AI và Web3 hội tụ: Tổng hợp các điểm nổi bật của Hội nghị Nhận thức chung Hồng Kông 2025
Gần đây, hội nghị Nhận thức chung 2025 được tổ chức tại Hồng Kông, sự kết hợp giữa AI và Web3 đã trở thành chủ đề nóng. Trong suốt thời gian diễn ra hội nghị, bất kể là tại hội trường chính hay các phòng hội thảo, đã có nhiều cuộc thảo luận rộng rãi xung quanh sự kết hợp giữa AI và Web3. Bài viết này sẽ tóm tắt những điểm nổi bật chính về các dự án AI tại hội nghị.
Một, Cơ sở hạ tầng AI
1. Nền tảng và khung phát động AI Agent
Với sự phát triển của công nghệ AI, nền tảng phát hành và cơ sở hạ tầng kiểu khung của AI Agent đã thu hút được nhiều sự chú ý trong nửa năm qua. Những dự án này cung cấp cho các nhà phát triển và người dùng thông thường một nền tảng sử dụng AI Agent với rào cản thấp, trở thành một trong những hướng đi chính của các dự án AI trong đợt này.
0G Labs: Hệ điều hành trí tuệ nhân tạo phi tập trung đầu tiên (deAIOS), thông qua việc xây dựng Layer 1 chuyên dụng cho AI, kết nối tài nguyên tính toán, dữ liệu và mô hình, tạo ra hệ sinh thái phát triển AI phân tán.
DeAgentAI: Nền tảng đổi mới tập trung vào AI Agent phi tập trung, cam kết thúc đẩy sự phát triển của công nghệ đa tác nhân (Multi-Agent Systems).
Autonomys Network: Nền tảng hạ tầng phi tập trung, nhằm mục đích đạt được sự hợp tác an toàn và tự chủ giữa con người và máy móc. Người dùng có thể tạo ra các tác nhân AI riêng biệt, thực hiện nhiều nhiệm vụ tự chủ khác nhau.
Gaia Network: Nền tảng cơ sở hạ tầng AI phi tập trung, hỗ trợ phát triển và vận hành phân tán các AI Agent và ứng dụng, tích hợp lưu trữ phân tán, tính toán và xác thực dữ liệu thông qua công nghệ blockchain.
Questflow: Mạng lưới đa AI Agent phi tập trung, người dùng chỉ cần mô tả nhu cầu, mạng lưới AI Agent có thể tự hoàn thành nhiệm vụ.
2. AI phi tập trung
AI phi tập trung là mục tiêu cuối cùng của AI trên chuỗi. Hiện tại, nhiều dự án đang nỗ lực không ngừng trong các lĩnh vực như sức mạnh tính toán, dữ liệu, mô hình, hy vọng rằng bằng cách phi tập trung sẽ phá vỡ sự độc quyền của các công ty lớn đối với LLM, giúp công chúng có được quyền sở hữu dữ liệu và mô hình.
Vana: Cam kết xây dựng nền tảng chủ quyền dữ liệu người dùng phi tập trung, biến dữ liệu cá nhân thành tài sản tài chính.
Hyperbolic：Nền tảng AI đám mây truy cập mở, tích hợp tài nguyên tính toán toàn cầu, cung cấp cho người dùng tài nguyên GPU và dịch vụ AI kinh tế và có thể mở rộng.
OpenLedger: Tập trung vào mạng thế hệ tiếp theo về AI và blockchain, cung cấp cơ sở hạ tầng kinh tế phi tập trung, hỗ trợ các nhà phát triển truy cập dữ liệu chất lượng cao, tinh chỉnh các mô hình ngôn ngữ chuyên dụng và triển khai chúng như dịch vụ có thể thanh toán.
IO.NET: Nền tảng tính toán phi tập trung, cung cấp dịch vụ truy cập theo yêu cầu đến cụm GPU và CPU, nhằm loại bỏ nhu cầu của người dùng về phần cứng hoặc cơ sở hạ tầng đắt tiền.
Aethir: Tập trung vào việc cung cấp nền tảng đổi mới cho hạ tầng điện toán đám mây phân tán, bao gồm Aethir Earth (đám mây GPU bare-metal được thiết kế đặc biệt cho các tác vụ tính toán AI) và Aethir Atmosphere (mạng GPU đám mây tối ưu cho ngành công nghiệp game).
MinionLab: Mạng lưới AI thông minh tự trị phi tập trung, các thông minh này được gọi là "Minions", hoạt động trên thiết bị của người dùng để khai thác dữ liệu internet theo thời gian thực.
GAIB: Cam kết cung cấp giải pháp kinh tế trong lĩnh vực AI và tính toán hiệu suất cao, nhằm tạo ra một loại tài sản và hệ thống kinh tế hoàn toàn mới thông qua việc tài chính hóa và mã hóa tài nguyên GPU.
Kite AI: Nền tảng blockchain Layer 1 phi tập trung được thiết kế cho nền kinh tế trí tuệ nhân tạo, mở khóa quyền truy cập công bằng và phần thưởng cho tài sản AI thông qua cơ chế đồng thuận Proof of AI (PoAI) sáng tạo.
Automata: Cung cấp chức năng bảo vệ quyền riêng tư và tính toán không theo dõi cho các ứng dụng phi tập trung (DApps).
Public AI: Tạo ra nền tảng dữ liệu AI mở và minh bạch, hỗ trợ việc thu thập và gán nhãn dữ liệu đa phương thức, bao gồm văn bản, âm thanh, video và dữ liệu bản đồ.
3. AI có thể xác minh
Một trong những thách thức quan trọng mà sự phát triển của AI phải đối mặt là tính không minh bạch trong quá trình đào tạo và đảm bảo độ chính xác của kết quả đầu ra của AI. Hiện tại có nhiều dự án mong muốn đạt được tính khả thi của quá trình đào tạo AI thông qua các công nghệ như ZKP, TEE, nhằm đảm bảo độ tin cậy của kết quả đầu ra của AI.
Phala Network: Nền tảng điện toán đám mây phi tập trung, cung cấp dịch vụ tính toán riêng tư và suy diễn AI đáng tin cậy cho các ứng dụng trên chuỗi.
Brevis：Công cụ tính toán phi tập trung, cung cấp AI và tính toán blockchain có thể xác minh ngoài chuỗi, kết hợp chứng minh không biết (ZKP) để nâng cao quyền riêng tư và hiệu suất.
Verisense Network: Nền tảng đổi mới tập trung vào xác thực dữ liệu phi tập trung và AI đáng tin cậy, giúp các nhà phát triển xác minh nguồn dữ liệu, đảm bảo tính xác thực và toàn vẹn của dữ liệu huấn luyện.
Hai, các trường hợp sử dụng AI: Tiềm năng và kỳ vọng
So với cơ sở hạ tầng AI phong phú, hiện tại các dự án trường hợp sử dụng AI nổi bật vẫn còn tương đối ít. Dưới đây là một số ứng dụng AI đáng chú ý:
Narra: Nền tảng Gamefi AI Agent trên Berachain, sử dụng động cơ AI để tạo nội dung kể chuyện động thời gian thực, tương tác với người chơi và thúc đẩy sự phát triển của câu chuyện.
AI Travel：Trợ lý du lịch được điều khiển bởi AI, có khả năng giúp người dùng tự động tùy chỉnh kế hoạch du lịch thông qua trò chuyện, cung cấp dịch vụ đặt khách sạn và so sánh giá cả.
HeyTracyAI: AI Agent bình luận thể thao tập trung vào lĩnh vực bóng rổ, có thể cung cấp phân tích thời gian thực và những hiểu biết dự đoán cho các trận đấu.
AskJimmy: Nền tảng AI Agent tập trung vào lĩnh vực tài chính và giao dịch, với mục tiêu tạo ra quỹ phòng hộ đa chiến lược phi tập trung do AI Agent tự vận hành.
Ba, Chuyển đổi các dự án truyền thống sang AI
Đại thế sở xu, nhiều dự án Web3 truyền thống cũng lần lượt ôm ấp AI, công bố kế hoạch chuyển hướng AI của riêng họ:
Các chuỗi khối như Sui, Near, Flow và Aptos tích cực tham gia các hội nghị liên quan đến AI, cho biết AI Agent giúp đơn giản hóa quy trình tương tác phức tạp của blockchain, thu hút nhiều người dùng hơn tham gia vào thế giới Web3.
Eigenlayer đang xây dựng lớp tin cậy phi tập trung (Decentralized Trust), cung cấp dịch vụ đám mây có thể xác minh (Verifiable Cloud), cung cấp bằng chứng trên chuỗi cho việc đào tạo và suy diễn AI, dự đoán và các phép toán ngoài chuỗi khác.
Bốn, Thách thức và Tương lai
Mặc dù triển vọng tươi sáng, sự phát triển của AI trên chuỗi vẫn đối mặt với nhiều thách thức, bao gồm độ tin cậy của mô hình chưa đủ, tính mơ hồ của ý định từ khóa, hạn chế về lưu trữ và phần cứng, cũng như các vấn đề liên quan đến bảo mật và quyền riêng tư. Những thách thức này không chỉ mang lại vấn đề kỹ thuật mà còn ươm mầm những cơ hội đổi mới to lớn. Về lâu dài, ngành công nghiệp đầy hy vọng vào sự phát triển của AI trên chuỗi, mong đợi thông qua việc hoàn thiện hạ tầng, đổi mới trường hợp sử dụng và hợp tác cộng đồng, cùng nhau thúc đẩy sự hòa nhập và thịnh vượng của AI và Web3.
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.
15 thích
Phần thưởng
15
5
Đăng lại
Chia sẻ
Bình luận
0/400
LiquidationWatcher
· 3giờ trước
Vậy có gì tốt để giao dịch, AI và web3 đã trải qua bao nhiêu vòng rồi.
Xem bản gốcTrả lời0
ChainWallflower
· 3giờ trước
Lại có máy thu hoạch đồ ngốc mới ra đời.
Xem bản gốcTrả lời0
DefiVeteran
· 3giờ trước
Có gì thực tế không? Chỉ nói suông thì không có ích gì.
Kỷ nguyên mới của sự kết hợp giữa AI và Web3: Phân tích điểm nổi bật của Hội nghị Nhận thức chung Hồng Kông 2025
AI và Web3 hội tụ: Tổng hợp các điểm nổi bật của Hội nghị Nhận thức chung Hồng Kông 2025
Gần đây, hội nghị Nhận thức chung 2025 được tổ chức tại Hồng Kông, sự kết hợp giữa AI và Web3 đã trở thành chủ đề nóng. Trong suốt thời gian diễn ra hội nghị, bất kể là tại hội trường chính hay các phòng hội thảo, đã có nhiều cuộc thảo luận rộng rãi xung quanh sự kết hợp giữa AI và Web3. Bài viết này sẽ tóm tắt những điểm nổi bật chính về các dự án AI tại hội nghị.
Một, Cơ sở hạ tầng AI
1. Nền tảng và khung phát động AI Agent
Với sự phát triển của công nghệ AI, nền tảng phát hành và cơ sở hạ tầng kiểu khung của AI Agent đã thu hút được nhiều sự chú ý trong nửa năm qua. Những dự án này cung cấp cho các nhà phát triển và người dùng thông thường một nền tảng sử dụng AI Agent với rào cản thấp, trở thành một trong những hướng đi chính của các dự án AI trong đợt này.
0G Labs: Hệ điều hành trí tuệ nhân tạo phi tập trung đầu tiên (deAIOS), thông qua việc xây dựng Layer 1 chuyên dụng cho AI, kết nối tài nguyên tính toán, dữ liệu và mô hình, tạo ra hệ sinh thái phát triển AI phân tán.
DeAgentAI: Nền tảng đổi mới tập trung vào AI Agent phi tập trung, cam kết thúc đẩy sự phát triển của công nghệ đa tác nhân (Multi-Agent Systems).
Autonomys Network: Nền tảng hạ tầng phi tập trung, nhằm mục đích đạt được sự hợp tác an toàn và tự chủ giữa con người và máy móc. Người dùng có thể tạo ra các tác nhân AI riêng biệt, thực hiện nhiều nhiệm vụ tự chủ khác nhau.
Gaia Network: Nền tảng cơ sở hạ tầng AI phi tập trung, hỗ trợ phát triển và vận hành phân tán các AI Agent và ứng dụng, tích hợp lưu trữ phân tán, tính toán và xác thực dữ liệu thông qua công nghệ blockchain.
Questflow: Mạng lưới đa AI Agent phi tập trung, người dùng chỉ cần mô tả nhu cầu, mạng lưới AI Agent có thể tự hoàn thành nhiệm vụ.
2. AI phi tập trung
AI phi tập trung là mục tiêu cuối cùng của AI trên chuỗi. Hiện tại, nhiều dự án đang nỗ lực không ngừng trong các lĩnh vực như sức mạnh tính toán, dữ liệu, mô hình, hy vọng rằng bằng cách phi tập trung sẽ phá vỡ sự độc quyền của các công ty lớn đối với LLM, giúp công chúng có được quyền sở hữu dữ liệu và mô hình.
Vana: Cam kết xây dựng nền tảng chủ quyền dữ liệu người dùng phi tập trung, biến dữ liệu cá nhân thành tài sản tài chính.
Hyperbolic：Nền tảng AI đám mây truy cập mở, tích hợp tài nguyên tính toán toàn cầu, cung cấp cho người dùng tài nguyên GPU và dịch vụ AI kinh tế và có thể mở rộng.
OpenLedger: Tập trung vào mạng thế hệ tiếp theo về AI và blockchain, cung cấp cơ sở hạ tầng kinh tế phi tập trung, hỗ trợ các nhà phát triển truy cập dữ liệu chất lượng cao, tinh chỉnh các mô hình ngôn ngữ chuyên dụng và triển khai chúng như dịch vụ có thể thanh toán.
IO.NET: Nền tảng tính toán phi tập trung, cung cấp dịch vụ truy cập theo yêu cầu đến cụm GPU và CPU, nhằm loại bỏ nhu cầu của người dùng về phần cứng hoặc cơ sở hạ tầng đắt tiền.
Aethir: Tập trung vào việc cung cấp nền tảng đổi mới cho hạ tầng điện toán đám mây phân tán, bao gồm Aethir Earth (đám mây GPU bare-metal được thiết kế đặc biệt cho các tác vụ tính toán AI) và Aethir Atmosphere (mạng GPU đám mây tối ưu cho ngành công nghiệp game).
MinionLab: Mạng lưới AI thông minh tự trị phi tập trung, các thông minh này được gọi là "Minions", hoạt động trên thiết bị của người dùng để khai thác dữ liệu internet theo thời gian thực.
GAIB: Cam kết cung cấp giải pháp kinh tế trong lĩnh vực AI và tính toán hiệu suất cao, nhằm tạo ra một loại tài sản và hệ thống kinh tế hoàn toàn mới thông qua việc tài chính hóa và mã hóa tài nguyên GPU.
Kite AI: Nền tảng blockchain Layer 1 phi tập trung được thiết kế cho nền kinh tế trí tuệ nhân tạo, mở khóa quyền truy cập công bằng và phần thưởng cho tài sản AI thông qua cơ chế đồng thuận Proof of AI (PoAI) sáng tạo.
Automata: Cung cấp chức năng bảo vệ quyền riêng tư và tính toán không theo dõi cho các ứng dụng phi tập trung (DApps).
Public AI: Tạo ra nền tảng dữ liệu AI mở và minh bạch, hỗ trợ việc thu thập và gán nhãn dữ liệu đa phương thức, bao gồm văn bản, âm thanh, video và dữ liệu bản đồ.
3. AI có thể xác minh
Một trong những thách thức quan trọng mà sự phát triển của AI phải đối mặt là tính không minh bạch trong quá trình đào tạo và đảm bảo độ chính xác của kết quả đầu ra của AI. Hiện tại có nhiều dự án mong muốn đạt được tính khả thi của quá trình đào tạo AI thông qua các công nghệ như ZKP, TEE, nhằm đảm bảo độ tin cậy của kết quả đầu ra của AI.
Phala Network: Nền tảng điện toán đám mây phi tập trung, cung cấp dịch vụ tính toán riêng tư và suy diễn AI đáng tin cậy cho các ứng dụng trên chuỗi.
Brevis：Công cụ tính toán phi tập trung, cung cấp AI và tính toán blockchain có thể xác minh ngoài chuỗi, kết hợp chứng minh không biết (ZKP) để nâng cao quyền riêng tư và hiệu suất.
Verisense Network: Nền tảng đổi mới tập trung vào xác thực dữ liệu phi tập trung và AI đáng tin cậy, giúp các nhà phát triển xác minh nguồn dữ liệu, đảm bảo tính xác thực và toàn vẹn của dữ liệu huấn luyện.
Hai, các trường hợp sử dụng AI: Tiềm năng và kỳ vọng
So với cơ sở hạ tầng AI phong phú, hiện tại các dự án trường hợp sử dụng AI nổi bật vẫn còn tương đối ít. Dưới đây là một số ứng dụng AI đáng chú ý:
Narra: Nền tảng Gamefi AI Agent trên Berachain, sử dụng động cơ AI để tạo nội dung kể chuyện động thời gian thực, tương tác với người chơi và thúc đẩy sự phát triển của câu chuyện.
AI Travel：Trợ lý du lịch được điều khiển bởi AI, có khả năng giúp người dùng tự động tùy chỉnh kế hoạch du lịch thông qua trò chuyện, cung cấp dịch vụ đặt khách sạn và so sánh giá cả.
HeyTracyAI: AI Agent bình luận thể thao tập trung vào lĩnh vực bóng rổ, có thể cung cấp phân tích thời gian thực và những hiểu biết dự đoán cho các trận đấu.
AskJimmy: Nền tảng AI Agent tập trung vào lĩnh vực tài chính và giao dịch, với mục tiêu tạo ra quỹ phòng hộ đa chiến lược phi tập trung do AI Agent tự vận hành.
Ba, Chuyển đổi các dự án truyền thống sang AI
Đại thế sở xu, nhiều dự án Web3 truyền thống cũng lần lượt ôm ấp AI, công bố kế hoạch chuyển hướng AI của riêng họ:
Các chuỗi khối như Sui, Near, Flow và Aptos tích cực tham gia các hội nghị liên quan đến AI, cho biết AI Agent giúp đơn giản hóa quy trình tương tác phức tạp của blockchain, thu hút nhiều người dùng hơn tham gia vào thế giới Web3.
Eigenlayer đang xây dựng lớp tin cậy phi tập trung (Decentralized Trust), cung cấp dịch vụ đám mây có thể xác minh (Verifiable Cloud), cung cấp bằng chứng trên chuỗi cho việc đào tạo và suy diễn AI, dự đoán và các phép toán ngoài chuỗi khác.
Bốn, Thách thức và Tương lai
Mặc dù triển vọng tươi sáng, sự phát triển của AI trên chuỗi vẫn đối mặt với nhiều thách thức, bao gồm độ tin cậy của mô hình chưa đủ, tính mơ hồ của ý định từ khóa, hạn chế về lưu trữ và phần cứng, cũng như các vấn đề liên quan đến bảo mật và quyền riêng tư. Những thách thức này không chỉ mang lại vấn đề kỹ thuật mà còn ươm mầm những cơ hội đổi mới to lớn. Về lâu dài, ngành công nghiệp đầy hy vọng vào sự phát triển của AI trên chuỗi, mong đợi thông qua việc hoàn thiện hạ tầng, đổi mới trường hợp sử dụng và hợp tác cộng đồng, cùng nhau thúc đẩy sự hòa nhập và thịnh vượng của AI và Web3.