mã nguồn mở MemGPT, Zepvà Mem0.
• Nền tảng AI không mã: Nền tảng không mã cho phép người dùng xây dựng các mô hình AI thông qua các công cụ kéo và thả và giao diện trực quan hoặc trình hướng dẫn hỏi đáp. Người dùng có thể triển khai tác nhân trực tiếp vào ứng dụng của họ và tự động hóa quy trình làm việc. Bằng cách đơn giản hóa quy trình làm việc của tác nhân AI, bất kỳ ai cũng có thể xây dựng và sử dụng AI, dẫn đến khả năng tiếp cận cao hơn, chu kỳ phát triển nhanh hơn và tăng cường đổi mới.
  Các nhà lãnh đạo No-code bao gồm Xây dựng AI, Google Teachable Machinevà Amazon SageMaker.
  Một số nền tảng no-code thích hợp tồn tại cho các tác nhân AI như Rõ ràng AI để dự đoán kinh doanh, Thùy AI để phân loại hình ảnh và Mạng nanođể xử lý tài liệu.

figure_3_ai_business_models1920×1080 178 KB
Hình 3. Mô hình kinh doanh AI.

Mô hình kinh doanh

Các công ty AI Web2 truyền thống chủ yếu sử dụng đăng ký theo cấp độ và dịch vụ tư vấn làm mô hình kinh doanh của họ.

Các mô hình kinh doanh mới nổi cho các tác nhân AI bao gồm:

• Subscription / Usage-Based. Người dùng được tính phí dựa trên số lần chạy của điều hành viên hoặc tài nguyên tính toán được sử dụng, tương tự như dịch vụ Mô hình Ngôn ngữ Lớn (LLM).
• Mô hình thị trường. Nền tảng đại lý lấy một tỷ lệ phần trăm của các giao dịch được thực hiện trên nền tảng, tương tự như các mô hình cửa hàng ứng dụng.
• Cấp phép doanh nghiệp. Các giải pháp đại lý tùy chỉnh với phí triển khai và hỗ trợ.
• Truy cập API. Các nền tảng đại lý cung cấp API cho phép các nhà phát triển tích hợp đại lý vào ứng dụng của họ, với các khoản phí dựa trên các cuộc gọi API hoặc khối lượng sử dụng.
• Mã nguồn mở với các tính năng cao cấp. Các dự án mã nguồn mở cung cấp mô hình cơ bản miễn phí nhưng tính phí cho các tính năng nâng cao, lưu trữ hoặc hỗ trợ doanh nghiệp.
• Tích hợp công cụ. Nền tảng đại lý có thể nhận hoa hồng từ các nhà cung cấp công cụ để sử dụng API hoặc dịch vụ.

2. Giới hạn của Trí tuệ Nhân tạo Tập trung

Mặc dù các hệ thống AI Web2 hiện tại đã mở ra một kỷ nguyên mới về công nghệ và hiệu quả, nhưng chúng phải đối mặt với một số thách thức.

• Kiểm soát tập trung: Việc tập trung các mô hình AI và dữ liệu đào tạo vào tay một số công ty công nghệ lớn tạo ra rủi ro về việc truy cập bị hạn chế, đào tạo mô hình có kiểm soát và tích hợp theo chiều dọc bắt buộc.
• Quyền riêng tư và quyền sở hữu dữ liệu: Người dùng thiếu quyền kiểm soát cách dữ liệu của họ được sử dụng và không nhận được khoản bồi thường cho việc sử dụng dữ liệu đó trong đào tạo hệ thống AI. Tập trung dữ liệu cũng tạo ra một điểm lỗi duy nhất và có thể là mục tiêu của vi phạm dữ liệu.
• Vấn đề minh bạch: Bản chất “hộp đen” của các mô hình tập trung ngăn người dùng hiểu cách đưa ra quyết định hoặc xác minh các nguồn dữ liệu đào tạo. Các ứng dụng được xây dựng trên các mô hình này không thể giải thích các thành kiến tiềm ẩn và người dùng có rất ít hoặc không có quyền kiểm soát cách dữ liệu của họ được sử dụng.
• Thách thức về quy định: Bối cảnh pháp lý toàn cầu phức tạp liên quan đến việc sử dụng AI và quyền riêng tư dữ liệu tạo ra những thách thức về sự không chắc chắn và tuân thủ. Các tác nhân và ứng dụng được xây dựng trên các mô hình AI tập trung có thể phải tuân theo các quy định từ quốc gia của chủ sở hữu mô hình.
• Các cuộc tấn công đối thủ: Các mô hình AI có thể dễ bị tấn công đối thủ, trong đó các đầu vào được sửa đổi để đánh lừa mô hình tạo ra đầu ra không chính xác. Cần xác minh tính hợp lệ của đầu vào và đầu ra, cùng với bảo mật và giám sát tác nhân AI.
• Độ tin cậy đầu ra: Đầu ra của mô hình AI yêu cầu xác minh kỹ thuật và quy trình minh bạch, có thể kiểm tra để thiết lập độ tin cậy. Khi các tác nhân AI mở rộng quy mô, tính chính xác của đầu ra mô hình AI trở nên quan trọng.
• Deep Fakes: Hình ảnh, lời nói và video được sửa đổi bởi AI, được gọi là “Deep Fakes”, đặt ra những thách thức đáng kể vì chúng có thể lan truyền thông tin sai lệch, tạo ra các mối đe dọa bảo mật và làm xói mòn lòng tin của công chúng.

3. Giải pháp AI phi tập trung

Những hạn chế chính của Web2 AI — tập trung, quyền sở hữu dữ liệu và tính minh bạch — đang được giải quyết bằng blockchain và mã hóa. Web3 cung cấp các giải pháp sau:

• Mạng điện toán phi tập trung. Thay vì sử dụng các nhà cung cấp đám mây tập trung, các mô hình AI có thể sử dụng mạng điện toán phân tán để đào tạo và chạy suy luận.
• Cơ sở hạ tầng Linh hoạt. Các nhóm nhỏ có thể tận dụng mạng lưới máy tính phân tán và dữ liệu DAO để huấn luyện các mô hình mới, cụ thể. Người xây dựng có thể bổ sung các đại lý của họ bằng công cụ mô-đun và các nguyên tố composable khác.
• Hệ thống minh bạch và xác minh được. Web3 có thể cung cấp một cách xác minh để theo dõi sự phát triển và việc sử dụng mô hình thông qua blockchain. Đầu vào và đầu ra của mô hình có thể được xác minh thông qua chứng minh không mô tả (ZKPs) và môi trường thực thi đáng tin cậy (TEEs) và được ghi lại vĩnh viễn trên chuỗi.
• Quyền Sở Hữu Dữ Liệu và Chủ Quyền. Dữ liệu có thể được tiếp cận thông qua các chợ dữ liệu hoặc các tổ chức tự trị dữ liệu (DAO), trong đó dữ liệu được coi là tài sản chung và có thể phân phối lại lợi nhuận từ việc sử dụng dữ liệu cho các cộng tác viên của DAO.
• Khởi động mạng. \**Các ưu đãi mã thông báo có thể giúp khởi động mạng bằng cách thưởng cho những người đóng góp sớm cho điện toán phi tập trung, DAO dữ liệu và thị trường đại lý. Token có thể tạo ra các ưu đãi kinh tế ngay lập tức giúp khắc phục các vấn đề phối hợp ban đầu cản trở việc áp dụng mạng.

4. Bối cảnh đại lý AI Web3

Cả ngăn xếp tác nhân Web2 và Web3 AI đều chia sẻ các thành phần cốt lõi như điều phối mô hình và tài nguyên, công cụ và các dịch vụ khác cũng như hệ thống bộ nhớ để lưu giữ ngữ cảnh. Tuy nhiên, việc kết hợp các công nghệ blockchain của Web3 cho phép phân cấp các tài nguyên điện toán, mã thông báo để khuyến khích chia sẻ dữ liệu và quyền sở hữu người dùng, thực hiện không cần tin cậy thông qua hợp đồng thông minh và mạng điều phối khởi động.

figure_4_web3_ai_agent_stack1920×3627 407 KB
Hình 4. Ngăn xếp AI Agent Web3.

Dữ liệu

Lớp dữ liệu là nền tảng của ngăn xếp đại lý trí tuệ Web3 và bao gồm tất cả các khía cạnh của dữ liệu. Nó bao gồm các nguồn dữ liệu, theo dõi xuất xứ và xác minh tính xác thực, hệ thống gán nhãn, công cụ trí tuệ dữ liệu cho phân tích và nghiên cứu, và các giải pháp lưu trữ cho các nhu cầu lưu trữ dữ liệu khác nhau.

1. Nguồn dữ liệu. Nguồn dữ liệu đại diện cho các nguồn gốc khác nhau của dữ liệu trong hệ sinh thái.
   • DAO dữ liệu. Dữ liệu DAO (Vana và Masa AI) là các tổ chức do cộng đồng điều hành tạo điều kiện chia sẻ dữ liệu và kiếm tiền.
   • Thị trường. Nền tảng ( Ocean ProtocolvàSahara AITạo ra một thị trường phi tập trung cho việc trao đổi dữ liệu.
   • Dữ liệu cá nhân. Dữ liệu xã hội, tài chính và chăm sóc sức khỏe có thể được ẩn danh và đưa vào chuỗi để người dùng kiếm tiền. Kaito AI lập chỉ mục dữ liệu xã hội từ X và tạo dữ liệu cảm xúc thông qua API của họ.
   • Dữ liệu công cộng. Dịch vụ lục lượng Web2 ( Cỏ) thu thập dữ liệu công khai và sau đó xử lý trước thành dữ liệu có cấu trúc để đào tạo AI.
   • Dữ liệu tổng hợp. Dữ liệu công khai bị hạn chế và dữ liệu tổng hợp dựa trên dữ liệu thực, công khai đã được chứng minh là một giải pháp thay thế phù hợp để đào tạo mô hình AI. Tập hợp con synth của chế độ là một bộ dữ liệu giá tổng hợp được xây dựng để đào tạo và thử nghiệm mô hình AI.
   • Oracles. Oracle tổng hợp dữ liệu từ các nguồn ngoài chuỗi để kết nối với blockchain thông qua các hợp đồng thông minh. Oracle cho AI bao gồm Giao thức Ora, Chainlinkvà Masa AI.
2. Nguồn gốc. Nguyên bản dữ liệu rất quan trọng để đảm bảo tính toàn vẹn dữ liệu, giảm thiểu sự thiên vị và khả năng tái sản xuất trong trí tuệ nhân tạo. Nguồn gốc dữ liệu theo dõi nguồn gốc dữ liệu và ghi lại dòng dõi của nó.
   Web3 cung cấp một số giải pháp cho nguồn gốc dữ liệu, bao gồm việc ghi nhận nguồn gốc và sửa đổi dữ liệu trên chuỗi thông qua siêu dữ liệu dựa trên blockchain (Ocean Protocol và Dự án Origin của Filecoin), theo dõi dòng dữ liệu qua đồ thị tri thức phi tập trungĐường mòn xuất xứ), và tạo ra các bằng chứng không kiến thức cho nguồn gốc dữ liệu và kiểm toán (Fact Fortress, Giao thức Reclaim).
3. Ghi nhãn. Theo truyền thống, việc gắn nhãn dữ liệu yêu cầu con người gắn thẻ hoặc gắn nhãn dữ liệu cho các mô hình học tập có giám sát. Ưu đãi token có thể giúp nhân viên thu hồi cộng đồng để xử lý trước dữ liệu.
   Trong Web2, Scale AI có doanh thu hàng năm là 1 tỷ đô la và tính OpenAI, Anthropic và Cohere là khách hàng. Trong Web3, Giao thức con ngườivà Ocean Protocol đánh dấu dữ liệu nguồn mở và thưởng cho những người đóng góp nhãn bằng token.Alaya AIvàFetch.aisử dụng các đại lý trí tuệ nhân tạo để gán nhãn dữ liệu.
4. Công cụ Thông minh Dữ liệu. Công cụ Thông minh Dữ liệu là các giải pháp phần mềm phân tích và trích xuất thông tin từ dữ liệu. Chúng cải thiện chất lượng dữ liệu, đảm bảo tuân thủ và an ninh, và tăng hiệu suất mô hình AI bằng cách cải thiện chất lượng dữ liệu.
   Các công ty phân tích blockchain bao gồm Arkham, Nansen, và DUNE. Nghiên cứu ngoài chuỗi của Messarivà phân tích tâm trạng trên mạng xã hội bởi Kaito cũng có API để sử dụng mô hình AI.
5. Lưu trữ Dữ liệu. Các động lực với Token cho phép lưu trữ dữ liệu phân tán, phân phối trên các mạng nút độc lập. Dữ liệu thường được mã hóa và chia sẻ trên nhiều nút để duy trì tính dư thừa và quyền riêng tư.
   Tệplà một trong những dự án lưu trữ dữ liệu phân tán đầu tiên cho phép mọi người cung cấp không gian ổ cứng không sử dụng của họ để lưu trữ dữ liệu được mã hóa để trao đổi lấy token.IPFS(Hệ thống Tệp Liên Hành Tinh) tạo ra một mạng ngang hàng để lưu trữ và chia sẻ dữ liệu bằng cách sử dụng các băm mật mã duy nhất.Arweavephát triển một giải pháp lưu trữ dữ liệu vĩnh viễn mà khuyến khích chi phí lưu trữ bằng phần thưởng khối.Storjcung cấp API tương thích S3 cho phép các ứng dụng hiện có chuyển từ lưu trữ đám mây sang lưu trữ phi tập trung một cách dễ dàng.

Tính toán

Lớp Compute cung cấp cơ sở hạ tầng xử lý cần thiết để chạy các hoạt động AI. Tài nguyên tính toán có thể được chia thành các danh mục khác nhau: cơ sở hạ tầng huấn luyện cho việc phát triển mô hình, hệ thống suy luận cho việc thực thi mô hình và hoạt động đặc biệt, và máy tính cạnh cho việc xử lý phân tán cục bộ.

Các tài nguyên máy tính phân tán loại bỏ sự phụ thuộc vào các mạng đám mây tập trung và tăng cường bảo mật, giảm vấn đề điểm hỏng duy nhất, và cho phép các công ty trí tuệ nhân tạo nhỏ hơn tận dụng tài nguyên máy tính dư thừa.

1. Đào tạo. Việc đào tạo mô hình trí tuệ nhân tạo tốn kém về mặt tính toán và tập trung. Việc tính toán đào tạo phi tập trung giúp dân chủ hóa việc phát triển trí tuệ nhân tạo đồng thời tăng cường quyền riêng tư và an ninh khi dữ liệu nhạy cảm có thể được xử lý cục bộ mà không cần kiểm soát tập trung.
Bittensor và Mạng Golemlà các thị trường phi tập trung cho tài nguyên đào tạo trí tuệ nhân tạo.Akash NetworkvàPhalacung cấp tài nguyên tính toán phân tán với TEEs.Mạng Render tái sử dụng mạng GPU đồ họa của mình để cung cấp tính toán cho các tác vụ AI.

2. Sự suy luận. Tính toán suy luận đề cập đến tài nguyên cần thiết bởi các mô hình để tạo ra một đầu ra mới hoặc bởi các ứng dụng và đại lý trí tuệ nhân tạo để hoạt động. Các ứng dụng thời gian thực xử lý lượng dữ liệu lớn hoặc các đại lý đòi hỏi nhiều hoạt động sử dụng một lượng lớn sức mạnh tính toán suy luận.
Hyperbolic, Dfinity, và Hyperspacecụ thể cung cấp tính toán suy luận. Inference LabsʻsOmronlà một thị trường suy luận và xác minh tính toán trên Bittensor. Các mạng tính toán phi tập trung như Bittensor, Mạng Golem, Mạng Akash, Phala và Mạng Render cung cấp cả tài nguyên tính toán để huấn luyện và suy luận.

3. Điện toán biên. Điện toán biên liên quan đến việc xử lý dữ liệu cục bộ trên các thiết bị từ xa như điện thoại thông minh, thiết bị IoT hoặc máy chủ cục bộ. Điện toán biên cho phép xử lý dữ liệu theo thời gian thực và giảm độ trễ vì mô hình và dữ liệu chạy cục bộ trên cùng một máy.
Mạng gradient là một mạng điện toán biên trên Solana. Mạng Edge, Mạng Theta, và AIOZcho phép tính toán cạnh toàn cầu.

Xác thực / Quyền riêng tư

Lớp Xác minh và Quyền riêng tư đảm bảo tính toàn vẹn hệ thống và bảo vệ dữ liệu. Cơ chế Đồng thuận, Chứng minh Zero-Knowledge (ZKPs) và TEEs được sử dụng để xác minh việc huấn luyện mô hình, suy luận và kết quả. FHE và TEEs được sử dụng để đảm bảo quyền riêng tư dữ liệu.

1. Tính Toán Có Thể Xác Minh. Tính toán có thể xác minh bao gồm việc huấn luyện mô hình và suy luận.
Phala và Mạng Atomakết hợp TEE với tính toán có thể xác minh.Inferiumsử dụng sự kết hợp của ZKPs và TEEs để suy luận có thể xác minh.

2. Bằng chứng đầu ra. Bằng chứng đầu ra xác minh rằng đầu ra của mô hình AI là chính hãng và không bị giả mạo mà không tiết lộ các thông số của mô hình. Bằng chứng đầu ra cũng cung cấp nguồn gốc và rất quan trọng để tin tưởng các quyết định của tác nhân AI.
zkMLvàMạng Azteccả hai đều có hệ thống ZKP chứng minh tính toàn vẹn của đầu ra tính toán.Hàu của Marlincung cấp suy luận AI có thể xác minh thông qua mạng lưới TEEs.

3. Bảo mật Dữ liệu và Mô hình. FHE và các kỹ thuật mật mã khác cho phép các mô hình xử lý dữ liệu được mã hóa mà không tiết lộ thông tin nhạy cảm. Bảo mật dữ liệu là cần thiết khi xử lý thông tin cá nhân và nhạy cảm và để bảo tồn danh tính.
Oasis Protocolcung cấp tính toàn vẹn thông tin thông qua TEEs và mã hóa dữ liệu. Partisia Blockchainsử dụng tính toán đa bên cấp cao (MPC) tiên tiến để cung cấp quyền riêng tư dữ liệu AI.

Phối hợp

Lớp Phối hợp tạo điều kiện tương tác giữa các thành phần khác nhau của hệ sinh thái AI Web3. Nó bao gồm các thị trường mô hình để phân phối, đào tạo và tinh chỉnh cơ sở hạ tầng, và mạng lưới đại lý để giao tiếp và cộng tác giữa các tác nhân.

1. Mạng mẫu. Mạng mẫu được thiết kế để chia sẻ tài nguyên cho việc phát triển mô hình trí tuệ nhân tạo.

• LLM. Các mô hình ngôn ngữ lớn đòi hỏi một lượng đáng kể tài nguyên máy tính và dữ liệu. Mạng LLM cho phép các nhà phát triển triển khai các mô hình chuyên biệt.
  Bittensor, Sentient, và Akash Network cung cấp người dùng tài nguyên máy tính và một thị trường để xây dựng LLM trên mạng của họ.
• Dữ liệu có cấu trúc. Mạng lưới dữ liệu có cấu trúc phụ thuộc vào các bộ dữ liệu được tùy chỉnh, được chăm sóc.
  Pond AIsử dụng các mô hình nền tảng đồ thị để tạo ra các ứng dụng và đại lý sử dụng dữ liệu blockchain.
• Chợ. Chợ giúp tiền hoá các mô hình AI, các đại lý và các bộ dữ liệu.
  Ocean Protocolcung cấp một thị trường cho dữ liệu, dịch vụ tiền xử lý dữ liệu, mô hình và đầu ra của mô hình.Fetch AIlà một thị trường đại lý trí tuệ nhân tạo.

2. Đào tạo / Điều chỉnh tinh chỉnh. Mạng lưới đào tạo chuyên phân phối và quản lý bộ dữ liệu đào tạo. Mạng lưới điều chỉnh tập trung vào các giải pháp cơ sở hạ tầng để tăng cường kiến thức bên ngoài mô hình thông qua RAGs (Tìm kiếm Tăng cường Tạo ra) và APIs.
Bittensor, Mạng Akash và Mạng Golem cung cấp mạng lưới huấn luyện và điều chỉnh tốt.

3.Mạng lưới Đại lý. Mạng lưới Đại lý cung cấp hai dịch vụ chính cho các đại lý trí tuệ nhân tạo: 1) công cụ và 2) sàn phát triển đại lý. Các công cụ bao gồm kết nối với các giao thức khác, giao diện người dùng chuẩn hóa và liên lạc với các dịch vụ bên ngoài. Sàn phát triển đại lý cho phép triển khai và quản lý đại lý trí tuệ nhân tạo một cách dễ dàng.
Theoriqsử dụng đàn agent để cung cấp giải pháp giao dịch DeFi. Virtuals là nền tảng phóng dự án AI hàng đầu trên Base.Hệ điều hành Elizalà mạng mô hình LLM mã nguồn mở đầu tiên.Mạng lưới AlpacavàMạng Olaslà các nền tảng đại lý trí tuệ nhân tạo do cộng đồng sở hữu.

Dịch vụ

Lớp Dịch vụ cung cấp các công cụ và công cụ trung gian cần thiết mà các ứng dụng và đại lý AI cần để hoạt động hiệu quả. Lớp này bao gồm các công cụ phát triển, APIs cho việc tích hợp dữ liệu và ứng dụng bên ngoài, hệ thống bộ nhớ để giữ ngữ cảnh đại lý, Retrieval-Augmented Generation (RAG) để truy cập kiến thức cải thiện, và cơ sở hạ tầng kiểm tra.

• Công cụ. Một bộ tiện ích hoặc ứng dụng giúp hỗ trợ các chức năng khác nhau trong các đại lý AI:
  • Thanh toán. Tích hợp các hệ thống thanh toán phi tập trung cho phép các đại lý tự động thực hiện các giao dịch tài chính, đảm bảo tương tác kinh tế liền mạch trong hệ sinh thái Web3.
    Coinbase Bộ đặc vụcho phép các ágent trải nghiệm trí tuệ vào việc thanh toán và chuyển token. LangChain và Người trả tiềncung cấp tùy chọn gửi và yêu cầu thanh toán cho các đại lý.
  • Bệ phóng. Các nền tảng hỗ trợ triển khai và mở rộng quy mô tác nhân AI, cung cấp các tài nguyên như khởi chạy token, lựa chọn mô hình, API và quyền truy cập công cụ.
    Giao thức Ảo là bệ phóng tác nhân AI hàng đầu cho phép người dùng tạo, triển khai và kiếm tiền từ các tác nhân AI. Mũ Cao Cấp và Griffainlà các bãi phóng tên lửa trí tuệ nhân tạo trên Solana.
  • Xác thực. Cơ chế quản lý quyền và kiểm soát truy cập, đảm bảo các đại lý hoạt động trong các ranh giới được xác định và duy trì các giao thức bảo mật.
    Biconomy cung cấp Session Keys để các agent đảm bảo rằng agent chỉ có thể tương tác với các hợp đồng thông minh trong danh sách trắng.
  • Bảo mật. Triển khai các biện pháp bảo mật mạnh mẽ để bảo vệ các đại lý khỏi các mối đe dọa, đảm bảo tính toàn vẹn dữ liệu, tính bí mật và sự kháng cự chống lại các cuộc tấn công.
    Bảo mật GoPlus đã thêm một plug-in cho phép các đặc vụ trí tuệ nhân tạo ElizaOS sử dụng các tính năng bảo mật trên chuỗi ngăn chặn lừa đảo, lừa đảo mạng và giao dịch đáng ngờ trên nhiều chuỗi khối.
• Giao diện lập trình ứng dụng (API). API tạo điều kiện tích hợp liền mạch dữ liệu và dịch vụ bên ngoài vào các tác nhân AI. API truy cập dữ liệu cung cấp cho nhân viên quyền truy cập vào dữ liệu thời gian thực từ các nguồn bên ngoài, nâng cao khả năng ra quyết định của họ. API dịch vụ cho phép tác nhân tương tác với các ứng dụng và dịch vụ bên ngoài, mở rộng chức năng và phạm vi tiếp cận của họ.
  Mạng Datai cung cấp dữ liệu blockchain cho các tác nhân AI thông qua API dữ liệu có cấu trúc. Mạng SubQuerycung cấp các bộ chỉ mục dữ liệu phi tập trung và các điểm kết thúc RPC cho các đại lý và ứng dụng trí tuệ nhân tạo.
• Tăng cường thế hệ tăng cường truy xuất (RAG). Tăng cường RAG giúp tăng cường khả năng tiếp cận kiến thức của nhân viên bằng cách kết hợp LLM với truy xuất dữ liệu bên ngoài.
  • Dynamic Information Retrieval. Các đại lý có thể lấy thông tin cập nhật từ cơ sở dữ liệu bên ngoài hoặc internet để cung cấp phản hồi chính xác và hiện tại.
  • Kiến thức tích hợp. Tích hợp dữ liệu đã thu được vào quá trình tạo ra cho phép các đại lý tạo ra sản phẩm đầu ra thông tin hơn và có liên quan ngữ cảnh hơn.
• Mạng Atoma cung cấp API quản lý dữ liệu và dữ liệu công khai an toàn cho RAG tùy chỉnh. ElizaOSvàGiao thức KIPcung cấp plugin đại lý cho các nguồn dữ liệu bên ngoài như X và Farcaster.
• Trí nhớ. Các tác nhân AI yêu cầu một hệ thống bộ nhớ để lưu giữ ngữ cảnh và học hỏi từ các tương tác của họ. Với việc lưu giữ ngữ cảnh, các tác nhân duy trì lịch sử tương tác để cung cấp các phản hồi mạch lạc và phù hợp với ngữ cảnh. Lưu trữ bộ nhớ lâu hơn cho phép nhân viên lưu trữ và phân tích các tương tác trong quá khứ, điều này có thể cải thiện hiệu suất và cá nhân hóa trải nghiệm người dùng theo thời gian.
  ElizaOS cung cấp quản lý bộ nhớ như một phần của mạng tác nhân của nó. Mem0AIvàUnibase AI đang xây dựng lớp bộ nhớ cho các ứng dụng và tác nhân AI.
• Cơ sở hạ tầng thử nghiệm. Các nền tảng được thiết kế để đảm bảo độ tin cậy và độ mạnh mẽ của các tác nhân AI. Các tác nhân có thể chạy trong môi trường mô phỏng được kiểm soát để đánh giá hiệu suất trong các tình huống khác nhau. Nền tảng thử nghiệm cho phép giám sát hiệu suất và đánh giá liên tục các hoạt động của tác nhân để xác định bất kỳ vấn đề nào.
  Trợ lý AI của Alchemyʻ, Trò chuyệnWeb3, có thể kiểm tra các đại lý AI thông qua các truy vấn phức tạp và kiểm tra về việc triển khai chức năng.

Ứng dụng

Lớp Ứng dụng nằm ở đầu ngăn xếp AI và đại diện cho các giải pháp đối mặt với người dùng cuối. Điều này bao gồm các tác nhân giải quyết các trường hợp sử dụng như quản lý ví, bảo mật, năng suất, lợi nhuận, thị trường dự đoán, hệ thống quản trị và các công cụ DeFAI.

• Ví. Các tác nhân AI nâng cao ví Web3 bằng cách giải thích ý định của người dùng và tự động hóa các giao dịch phức tạp, do đó cải thiện trải nghiệm người dùng.
  Ví áo giápvàFoxWallet sử dụng các tác nhân AI để thực hiện ý định của người dùng trên các nền tảng DeFi và blockchain, cho phép người dùng nhập ý định của họ thông qua giao diện kiểu trò chuyện. Nền tảng phát triển của Coinbase cung cấp ví MPC của các tác nhân AI cho phép họ chuyển token một cách tự động.
• Bảo mật. Các đại lý trí tuệ nhân tạo theo dõi hoạt động blockchain để xác định hành vi gian lận và giao dịch hợp đồng thông minh đáng ngờ.
  ChainAware.aiFraud Detector Agent cung cấp bảo mật ví theo thời gian thực và giám sát tuân thủ trên nhiều blockchain. AgentLayerʻs Trình kiểm tra ví quét ví để tìm lỗ hổng và đưa ra các khuyến nghị để tăng cường bảo mật.
• Năng suất. Tác nhân AI hỗ trợ tự động hóa các tác vụ, quản lý lịch trình và đưa ra các đề xuất thông minh để tăng hiệu quả của người dùng.
  Thế giới3 có nền tảng no-code để thiết kế các tác nhân AI mô-đun cho các tác vụ như quản lý mạng xã hội, ra mắt mã thông báo Web3 và hỗ trợ nghiên cứu.
• Trò chơi. Các đại lý trí tuệ nhân tạo (AI) điều hành nhân vật không phải người chơi (NPC) thích nghi với hành động của người chơi trong thời gian thực, nâng cao trải nghiệm người dùng. Chúng cũng có thể tạo ra nội dung trong trò chơi và hỗ trợ người chơi mới trong việc học chơi game.
  Đấu trường AI sử dụng người chơi và học bắt chước để đào tạo các tác nhân chơi game AI. Mạng Nimlà một chuỗi trò chơi AI cung cấp ID đại lý và ZKP để xác minh các đại lý trên các chuỗi khối và trò chơi.Game3s.GG Thiết kế các đặc vụ có khả năng điều hướng, huấn luyện và chơi cùng với người chơi.
• Dự đoán. Các tác nhân AI phân tích dữ liệu để cung cấp thông tin chi tiết và tạo điều kiện cho việc ra quyết định sáng suốt cho các nền tảng dự đoán.
  Dự đoán GOATslà một đại lý AI trên Mạng Ton cung cấp các khuyến nghị dựa trên dữ liệu.SynStation là một thị trường dự đoán thuộc sở hữu của cộng đồng trên Soneium sử dụng AI Agents để hỗ trợ người dùng đưa ra quyết định.
• Quản trị. Các đại lý trí tuệ nhân tạo (AI) hỗ trợ quản trị tự trị phi tập trung (DAO) bằng cách tự động hoá việc đánh giá đề xuất, tiến hành kiểm tra nhiệt độ cộng đồng, đảm bảo việc bỏ phiếu không bị Sybil và áp dụng chính sách.
  Mạng SyncAIcó một đại lý trung ương hoạt động như một đại diện phi tập trung cho hệ thống quản trị của Cardano. Olas cung cấp một Đại lý quản trịđề xuất, bỏ phiếu và quản lý ngân quỹ của một DAO. ElizaOS có đại lýtập hợp thông tin phân tích từ diễn đàn DAO và Discord, cung cấp các khuyến nghị về quản trị.
• DeFAI Agents. Các đại lý có thể hoán đổi token, xác định chiến lược tạo lợi nhuận, thực thi chiến lược giao dịch, và quản lý cân bằng giữa các chuỗi khối. Các đại lý quản lý rủi ro theo dõi hoạt động trên chuỗi để phát hiện hành vi đáng ngờ và rút lượng thanh khoản nếu cần thiết.
  Giao thức AI Agent của Theoriq triển khai một loạt các tác nhân để quản lý các giao dịch DeFi phức tạp, tối ưu hóa các nhóm thanh khoản và tự động hóa các chiến lược khai thác lợi suất. Noyalà một nền tảng DeFi sử dụng các đại lý AI để quản lý rủi ro và danh mục.

Tổng cộng, những ứng dụng này đóng góp vào việc tạo ra hệ sinh thái trí tuệ nhân tạo an toàn, minh bạch và phi tập trung phù hợp với các nhu cầu Web3.

Kết luận

Sự phát triển từ Web2 sang hệ thống AI Web3 thể hiện một sự thay đổi cơ bản trong cách chúng ta tiếp cận việc phát triển và triển khai trí tuệ nhân tạo. Mặc dù cơ sở hạ tầng AI tập trung của Web2 đã thúc đẩy sự đổi mới to lớn, nhưng nó phải đối mặt với những thách thức đáng kể về quyền riêng tư dữ liệu, tính minh bạch và kiểm soát tập trung. Ngăn xếp AI Web3 thể hiện cách các hệ thống phi tập trung có thể giải quyết những hạn chế này thông qua DAO dữ liệu, mạng điện toán phi tập trung và hệ thống xác minh không đáng tin cậy. Có lẽ quan trọng nhất, các ưu đãi token đang tạo ra các cơ chế phối hợp mới có thể giúp khởi động và duy trì các mạng phi tập trung này.

Nhìn vào tương lai, sự gia tăng của các đại lý AI đại diện cho bước tiến tiếp theo trong sự phát triển này. Như chúng ta sẽ khám phá trong bài viết tiếp theo, các đại lý AI - từ các bot cụ thể cho nhiệm vụ đơn giản đến các hệ thống tự động phức tạp - đang trở nên ngày càng tinh vi và có khả năng. Việc tích hợp các đại lý này với cơ sở hạ tầng Web3, kết hợp với sự cân nhắc cẩn thận về kiến ​​trúc kỹ thuật, động lực kinh tế và cấu trúc quản trị, có tiềm năng tạo ra hệ thống công bằng, minh bạch và hiệu quả hơn so với những gì có thể trong thời kỳ Web2. Hiểu cách mà các đại lý này hoạt động, các cấp độ phức tạp khác nhau của chúng, và sự phân biệt giữa các đại lý AI và AI thực sự có tính cách sẽ quan trọng đối với mọi người làm việc tại sự giao điểm của AI và Web3.

Miễn trừ trách nhiệm:

1. Bài viết này được sao chép từ [GateFlashbots]. Tất cả bản quyền thuộc về tác giả gốc [tesa]. Nếu có ý kiến ​​phản đối về việc tái in này, vui lòng liên hệ với Gate Learnđội ngũ, và họ sẽ xử lý ngay lập tức.
2. Miễn trừ trách nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ là của tác giả và không hề cung cấp bất kỳ lời khuyên đầu tư nào.
3. Nhóm Gate Learn thực hiện dịch các bài viết sang các ngôn ngữ khác nhau. Việc sao chép, phân phối hoặc đạo văn các bài viết đã dịch là không được phép trừ khi được đề cập.