Từ học liên bang đến mạng lưới Agent Phi tập trung, phân tích dự án ChainOpera

Tác giả: 0xjacobzhao

Trong báo cáo nghiên cứu tháng 6 với tiêu đề "Chén thánh của Crypto AI: Khám phá tiên phong về đào tạo phi tập trung", chúng tôi đã đề cập đến học liên bang (Federated Learning), một giải pháp "phi tập trung có kiểm soát" nằm giữa đào tạo phân tán và đào tạo phi tập trung: cốt lõi của nó là giữ dữ liệu tại chỗ và tập hợp các tham số, đáp ứng các yêu cầu về quyền riêng tư và tuân thủ trong lĩnh vực y tế, tài chính, v.v. Trong khi đó, chúng tôi cũng liên tục theo dõi sự nổi lên của mạng lưới tác nhân (Agent) trong nhiều báo cáo nghiên cứu trước đây - giá trị của nó nằm ở việc hoàn thành các nhiệm vụ phức tạp thông qua sự tự quản và phân công của nhiều tác nhân, thúc đẩy quá trình tiến hóa từ "mô hình lớn" sang "hệ sinh thái tác nhân đa dạng".

Học tập liên bang đã đặt nền tảng cho sự hợp tác nhiều bên với "dữ liệu không ra khỏi địa phương, khuyến khích theo đóng góp", với các đặc điểm phân tán, khuyến khích minh bạch, bảo vệ quyền riêng tư và thực hành tuân thủ cung cấp kinh nghiệm có thể tái sử dụng trực tiếp cho Mạng lưới Đại lý. Nhóm FedML đang đi theo con đường này, nâng cấp gene mã nguồn mở lên TensorOpera (tầng cơ sở hạ tầng ngành AI), sau đó phát triển thành ChainOpera (mạng lưới Đại lý phi tập trung). Tất nhiên, Mạng lưới Đại lý không phải là sự mở rộng tất yếu của học tập liên bang, mà cốt lõi nằm ở sự hợp tác tự trị và phân công nhiệm vụ của nhiều tác nhân thông minh, cũng có thể được xây dựng trực tiếp dựa trên hệ thống nhiều tác nhân (MAS), học tăng cường (RL) hoặc cơ chế khuyến khích blockchain.

Một, Kiến trúc công nghệ của Học liên bang và AI Agent

Học liên bang (Federated Learning, FL) là một khuôn khổ hợp tác đào tạo mà không cần tập trung dữ liệu, nguyên lý cơ bản của nó là các bên tham gia đào tạo mô hình tại địa phương, chỉ tải lên các tham số hoặc độ dốc đến đầu mối điều phối để thực hiện tổng hợp, từ đó đạt được "dữ liệu không ra khỏi miền" về tuân thủ quyền riêng tư. Qua thực tiễn tại các cảnh điển hình như y tế, tài chính và di động, học liên bang đã bước vào giai đoạn thương mại khá trưởng thành, nhưng vẫn phải đối mặt với các nút thắt như chi phí truyền thông lớn, bảo vệ quyền riêng tư chưa triệt để, hiệu quả hội tụ thấp do tính không đồng nhất của thiết bị. So với các chế độ đào tạo khác, đào tạo phân tán nhấn mạnh vào việc tập trung sức mạnh tính toán để theo đuổi hiệu quả và quy mô, trong khi đào tạo phi tập trung thông qua mạng lưới sức mạnh tính toán mở đạt được sự hợp tác hoàn toàn phân tán, còn học liên bang thì nằm giữa hai bên, thể hiện như một giải pháp "phi tập trung có kiểm soát": vừa có thể đáp ứng nhu cầu của ngành về quyền riêng tư và tuân thủ, lại vừa cung cấp con đường khả thi cho hợp tác giữa các tổ chức, phù hợp hơn với cấu trúc triển khai chuyển tiếp trong ngành công nghiệp.

Và trong toàn bộ ngăn xếp giao thức AI Agent, chúng tôi đã phân loại nó thành ba cấp độ chính trong báo cáo nghiên cứu trước đó, tức là

Lớp hạ tầng (Agent Infrastructure Layer): Lớp này cung cấp hỗ trợ vận hành cơ bản nhất cho các tác nhân, là nền tảng kỹ thuật cho tất cả các hệ thống Agent được xây dựng.

• Mô-đun cốt lõi: bao gồm Agent Framework (khung phát triển và vận hành tác nhân) và Agent OS (lịch trình đa nhiệm và thời gian chạy mô-đun ở cấp độ thấp hơn), cung cấp khả năng cốt lõi cho quản lý vòng đời của tác nhân.
• Các mô-đun hỗ trợ: như Agent DID (Danh tính phi tập trung), Agent Wallet & Abstraction (Trừu tượng hóa tài khoản và thực thi giao dịch), Agent Payment/Settlement (Khả năng thanh toán và thanh toán).

Lớp Điều phối và Thực thi (Coordination & Execution Layer) tập trung vào sự hợp tác giữa các tác nhân thông minh, lập lịch nhiệm vụ và cơ chế khuyến khích hệ thống, là chìa khóa để xây dựng "trí tuệ tập thể" của hệ thống tác nhân.

• Điều phối tác nhân: là cơ chế chỉ huy, được sử dụng để lập lịch và quản lý vòng đời của tác nhân, phân bổ nhiệm vụ và quy trình thực hiện, phù hợp với các tình huống luồng công việc có kiểm soát trung tâm.
• Agent Swarm: là cấu trúc hợp tác, nhấn mạnh sự hợp tác của các tác nhân phân tán, có khả năng tự chủ cao, khả năng phân công và hợp tác linh hoạt, phù hợp để đối phó với các nhiệm vụ phức tạp trong môi trường động.
• Lớp Khuyến Khích Đại Lý: Xây dựng hệ thống khuyến khích kinh tế cho mạng lưới đại lý, kích thích sự tích cực của các nhà phát triển, người thực thi và người xác thực, cung cấp động lực bền vững cho hệ sinh thái của các tác nhân.

Lớp ứng dụng (Lớp Ứng dụng & Phân phối)

• Phân phối phân loại: bao gồm Agent Launchpad, Agent Marketplace và Agent Plugin Network
• Phân loại ứng dụng: bao gồm AgentFi, Agent Native DApp, Agent-as-a-Service, v.v.
• Danh mục tiêu dùng: Agent Social / Consumer Agent chủ yếu, hướng đến các tình huống nhẹ nhàng cho người tiêu dùng.
• Meme: Khái niệm được sử dụng để khuếch trương, thiếu sự thực hiện công nghệ thực tế và ứng dụng thực tế, chỉ được thúc đẩy bởi tiếp thị.

Hai, tiêu chuẩn học liên bang FedML và nền tảng toàn diện TensorOpera

FedML là một trong những khung mã nguồn mở đầu tiên dành cho học tập liên bang (Federated Learning) và đào tạo phân tán, xuất phát từ nhóm học thuật (USC) và dần dần trở thành sản phẩm cốt lõi của TensorOpera AI. Nó cung cấp cho các nhà nghiên cứu và phát triển công cụ đào tạo hợp tác dữ liệu giữa các tổ chức và thiết bị khác nhau. Trong giới học thuật, FedML đã trở thành nền tảng thực nghiệm phổ biến cho nghiên cứu học tập liên bang, thường xuyên xuất hiện tại các hội nghị hàng đầu như NeurIPS, ICML, AAAI; trong ngành công nghiệp, FedML có uy tín cao trong các lĩnh vực nhạy cảm về quyền riêng tư như y tế, tài chính, AI biên và AI Web3, được coi là chuỗi công cụ điển hình trong lĩnh vực học tập liên bang.

TensorOpera là nền tảng hạ tầng AI toàn diện hướng đến doanh nghiệp và nhà phát triển, được FedML nâng cấp dựa trên con đường thương mại hóa: trong khi vẫn giữ khả năng học tập liên bang, mở rộng đến Thị trường GPU, dịch vụ mô hình và MLOps, từ đó thâm nhập vào thị trường lớn hơn của thời đại mô hình lớn và Agent. Kiến trúc tổng thể của TensorOpera có thể được chia thành ba lớp: Lớp Tính toán (lớp cơ sở), Lớp Lập lịch (lớp lập lịch) và Lớp MLOps (lớp ứng dụng).

1. Tầng tính toán (底层)

Lớp Compute là nền tảng công nghệ của TensorOpera, tiếp nối gen mã nguồn mở của FedML, các chức năng cốt lõi bao gồm Parameter Server, Huấn luyện Phân tán, Điểm kết thúc Suy diễn và Máy chủ Tập hợp. Giá trị của nó được xác định ở việc cung cấp huấn luyện phân tán, bảo vệ quyền riêng tư trong học liên bang cũng như một động cơ suy diễn có thể mở rộng, hỗ trợ ba khả năng cốt lõi "Train / Deploy / Federate", bao phủ toàn bộ chuỗi liên kết từ huấn luyện mô hình, triển khai đến hợp tác giữa các tổ chức, là lớp nền tảng của toàn bộ nền tảng.

2. Lớp Lịch Trình (Trung tầng)

Lớp Scheduler tương đương với trung tâm giao dịch và điều phối sức mạnh tính toán, bao gồm GPU Marketplace, Provision, Master Agent và Schedule & Orchestrate, hỗ trợ gọi tài nguyên giữa các đám mây công cộng, nhà cung cấp GPU và các nhà đóng góp độc lập. Lớp này là bước ngoặt quan trọng để FedML nâng cấp lên TensorOpera, có khả năng thực hiện đào tạo và suy diễn AI quy mô lớn hơn thông qua điều phối sức mạnh tính toán thông minh và lập kế hoạch nhiệm vụ, bao gồm các kịch bản điển hình của LLM và AI sinh sinh. Đồng thời, chế độ Share & Earn của lớp này đã dành sẵn giao diện cơ chế khuyến khích, có tiềm năng tương thích với mô hình DePIN hoặc Web3.

3. Lớp MLOps (Lớp trên)

Lớp MLOps là giao diện dịch vụ trực tiếp từ nền tảng đến các nhà phát triển và doanh nghiệp, bao gồm các mô-đun như Model Serving, AI Agent và Studio. Các ứng dụng điển hình bao gồm Chatbot LLM, AI sinh đa phương thức và công cụ Copilot cho các nhà phát triển. Giá trị của nó nằm ở việc trừu tượng hóa sức mạnh tính toán và khả năng đào tạo thành API và sản phẩm cấp cao, giảm bớt rào cản sử dụng, cung cấp Agent sẵn có, môi trường phát triển mã thấp và khả năng triển khai mở rộng, định vị tương tự như các nền tảng AI Infra thế hệ mới như Anyscale, Together, Modal, đóng vai trò cầu nối từ cơ sở hạ tầng đến ứng dụng.

Vào tháng 3 năm 2025, TensorOpera sẽ nâng cấp thành nền tảng toàn diện dành cho AI Agent, với các sản phẩm cốt lõi bao gồm Ứng dụng AgentOpera AI, Framework và Platform. Lớp ứng dụng cung cấp cổng đa tác nhân giống như ChatGPT, lớp khung phát triển thành hệ thống đa tác nhân cấu trúc đồ thị và Orchestrator/Router được tiến hóa thành "Agentic OS", trong khi lớp nền tảng được tích hợp sâu với nền tảng mô hình TensorOpera và FedML, thực hiện dịch vụ mô hình phân tán, tối ưu hóa RAG và triển khai đám mây hỗn hợp. Mục tiêu tổng thể là xây dựng "một hệ điều hành, một mạng lưới tác nhân", cho phép các nhà phát triển, doanh nghiệp và người dùng cùng xây dựng hệ sinh thái AI Agentic thế hệ mới trong một môi trường mở và bảo vệ quyền riêng tư.

Ba, Toàn cảnh hệ sinh thái ChainOpera AI: Từ những người đồng sáng tạo đến nền tảng công nghệ

Nếu FedML là hạt nhân công nghệ, cung cấp gen nguồn mở cho học tập liên bang và đào tạo phân tán; TensorOpera trừu tượng hóa các kết quả nghiên cứu của FedML thành cơ sở hạ tầng AI toàn diện có thể thương mại hóa, thì ChainOpera lại đưa khả năng nền tảng của TensorOpera "lên chuỗi", thông qua AI Terminal + Mạng xã hội Agent + mô hình DePIN và lớp tính toán + blockchain AI-Native tạo ra một hệ sinh thái mạng Agent phân cấp. Sự chuyển đổi cốt lõi nằm ở chỗ, TensorOpera chủ yếu hướng đến doanh nghiệp và lập trình viên, trong khi ChainOpera nhờ vào cơ chế quản trị và khuyến khích hóa Web3, đưa người dùng, lập trình viên, nhà cung cấp GPU/dữ liệu vào việc cùng xây dựng và quản lý, khiến AI Agent không chỉ "được sử dụng", mà còn "được đồng sáng tạo và cùng sở hữu".

Hệ sinh thái đồng sáng tạo (Co-creators)

ChainOpera AI cung cấp chuỗi công cụ, cơ sở hạ tầng và lớp phối hợp cho sự đồng sáng tạo trong hệ sinh thái thông qua Nền tảng Model & GPU và Nền tảng Agent, hỗ trợ đào tạo mô hình, phát triển tác nhân, triển khai và mở rộng hợp tác.

Những người đồng sáng tạo trong hệ sinh thái ChainOpera bao gồm nhà phát triển AI Agent (thiết kế và vận hành các tác nhân thông minh), nhà cung cấp công cụ và dịch vụ (mẫu, MCP, cơ sở dữ liệu và API), nhà phát triển mô hình (đào tạo và phát hành thẻ mô hình), nhà cung cấp GPU (đóng góp sức mạnh tính toán thông qua DePIN và các đối tác đám mây Web2), cũng như những người đóng góp dữ liệu và gán nhãn (tải lên và gán nhãn dữ liệu đa phương thức). Ba loại cung cấp cốt lõi - phát triển, sức mạnh tính toán và dữ liệu - cùng nhau thúc đẩy sự phát triển bền vững của mạng lưới các tác nhân thông minh.

Chủ sở hữu chung (Co-owners)

Hệ sinh thái ChainOpera còn giới thiệu cơ chế đồng sở hữu, thông qua hợp tác và tham gia để cùng xây dựng mạng lưới. Người sáng tạo AI Agent là cá nhân hoặc nhóm, thông qua Nền tảng Agent thiết kế và triển khai các tác nhân thông minh mới, chịu trách nhiệm xây dựng, ra mắt và duy trì liên tục, từ đó thúc đẩy đổi mới chức năng và ứng dụng. Người tham gia AI Agent đến từ cộng đồng, họ tham gia vào vòng đời của các tác nhân bằng cách lấy và nắm giữ Đơn vị truy cập (Access Units), hỗ trợ sự phát triển và hoạt động của tác nhân trong quá trình sử dụng và quảng bá. Hai loại vai trò này đại diện cho bên cung và bên cầu, cùng tạo thành mô hình chia sẻ giá trị và phát triển hợp tác trong hệ sinh thái.

Đối tác sinh thái: Nền tảng và khung

ChainOpera AI hợp tác với nhiều bên để củng cố tính khả dụng và an ninh của nền tảng, đồng thời chú trọng vào sự tích hợp trong các tình huống Web3: thông qua ứng dụng AI Terminal App kết hợp ví, thuật toán và nền tảng tổng hợp để thực hiện việc gợi ý dịch vụ thông minh; trên nền tảng Agent Platform giới thiệu khung đa dạng và công cụ không mã, giảm bớt rào cản phát triển; dựa vào TensorOpera AI để huấn luyện và suy diễn mô hình; và thiết lập hợp tác độc quyền với FedML, hỗ trợ việc huấn luyện bảo vệ quyền riêng tư giữa các tổ chức và thiết bị. Tổng thể, hình thành một hệ sinh thái mở vừa phục vụ ứng dụng doanh nghiệp vừa tối ưu trải nghiệm người dùng Web3.

Cổng phần cứng: Phần cứng AI và đối tác (AI Hardware & Partners)

Thông qua DeAI Phone, thiết bị đeo và Robot AI cùng các đối tác, ChainOpera kết hợp blockchain với AI vào các thiết bị thông minh, thực hiện tương tác dApp, đào tạo phía thiết bị và bảo vệ quyền riêng tư, dần hình thành hệ sinh thái phần cứng AI phi tập trung.

Nền tảng trung tâm và công nghệ cơ sở: TensorOpera GenAI & FedML

TensorOpera cung cấp nền tảng GenAI toàn diện bao gồm MLOps, Scheduler, Compute; nền tảng con FedML đã từ nguồn mở học thuật phát triển thành khung công nghiệp, củng cố khả năng "chạy ở bất cứ đâu, mở rộng tùy ý" của AI.

Hệ sinh thái ChainOpera AI

Bốn, Sản phẩm cốt lõi của ChainOpera và cơ sở hạ tầng AI Agent toàn diện

Vào tháng 6 năm 2025, ChainOpera chính thức ra mắt Ứng dụng AI Terminal và công nghệ phi tập trung, định vị là "OpenAI phiên bản phi tập trung", sản phẩm cốt lõi bao gồm bốn mô-đun lớn: lớp ứng dụng (AI Terminal & Mạng Đại lý), lớp nhà phát triển (Trung tâm Tạo Đại lý), lớp mô hình và GPU (Mạng Mô hình & Tính toán), cũng như giao thức CoAI và chuỗi chuyên dụng, bao phủ vòng kín hoàn chỉnh từ điểm vào người dùng đến sức mạnh tính toán tầng dưới và khuyến khích trên chuỗi.

Ứng dụng AI Terminal đã tích hợp BNBChain, hỗ trợ giao dịch trên chuỗi và các kịch bản DeFi của Agent. Trung tâm Tạo Agent mở cho các nhà phát triển, cung cấp khả năng MCP/HUB, kho tri thức và RAG, cộng đồng các agent tiếp tục gia nhập; đồng thời khởi xướng Liên minh CO-AI, liên kết với các đối tác như io.net, Render, TensorOpera, FedML, MindNetwork.

Theo dữ liệu chuỗi trong 30 ngày qua của BNB DApp Bay, số người dùng độc lập là 158.87K, khối lượng giao dịch trong 30 ngày qua là 2.6 triệu, xếp hạng thứ hai toàn bộ trang web trong danh mục "AI Agent" của BSC, cho thấy hoạt động trên chuỗi mạnh mẽ.

Super AI Agent App – AI Terminal ()

Là một cổng vào xã hội AI và ChatGPT phi tập trung, AI Terminal cung cấp hợp tác đa phương thức, khuyến khích đóng góp dữ liệu, tích hợp công cụ DeFi, trợ lý đa nền tảng, và hỗ trợ hợp tác giữa AI Agent cũng như bảo vệ quyền riêng tư (Dữ liệu của bạn, Đại lý của bạn). Người dùng có thể gọi trực tiếp mô hình lớn mã nguồn mở DeepSeek-R1 và các tác nhân cộng đồng trên thiết bị di động, trong quá trình tương tác, Token ngôn ngữ và Token mã hóa luân chuyển một cách minh bạch trên chuỗi. Giá trị của nó nằm ở chỗ giúp người dùng chuyển từ "người tiêu dùng nội dung" thành "người đồng sáng tạo thông minh", và có thể sử dụng mạng lưới tác nhân thông minh đặc biệt trong các tình huống như DeFi, RWA, PayFi, thương mại điện tử, v.v.

Mạng xã hội đại lý AI (agent-social-network)

Định vị tương tự như LinkedIn + Messenger, nhưng hướng đến nhóm AI Agent. Thông qua không gian làm việc ảo và cơ chế hợp tác Agent-to-Agent (MetaGPT, ChatDEV, AutoGEN, Camel), thúc đẩy một Agent đơn lẻ tiến hóa thành mạng lưới hợp tác đa tác nhân, bao phủ các ứng dụng trong tài chính, trò chơi, thương mại điện tử, nghiên cứu, v.v., và dần dần tăng cường trí nhớ và tính tự chủ.

Nền tảng phát triển AI Agent ()

Cung cấp trải nghiệm sáng tạo "như Lego" cho các nhà phát triển. Hỗ trợ không cần mã và mở rộng theo mô-đun, hợp đồng blockchain đảm bảo quyền sở hữu, DePIN + cơ sở hạ tầng đám mây hạ thấp rào cản, Marketplace cung cấp kênh phân phối và khám phá. Cốt lõi của nó là giúp các nhà phát triển nhanh chóng tiếp cận người dùng, đóng góp vào hệ sinh thái có thể được ghi lại một cách minh bạch và nhận được phần thưởng.

Mô Hình AI & Nền Tảng GPU ()

Là lớp cơ sở hạ tầng, kết hợp DePIN với học tập liên bang, giải quyết vấn đề phụ thuộc vào sức mạnh tính toán tập trung của Web3 AI. Thông qua GPU phân tán, đào tạo dữ liệu bảo vệ quyền riêng tư, thị trường mô hình và dữ liệu, cũng như MLOps đầu cuối, hỗ trợ hợp tác đa tác nhân và AI cá nhân hóa. Tầm nhìn của nó là thúc đẩy sự chuyển dịch từ "độc quyền của các công ty lớn" sang "cộng đồng cùng xây dựng" trong mô hình cơ sở hạ tầng.

Năm, Kế hoạch lộ trình của ChainOpera AI

Ngoài việc chính thức ra mắt nền tảng AI Agent toàn diện, ChainOpera AI tin tưởng rằng trí tuệ nhân tạo tổng quát (AGI) đến từ mạng lưới hợp tác đa mô hình và đa tác nhân. Vì vậy, kế hoạch lộ trình dài hạn của họ được chia thành bốn giai đoạn:

Nhà cung cấp nhận được lợi nhuận phân phối theo mức sử dụng.

Giai đoạn hai (Ứng dụng Agentic → Kinh tế AI hợp tác): Ra mắt AI Terminal, Thị trường Đại lý và Mạng xã hội Đại lý, hình thành hệ sinh thái ứng dụng đa tác nhân; thông qua giao thức CoAI kết nối người dùng, nhà phát triển và nhà cung cấp tài nguyên, đồng thời giới thiệu hệ thống khớp nhu cầu người dùng - nhà phát triển và hệ thống tín dụng, thúc đẩy tương tác tần suất cao và hoạt động kinh tế liên tục.

Giai đoạn ba (AI hợp tác → AI bản địa Crypto): Triển khai trong các lĩnh vực DeFi, RWA, thanh toán, thương mại điện tử, đồng thời mở rộng sang các cảnh KOL và trao đổi dữ liệu cá nhân; phát triển LLM chuyên dụng cho tài chính / tiền điện tử, và ra mắt hệ thống thanh toán và ví Agent-to-Agent, thúc đẩy ứng dụng theo bối cảnh "Crypto AGI".

Giai đoạn bốn (Hệ sinh thái → Kinh tế AI tự trị): Tiến hóa dần thành kinh tế mạng con tự trị, mỗi mạng con tự quản lý độc lập xung quanh ứng dụng, cơ sở hạ tầng, sức mạnh tính toán, mô hình và dữ liệu, hoạt động theo cách mã hóa token, và hợp tác thông qua giao thức liên mạng con, hình thành hệ sinh thái phối hợp đa mạng con; đồng thời tiến từ AI Agentic sang AI Vật lý (robot, lái xe tự động, không gian).

Tuyên bố miễn trừ trách nhiệm: Bản đồ lộ trình này chỉ mang tính tham khảo, thời gian biểu và chức năng có thể được điều chỉnh linh hoạt theo môi trường thị trường, không tạo thành cam kết đảm bảo giao hàng.

Bảy, Khuyến khích Token và Quản trị Giao thức

Hiện tại ChainOpera vẫn chưa công bố đầy đủ kế hoạch khuyến khích token, nhưng giao thức CoAI của nó lấy "cùng sáng tạo và cùng sở hữu" làm cốt lõi, thông qua blockchain và cơ chế Proof-of-Intelligence để thực hiện ghi chép đóng góp minh bạch và có thể xác minh: sự đóng góp của nhà phát triển, sức mạnh tính toán, dữ liệu và nhà cung cấp dịch vụ được đo lường theo cách tiêu chuẩn hóa và nhận được phần thưởng, người dùng sử dụng dịch vụ, bên cung cấp tài nguyên hỗ trợ hoạt động, nhà phát triển xây dựng ứng dụng, tất cả các bên tham gia chia sẻ lợi ích từ sự tăng trưởng; nền tảng thì duy trì vòng lặp thông qua phí dịch vụ 1%, phân phối phần thưởng và hỗ trợ thanh khoản, thúc đẩy hệ sinh thái AI phi tập trung, mở, công bằng và hợp tác.

Khung học tập Proof-of-Intelligence

Proof-of-Intelligence (PoI) là cơ chế đồng thuận cốt lõi được ChainOpera đề xuất dưới giao thức CoAI, nhằm xây dựng một hệ thống khuyến khích và quản trị minh bạch, công bằng và có thể xác minh cho AI phi tập trung. Nó dựa trên khuôn khổ học máy hợp tác blockchain Proof-of-Contribution (chứng minh đóng góp), nhằm giải quyết các vấn đề thiếu khuyến khích, rủi ro về quyền riêng tư và thiếu khả năng xác minh trong ứng dụng thực tế của học liên bang (FL). Thiết kế này lấy hợp đồng thông minh làm trung tâm, kết hợp lưu trữ phi tập trung (IPFS), nút tổng hợp và chứng minh không kiến thức (zkSNARKs), đạt được năm mục tiêu lớn: ① Phân phối phần thưởng công bằng theo mức độ đóng góp, đảm bảo rằng những người đào tạo nhận được khuyến khích dựa trên sự cải thiện mô hình thực tế; ② Giữ lưu trữ dữ liệu tại chỗ, bảo vệ quyền riêng tư không bị tiết lộ; ③ Giới thiệu cơ chế tính toán chống lại các cuộc tấn công độc hại từ những người đào tạo; ④ Đảm bảo khả năng xác minh cho các phép tính quan trọng như tổng hợp mô hình, phát hiện bất thường và đánh giá đóng góp thông qua ZKP; ⑤ Phù hợp về hiệu suất và tính tổng quát cho dữ liệu không đồng nhất và các nhiệm vụ học tập khác nhau.

Giá trị token trong AI toàn diện

Cơ chế token của ChainOpera hoạt động xung quanh năm dòng giá trị lớn (LaunchPad, Agent API, Model Serving, Contribution, Model Training), cốt lõi là phí dịch vụ, xác nhận đóng góp và phân bổ tài nguyên, chứ không phải lợi nhuận đầu cơ.

• Người dùng AI: Truy cập dịch vụ hoặc đăng ký ứng dụng bằng token và đóng góp vào hệ sinh thái bằng cách cung cấp / chú thích / staking dữ liệu.
• Đại lý/ Nhà phát triển ứng dụng: Sử dụng sức mạnh tính toán và dữ liệu của nền tảng để phát triển, và được công nhận bởi giao thức vì những đóng góp của Đại lý, ứng dụng hoặc tập dữ liệu.
• Nhà cung cấp tài nguyên: Đóng góp sức mạnh xử lý, dữ liệu hoặc mô hình, nhận được ghi chép minh bạch và động viên.
• Người tham gia quản trị (Cộng đồng & DAO): Tham gia bỏ phiếu, thiết kế cơ chế và điều phối hệ sinh thái thông qua token.
• Tầng giao thức (COAI): Duy trì phát triển bền vững thông qua phí dịch vụ, sử dụng cơ chế phân phối tự động để cân bằng cung cầu.
• Node và người xác thực: Cung cấp dịch vụ xác thực, sức mạnh tính toán và an ninh, đảm bảo độ tin cậy của mạng.

Quản trị giao thức

ChainOpera áp dụng quản trị DAO, thông qua việc staking token để tham gia đề xuất và bỏ phiếu, đảm bảo quyết định minh bạch và công bằng. Cơ chế quản trị bao gồm: hệ thống danh tiếng (xác thực và định lượng đóng góp), hợp tác cộng đồng (đề xuất và bỏ phiếu thúc đẩy phát triển hệ sinh thái), điều chỉnh tham số (sử dụng dữ liệu, an toàn và trách nhiệm của người xác thực). Mục tiêu tổng thể là tránh tập trung quyền lực, duy trì sự ổn định của hệ thống và cùng nhau sáng tạo trong cộng đồng.

Tám, Nền tảng đội ngũ và tài trợ dự án

Dự án ChainOpera được đồng sáng lập bởi giáo sư Salman Avestimehr, người có kiến thức sâu rộng trong lĩnh vực học liên bang, và tiến sĩ 何朝阳 (Aiden). Các thành viên cốt lõi khác trong đội ngũ có nền tảng từ UC Berkeley, Stanford, USC, MIT, Tsinghua University, cũng như các tổ chức học thuật và công nghệ hàng đầu như Google, Amazon, Tencent, Meta, Apple, sở hữu khả năng nghiên cứu học thuật và thực chiến trong ngành. Đến nay, quy mô đội ngũ ChainOpera AI đã vượt quá 40 người.

Nhà đồng sáng lập: Salman Avestimehr

Giáo sư Salman Avestimehr là Giáo sư Dean tại Khoa Kỹ thuật Điện và Máy tính của Đại học Nam California (USC), đồng thời là Giám đốc sáng lập của Trung tâm AI Tin cậy USC-Amazon, và hiện đang lãnh đạo Phòng thí nghiệm Thông tin và Học máy USC (vITAL). Ông là đồng sáng lập và Giám đốc điều hành của FedML, và đã đồng sáng lập TensorOpera/ChainOpera AI vào năm 2022.

Giáo sư Salman Avestimehr tốt nghiệp tiến sĩ tại UC Berkeley EECS (Giải thưởng Bài báo Xuất sắc nhất). Là một Fellow của IEEE, ông đã công bố hơn 300 bài báo cấp cao trong lĩnh vực lý thuyết thông tin, tính toán phân tán và học tập liên bang, với hơn 30,000 lượt trích dẫn, và đã nhận nhiều danh hiệu quốc tế như PECASE, NSF CAREER, Giải thưởng IEEE Massey. Ông đã dẫn dắt việc tạo ra khung mã nguồn mở FedML, được ứng dụng rộng rãi trong y tế, tài chính và tính toán riêng tư, và trở thành nền tảng công nghệ cốt lõi của TensorOpera/ChainOpera AI.

Đồng sáng lập: Dr. Aiden Chaoyang He

Tiến sĩ Aiden Chaoyang He là đồng sáng lập và Chủ tịch của TensorOpera/ChainOpera AI, có bằng tiến sĩ khoa học máy tính từ Đại học Nam California (USC), và là người sáng lập ban đầu của FedML. Hướng nghiên cứu của ông bao gồm học phân tán và liên bang, đào tạo mô hình quy mô lớn, blockchain và tính toán riêng tư. Trước khi khởi nghiệp, ông đã làm việc trong lĩnh vực nghiên cứu và phát triển tại Meta, Amazon, Google, Tencent, và đảm nhiệm các vị trí kỹ thuật và quản lý cốt lõi tại Tencent, Baidu, Huawei, dẫn dắt việc triển khai nhiều sản phẩm cấp internet và nền tảng AI.

Về mặt học thuật và công nghiệp, Aiden đã công bố hơn 30 bài báo, được trích dẫn trên Google Scholar hơn 13.000 lần, và nhận được học bổng Amazon Ph.D., học bổng Qualcomm Innovation và giải thưởng bài báo xuất sắc tại NeurIPS, AAAI. Khung FedML mà anh chủ trì phát triển là một trong những dự án mã nguồn mở được sử dụng rộng rãi nhất trong lĩnh vực học tập liên bang, hỗ trợ 27 tỷ yêu cầu mỗi ngày; và với tư cách là tác giả chính, anh đã đề xuất khung FedNLP, phương pháp huấn luyện song song mô hình hỗn hợp, được áp dụng rộng rãi trong các dự án AI phi tập trung như Sahara AI.

Vào tháng 12 năm 2024, ChainOpera AI thông báo đã hoàn thành vòng gọi vốn hạt giống 3,5 triệu USD, nâng tổng số vốn huy động cùng với TensorOpera lên 17 triệu USD. Số tiền này sẽ được sử dụng để xây dựng blockchain L1 và hệ điều hành AI hướng tới AI Agent phi tập trung. Vòng gọi vốn này được dẫn dắt bởi Finality Capital, Road Capital, IDG Capital, với các nhà đầu tư phụ gồm Camford VC, ABCDE Capital, Amber Group, Modular Capital và đã nhận được sự ủng hộ từ các tổ chức và cá nhân nổi tiếng như Sparkle Ventures, Plug and Play, USC và người sáng lập EigenLayer Sreeram Kannan, cũng như đồng sáng lập BabylonChain David Tse. Đội ngũ cho biết, vòng gọi vốn này sẽ thúc đẩy việc hiện thực hóa "hệ sinh thái AI phi tập trung do người đóng góp, nhà phát triển và người dùng cùng sở hữu và đồng sáng tạo".

Chương 9, Phân tích cấu trúc thị trường của Học liên bang và AI Agent

Khung học liên bang chủ yếu có bốn đại diện: FedML, Flower, TFF, OpenFL. Trong đó, FedML là toàn diện nhất, kết hợp học liên bang, đào tạo mô hình lớn phân tán và MLOps, phù hợp cho việc triển khai trong ngành; Flower nhẹ và dễ sử dụng, cộng đồng hoạt động tích cực, thiên về giáo dục và thí nghiệm quy mô nhỏ; TFF phụ thuộc sâu vào TensorFlow, có giá trị nghiên cứu học thuật cao, nhưng yếu kém trong việc công nghiệp hóa; OpenFL tập trung vào y tế/tài chính, nhấn mạnh tính tuân thủ quyền riêng tư, hệ sinh thái tương đối khép kín. Nhìn chung, FedML đại diện cho con đường toàn năng cấp công nghiệp, Flower chú trọng tính dễ sử dụng và giáo dục, TFF thiên về thí nghiệm học thuật, còn OpenFL có lợi thế trong tính tuân thủ của các ngành dọc.

Trong lĩnh vực công nghiệp hóa và cơ sở hạ tầng, TensorOpera (thương mại hóa FedML) có đặc điểm là kế thừa tích lũy công nghệ của FedML mã nguồn mở, cung cấp khả năng lập lịch GPU đa đám mây, đào tạo phân tán, học liên bang và MLOps tích hợp, với mục tiêu kết nối nghiên cứu học thuật và ứng dụng công nghiệp, phục vụ cho các nhà phát triển, doanh nghiệp vừa và nhỏ cùng hệ sinh thái Web3/DePIN. Nhìn chung, TensorOpera tương đương với "Hugging Face + W&B của FedML mã nguồn mở", có khả năng đào tạo phân tán toàn diện và học liên bang hoàn chỉnh hơn, đa dụng hơn, khác biệt với các nền tảng khác tập trung vào cộng đồng, công cụ hoặc một ngành đơn lẻ.

Trong đại diện của tầng đổi mới, ChainOpera và Flock đều cố gắng kết hợp học liên bang với Web3, nhưng hướng đi có sự khác biệt rõ rệt. ChainOpera xây dựng nền tảng AI Agent toàn diện, bao gồm bốn tầng kiến trúc: cổng vào, xã hội, phát triển và cơ sở hạ tầng, giá trị cốt lõi nằm ở việc thúc đẩy người dùng từ "người tiêu dùng" chuyển đổi thành "người đồng sáng tạo", và thông qua AI Terminal cùng Mạng xã hội Agent để thực hiện AGI hợp tác và xây dựng cộng đồng; trong khi Flock lại tập trung nhiều hơn vào học liên bang tăng cường bằng blockchain (BAFL), nhấn mạnh việc bảo vệ quyền riêng tư và cơ chế khuyến khích trong môi trường phi tập trung, chủ yếu hướng đến việc xác minh hợp tác ở tầng tính toán và dữ liệu. ChainOpera nghiêng về việc triển khai ứng dụng và mạng lưới Agent, trong khi Flock lại nghiêng về việc tăng cường đào tạo cơ bản và tính toán bảo mật.

Tại cấp độ mạng Agent, dự án đại diện tiêu biểu nhất trong ngành là Olas Network. ChainOpera xuất phát từ học liên bang, xây dựng mô hình - sức mạnh tính toán - tác nhân trong một vòng khép kín toàn diện, và khám phá tương tác và hợp tác xã hội đa tác nhân trong mạng xã hội Agent; Olas Network xuất phát từ hợp tác DAO và hệ sinh thái DeFi, được định vị là mạng dịch vụ tự trị phi tập trung, thông qua Pearl giới thiệu các kịch bản lợi nhuận Defi có thể triển khai trực tiếp, thể hiện một con đường hoàn toàn khác với ChainOpera.

Mười, Phân tích logic đầu tư và rủi ro tiềm ẩn

Logic đầu tư

Lợi thế của ChainOpera trước hết nằm ở "hàng rào công nghệ" của nó: từ FedML (khung mã nguồn mở tiêu chuẩn cho học tập liên bang) đến TensorOpera (hạ tầng AI toàn diện cấp doanh nghiệp), rồi đến ChainOpera (mạng Agent hóa Web3 + DePIN + Tokenomics), tạo thành một con đường tiến hóa liên tục độc đáo, kết hợp tích lũy học thuật, triển khai công nghiệp và kể chuyện tiền điện tử.

Về quy mô ứng dụng và người dùng, AI Terminal đã hình thành hàng trăm nghìn người dùng hoạt động hàng ngày và hệ sinh thái ứng dụng Agent cấp nghìn, đồng thời đứng đầu trong danh mục AI trên BNBChain DApp Bay, với sự tăng trưởng người dùng trên chuỗi rõ ràng và khối lượng giao dịch thực. Các lĩnh vực bản địa của tiền điện tử mà nó bao phủ trong các cảnh đa mô hình có khả năng dần dần mở rộng ra người dùng Web2 rộng hơn.

Về hợp tác sinh thái, ChainOpera đã khởi xướng Liên minh CO-AI, hợp tác với io.net, Render, TensorOpera, FedML, MindNetwork và các đối tác khác, xây dựng hiệu ứng mạng đa chiều liên quan đến GPU, mô hình, dữ liệu, tính toán riêng tư; đồng thời hợp tác với Samsung Electronics để xác minh GenAI đa mô hình trên thiết bị di động, cho thấy tiềm năng mở rộng sang phần cứng và AI biên.

Về token và mô hình kinh tế, ChainOpera dựa trên sự đồng thuận Proof-of-Intelligence, phân phối phần thưởng xung quanh năm dòng giá trị (LaunchPad, Agent API, Model Serving, Contribution, Model Training) và hình thành vòng tuần hoàn tích cực thông qua 1% phí dịch vụ nền tảng, phân phối phần thưởng và hỗ trợ thanh khoản, tránh mô hình «đầu cơ tiền điện tử» đơn lẻ, nâng cao tính bền vững.

Rủi ro tiềm ẩn

Đầu tiên, độ khó trong việc triển khai công nghệ là khá cao. Kiến trúc phi tập trung năm tầng mà ChainOpera đề xuất có phạm vi rộng, sự hợp tác giữa các tầng (đặc biệt là trong việc suy diễn phân tán của mô hình lớn và đào tạo bảo mật) vẫn gặp phải những thách thức về hiệu suất và tính ổn định, và chưa được xác thực qua việc ứng dụng quy mô lớn.

Thứ hai, độ bám dính của người dùng trong hệ sinh thái vẫn cần được quan sát. Mặc dù dự án đã đạt được sự tăng trưởng người dùng ban đầu, nhưng việc liệu Agent Marketplace và chuỗi công cụ phát triển có thể duy trì hoạt động lâu dài và cung cấp chất lượng cao vẫn cần được kiểm nghiệm. Hiện tại, Mạng xã hội Agent đã ra mắt chủ yếu dựa vào cuộc đối thoại văn bản do LLM điều khiển, trải nghiệm người dùng và khả năng giữ chân trong dài hạn vẫn cần được cải thiện thêm. Nếu cơ chế khuyến khích được thiết kế không đủ tinh vi, có thể xảy ra tình trạng hoạt động cao trong ngắn hạn nhưng giá trị lâu dài không đủ.

Cuối cùng, tính bền vững của mô hình kinh doanh vẫn cần được xác nhận. Hiện tại, doanh thu chủ yếu phụ thuộc vào phí dịch vụ nền tảng và chu kỳ token, dòng tiền ổn định vẫn chưa được hình thành. So với các ứng dụng có tính tài chính hoặc năng suất cao hơn như AgentFi hoặc Payment, giá trị thương mại của mô hình hiện tại vẫn cần được xác minh thêm; đồng thời, hệ sinh thái di động và phần cứng vẫn đang trong giai đoạn khám phá, triển vọng thị trường có một số sự không chắc chắn.