Gần đây, giá cổ phiếu của Nvidia lại lập đỉnh cao mới, sự tiến bộ của các mô hình đa phương thức đã làm sâu sắc thêm rào cản công nghệ của Web2 AI. Từ sự tương đồng ngữ nghĩa đến hiểu biết hình ảnh, từ nhúng chiều cao đến hợp nhất đặc trưng, các mô hình phức tạp đang tích hợp các phương thức biểu đạt khác nhau với tốc độ đáng kinh ngạc, xây dựng một cao nguyên AI ngày càng khép kín hơn. Thị trường chứng khoán Mỹ cũng đã thể hiện sự lạc quan đối với lĩnh vực AI qua hành động thực tế, bất kể là cổ phiếu liên quan đến tiền điện tử hay cổ phiếu AI, đều xuất hiện một đợt sóng thị trường bò nhỏ.
Tuy nhiên, cơn sốt này dường như không có liên quan gì đến lĩnh vực tiền điện tử. Những nỗ lực Web3 AI mà chúng tôi quan sát thấy, đặc biệt là trong vài tháng gần đây với sự khám phá theo hướng Agent, có sự lệch lạc nghiêm trọng về phương hướng: quá lý tưởng hóa việc sử dụng cấu trúc phi tập trung để lắp ráp hệ thống mô-đun đa phương thức theo kiểu Web2, thực chất là một sự lệch lạc kép về công nghệ và tư duy. Trong bối cảnh tính liên kết của các mô-đun cực kỳ mạnh, phân bố đặc điểm không ổn định cao 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 chỉ đơn giản là bắt chước, mà là sự đi vòng chiến lược. Từ việc căn chỉnh ngữ nghĩa trong không gian chiều cao, 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, mỗi khâu đều có những thách thức lớn.
Nỗi khổ trong việc căn chỉnh ngữ nghĩa của Web3 AI
Trong hệ thống đa mô thức AI Web2 hiện đại, căn chỉnh ngữ nghĩa là công nghệ then chốt để ánh xạ thông tin từ các mô thức khác nhau vào cùng một không gian ngữ nghĩa. Điều này cho phép mô hình hiểu và so sánh ý nghĩa bên trong của các tín hiệu có hình thức khác nhau. Chỉ khi đạt được không gian nhúng chiều cao, việc chia nhỏ quy trình làm việc thành các mô-đun khác nhau mới có ý nghĩa trong việc giảm chi phí và tăng hiệu quả.
Tuy nhiên, giao thức Web3 Agent khó khăn trong việc hiện thực hóa nhúng đa chiều, vì tính mô-đun bản thân nó là một ảo giác. Hầu hết Web3 Agent chỉ đơn giản là đóng gói các API có sẵn thành các "Agent" độc lập, thiếu không gian nhúng trung tâm thống nhất và cơ chế chú ý xuyên mô-đun, dẫn đến việc thông tin không thể tương tác đa chiều và đa cấp giữa các mô-đun, chỉ có thể đi theo đường ống tuyến tính, thể hiện chức năng đơn lẻ, không thể tạo thành tối ưu hóa vòng kín toàn bộ.
Để đạt được một trí tuệ nhân tạo toàn diện với rào cản ngành, cần phải có mô hình hợp tác từ đầu đến cuối, nhúng thống nhất giữa các mô-đun, cũng như kỹ thuật hệ thống cho đào tạo và triển khai hợp tác. Tuy nhiên, hiện tại không có điểm đau nào như vậy trên thị trường, do đó cũng thiếu nhu cầu thị trường.
Giới hạn của cơ chế chú ý
Mô hình đa mô thức trình độ cao cần cơ chế chú ý được thiết kế tinh vi. Về bản chất, cơ chế chú ý là một cách phân bổ tài nguyên tính toán một cách động, cho phép mô hình "tập trung" vào những phần liên quan nhất khi xử lý một đầu vào mô thức nhất định.
Tuy nhiên, việc đạt được sự điều phối chú ý thống nhất trong Web3 AI dựa trên mô-đun là rất khó khăn. Đầu tiên, cơ chế chú ý phụ thuộc vào không gian Query-Key-Value thống nhất, trong khi các API độc lập trả về dữ liệu với định dạng và phân phối khác nhau, không có lớp nhúng thống nhất, không thể tạo ra Q/K/V có thể tương tác. Thứ hai, Web3 AI thường thực hiện gọi API tuyến tính, thiếu khả năng song song và trọng số động đa chiều, không thể mô phỏng sự điều phối tinh vi trong cơ chế chú ý. Cuối cùng, cơ chế chú ý thực sự sẽ phân bổ trọng số động cho mỗi yếu tố dựa trên ngữ cảnh tổng thể, trong khi ở chế độ API, mô-đun chỉ có thể thấy ngữ cảnh "độc lập" của nó khi được gọi, không thể thực hiện sự liên kết và tập trung toàn cầu giữa các mô-đun.
Những khó khăn nông về sự kết hợp đặc trưng
Web3 AI vẫn dừng lại ở giai đoạn ghép nối đơn giản trong việc kết hợp đặc trưng, vì điều kiện tiên quyết cho việc kết hợp đặc trưng động là không gian chiều cao và cơ chế chú ý tinh vi. Khi những điều kiện này không thể được đáp ứng, việc kết hợp đặc trưng tự nhiên không thể đạt được mức độ hiệu suất lý tưởng.
Web2 AI có xu hướng đào tạo liên kết đầu cuối, xử lý các đặc trưng đa mô hình trong cùng một không gian chiều cao, tối ưu hóa đồng thời với các lớp nhiệm vụ hạ lưu thông qua các lớp chú ý và lớp hợp nhất. Ngược lại, Web3 AI thường áp dụng phương pháp ghép các mô-đun rời rạc, thiếu mục tiêu đào tạo thống nhất và dòng gradient xuyên mô-đun.
Rào cản ngành AI và cơ hội của Web3
Rào cản trong ngành AI đang gia tăng, nhưng cơ hội gia nhập Web3 AI vẫn chưa thực sự xuất hiện. Web3 AI nên áp dụng chiến lược phát triển "vây thành phố từ nông thôn", thử nghiệm quy mô nhỏ tại các cảnh biên, đảm bảo nền tảng vững chắc trước khi chờ đợi sự xuất hiện của các cảnh chính.
Lợi thế cốt lõi của Web3 AI nằm ở việc phi tập trung, và con đường tiến hóa của nó thể hiện qua khả năng song song cao, độ kết nối thấp và khả năng tương thích với sức mạnh tính toán đa dạng. Điều này khiến Web3 AI có lợi thế hơn trong các tình huống như tính toán biên, phù hợp với cấu trúc nhẹ, dễ dàng song song và có thể khuyến khích cho các nhiệm vụ, chẳng hạn như tinh chỉnh LoRA, nhiệm vụ đào tạo hậu huấn luyện để căn chỉnh hành vi, đào tạo và gán nhãn dữ liệu crowdsourcing, đào tạo mô hình cơ sở nhỏ, cũng như đào tạo hợp tác trên các thiết bị biên.
Tuy nhiên, rào cản của Web2 AI hiện tại chỉ mới bắt đầu hình thành, chúng ta cần chờ đợi những lợi ích của Web2 AI biến mất hoàn toàn, và những điểm đau mà nó để lại mới là cơ hội thực sự để Web3 AI tham gia. Trước đó, các dự án Web3 AI cần phân biệt cẩn thận xem liệu có tiềm năng "nông thôn bao vây thành phố" hay không, liệu có thể liên tục cập nhật sản phẩm trong các tình huống nhỏ hay không, và liệu có đủ tính linh hoạt để đáp ứng nhu cầu thị trường đang thay đổi. Chỉ khi đáp ứng những điều kiện này, các dự án Web3 AI mới có khả năng nổi bật trong cuộc cạnh tranh trong tương lai.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Cơ hội trong bối cảnh Web3 AI: Chờ đợi lợi nhuận cạn kiệt và nắm bắt các tình huống biên.
Những khó khăn và cơ hội trong phát triển Web3 AI
Gần đây, giá cổ phiếu của Nvidia lại lập đỉnh cao mới, sự tiến bộ của các mô hình đa phương thức đã làm sâu sắc thêm rào cản công nghệ của Web2 AI. Từ sự tương đồng ngữ nghĩa đến hiểu biết hình ảnh, từ nhúng chiều cao đến hợp nhất đặc trưng, các mô hình phức tạp đang tích hợp các phương thức biểu đạt khác nhau với tốc độ đáng kinh ngạc, xây dựng một cao nguyên AI ngày càng khép kín hơn. Thị trường chứng khoán Mỹ cũng đã thể hiện sự lạc quan đối với lĩnh vực AI qua hành động thực tế, bất kể là cổ phiếu liên quan đến tiền điện tử hay cổ phiếu AI, đều xuất hiện một đợt sóng thị trường bò nhỏ.
Tuy nhiên, cơn sốt này dường như không có liên quan gì đến lĩnh vực tiền điện tử. Những nỗ lực Web3 AI mà chúng tôi quan sát thấy, đặc biệt là trong vài tháng gần đây với sự khám phá theo hướng Agent, có sự lệch lạc nghiêm trọng về phương hướng: quá lý tưởng hóa việc sử dụng cấu trúc phi tập trung để lắp ráp hệ thống mô-đun đa phương thức theo kiểu Web2, thực chất là một sự lệch lạc kép về công nghệ và tư duy. Trong bối cảnh tính liên kết của các mô-đun cực kỳ mạnh, phân bố đặc điểm không ổn định cao 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 chỉ đơn giản là bắt chước, mà là sự đi vòng chiến lược. Từ việc căn chỉnh ngữ nghĩa trong không gian chiều cao, 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, mỗi khâu đều có những thách thức lớn.
Nỗi khổ trong việc căn chỉnh ngữ nghĩa của Web3 AI
Trong hệ thống đa mô thức AI Web2 hiện đại, căn chỉnh ngữ nghĩa là công nghệ then chốt để ánh xạ thông tin từ các mô thức khác nhau vào cùng một không gian ngữ nghĩa. Điều này cho phép mô hình hiểu và so sánh ý nghĩa bên trong của các tín hiệu có hình thức khác nhau. Chỉ khi đạt được không gian nhúng chiều cao, việc chia nhỏ quy trình làm việc thành các mô-đun khác nhau mới có ý nghĩa trong việc giảm chi phí và tăng hiệu quả.
Tuy nhiên, giao thức Web3 Agent khó khăn trong việc hiện thực hóa nhúng đa chiều, vì tính mô-đun bản thân nó là một ảo giác. Hầu hết Web3 Agent chỉ đơn giản là đóng gói các API có sẵn thành các "Agent" độc lập, thiếu không gian nhúng trung tâm thống nhất và cơ chế chú ý xuyên mô-đun, dẫn đến việc thông tin không thể tương tác đa chiều và đa cấp giữa các mô-đun, chỉ có thể đi theo đường ống tuyến tính, thể hiện chức năng đơn lẻ, không thể tạo thành tối ưu hóa vòng kín toàn bộ.
Để đạt được một trí tuệ nhân tạo toàn diện với rào cản ngành, cần phải có mô hình hợp tác từ đầu đến cuối, nhúng thống nhất giữa các mô-đun, cũng như kỹ thuật hệ thống cho đào tạo và triển khai hợp tác. Tuy nhiên, hiện tại không có điểm đau nào như vậy trên thị trường, do đó cũng thiếu nhu cầu thị trường.
Giới hạn của cơ chế chú ý
Mô hình đa mô thức trình độ cao cần cơ chế chú ý được thiết kế tinh vi. Về bản chất, cơ chế chú ý là một cách phân bổ tài nguyên tính toán một cách động, cho phép mô hình "tập trung" vào những phần liên quan nhất khi xử lý một đầu vào mô thức nhất định.
Tuy nhiên, việc đạt được sự điều phối chú ý thống nhất trong Web3 AI dựa trên mô-đun là rất khó khăn. Đầu tiên, cơ chế chú ý phụ thuộc vào không gian Query-Key-Value thống nhất, trong khi các API độc lập trả về dữ liệu với định dạng và phân phối khác nhau, không có lớp nhúng thống nhất, không thể tạo ra Q/K/V có thể tương tác. Thứ hai, Web3 AI thường thực hiện gọi API tuyến tính, thiếu khả năng song song và trọng số động đa chiều, không thể mô phỏng sự điều phối tinh vi trong cơ chế chú ý. Cuối cùng, cơ chế chú ý thực sự sẽ phân bổ trọng số động cho mỗi yếu tố dựa trên ngữ cảnh tổng thể, trong khi ở chế độ API, mô-đun chỉ có thể thấy ngữ cảnh "độc lập" của nó khi được gọi, không thể thực hiện sự liên kết và tập trung toàn cầu giữa các mô-đun.
Những khó khăn nông về sự kết hợp đặc trưng
Web3 AI vẫn dừng lại ở giai đoạn ghép nối đơn giản trong việc kết hợp đặc trưng, vì điều kiện tiên quyết cho việc kết hợp đặc trưng động là không gian chiều cao và cơ chế chú ý tinh vi. Khi những điều kiện này không thể được đáp ứng, việc kết hợp đặc trưng tự nhiên không thể đạt được mức độ hiệu suất lý tưởng.
Web2 AI có xu hướng đào tạo liên kết đầu cuối, xử lý các đặc trưng đa mô hình trong cùng một không gian chiều cao, tối ưu hóa đồng thời với các lớp nhiệm vụ hạ lưu thông qua các lớp chú ý và lớp hợp nhất. Ngược lại, Web3 AI thường áp dụng phương pháp ghép các mô-đun rời rạc, thiếu mục tiêu đào tạo thống nhất và dòng gradient xuyên mô-đun.
Rào cản ngành AI và cơ hội của Web3
Rào cản trong ngành AI đang gia tăng, nhưng cơ hội gia nhập Web3 AI vẫn chưa thực sự xuất hiện. Web3 AI nên áp dụng chiến lược phát triển "vây thành phố từ nông thôn", thử nghiệm quy mô nhỏ tại các cảnh biên, đảm bảo nền tảng vững chắc trước khi chờ đợi sự xuất hiện của các cảnh chính.
Lợi thế cốt lõi của Web3 AI nằm ở việc phi tập trung, và con đường tiến hóa của nó thể hiện qua khả năng song song cao, độ kết nối thấp và khả năng tương thích với sức mạnh tính toán đa dạng. Điều này khiến Web3 AI có lợi thế hơn trong các tình huống như tính toán biên, phù hợp với cấu trúc nhẹ, dễ dàng song song và có thể khuyến khích cho các nhiệm vụ, chẳng hạn như tinh chỉnh LoRA, nhiệm vụ đào tạo hậu huấn luyện để căn chỉnh hành vi, đào tạo và gán nhãn dữ liệu crowdsourcing, đào tạo mô hình cơ sở nhỏ, cũng như đào tạo hợp tác trên các thiết bị biên.
Tuy nhiên, rào cản của Web2 AI hiện tại chỉ mới bắt đầu hình thành, chúng ta cần chờ đợi những lợi ích của Web2 AI biến mất hoàn toàn, và những điểm đau mà nó để lại mới là cơ hội thực sự để Web3 AI tham gia. Trước đó, các dự án Web3 AI cần phân biệt cẩn thận xem liệu có tiềm năng "nông thôn bao vây thành phố" hay không, liệu có thể liên tục cập nhật sản phẩm trong các tình huống nhỏ hay không, và liệu có đủ tính linh hoạt để đáp ứng nhu cầu thị trường đang thay đổi. Chỉ khi đáp ứng những điều kiện này, các dự án Web3 AI mới có khả năng nổi bật trong cuộc cạnh tranh trong tương lai.