Thảo luận về hướng phát triển và chiến lược của Web3 AI

Cổ phiếu của Nvidia đạt mức cao kỷ lục mới, sự tiến bộ của mô hình đa mô thức đã làm sâu sắc thêm rào cản công nghệ của Web2 AI. Từ sự căn chỉnh ngữ nghĩa đến hiểu biết thị giác, 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 chưa từng có, xây dựng một cao nguyên AI ngày càng khép kín. Thị trường chứng khoán Mỹ phản ứng tích cực, cổ phiếu tiền và cổ phiếu AI đều có xu hướng tăng nhẹ.

Tuy nhiên, xu hướng này không liên quan nhiều đến lĩnh vực tiền mã hóa. Gần đây, những nỗ lực trong Web3 AI, đặc biệt là theo hướng Agent, đã có sự sai lệch trong định hướng: cố gắng lắp ráp một hệ thống mô-đun đa phương thức theo kiểu Web2 bằng cấu trúc phi tập trung, thực tế là một sự sai lệch kép về công nghệ và tư duy. Trong bối cảnh tính kết hợp của các mô-đun mạnh, phân phối đặc trưng không ổn định và nhu cầu tính toán tập trung, mô-đun đa phương thức khó có chỗ đứng trong Web3.

Tương lai của Web3 AI không nằm ở việc bắt chước, mà ở sự 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, và đến việc căn chỉnh đặc trưng dưới sức mạnh tính toán dị thể, Web3 AI cần lấy "nông thôn vây thành phố" làm chỉ đạo chiến thuật.

Web3 AI dựa trên mô hình đa phương thức phẳng, việc căn chỉnh ngữ nghĩa gặp khó khăn dẫn đến hiệu suất kém. Không gian nhúng cao chiều là điều kiện tiên quyết để thực hiện giảm chi phí và tăng hiệu quả theo mô-đun, nhưng giao thức Web3 Agent khó có thể đạt được nhúng cao chiều, khiến mô-đun trở thành một ảo tưởng. Hầu hết Web3 Agent chỉ là bao bọc API có sẵn, thiếu không gian nhúng trung tâm thống nhất và cơ chế chú ý xuyên mô-đun, không thể hình thành tối ưu hóa vòng khép kín tổng thể.

Trong không gian chiều thấp, cơ chế chú ý khó được thiết kế một cách tinh vi. AI Web2 khi thiết kế cơ chế chú ý, với bộ giải mã Transformer làm đại diện, cốt lõi là cơ chế Query-Key-Value. AI Web3 khó có thể thực hiện lịch trình chú ý thống nhất, do thiếu biểu diễn vector chung, khả năng trọng số song song và khả năng tổng hợp.

Mô-đun rời rạc dẫn đến việc tích hợp đặc trưng chỉ dừng lại ở giai đoạn ghép tĩnh đơn giản. AI Web2 có xu hướng đào tạo liên kết đầu cuối, trong khi AI Web3 thường sử dụng ghép mô-đun rời rạc, thiếu mục tiêu đào tạo thống nhất và dòng gradient chéo giữa các mô-đun.

Rào cản trong ngành AI đang ngày càng sâu sắc, nhưng các điểm đau vẫn chưa xuất hiện. Hệ thống đa phương thức AI Web2 là một dự án kỹ thuật cực kỳ lớn, cần một lượng dữ liệu khổng lồ, sức mạnh tính toán lớn và thời gian đào tạo dài. Điều này tạo ra một rào cản mạnh mẽ trong ngành, nhưng cũng để lại cơ hội cho sự phát triển của AI Web3 trong tương lai.

Web3 AI nên phát triển theo chiến thuật "nông thôn bao vây thành phố", thử nghiệm quy mô nhỏ trong các tình huống biên, chờ đợi cơ hội xuất hiện trong các tình huống cốt lõi. Ưu điểm của Web3 AI nằm ở tính phi tập trung, phù hợp với các nhiệm vụ nhẹ, dễ song song và có thể khuyến khích, chẳng hạn như tinh chỉnh LoRA, huấn luyện sau khi căn chỉnh hành vi, xử lý dữ liệu crowdsourcing, v.v.

Hiện tại, rào cản của Web2 AI vẫn đang trong giai đoạn hình thành ban đầu, Web3 AI cần cẩn thận lựa chọn điểm xâm nhập. Cần chú ý đến các dự án có khả năng lặp đi lặp lại trong các tình huống nhỏ và tính linh hoạt, để thích ứng với các rào cản và điểm đau tiềm ẩn đang thay đổi liên tục. Việc quá phụ thuộc vào cơ sở hạ tầng hoặc các giao thức có kiến trúc mạng lớn có thể đối mặt với rủi ro bị loại bỏ.