Rào cản ngành AI Web2 ngày càng sâu sắc, Web3 AI cần có kế hoạch cẩn thận

Gần đây, giá cổ phiếu của Nvidia đã lập đỉnh mới, sự tiến bộ của các mô hình đa phương thức đã làm sâu sắc thêm lợi thế 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 cách biểu đạt đa dạng với tốc độ đáng kinh ngạc, xây dựng một cao nguyên AI ngày càng khép kín.

Tuy nhiên, làn sóng này gần như không có liên quan gì đến lĩnh vực tiền điện tử. Những nỗ lực gần đây của Web3 AI trong hướng Agent có sự sai lệch lớn về định hướng: cố gắng sử dụng cấu trúc phi tập trung để lắp ghép hệ thống mô-đun đa phương thức theo kiểu Web2, thực chất là sự sai lệch kép về công nghệ và tư duy. Trong bối cảnh tính liên kết mô-đun cực kỳ mạnh, phân bố đặc trưng không ổn định cao, và nhu cầu sức mạnh tính toán ngày càng tập trung, mô-đun đa phương thức khó có thể đứng vững trong môi trường Web3.

Sự phát triển tương lai của Web3 AI không nên bị giới hạn bởi việc bắt chước, mà cần phải có những chiến lược đi vòng. Từ sự căn chỉnh ngữ nghĩa trong không gian chiều cao, đến nút thắt thông tin trong cơ chế chú ý, và đến sự căn chỉnh đặc trưng dưới sức mạnh tính toán không đồng nhất, Web3 AI cần phải suy nghĩ lại về con đường phát triển của mình.

Hiện tại, Web3 AI đang gặp phải những thách thức lớn trong việc thực hiện không gian nhúng chiều cao. Hầu hết các giao thức Web3 Agent chỉ đơn giản là đóng gói các API sẵn có thành các mô-đun độc lập, thiếu một không gian nhúng trung tâm thống nhất và cơ chế chú ý xuyên mô-đun. Điều này dẫn đến việc thông tin không thể tương tác đa góc độ, đa tầng giữa các mô-đun, chỉ có thể đi theo một quy trình tuyến tính, khó có thể hình thành tối ưu hóa vòng khép kín toàn diện.

Trong không gian chiều thấp, cơ chế chú ý cũng không thể được thiết kế một cách chính xác. Đặc điểm mô-đun của Web3 AI khiến việc thực hiện lập lịch chú ý thống nhất trở nên khó khăn, thiếu đại diện vector chung, khả năng trọng số và tổng hợp song song. Điều này hạn chế đáng kể giới hạn hiệu suất của hệ thống.

Trong việc kết hợp đặc trưng, Web3 AI hiện đang dừng lại ở giai đoạn ghép tĩnh đơn giản. Do thiếu không gian chiều cao và cơ chế chú ý tinh vi làm cơ sở, Web3 AI gặp khó khăn trong việc thực hiện kết hợp đặc trưng động, không thể nắm bắt các mối liên hệ đa phương thức phức tạp.

Mặc dù rào cản trong ngành AI đang gia tăng, nhưng các cơ hội trong Web3 AI vẫn chưa hoàn toàn hiện ra. Web3 AI nên áp dụng chiến thuật "nông thôn bao vây thành phố", bắt đầu thử nghiệm quy mô nhỏ từ các tình huống biên. Các lĩnh vực phù hợp cho sự tham gia bao gồm tính toán biên, cấu trúc nhẹ, các nhiệm vụ dễ dàng song song và có thể kích thích, chẳng hạn như tinh chỉnh LoRA, nhiệm vụ đào tạo sau hành vi, huấn luyện và gán nhãn dữ liệu crowdsourcing, huấn luyện mô hình cơ bản nhỏ, cũng như huấn luyện hợp tác trên thiết bị biên.

Trước khi lợi ích AI của Web2 biến mất hoàn toàn và những điểm đau còn lại trở nên rõ ràng, các dự án AI Web3 cần cẩn thận chọn điểm xâm nhập. Dự án lý tưởng nên có các đặc điểm sau: có thể xâm nhập từ rìa, đứng vững trong các tình huống nhỏ; có thể liên tục cập nhật sản phẩm trong các tình huống ứng dụng cụ thể; có đủ linh hoạt để điều chỉnh nhanh chóng theo các tình huống khác nhau. Các dự án quá phụ thuộc vào cơ sở hạ tầng hoặc có kiến trúc mạng quá lớn có thể đối mặt với nguy cơ bị loại bỏ.