Cảnh báo về AI đệ quy của Anthropic, công ty mới của Tian Yuandong vừa thực hiện 'bước đầu tiên'

marsbitXuất bản vào 2026-06-12Cập nhật gần nhất vào 2026-06-12

Tóm tắt

Anthropic gần đây đã công bố bài viết "Khi AI tự xây dựng chính mình", cảnh báo về tương lai của việc AI có thể tự cải thiện một cách đệ quy. Trong bối cảnh này, công ty Recursive Superintelligence do Tian Yandong đồng sáng lập đã công bố bước đầu tiên về nghiên cứu AI tự động, mang tên "First Steps Toward Automated AI Research". Hệ thống này nhằm mục đích tự động hóa vòng lặp nghiên cứu AI truyền thống: đề xuất ý tưởng, viết mã, chạy thử nghiệm, phân tích và học hỏi để quyết định bước tiếp theo. Nó được thử nghiệm trên ba lĩnh vực khác nhau và đều đạt kết quả tốt nhất hiện tại (SOTA): 1. **NanoChat Autoresearch:** Huấn luyện mô hình ngôn ngữ nhỏ với ngân sách tính toán cố định, giảm tổn thất kiểm chứng xuống 0.9109 BPB. 2. **NanoGPT Speedrun:** Rút ngắn thời gian huấn luyện mô hình GPT xuống mức kỷ lục 77,5 giây thông qua các kỹ thuật như tính toán chú ý FP8 và tối ưu kernel GPU. 3. **SOL-ExecBench:** Tối ưu hóa kernel GPU, nâng điểm số SOL lên 0,754, thu hẹp 18% khoảng cách với giới hạn lý thuyết phần cứng. Recursive Superintelligence, với đội ngũ toàn sao và số vốn huy động lớn, theo đuổi sứ mệnh xây dựng hệ thống AI có khả năng tự cải thiện đệ quy. Thành công bước đầu này đánh dấu sự xuất hiện của một mô hình phát triển AI mới, nơi AI đóng vai trò chủ thể trong nghiên cứu. Điều này có thể thay đổi tốc độ và chi phí tiến bộ AI, đồng thời làm dấy lên những thảo luận về sự cần thiết phải điều phối và quản trị toàn cầu, như lời cảnh báo từ Anthropic.

Cách đây không lâu, Anthropic đã xuất bản một bài viết có tiêu đề "When AI Builds Itself" (Khi AI tự xây dựng chính mình), nhanh chóng thu hút sự thảo luận rộng rãi. Bài viết tiết lộ một nhóm dữ liệu nội bộ đáng chú ý: Tính đến tháng 5 năm 2026, hơn 80% mã nguồn trong kho mã của Anthropic đã được viết bởi Claude, lượng mã mà các kỹ sư hợp nhất hàng ngày gấp 8 lần so với năm 2024; trong một bài kiểm tra nội bộ, Claude đã cải thiện tốc độ chạy của một đoạn mã huấn luyện từ điểm chuẩn lên khoảng 52 lần, trong khi một nhà nghiên cứu con người có kinh nghiệm thường cần từ 4 đến 8 giờ để đạt được tốc độ tăng 4 lần.

Anthropic hướng con đường này tới một đích đến sâu hơn: "Cải tiến tự thân đệ quy" - hệ thống AI tự thiết kế, xây dựng và huấn luyện các phiên bản kế tiếp của chính nó, con người không còn điều khiển từng bước nữa. Đáng chú ý là, công ty này còn kêu gọi sự phối hợp ngành công nghiệp, để có các tùy chọn tạm hoãn hoặc thậm chí tạm dừng phát triển AI tiên phong khi thời điểm cải tiến tự thân đệ quy đến. Và Anthropic đã đang làm như vậy: hạn chế việc Claude Fable 5 mới nhất được sử dụng để nghiên cứu và phát triển AI tiên phong.

Và bây giờ, Recursive Superintelligence thông báo đã thực hiện bước đầu tiên hướng tới nghiên cứu AI tự động hóa.

Công ty mới này được đồng sáng lập bởi Tian Yuandong (Tian Yuandong) vừa kết thúc trạng thái "stealth" chỉ một tháng trước, giờ đây đã phát hành thành quả công nghệ công khai đầu tiên của họ. Họ đã xây dựng một hệ thống khám phá tri thức tự động mở, và đạt được kết quả SOTA trên ba bài kiểm tra chuẩn. Nói một cách đơn giản, họ đã thành công trong việc để AI chạy thử nghiệm thay cho bạn.

https://x.com/tydsh/status/2065062838255649082

Thành quả đầu tiên: Để AI chạy thử nghiệm thay bạn

Thành quả công nghệ công khai đầu tiên của Recursive này được đặt tên là "First Steps Toward Automated AI Research" (Những bước đầu tiên hướng tới nghiên cứu AI tự động hóa).

Tweet: https://x.com/Recursive_SI/status/2064980090702962699

Địa chỉ kho lưu trữ: https://github.com/recursive-org/first-steps-toward-automated-ai-research

Địa chỉ blog: https://www.recursive.com/articles/first-steps-toward-automated-ai-research

Nếu tóm tắt trong một câu, cốt lõi của công việc này là: Xây dựng một hệ thống có thể tự động thúc đẩy vòng lặp nghiên cứu AI, và đã lập kỷ lục mới về điểm số tốt nhất trên ba bài kiểm tra chuẩn.

Trước khi phân tích thành quả một cách chính thức, cần hiểu logic thiết kế của hệ thống này.

Quy trình nghiên cứu AI truyền thống là một vòng lặp phụ thuộc nhiều vào con người: "Đề xuất ý tưởng — Viết mã — Chạy thử nghiệm — Phân tích kết quả — Lại đề xuất ý tưởng". Nút thắt cổ chai về hiệu suất của nó không nằm ở sức mạnh tính toán, mà ở con người. Trên toàn thế giới, số nhà nghiên cứu có thể thiết kế quy trình huấn luyện tiên phong chỉ đếm trên đầu ngón tay, và mỗi lần lặp thử nghiệm đều cần sự can thiệp cao độ của họ.

Hệ thống của Recursive cố gắng tự động hóa vòng lặp này.

Cách thức hoạt động của nó là: Đối với một mục tiêu tối ưu hóa rõ ràng, hệ thống tự động đề xuất ý tưởng thử nghiệm, triển khai mã, chạy xác minh, học hỏi từ đó, sau đó quyết định cách tìm kiếm bước tiếp theo. Nhiều tuyến nghiên cứu có thể được tiến hành song song, các phát hiện hiệu quả có thể được tái sử dụng xuyên nhiệm vụ, cơ chế phát hiện gian lận phần thưởng (reward hacking) cũng được nhúng vào toàn bộ vòng lặp, ngăn ngừa hệ thống "đi tắt" để đẩy chỉ số đánh giá lên mà không thực sự cải thiện bất cứ điều gì.

Đây không phải là một công cụ chuyên dụng được tinh chỉnh cho một vấn đề duy nhất, mà là một khung làm việc tự động hóa nghiên cứu chung xuyên lĩnh vực. Recursive sử dụng ba tình huống kiểm tra khác biệt đáng kể để chứng minh điều này.

Ba mặt trận, ba kỷ lục mới

Tình huống một: Huấn luyện mô hình nhỏ với ngân sách tính toán cố định (NanoChat Autoresearch)

Quy tắc của bài kiểm tra chuẩn này đến từ dự án autoresearch do Andrej Karpathy (tác giả GPT-2, đồng sáng lập cũ của OpenAI) khởi xướng: Trên một GPU, với ngân sách huấn luyện cố định là năm phút, huấn luyện một mô hình ngôn ngữ nhỏ tới mức tổn thất kiểm định (validation loss) thấp nhất có thể (đo bằng BPB, càng thấp càng tốt).

Tình huống này tự nhiên phù hợp với nghiên cứu tự động hóa: Chu kỳ thử nghiệm ngắn, phương sai chỉ số thấp, hành vi gian lận tương đối dễ phát hiện. Chính vì vậy, một dự án cộng đồng có tên "autoresearch@home" đã chạy trên chuẩn này trong một thời gian dài — hàng chục nhà nghiên cứu con người cộng tác với hàng trăm tác nhân thông minh AI, liên tục đẩy chỉ số xuống.

Hệ thống của Recursive xuất phát từ cùng mã nguồn ban đầu, cuối cùng đã đẩy BPB kiểm định từ mức tốt nhất của cộng đồng là 0.9372 xuống 0.9109, cải thiện 0.0263 BPB. Chuyển sang cách nói khác: Với chất lượng huấn luyện tương đương, giải pháp của Recursive chỉ cần thời gian huấn luyện ít hơn 1.3 lần so với đối thủ để đạt được.

Các cải tiến mà hệ thống phát hiện không phải là một chiêu thức chiến thắng duy nhất. Nó kết hợp các thay đổi ở nhiều nơi như điều chỉnh kiến trúc, tổn thất phụ trợ, thay đổi cơ chế chú ý, hành vi bộ tối ưu hóa, lập lịch suy giảm trọng số, cài đặt trình biên dịch... Một phát hiện then chốt trong số đó, là một cơ chế ghi nhớ ngữ cảnh ngắn phong phú hơn: Trong đường dẫn giá trị (value path) của cơ chế chú ý, thông qua bảng băm (hash table) nhúng đồng thời thông tin bigram (cặp từ liền kề) và trigram (bộ ba), và sử dụng cổng có thể học (learnable gating) để trộn có trọng số. Các lớp Transformer khác nhau sử dụng các hàm băm khác nhau, từ đó giảm xác suất va chạm lặp lại xuyên lớp.

Kỹ thuật này có liên quan về khái niệm với các công trình như DeepSeek Engram, nhưng hệ thống đã triển khai nó dưới dạng một biến thể cụ thể chưa thấy trong tài liệu công khai vào tình huống ngân sách cố định.

Tình huống hai: Chạy đua giới hạn tốc độ huấn luyện (NanoGPT Speedrun)

Nếu nói tình huống trước là "tiến thêm một bước" trên thành quả của một cộng đồng năng động, thì tình huống này khó hơn nhiều.

NanoGPT Speedrun là một chuẩn khác do Karpathy khởi xướng, được cộng đồng liên tục tối ưu hóa trong hơn hai năm: Trên 8 GPU H100, thời gian ngắn nhất cần thiết để huấn luyện một mô hình GPT đạt mức tổn thất kiểm định 3.28. Kể từ giữa năm 2024, cộng đồng đã thông qua 83 đóng góp được ghi nhận để nén thời gian từ khoảng 45 phút xuống còn 79.7 giây. Mỗi giải pháp mới đều cần phải vắt kiệt thêm thời gian trên nền mã đã được tối ưu hóa cực độ, độ khó có thể tưởng tượng.

Hệ thống của Recursive xuất phát từ giải pháp tối ưu hiện có, một lần nữa nén thời gian huấn luyện xuống còn 77.5 giây, tiết kiệm 2.2 giây. Điều này tương đương hoặc thậm chí tốt hơn mức độ cải tiến mà các nhà đóng góp con người gần đây có thể làm được.

Kỹ thuật cốt lõi mà hệ thống tìm thấy lần này bao gồm:

Tính toán cơ chế chú ý với độ chính xác FP8. Giải pháp cộng đồng chỉ sử dụng tính toán FP8 (dấu phẩy động 8 bit) ở lớp cuối cùng của mô hình (ngôn ngữ mô hình đầu), trong khi hệ thống mở rộng FP8 vào tính toán ma trận trong lớp chú ý, lan truyền tiến (forward propagation) dùng FP8 để đạt thông lượng Tensor Core gấp đôi, lan truyền ngược (backward propagation) giữ BF16 để duy trì tính ổn định.

Nhiễu khám phá ủ (annealing exploration noise) trong bộ tối ưu hóa. Hệ thống tiêm nhiễu Gaussian có giá trị trung bình bằng 0 vào các bước cập nhật của bộ tối ưu hóa NorMuon, biên độ nhiễu giảm dần tuyến tính về 0 theo tiến độ huấn luyện. Điều này giống như cho bộ tối ưu hóa một chế độ hành vi "khám phá mạnh dạn trước, hội tụ ổn định sau", giúp nghiệm cuối cùng rơi vào một lòng chảo tổn thất (loss basin) bằng phẳng hơn.

Lõi MLP hợp nhất (fused) tinh gọn hơn. Hệ thống viết lại một lõi GPU Triton, để lan truyền tiến chỉ lưu trữ giá trị kích hoạt sau khi bình phương ReLU, lan truyền ngược tính toán lại các kết quả trung gian chưa bình phương bên trong lõi, tiết kiệm một chuyến đi lại đọc-ghi hoàn chỉnh của tensor kích hoạt trong bộ nhớ video băng thông cao — đây là tăng tốc trực tiếp ở cấp độ phần cứng.

Ba cải tiến, thuộc về ba lĩnh vực chuyên môn khác nhau: chiến lược độ chính xác, thiết kế bộ tối ưu hóa, lập trình lõi GPU. Việc hệ thống tìm thấy không gian trên kết quả tối ưu hóa hai năm của cộng đồng, tự nó đã nói lên vấn đề.

Tình huống ba: Tối ưu hóa lõi GPU (SOL-ExecBench)

Hai tình huống trước làm việc ở cấp độ huấn luyện mô hình, tình huống thứ ba đi sâu xuống tầng thấp hơn: Tối ưu hóa lõi tính toán GPU.

SOL-ExecBench là bài kiểm tra chuẩn do NVIDIA đưa ra, bao gồm 235 nhiệm vụ viết lõi, bao phủ nhiều loại tải công việc thực tế như nhân ma trận, rút gọn (reduction), lớp chuẩn hóa, thành phần chú ý, các thủ tục lượng tử hóa, khối hợp nhất... Tiêu chuẩn chấm điểm là điểm SOL: 0.5 tương ứng với triển khai PyTorch chuẩn, 1.0 tương ứng với giới hạn lý thuyết phần cứng. Kết quả công khai tốt nhất trước đây là 0.699.

Hệ thống của Recursive chạy tổng thể trên 235 lõi, cho phép tái sử dụng các mẫu tối ưu hóa được phát hiện xuyên nhiệm vụ (ví dụ: chiến lược vận chuyển bộ nhớ, cách phân khối, kỹ thuật rút gọn), cuối cùng nâng điểm số lên 0.754, thu hẹp khoảng cách tới giới hạn phần cứng thêm 18%.

Tình huống này có ý nghĩa đặc biệt, vì kỹ thuật lõi là lĩnh vực cực kỳ chuyên môn hóa cao — số kỹ sư có thể viết lõi Triton/CUDA hiệu quả trên toàn cầu cũng rất hiếm. Và đội ngũ Recursive thừa nhận thẳng thắn trong blog rằng, bản thân họ cũng không phải là chuyên gia trong lĩnh vực lõi, "Những ý tưởng này đến từ hệ thống tự thân, chứ không phải từ nền tảng chuyên môn của chúng tôi."

Recursive: Dùng AI để nghiên cứu cải tiến đệ quy AI

Công ty công bố thành quả này, Recursive Superintelligence, được thành lập vào cuối năm 2025 đến đầu năm 2026, chỉ mới kết thúc trạng thái "stealth" vào tháng trước. Các thành viên sáng lập ngoài Tian Yuandong (Tian Yuandong), Giám đốc khoa học nghiên cứu cũ tại Meta FAIR, còn bao gồm:

Richard Socher, CEO Recursive, cựu Giám đốc khoa học tại Salesforce

Alexey Dosovitskiy, cựu nhà khoa học nghiên cứu tại Google DeepMind và là tác giả đầu tiên của Vision Transformer, số trích dẫn học thuật Google hơn 160,000

Tim Rocktäschel, cựu nhà khoa học cấp cao (Principal) tại DeepMind và là Giáo sư AI tại UCL

Peter Norvig, cựu Giám đốc nghiên cứu tại Google, đồng tác giả với Stuart Russell cuốn sách giáo khoa nổi tiếng trong lĩnh vực AI "Artificial Intelligence: A Modern Approach" (Trí tuệ nhân tạo: Một cách tiếp cận hiện đại)

Caiming Xiong, cựu Phó chủ tịch AI tại Salesforce

Tim Shi, cựu nhà nghiên cứu tại OpenAI, đồng sáng lập & CTO công ty AI doanh nghiệp Cresta

Josh Tobin, CTO Recursive, cựu Trưởng nhóm nghiên cứu tại OpenAI và Uber ATG

Jeff Clune, cựu Phó chủ tịch nghiên cứu tại Google DeepMind, Giáo sư Khoa học Máy tính tại Đại học British Columbia, Canada

Và công ty khởi nghiệp này ngay khi xuất hiện, thậm chí chưa có một sản phẩm công khai nào, đã nắm trong tay 650 triệu USD tài trợ, định giá lên tới 4.65 tỷ USD, do GV (Google Ventures) và Greycroft dẫn đầu, NVIDIA và AMD Ventures tham gia theo.

Mục tiêu cốt lõi của công ty tương ứng trực tiếp với tên gọi: Xây dựng các hệ thống AI có thể đệ quy nâng cao năng lực nghiên cứu của chính chúng, để AI tham gia và tăng tốc quá trình nghiên cứu và phát triển của chính AI, cuối cùng hình thành một vòng lặp tự tăng cường liên tục.

Để biết thêm chi tiết, xem bài báo "Sau khi rời Meta, Tian Yuandong (Tian Yuandong) vừa công bố khởi nghiệp".

Tất nhiên, ở cấp độ đường đua, Recursive không đơn độc. AMI Labs của Yann LeCun đã hoàn thành vòng tài trợ 1 tỷ USD vào tháng 3 năm nay, Ineffable Intelligence của David Silver đã nhận được 1.1 tỷ USD vòng hạt giống vào tháng 4, đều hướng tới một hướng đi tương tự: Để hệ thống AI tự tạo ra tri thức, giảm sự can thiệp của con người trong quy trình nghiên cứu. Nhưng về nhịp độ công bố thành quả, "Bước đầu tiên" này của Recursive có lẽ là một trong những minh chứng công nghệ cụ thể và có thể tái hiện nhất trong số các công ty cùng loại hiện nay.

Bình minh của mô hình đệ quy

Thành quả này mà Recursive phát hành, đặt trong bối cảnh ngành công nghiệp vĩ mô hơn, đại diện cho sự triển khai ban đầu của một mô hình nghiên cứu và phát triển AI mới: Để hệ thống AI tự thân đảm nhận vai trò chủ thể nghiên cứu.

Logic cốt lõi của loại "AI đệ quy" này không phức tạp: AI nâng cao năng lực nghiên cứu AI, AI được cải tiến lại có thể nâng cao hiệu quả hơn nữa chính nó, lặp đi lặp lại. Nó không phụ thuộc vào một đột phá đơn lẻ nào, mà phụ thuộc vào một hệ thống liên tục tạo ra đột phá.

Cách suy nghĩ này có ý nghĩa quan trọng đối với kinh tế học của chính nghiên cứu AI. Quy trình huấn luyện các mô hình tiên phong vẫn phụ thuộc cao độ vào một số ít nhà nghiên cứu có kỹ năng đặc thù, và số người có thể đảm nhận công việc này trên toàn cầu không quá vài nghìn. Nếu hệ thống nghiên cứu tự động hóa có thể tiếp quản dù chỉ một phần công việc đó, tốc độ tiến bộ và đường cong chi phí của AI sẽ thay đổi.

Nhận định này cũng tạo thành tiếng vọng với các ý kiến khác gần đây từ ngành công nghiệp. Ví dụ như bài "When AI Builds Itself" của Anthropic được nhắc ở đầu bài viết này, giọng điệu không hề nhẹ nhàng — nó kêu gọi sự phối hợp ngành, để có các tùy chọn tạm hoãn hoặc thậm chí tạm dừng phát triển AI tiên phong khi thời điểm cải tiến tự thân đệ quy đến, để dành thời gian cho cấu trúc xã hội và nghiên cứu căn chỉnh (alignment research) theo kịp tiến độ. Để biết thêm chi tiết, vui lòng tham khảo "Tự tiến hóa AI quá nhanh, Anthropic kêu gọi toàn cầu tạm dừng nghiên cứu phát triển".

https://www.anthropic.com/institute/recursive-self-improvement

Hai sự việc xảy ra đồng thời, đáng suy ngẫm. Một bên là Anthropic đang ghi chép và cảnh báo hướng đi của con đường này, bên kia là các đội ngũ như Recursive, đang từng bước biến con đường này thành hiện thực.

Tất nhiên, Recursive tự thân cũng thừa nhận, đây vẫn chỉ là "bước đầu tiên": Hệ thống hiện tại hoạt động tốt nhất trong các tình huống có chỉ số rõ ràng, phản hồi nhanh, gian lận có thể phát hiện, khoảng cách với việc tự động thúc đẩy các vấn đề khoa học mở còn khá xa. Việc phòng chống gian lận phần thưởng sẽ là thách thức cốt lõi liên tục đối mặt trên con đường mở rộng quy mô.

Nhưng một vòng lặp đã bắt đầu vận hành. Câu hỏi tiếp theo, chỉ là nó sẽ quay nhanh đến mức nào.

Bài viết này đến từ tài khoản WeChat công khai "Machine Heart" (机器之心, ID:almosthuman2014), tác giả: Machine Heart trong quá trình tiến hóa đệ quy, biên tập: Panda

Câu hỏi Liên quan

QRecursive Superintelligence đã công bố thành tựu kỹ thuật đầu tiên là gì và nó đạt được những gì?

ARecursive Superintelligence đã công bố hệ thống tự động hóa nghiên cứu AI có tên 'First Steps Toward Automated AI Research'. Hệ thống này có khả năng đề xuất ý tưởng thử nghiệm, viết code, chạy thử nghiệm và học hỏi kết quả một cách tự động. Nó đã đạt kết quả SOTA (State-of-the-Art) trên ba bài kiểm tra chuẩn: NanoChat Autoresearch, NanoGPT Speedrun và SOL-ExecBench.

QAnthropic đã cảnh báo điều gì về sự phát triển của AI trong bài viết 'When AI Builds Itself'?

AAnthropic cảnh báo về khái niệm 'cải tiến đệ quy' (recursive self-improvement), nơi hệ thống AI có thể tự thiết kế, xây dựng và huấn luyện các phiên bản kế tiếp của chính nó mà không cần con người điều khiển từng bước. Công ty kêu gọi ngành công nghiệp phối hợp để có lựa chọn tạm dừng hoặc tạm ngưng phát triển AI tiên tiến khi thời điểm cải tiến đệ quy xảy ra, nhằm cho xã hội và nghiên cứu an toàn AI có thời gian bắt kịp.

QTrong bài kiểm tra NanoGPT Speedrun, hệ thống của Recursive đã cải thiện thành tích như thế nào?

ATrong bài kiểm tra NanoGPT Speedrun, nhiệm vụ là huấn luyện một mô hình GPT đạt tổn thất kiểm định 3.28 trong thời gian ngắn nhất trên 8 GPU H100. Kỷ lục cộng đồng trước đó là 79.7 giây. Hệ thống của Recursive đã rút ngắn thời gian này xuống còn 77.5 giây, cải thiện 2.2 giây. Nó đạt được điều này thông qua các kỹ thuật như tính toán attention với độ chính xác FP8, thêm nhiễu khám phá ủ (annealed exploration noise) vào bộ tối ưu hóa, và viết lại kernel MLP hợp nhất (fused MLP kernel) để tối ưu hiệu suất GPU.

QÝ nghĩa của việc AI có thể tự tối ưu hóa kernel GPU (như trong SOL-ExecBench) là gì?

AViệc hệ thống AI của Recursive tự động cải thiện hiệu suất trong bài kiểm tra SOL-ExecBench, vốn bao gồm 235 nhiệm vụ viết kernel GPU, có ý nghĩa quan trọng. Nó chứng minh AI có thể xử lý các lĩnh vực chuyên môn cao như lập trình kernel GPU (Triton/CUDA) - một kỹ năng mà rất ít kỹ sư trên thế giới thành thạo. Điều này cho thấy tiềm năng của AI trong việc tự động hóa không chỉ nghiên cứu thuật toán cấp cao mà cả việc tối ưu hóa hiệu suất phần cứng cấp thấp, từ đó có thể tăng tốc độ phát triển tổng thể của chính công nghệ AI.

QMô hình kinh doanh cốt lõi của công ty Recursive Superintelligence là gì?

AMô hình kinh doanh cốt lõi của Recursive Superintelligence, như tên gọi của nó, là xây dựng các hệ thống AI có khả năng 'cải tiến đệ quy' (recursive improvement). Công ty hướng đến việc tạo ra AI có thể tham gia và đẩy nhanh quá trình nghiên cứu, phát triển chính bản thân AI, cuối cùng hình thành một vòng lặp khép kín tự cải thiện liên tục. Mục tiêu là giảm sự phụ thuộc vào số lượng hạn chế các nhà nghiên cứu con người, từ đó thay đổi đường cong tốc độ và chi phí của sự tiến bộ AI.

Nội dung Liên quan

NEAR sắp phân phối 333 nghìn token airdrop, đặt cược TVL đạt 70 triệu USD

Ngày 11 tháng 6, NEAR Protocol đã chính thức ra mắt chương trình khuyến khích cột mốc Near@3.33. Chương trình này nhắm vào người dùng tính năng Confidential Intents (Ý định bảo mật) - một lớp thực thi riêng tư cho giao thức NEAR Intents, cho phép thực hiện giao dịch xuyên chuỗi với tính bảo mật cao. Khi tổng TVL của Confidential Intents đạt 70 triệu USD, một snapshot sẽ được chụp để phân phối 333.333 token cột mốc trong đợt đầu tiên cho các tài khoản đủ điều kiện. Điều kiện bao gồm: đã thực hiện giao dịch Confidential trên near.com, số dư Confidential trên 100 USD (bất kỳ tài sản nào). Hoạt động và số dư vượt ngưỡng sẽ ảnh hưởng đến tỷ lệ phân bổ, với mức tối đa là 2% tổng pool cho một ví. Token cột mốc nhận được sẽ bị khóa, chỉ có thể chuyển đổi 1:1 sang token NEAR khi giá VWAP của NEAR duy trì ở mức 3,33 USD trở lên trong ba phiên giao dịch liên tiếp. Các đợt khuyến khích tiếp theo sẽ được công bố sau. Hiện tại, TVL của Confidential Intents đã vượt 20 triệu USD. Tính năng này giải quyết các vấn đề như MEV, giao dịch trước, rò rỉ chiến lược trong DeFi bằng cách xây dựng tính bảo mật trực tiếp vào môi trường thực thi thông qua công nghệ TEE. Nhu cầu thực tế cùng với các đợt khuyến khích như trên có thể thúc đẩy TVL đạt mục tiêu 70 triệu USD trong bối cảnh câu chuyện về AI và quyền riêng tư vẫn đang phát triển.

Foresight News48 phút trước

NEAR sắp phân phối 333 nghìn token airdrop, đặt cược TVL đạt 70 triệu USD

Foresight News48 phút trước

Các nhà tạo lập thị trường tiền mã hóa đồng loạt thay đổi, kiếm tiền ngày càng khó khăn hơn

Năm nay, các nhà tạo lập thị trường tiền mã hóa hàng đầu như GSR đang có nhiều động thái chuyển đổi. GSR đã mua lại công ty môi giới Equilibrium Capital Services để lấy giấy phép broker-dealer tại Mỹ, đồng thời mua lại hai công ty tư vấn token và đầu tư vào nền tảng token hóa Libeara. Chiến lược của họ là phát triển từ một nhà tạo lập thị trường thuần túy thành một "ngân hàng đầu tư Web3", tích hợp toàn bộ chuỗi dịch vụ từ thiết kế token, tư vấn, phát hành, tạo lập thị trường đến quản lý tài sản và sản phẩm ETF. Không chỉ GSR, các công ty khác như Keyrock, B2C2, Wintermute và DWF Labs cũng đang theo đuổi xu hướng tương tự: tăng cường tuân thủ quy định, mở rộng sang các thị trường thể chế, và mở rộng dịch vụ sang lĩnh vực quản lý tài sản, token hóa tài sản thực (RWA) và các sản phẩm phức tạp hơn. Động lực đằng sau sự thay đổi này là môi trường kinh doanh ngày càng khó khăn. Ngân sách tạo lập thị trường từ các dự án giảm, sự cạnh tranh gia tăng, và biên lợi nhuận bị thu hẹp. Đồng thời, các yêu cầu về quy định và quản lý rủi ro ngày càng khắt khe sau các sự kiện thị trường khắc nghiệt. Ngành công nghiệp này đang chuyển dần từ một lĩnh vực dựa trên chênh lệch thông tin và biến động, sang một ngành được thể chế hóa với cấu trúc khách hàng và loại hình tài sản đa dạng hơn.

链捕手57 phút trước

Các nhà tạo lập thị trường tiền mã hóa đồng loạt thay đổi, kiếm tiền ngày càng khó khăn hơn

链捕手57 phút trước

Thị trường điều chỉnh sau đợt huy động vốn 84,7 tỷ USD của Google, định giá AI bắt đầu nhìn vào tốc độ hoàn vốn

TL;DR Những năm gần đây, câu hỏi cốt lõi với các giao dịch AI là: Liệu AI có thay đổi thế giới? Chỉ cần câu trả lời là "Có", thị trường sẵn sàng định giá cao hơn cho các công ty chip, điện toán đám mây, phần mềm và mô hình AI. Gần đây, ngôn ngữ thị trường bắt đầu thay đổi. Một số công ty bán dẫn và phần mềm AI định giá cao đã điều chỉnh giảm. Các nhà đầu tư bắt đầu chuyển sự ưa thích sang các hướng có đơn đặt hàng rõ ràng hơn và dòng tiền ổn định hơn. Đồng thời, Alphabet thông báo đợt huy động vốn cổ phần quy mô lớn và trước đó đã điều chỉnh tăng dự báo chi tiêu vốn (capex) cho năm 2026 trong báo cáo tài chính Q1. Hai sự kiện này không đơn giản là "huy động vốn gây ra sự sụt giảm". Bối cảnh chính xác hơn là: thị trường đang định giá lại AI từ một câu chuyện tăng trưởng kiểu phần mềm, thành một chu kỳ cơ sở hạ tầng nặng về tài sản. Từ khóa ở đây là chi tiêu vốn. AI không phải là việc kinh doanh chỉ cần vài dòng mã để mở rộng; nó cần chip, trung tâm dữ liệu, mạng lưới, điện và đất đai. Chi tiêu vốn càng lớn, nhà đầu tư càng đặt ra ba câu hỏi: Tiền từ đâu ra, chi phí vốn đắt thế nào, và mất bao lâu để thu hồi vốn. Việc Alphabet huy động vốn khiến thị trường tính toán lại bài toán tài chính. Nhu cầu vốn cho cơ sở hạ tầng AI không chỉ nằm ở các gã khổng lồ như Alphabet, Microsoft, Amazon, Meta. Có ba nhóm chủ thể chính cùng tranh giành nguồn vốn: các công ty mô hình tiên phong (OpenAI, Anthropic, xAI), các công ty trung tâm dữ liệu (Data Center REITs), và các công ty điện lực, tiện ích. Logic định giá đã chuyển sang tốc độ hoàn vốn. Các câu hỏi trước đây về câu chuyện AI mạnh nhất hay tăng trưởng doanh thu nhanh nhất giờ chuyển thành: Ai có thể chuyển đổi vốn đầu tư thành dòng tiền? Đơn đặt hàng của ai đủ chắc chắn? Ai có thể huy động vốn với chi phí thấp? Điều này giải thích sự phân hóa trong ngành AI. Các công ty phần mềm AI định giá cao dễ chịu áp lực hơn, trong khi các tài sản như phần cứng, thiết bị mạng, trung tâm dữ liệu, điện có thể nhận được sự hỗ trợ tương đối vì nhu cầu thực tế trong chu kỳ xây dựng. Bước tiếp theo cần theo dõi là liệu dự báo chi tiêu vốn trong các báo cáo tài chính sắp tới có tiếp tục tăng hay không, doanh thu từ AI có được hiện thực hóa nhanh hơn không, và liệu thị trường công chúng có còn hấp thụ trơn tru các đợt phát hành vốn cổ phần và nợ quy mô lớn hay không. Ngôn ngữ định giá AI khó có thể quay lại giai đoạn chỉ nhìn vào không gian tưởng tượng.

marsbit59 phút trước

Thị trường điều chỉnh sau đợt huy động vốn 84,7 tỷ USD của Google, định giá AI bắt đầu nhìn vào tốc độ hoàn vốn

marsbit59 phút trước

Orbs Triển Khai Cơ Sở Hạ Tầng Giao Dịch DeFi Cho Tổ Chức

Hôm nay, Orbs, cơ sở hạ tầng blockchain Lớp 3 phi tập trung chuyên về giao dịch trên chuỗi phức tạp, đã ra mắt Orbs Institutional. Đây là dịch vụ mới cung cấp cho các bàn giao dịch, công ty OTC, kho bạc, đơn vị giám sát và nền tảng tài chính quyền truy cập trực tiếp vào cơ sở hạ tầng thực thi trên chuỗi của họ. Giải pháp này mở rộng dựa trên công nghệ đã xử lý hơn 2,5 tỷ USD khối lượng giao dịch giao ngay từ năm 2023, qua hơn 10 mạng blockchain và 30 tích hợp sàn giao dịch phi tập trung. Trước đây chỉ khả dụng qua các nền tảng như PancakeSwap hay SushiSwap, giờ đây cơ sở hạ tầng này được cung cấp trực tiếp cho các tổ chức. Trọng tâm của Orbs Institutional là Liquidity Hub, giao thức tổng hợp thanh khoản kết nối với các nhà tạo lập thị trường chuyên nghiệp và sàn DEX thông qua một lớp RFQ riêng tư, nhằm cải thiện chất lượng thực thi và giảm thiểu rủi ro MEV. Nền tảng cũng cung cấp các công cụ thực thi như dTWAP, dLIMIT và dSLTP cho các tổ chức. Tài sản luôn nằm dưới sự kiểm soát của khách hàng trong suốt vòng đời giao dịch, với các đơn hàng được ký bằng cơ sở hạ tầng giám sát hoặc MPC hiện có tuân thủ chuẩn EIP-712. Hợp đồng thông minh đã được kiểm toán và không cần khóa quản trị. Orbs Institutional cung cấp hai cách thức tích hợp chính: khách hàng tổ chức có thể kết nối trực tiếp qua API, trong khi các ví, sàn giao dịch hay nhà môi giới có thể tích hợp khả năng thực thi vào sản phẩm của họ dưới dạng white-label. Với sự tham gia ngày càng tăng của tổ chức vào thị trường tài sản số, Orbs kỳ vọng nhu cầu về cơ sở hạ tầng thực thi tự động, minh bạch và tự lưu ký sẽ tăng lên, mở ra giai đoạn phát triển tiếp theo cho DeFi.

TheNewsCrypto1 giờ trước

Orbs Triển Khai Cơ Sở Hạ Tầng Giao Dịch DeFi Cho Tổ Chức

TheNewsCrypto1 giờ trước

Quản lý công ty định giá gần nghìn tỷ đô, nhưng CEO Anthropic chỉ có một cấp dưới trực tiếp

Bloomberg phỏng vấn CEO Anthropic Dario Amodei và tiết lộ một chi tiết thú vị: dù lãnh đạo một công ty định giá gần 1 nghìn tỷ USD, ông chỉ có một cấp dưới trực tiếp duy nhất - trợ lý Avital Balwit. Toàn bộ đội ngũ lãnh đạo cấp cao (CFO, CCO...) không báo cáo với ông, mà báo cáo với chị gái ông, Chủ tịch Daniela Amodei, người phụ trách hoạt động hàng ngày và chịu trách nhiệm trước Hội đồng quản trị. Điều này trái ngược với xu hướng "phẳng hóa" và mở rộng phạm vi quản lý trực tiếp của CEO trong ngành công nghệ. Lý do là xuất thân từ nghiên cứu học thuật, Dario tin rằng giá trị lớn nhất của CEO nằm ở những việc "zoom out": định hướng chiến lược, đánh giá nghiên cứu, văn hóa tổ chức và suy nghĩ về tác động của AI. Việc quản lý hàng ngày ("zoom in") sẽ chia nhỏ thời gian, cản trở suy nghĩ chiến lược. Vì vậy, ông giao toàn bộ phần sau cho Daniela. Ông dành khoảng một nửa thời gian để củng cố văn hóa công ty, thông qua các cuộc họp toàn công ty hai tuần một lần, lo ngại rằng sự tăng trưởng nhanh và nhân viên mới từ các tập đoàn công nghệ lớn sẽ làm loãng văn hóa độc đáo của Anthropic. Thời gian còn lại dành cho định hướng nghiên cứu, chiến lược và viết các bài luận công khai. Sự phân công này dựa trên nền tảng bổ sung của hai chị em: Dario thuần túy về nghiên cứu, còn Daniela có kinh nghiệm vận hành và quản lý con người. Giáo sư Harvard Raffaella Sadun giải thích rằng phạm vi quản lý của CEO phản ánh bản chất công việc của tổ chức. Đối với những công ty như Anthropic, liên tục đối mặt với các vấn đề mới, rủi ro cao cần phán đoán cấp cao, CEO cần phạm vi quản lý hẹp hơn để tập trung thời gian quý giá vào những vấn đề then chốt. Thiết kế tổ chức là để bảo vệ nguồn lực khan hiếm nhất: thời gian của nhà lãnh đạo.

marsbit1 giờ trước

Quản lý công ty định giá gần nghìn tỷ đô, nhưng CEO Anthropic chỉ có một cấp dưới trực tiếp

marsbit1 giờ trước

Giao dịch

Giao ngay

Hợp đồng Tương lai

Bài viết Nổi bật

GROK AI là gì

Grok AI: Cách mạng hóa Công nghệ Đối thoại trong Kỷ nguyên Web3 Giới thiệu Trong bối cảnh trí tuệ nhân tạo đang phát triển nhanh chóng, Grok AI nổi bật như một dự án đáng chú ý kết nối các lĩnh vực công nghệ tiên tiến và tương tác người dùng. Được phát triển bởi xAI, một công ty do doanh nhân nổi tiếng Elon Musk dẫn dắt, Grok AI nhằm định nghĩa lại cách chúng ta tương tác với trí tuệ nhân tạo. Khi phong trào Web3 tiếp tục phát triển mạnh mẽ, Grok AI hướng tới việc tận dụng sức mạnh của AI đối thoại để trả lời các câu hỏi phức tạp, mang đến cho người dùng một trải nghiệm không chỉ thông tin mà còn giải trí. Grok AI là gì? Grok AI là một chatbot AI đối thoại tinh vi được thiết kế để tương tác với người dùng một cách linh hoạt. Khác với nhiều hệ thống AI truyền thống, Grok AI chấp nhận một loạt các câu hỏi rộng hơn, bao gồm những câu hỏi thường được coi là không phù hợp hoặc ngoài các phản hồi tiêu chuẩn. Các mục tiêu cốt lõi của dự án bao gồm: Lập luận đáng tin cậy: Grok AI nhấn mạnh lập luận theo lẽ thường để cung cấp các câu trả lời hợp lý dựa trên sự hiểu biết về ngữ cảnh. Giám sát có thể mở rộng: Việc tích hợp công cụ hỗ trợ đảm bảo rằng các tương tác của người dùng được theo dõi và tối ưu hóa về chất lượng. Xác minh chính thức: An toàn là điều tối quan trọng; Grok AI tích hợp các phương pháp xác minh chính thức để nâng cao độ tin cậy của các đầu ra của nó. Hiểu biết về ngữ cảnh dài: Mô hình AI xuất sắc trong việc giữ lại và nhớ lại lịch sử cuộc trò chuyện dài, tạo điều kiện cho các cuộc thảo luận có ý nghĩa và nhận thức về ngữ cảnh. Khả năng chống lại các cuộc tấn công: Bằng cách tập trung vào việc cải thiện khả năng phòng thủ chống lại các đầu vào bị thao túng hoặc độc hại, Grok AI nhằm duy trì tính toàn vẹn của các tương tác của người dùng. Nói tóm lại, Grok AI không chỉ là một thiết bị truy xuất thông tin; nó là một đối tác đối thoại hấp dẫn khuyến khích cuộc trò chuyện năng động. Người sáng tạo Grok AI Bộ óc đứng sau Grok AI không ai khác chính là Elon Musk, một cá nhân gắn liền với sự đổi mới trong nhiều lĩnh vực, bao gồm ô tô, du hành vũ trụ và công nghệ. Dưới sự bảo trợ của xAI, một công ty tập trung vào việc phát triển công nghệ AI theo những cách có lợi, tầm nhìn của Musk nhằm định hình lại cách hiểu về các tương tác AI. Sự lãnh đạo và tinh thần nền tảng bị ảnh hưởng sâu sắc bởi cam kết của Musk trong việc thúc đẩy các ranh giới công nghệ. Các nhà đầu tư của Grok AI Mặc dù các chi tiết cụ thể về các nhà đầu tư hỗ trợ Grok AI vẫn còn hạn chế, nhưng đã được công nhận công khai rằng xAI, vườn ươm của dự án, được thành lập và hỗ trợ chủ yếu bởi chính Elon Musk. Các dự án và tài sản trước đây của Musk cung cấp một nền tảng vững chắc, tăng cường thêm độ tin cậy và tiềm năng phát triển của Grok AI. Tuy nhiên, tính đến thời điểm hiện tại, thông tin về các quỹ đầu tư hoặc tổ chức bổ sung hỗ trợ Grok AI vẫn chưa dễ dàng tiếp cận, đánh dấu một lĩnh vực có thể khám phá trong tương lai. Grok AI hoạt động như thế nào? Cơ chế hoạt động của Grok AI sáng tạo không kém gì khung khái niệm của nó. Dự án tích hợp một số công nghệ tiên tiến giúp tạo ra các chức năng độc đáo của nó: Hạ tầng mạnh mẽ: Grok AI được xây dựng bằng Kubernetes cho việc điều phối container, Rust cho hiệu suất và an toàn, và JAX cho tính toán số hiệu suất cao. Bộ ba này đảm bảo rằng chatbot hoạt động hiệu quả, mở rộng hiệu quả và phục vụ người dùng kịp thời. Truy cập kiến thức theo thời gian thực: Một trong những tính năng nổi bật của Grok AI là khả năng truy cập dữ liệu theo thời gian thực thông qua nền tảng X—trước đây được biết đến với tên gọi Twitter. Khả năng này cho phép AI truy cập thông tin mới nhất, giúp nó cung cấp các câu trả lời và khuyến nghị kịp thời mà các mô hình AI khác có thể bỏ lỡ. Hai chế độ tương tác: Grok AI cung cấp cho người dùng sự lựa chọn giữa “Chế độ Vui” và “Chế độ Thông thường.” Chế độ Vui cho phép một phong cách tương tác vui tươi và hài hước hơn, trong khi Chế độ Thông thường tập trung vào việc cung cấp các câu trả lời chính xác và đúng đắn. Sự linh hoạt này đảm bảo một trải nghiệm được cá nhân hóa phù hợp với sở thích của từng người dùng. Nói tóm lại, Grok AI kết hợp hiệu suất với sự tương tác, tạo ra một trải nghiệm vừa phong phú vừa giải trí. Thời gian phát triển của Grok AI Hành trình của Grok AI được đánh dấu bởi các cột mốc quan trọng phản ánh các giai đoạn phát triển và triển khai của nó: Phát triển ban đầu: Giai đoạn nền tảng của Grok AI diễn ra trong khoảng hai tháng, trong đó việc đào tạo và tinh chỉnh ban đầu của mô hình được thực hiện. Phát hành Beta Grok-2: Trong một bước tiến quan trọng, beta Grok-2 đã được công bố. Phiên bản này giới thiệu hai phiên bản của chatbot—Grok-2 và Grok-2 mini—mỗi phiên bản đều có khả năng trò chuyện, lập trình và lập luận. Truy cập công khai: Sau khi phát triển beta, Grok AI đã trở thành có sẵn cho người dùng nền tảng X. Những người có tài khoản được xác minh bằng số điện thoại và hoạt động ít nhất bảy ngày có thể truy cập phiên bản giới hạn, giúp công nghệ có sẵn cho một đối tượng rộng lớn hơn. Thời gian này tóm tắt sự phát triển có hệ thống của Grok AI từ lúc khởi đầu đến khi công khai, nhấn mạnh cam kết của nó đối với việc cải tiến liên tục và tương tác người dùng. Các tính năng chính của Grok AI Grok AI bao gồm một số tính năng chính góp phần vào bản sắc đổi mới của nó: Tích hợp kiến thức theo thời gian thực: Truy cập thông tin hiện tại và liên quan phân biệt Grok AI với nhiều mô hình tĩnh, cho phép một trải nghiệm người dùng hấp dẫn và chính xác. Phong cách tương tác đa dạng: Bằng cách cung cấp các chế độ tương tác khác nhau, Grok AI phục vụ cho sở thích đa dạng của người dùng, khuyến khích sự sáng tạo và cá nhân hóa trong việc trò chuyện với AI. Cơ sở công nghệ tiên tiến: Việc sử dụng Kubernetes, Rust và JAX cung cấp cho dự án một khung vững chắc để đảm bảo độ tin cậy và hiệu suất tối ưu. Xem xét về đạo đức trong đối thoại: Việc bao gồm chức năng tạo hình ảnh thể hiện tinh thần đổi mới của dự án. Tuy nhiên, nó cũng đặt ra các vấn đề đạo đức liên quan đến bản quyền và việc thể hiện tôn trọng các nhân vật dễ nhận biết—một cuộc thảo luận đang diễn ra trong cộng đồng AI. Kết luận Như một thực thể tiên phong trong lĩnh vực AI đối thoại, Grok AI khái quát tiềm năng cho những trải nghiệm người dùng chuyển đổi trong kỷ nguyên số. Được phát triển bởi xAI và được thúc đẩy bởi cách tiếp cận tầm nhìn của Elon Musk, Grok AI tích hợp kiến thức theo thời gian thực với khả năng tương tác tiên tiến. Nó cố gắng mở rộng ranh giới của những gì trí tuệ nhân tạo có thể đạt được trong khi vẫn giữ trọng tâm vào các vấn đề đạo đức và an toàn cho người dùng. Grok AI không chỉ thể hiện sự tiến bộ công nghệ mà còn thể hiện một mô hình đối thoại mới trong bối cảnh Web3, hứa hẹn sẽ thu hút người dùng bằng cả kiến thức sâu sắc và sự tương tác vui tươi. Khi dự án tiếp tục phát triển, nó đứng như một minh chứng cho những gì giao thoa giữa công nghệ, sáng tạo và tương tác giống như con người có thể đạt được.

Tổng lượt xem 643Xuất bản vào 2024.12.26Cập nhật vào 2024.12.26

ERC AI là gì

Euruka Tech: Tổng Quan về $erc ai và Những Tham Vọng trong Web3 Giới thiệu Trong bối cảnh công nghệ blockchain và ứng dụng phi tập trung đang phát triển nhanh chóng, các dự án mới thường xuyên xuất hiện, mỗi dự án đều có những mục tiêu và phương pháp độc đáo. Một trong những dự án đó là Euruka Tech, hoạt động trong lĩnh vực tiền điện tử và Web3 rộng lớn. Mục tiêu chính của Euruka Tech, đặc biệt là token $erc ai của nó, là cung cấp các giải pháp sáng tạo nhằm khai thác những khả năng đang phát triển của công nghệ phi tập trung. Bài viết này nhằm cung cấp một cái nhìn tổng quan về Euruka Tech, khám phá các mục tiêu, chức năng, danh tính của người sáng lập, các nhà đầu tư tiềm năng và tầm quan trọng của nó trong bối cảnh rộng lớn hơn của Web3. Euruka Tech, $erc ai là gì? Euruka Tech được mô tả như một dự án tận dụng các công cụ và chức năng mà môi trường Web3 cung cấp, tập trung vào việc tích hợp trí tuệ nhân tạo trong các hoạt động của nó. Mặc dù các chi tiết cụ thể về khung của dự án vẫn còn mơ hồ, nhưng nó được thiết kế để nâng cao sự tham gia của người dùng và tự động hóa các quy trình trong không gian tiền điện tử. Dự án nhằm tạo ra một hệ sinh thái phi tập trung không chỉ tạo điều kiện cho các giao dịch mà còn tích hợp các chức năng dự đoán thông qua trí tuệ nhân tạo, do đó tên gọi của token, $erc ai. Mục tiêu là cung cấp một nền tảng trực quan giúp tạo ra các tương tác thông minh hơn và xử lý giao dịch hiệu quả hơn trong lĩnh vực Web3 đang phát triển. Ai là Người Sáng Lập Euruka Tech, $erc ai? Hiện tại, thông tin về người sáng lập hoặc đội ngũ sáng lập đứng sau Euruka Tech vẫn chưa được xác định và có phần mờ mịt. Sự thiếu hụt dữ liệu này gây ra lo ngại, vì kiến thức về nền tảng của đội ngũ thường rất quan trọng để thiết lập độ tin cậy trong lĩnh vực blockchain. Do đó, chúng tôi đã phân loại thông tin này là không rõ cho đến khi có các chi tiết cụ thể được công bố trong lĩnh vực công cộng. Ai là Các Nhà Đầu Tư của Euruka Tech, $erc ai? Tương tự, việc xác định các nhà đầu tư hoặc tổ chức hỗ trợ cho dự án Euruka Tech không được cung cấp dễ dàng qua các nghiên cứu hiện có. Một khía cạnh quan trọng đối với các bên liên quan tiềm năng hoặc người dùng đang xem xét tham gia vào Euruka Tech là sự đảm bảo đến từ các quan hệ đối tác tài chính đã được thiết lập hoặc sự hỗ trợ từ các công ty đầu tư uy tín. Thiếu thông tin về các mối quan hệ đầu tư, rất khó để rút ra những kết luận toàn diện về sự an toàn tài chính hoặc độ bền vững của dự án. Theo thông tin đã tìm thấy, phần này cũng đang ở trạng thái không rõ. Euruka Tech, $erc ai hoạt động như thế nào? Mặc dù thiếu các thông số kỹ thuật chi tiết cho Euruka Tech, nhưng điều quan trọng là phải xem xét những tham vọng đổi mới của nó. Dự án tìm cách tận dụng sức mạnh tính toán của trí tuệ nhân tạo để tự động hóa và nâng cao trải nghiệm người dùng trong môi trường tiền điện tử. Bằng cách tích hợp AI với công nghệ blockchain, Euruka Tech nhằm cung cấp các tính năng như giao dịch tự động, đánh giá rủi ro và giao diện người dùng cá nhân hóa. Bản chất đổi mới của Euruka Tech nằm ở mục tiêu tạo ra một kết nối liền mạch giữa người dùng và những khả năng rộng lớn mà các mạng phi tập trung mang lại. Thông qua việc sử dụng các thuật toán học máy và AI, nó nhằm giảm thiểu những thách thức mà người dùng lần đầu gặp phải và tinh giản trải nghiệm giao dịch trong khuôn khổ Web3. Sự cộng sinh giữa AI và blockchain nhấn mạnh tầm quan trọng của token $erc ai, đứng như một cầu nối giữa các giao diện người dùng truyền thống và các khả năng tiên tiến của công nghệ phi tập trung. Thời Gian của Euruka Tech, $erc ai Thật không may, do thông tin hạn chế hiện có về Euruka Tech, chúng tôi không thể trình bày một thời gian biểu chi tiết về các phát triển chính hoặc cột mốc trong hành trình của dự án. Thời gian biểu này, thường rất quý giá trong việc vạch ra sự tiến triển của một dự án và hiểu được quỹ đạo phát triển của nó, hiện không có sẵn. Khi thông tin về các sự kiện đáng chú ý, quan hệ đối tác hoặc các bổ sung chức năng trở nên rõ ràng, các cập nhật chắc chắn sẽ nâng cao sự hiện diện của Euruka Tech trong lĩnh vực tiền điện tử. Làm rõ về Các Dự Án “Eureka” Khác Điều đáng lưu ý là nhiều dự án và công ty chia sẻ một tên gọi tương tự với “Eureka.” Nghiên cứu đã xác định các sáng kiến như một đại lý AI từ NVIDIA Research, tập trung vào việc dạy robot thực hiện các nhiệm vụ phức tạp bằng các phương pháp sinh tạo, cũng như Eureka Labs và Eureka AI, cải thiện trải nghiệm người dùng trong giáo dục và phân tích dịch vụ khách hàng, tương ứng. Tuy nhiên, những dự án này là khác biệt với Euruka Tech và không nên bị nhầm lẫn với các mục tiêu hoặc chức năng của nó. Kết luận Euruka Tech, cùng với token $erc ai của nó, đại diện cho một người chơi hứa hẹn nhưng hiện tại còn mờ mịt trong bối cảnh Web3. Trong khi chi tiết về người sáng lập và các nhà đầu tư vẫn chưa được công bố, tham vọng cốt lõi của việc kết hợp trí tuệ nhân tạo với công nghệ blockchain vẫn là một điểm thu hút sự chú ý. Các phương pháp độc đáo của dự án trong việc thúc đẩy sự tham gia của người dùng thông qua tự động hóa tiên tiến có thể giúp nó nổi bật khi hệ sinh thái Web3 tiến triển. Khi thị trường tiền điện tử tiếp tục phát triển, các bên liên quan nên theo dõi chặt chẽ những tiến bộ xung quanh Euruka Tech, vì sự phát triển của các đổi mới đã được ghi chép, các quan hệ đối tác hoặc một lộ trình rõ ràng có thể mang lại những cơ hội đáng kể trong tương lai gần. Hiện tại, chúng tôi đang chờ đợi những hiểu biết sâu sắc hơn có thể tiết lộ tiềm năng của Euruka Tech và vị trí của nó trong bối cảnh cạnh tranh của tiền điện tử.

Tổng lượt xem 651Xuất bản vào 2025.01.02Cập nhật vào 2025.01.02

DUOLINGO AI là gì

DUOLINGO AI: Tích hợp Học ngôn ngữ với Web3 và Đổi mới AI Trong một kỷ nguyên mà công nghệ định hình lại giáo dục, việc tích hợp trí tuệ nhân tạo (AI) và các mạng blockchain báo hiệu một biên giới mới cho việc học ngôn ngữ. Giới thiệu DUOLINGO AI và đồng tiền điện tử liên quan của nó, $DUOLINGO AI. Dự án này mong muốn kết hợp sức mạnh giáo dục của các nền tảng học ngôn ngữ hàng đầu với những lợi ích của công nghệ Web3 phi tập trung. Bài viết này đi sâu vào các khía cạnh chính của DUOLINGO AI, khám phá các mục tiêu, khung công nghệ, sự phát triển lịch sử và tiềm năng tương lai trong khi duy trì sự rõ ràng giữa tài nguyên giáo dục gốc và sáng kiến tiền điện tử độc lập này. Tổng quan về DUOLINGO AI Cốt lõi của DUOLINGO AI là thiết lập một môi trường phi tập trung nơi người học có thể kiếm được phần thưởng mã hóa cho việc đạt được các cột mốc giáo dục trong khả năng ngôn ngữ. Bằng cách áp dụng hợp đồng thông minh, dự án nhằm tự động hóa các quy trình xác minh kỹ năng và phân bổ token, tuân thủ các nguyên tắc Web3 nhấn mạnh tính minh bạch và quyền sở hữu của người dùng. Mô hình này khác biệt so với các phương pháp truyền thống trong việc tiếp cận ngôn ngữ bằng cách dựa nhiều vào cấu trúc quản trị do cộng đồng điều hành, cho phép những người nắm giữ token đề xuất cải tiến nội dung khóa học và phân phối phần thưởng. Một số mục tiêu đáng chú ý của DUOLINGO AI bao gồm: Học tập gamified: Dự án tích hợp các thành tựu blockchain và token không thể thay thế (NFT) để đại diện cho các cấp độ thành thạo ngôn ngữ, thúc đẩy động lực thông qua các phần thưởng kỹ thuật số hấp dẫn. Tạo nội dung phi tập trung: Nó mở ra cơ hội cho các nhà giáo dục và những người yêu thích ngôn ngữ đóng góp khóa học của họ, tạo điều kiện cho một mô hình chia sẻ doanh thu có lợi cho tất cả các bên đóng góp. Cá nhân hóa dựa trên AI: Bằng cách sử dụng các mô hình học máy tiên tiến, DUOLINGO AI cá nhân hóa các bài học để thích ứng với tiến trình học tập của từng cá nhân, tương tự như các tính năng thích ứng có trong các nền tảng đã được thiết lập. Người sáng lập dự án và Quản trị Tính đến tháng 4 năm 2025, đội ngũ đứng sau $DUOLINGO AI vẫn giữ bí danh, một thực tiễn phổ biến trong lĩnh vực tiền điện tử phi tập trung. Sự ẩn danh này nhằm thúc đẩy sự phát triển tập thể và sự tham gia của các bên liên quan thay vì tập trung vào các nhà phát triển cá nhân. Hợp đồng thông minh được triển khai trên blockchain Solana ghi chú địa chỉ ví của nhà phát triển, điều này thể hiện cam kết về tính minh bạch liên quan đến các giao dịch mặc dù danh tính của các nhà sáng lập vẫn chưa được biết đến. Theo lộ trình của nó, DUOLINGO AI dự định phát triển thành một Tổ chức Tự trị Phi tập trung (DAO). Cấu trúc quản trị này cho phép những người nắm giữ token bỏ phiếu về các vấn đề quan trọng như triển khai tính năng và phân bổ ngân quỹ. Mô hình này phù hợp với tinh thần trao quyền cho cộng đồng có trong nhiều ứng dụng phi tập trung, nhấn mạnh tầm quan trọng của việc ra quyết định tập thể. Nhà đầu tư và Đối tác chiến lược Hiện tại, không có nhà đầu tư tổ chức hoặc nhà đầu tư mạo hiểm nào được xác định công khai liên quan đến $DUOLINGO AI. Thay vào đó, tính thanh khoản của dự án chủ yếu đến từ các sàn giao dịch phi tập trung (DEX), đánh dấu một sự tương phản rõ rệt với các chiến lược tài trợ của các công ty công nghệ giáo dục truyền thống. Mô hình cơ sở này cho thấy một cách tiếp cận do cộng đồng điều hành, phản ánh cam kết của dự án đối với sự phi tập trung. Trong tài liệu trắng của mình, DUOLINGO AI đề cập đến việc hình thành các hợp tác với các “nền tảng giáo dục blockchain” không xác định nhằm làm phong phú thêm các khóa học của mình. Mặc dù các đối tác cụ thể vẫn chưa được công bố, những nỗ lực hợp tác này gợi ý về một chiến lược kết hợp đổi mới blockchain với các sáng kiến giáo dục, mở rộng quyền truy cập và sự tham gia của người dùng qua nhiều con đường học tập khác nhau. Kiến trúc công nghệ Tích hợp AI DUOLINGO AI tích hợp hai thành phần chính dựa trên AI để nâng cao các đề xuất giáo dục của mình: Công cụ học tập thích ứng: Công cụ tinh vi này học từ các tương tác của người dùng, tương tự như các mô hình độc quyền từ các nền tảng giáo dục lớn. Nó điều chỉnh độ khó của bài học một cách linh hoạt để giải quyết các thách thức cụ thể của người học, củng cố các lĩnh vực yếu thông qua các bài tập có mục tiêu. Đại lý hội thoại: Bằng cách sử dụng chatbot được hỗ trợ bởi GPT-4, DUOLINGO AI cung cấp một nền tảng cho người dùng tham gia vào các cuộc hội thoại mô phỏng, thúc đẩy một trải nghiệm học ngôn ngữ tương tác và thực tiễn hơn. Hạ tầng Blockchain Được xây dựng trên blockchain Solana, $DUOLINGO AI sử dụng một khung công nghệ toàn diện bao gồm: Hợp đồng thông minh xác minh kỹ năng: Tính năng này tự động trao token cho người dùng đã vượt qua các bài kiểm tra thành thạo, củng cố cấu trúc khuyến khích cho các kết quả học tập thực sự. Huy hiệu NFT: Những token kỹ thuật số này biểu thị các cột mốc khác nhau mà người học đạt được, chẳng hạn như hoàn thành một phần của khóa học hoặc thành thạo các kỹ năng cụ thể, cho phép họ giao dịch hoặc trưng bày thành tích của mình một cách kỹ thuật số. Quản trị DAO: Các thành viên cộng đồng nắm giữ token có thể tham gia vào quản trị bằng cách bỏ phiếu về các đề xuất chính, tạo điều kiện cho một văn hóa tham gia khuyến khích đổi mới trong các đề xuất khóa học và tính năng của nền tảng. Dòng thời gian lịch sử 2022–2023: Khái niệm Công việc chuẩn bị cho DUOLINGO AI bắt đầu với việc tạo ra một tài liệu trắng, nêu bật sự phối hợp giữa những tiến bộ AI trong học ngôn ngữ và tiềm năng phi tập trung của công nghệ blockchain. 2024: Ra mắt Beta Một phiên bản beta giới hạn giới thiệu các đề xuất trong các ngôn ngữ phổ biến, thưởng cho người dùng sớm bằng các phần thưởng token như một phần của chiến lược tham gia cộng đồng của dự án. 2025: Chuyển đổi DAO Vào tháng 4, một lần ra mắt mainnet đầy đủ diễn ra với sự lưu thông của các token, thúc đẩy các cuộc thảo luận trong cộng đồng về khả năng mở rộng sang các ngôn ngữ châu Á và các phát triển khóa học khác. Thách thức và Hướng đi tương lai Khó khăn kỹ thuật Mặc dù có những mục tiêu tham vọng, DUOLINGO AI phải đối mặt với những thách thức đáng kể. Khả năng mở rộng vẫn là một mối quan tâm liên tục, đặc biệt là trong việc cân bằng chi phí liên quan đến xử lý AI và duy trì một mạng lưới phi tập trung phản hồi. Ngoài ra, việc đảm bảo chất lượng tạo nội dung và quản lý trong bối cảnh cung cấp phi tập trung đặt ra những phức tạp trong việc duy trì tiêu chuẩn giáo dục. Cơ hội chiến lược Nhìn về phía trước, DUOLINGO AI có tiềm năng tận dụng các quan hệ đối tác cấp chứng chỉ vi mô với các tổ chức học thuật, cung cấp các xác nhận kỹ năng ngôn ngữ được xác minh bằng blockchain. Hơn nữa, việc mở rộng chuỗi chéo có thể cho phép dự án tiếp cận các cơ sở người dùng rộng hơn và các hệ sinh thái blockchain bổ sung, nâng cao khả năng tương tác và phạm vi tiếp cận của nó. Kết luận DUOLINGO AI đại diện cho một sự kết hợp đổi mới giữa trí tuệ nhân tạo và công nghệ blockchain, cung cấp một lựa chọn tập trung vào cộng đồng thay thế cho các hệ thống học ngôn ngữ truyền thống. Mặc dù sự phát triển bí danh và mô hình kinh tế mới nổi của nó mang lại một số rủi ro, cam kết của dự án đối với học tập gamified, giáo dục cá nhân hóa và quản trị phi tập trung mở ra một con đường phía trước cho công nghệ giáo dục trong lĩnh vực Web3. Khi AI tiếp tục phát triển và hệ sinh thái blockchain tiến hóa, các sáng kiến như DUOLINGO AI có thể định hình lại cách người dùng tương tác với giáo dục ngôn ngữ, trao quyền cho cộng đồng và thưởng cho sự tham gia thông qua các cơ chế học tập đổi mới.

Tổng lượt xem 679Xuất bản vào 2025.04.11Cập nhật vào 2025.04.11

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến của người dùng về giá của AI (AI) được trình bày dưới đây.