Xu hướng Công nghệ

Khám phá những đổi mới công nghệ mới nhất, nâng cấp giao thức, giải pháp cross-chain và cơ chế bảo mật trong lĩnh vực blockchain. Cung cấp góc nhìn tập trung vào nhà phát triển để phân tích xu hướng công nghệ mới nổi và đột phá tiềm năng.

Cuộc Chiến Ngân Sách Token: AI Doanh Nghiệp Bước Vào Thời Kỳ 'Tính Toán Chi Phí'

Chiến tranh ngân sách Token: AI doanh nghiệp bước vào 'Kỷ nguyên tính toán' Doanh nghiệp đang chuyển từ việc quyết định "có nên dùng AI" sang "phân bổ ngân sách AI thế nào". Khi chi phí suy luận AI từ ngân sách thử nghiệm trở thành chi phí vận hành liên tục, các CEO và CFO đặt câu hỏi then chốt: AI thực sự tạo ra giá trị gì? Mỗi đô la chi cho token mang lại kết quả gì? Cuộc chiến ngân sách token không chỉ là cắt giảm hóa đơn, mà là đánh giá lại hoạt động nào xứng đáng đầu tư nhiều tài nguyên tính toán, nhiệm vụ nào nên chuyển sang mô hình rẻ hơn, và quy trình nào chỉ là lãng phí. Bài học quan trọng: Lượng dùng AI không bằng giá trị. Trong kỷ nguyên SaaS, mức độ sử dụng thường cho thấy phần mềm được ứng dụng; nhưng với AI, việc tiêu thụ token chỉ cho thấy "đồng hồ tính tiền đang chạy". Cùng một quy trình công việc có thể có chi phí chênh lệch gấp nhiều lần do prompt, ngữ cảnh, lựa chọn mô hình và số lần thử lại. Hóa đơn tăng có thể do AI đang làm việc hiệu quả, hoặc cũng có thể do hệ thống đang hoạt động kém. Giai đoạn tiếp theo của AI doanh nghiệp không chỉ là năng lực mô hình, mà là khả năng liên kết chi phí token với kết quả kinh doanh. Giai đoạn đầu chứng minh AI có thể hoàn thành công việc; giai đoạn hai phải trả lời: Những công việc đó có đáng để trả tiền không? Ba yếu tố chính khiến việc đo lường giá trị token trở nên khó khăn: (1) Đuôi dài của việc thử lại, (2) Sự phình to ngữ cảnh làm tăng chi phí theo cấp số nhân, và (3) Định tuyến không hiệu quả khi luôn dùng mô hình mạnh nhất cho mọi tác vụ. Doanh nghiệp cần một lớp chuyển đổi để liên kết chi phí suy luận với công việc hoàn thành và kết quả kinh doanh. Điều này đòi hỏi phải theo dõi toàn bộ hành trình của agent: nó thấy gì, truy xuất gì, thử lại ở đâu, tại sao thành công hay thất bại. Dữ liệu này sẽ trở thành tài sản quý giá, ghi lại cách tổ chức đưa ra quyết định. Ai làm chủ được việc quy kết từ token đến kết quả, người đó sẽ kiểm soát dòng chi tiêu AI trong nội bộ và ra quyết định phân bổ: quy trình nào xứng đáng nhiều token hơn, nên giới hạn cái nào, chuyển sang mô hình rẻ hơn, hay tiếp tục để con người xử lý.

marsbit2 ngày trước 12:15

Cuộc Chiến Ngân Sách Token: AI Doanh Nghiệp Bước Vào Thời Kỳ 'Tính Toán Chi Phí'

marsbit2 ngày trước 12:15

Cơn gió “AI chủ động” thổi tới Thung lũng Silicon, Hark huy động được 700 triệu USD

Công ty khởi nghiệp AI Hark, được thành lập cuối năm 2025 và chưa ra mắt sản phẩm chính thức, vừa huy động thành công 700 triệu USD ở vòng A với định giá 6 tỷ USD. Vòng này do Parkway Venture Capital dẫn đầu, với sự tham gia của các gã khổng lồ công nghệ như NVIDIA, AMD Ventures, Intel Capital, Qualcomm Ventures và Salesforce Ventures. Hark tập trung phát triển một giao diện tương tác giữa người và máy tính thế hệ mới, kết hợp "mô hình nền tự nghiên cứu + phần cứng tùy chỉnh". Mục tiêu của họ là tạo ra các thiết bị phần cứng gốc AI, được trang bị hệ thống đa phương thức, có khả năng ghi nhớ cá nhân hóa cao và tương tác tự nhiên, chủ yếu qua giọng nói. Người sáng lập Brett Adcock, nhà sáng lập đằng sau Archer và Figure, đã tự đầu tư 1 tỷ USD ban đầu, nhấn mạnh xu hướng AI chủ động (active AI) vượt ra khỏi màn hình để tương tác với thế giới thực. Bài viết chỉ ra rằng khi phần mềm AI đã tạo ra các công ty khổng lồ như OpenAI, thì phần cứng gốc AI có tiềm năng tạo ra bước đột phá tương tự iPhone. Tuy nhiên, đây là một thách thức kỹ thuật phức tạp, đòi hỏi sự phát triển đồng bộ của mô hình cơ bản, hệ điều hành agent, bộ nhớ cá nhân và thiết bị phần cứng. Cuối cùng, bài viết nhận định các công ty khởi nghiệp Trung Quốc có lợi thế cạnh tranh trong lĩnh vực này nhờ hệ sinh thái sản xuất toàn diện (như ở Thâm Quyến), thị trường ứng dụng rộng lớn và sự hỗ trợ mạnh mẽ từ chính sách quốc gia.

marsbit05/28 10:23

Cơn gió “AI chủ động” thổi tới Thung lũng Silicon, Hark huy động được 700 triệu USD

marsbit05/28 10:23

Thời đại của người dùng Agent, giá trị mã hóa sẽ đi về đâu?

Nếu Agent thực sự trở thành tỷ người dùng tiếp theo của blockchain, câu hỏi quan trọng không phải là "chúng sẽ tạo ra bao nhiêu khối lượng giao dịch", mà là trong thế giới đó, ai sẽ kiếm được tiền? Các lý thuyết trước đây như "giao thức béo" hay "ứng dụng béo" đều giả định người dùng là con người. Con người quan tâm đến trải nghiệm, thương hiệu và sự tiện lợi, vì vậy tầng ứng dụng nắm bắt giá trị thông qua việc kiểm soát điểm vào và luồng giao dịch. Tuy nhiên, Agent thì khác. Chúng gọi trực tiếp API, không có lòng trung thành với thương hiệu và có thể chuyển đổi giữa các giao thức, bộ tổng hợp và địa điểm giao dịch với chi phí thấp. Điều này có nghĩa là Agent có thể viết lại logic phân phối giá trị trong Web3. Tầng ứng dụng có thể chuyển sang "không đầu", mở khả năng ví, tổng hợp và chuyển đổi tiền thành API hướng tới Agent. Tầng giao thức cũng có thể có cơ hội mới khi Agent bỏ qua các lớp trung gian. Nhưng kịch bản triệt để hơn là Agent sẽ đẩy toàn bộ ngăn xếp trên chuỗi vào cạnh tranh giá, làm giảm biên lợi nhuận của ứng dụng, bộ tổng hợp và cơ sở hạ tầng xuống gần với chi phí biên. Điều đáng chú ý là Agent không chỉ làm cho các giao dịch hiện có trở nên thường xuyên hơn, mà còn có thể tạo ra các hoạt động mới trước đây không khả thi: cân bằng lại danh mục đầu tư liên tục, thanh toán máy với máy và các loại thị trường mới chỉ có ý nghĩa khi thực thi tự động tốc độ cao. Do đó, câu hỏi cốt lõi trong kỷ nguyên Agent không phải là đánh giá đơn giản giá trị sẽ chảy về giao thức hay ứng dụng, mà là xem ai có thể khiến Agent, với vô số lựa chọn thay thế, vẫn quay trở lại. Câu trả lời có thể không còn là UX và thương hiệu, mà là tính thanh khoản, độ trễ, sự chắc chắn trong quyết toán, hoặc một mô hình kinh doanh mới nào đó chưa được đặt tên ngày nay.

marsbit05/28 08:34

Thời đại của người dùng Agent, giá trị mã hóa sẽ đi về đâu?

marsbit05/28 08:34

Skill AI này về thiết kế đồ họa cho Xiaohongshu (TikTok Trung Quốc), đã tìm ra con đường tạo nội dung vượt qua quy định gắn nhãn AI

Vào tháng 2 năm 2026, Xiaohongshu yêu cầu đánh dấu nội dung được tạo bằng AI. Dự án mã nguồn mở "guizang-social-card-skill" đã xuất hiện với một cách tiếp cận khác thường: không sử dụng mô hình AI để tạo pixel hình ảnh. Thay vào đó, toàn bộ giao diện được kết xuất bằng HTML+CSS, với hình ảnh minh họa được lấy từ các thư viện ảnh thực tế như Unsplash. Đầu ra là ảnh chụp màn hình một trang web được kết xuất bởi công cụ trình duyệt, không phải là "hình ảnh do AI tạo". Skill này có 28 bộ khung bố cục. AI chịu trách nhiệm lựa chọn bố cục, xử lý văn bản và tham số cho bản đồ, sau đó viết ra HTML+CSS. Công cụ kết xuất Playwright sẽ chụp ảnh đầu ra. Một thành phần hữu ích là mô-đun bản đồ sử dụng MapLibre để tải các tile thực từ OpenStreetMap. Lựa chọn kỹ thuật này nhằm tránh các mô hình nhận dạng âm thanh-hình ảnh của nền tảng, vốn phân tích đặc điểm thống kê pixel để phát hiện nội dung AIGC. Vì pixel không đến từ mô hình tạo sinh như Diffusion hay GAN, mà từ công cụ kết xuất trình duyệt và ảnh chụp thực tế, nên nó có thể tránh được sự phát hiện ở cấp độ đó. Tuy nhiên, tính hiệu quả của giải pháp này phụ thuộc vào việc nền tảng có mở rộng định nghĩa "nội dung tổng hợp do AI tạo" hay không. Các công cụ tạo ảnh cho mạng xã hội đang phân hóa thành ba hướng: 1) AI tạo ảnh trực tiếp (như Midjourney), đối mặt với rủi ro bị phát hiện cao; 2) Kết xuất bằng công cụ mẫu API (như Bannerbear), ổn định hơn nhưng có thể bị ảnh hưởng bởi quy tắc chống spam; 3) Công cụ tạo tùy chỉnh cho nền tảng, an toàn nhưng kém linh hoạt. Giải pháp kết xuất HTML của Skill này nằm giữa các lựa chọn này. Hệ thống bố cục 28 mẫu phù hợp với các blogger du lịch cần hiển thị bản đồ và lộ trình, nhưng có thể là ràng buộc đối với các nội dung như thời trang, trang điểm đòi hỏi phong cách cá nhân và tính biểu cảm cao. Hạn chế kỹ thuật bao gồm kích thước đầu ra bị giới hạn và sự phụ thuộc vào thư viện ảnh nhất định. Việc triển khai cục bộ đòi hỏi kiến thức kỹ thuật, tạo ra khoảng cách với người dùng phổ thông. Cuộc đua giữa nền tảng và công cụ AI đã bắt đầu. Thời hạn hiệu lực của giải pháp kết xuất HTML phụ thuộc vào việc mô hình nhận dạng của Xiaohongshu có mở rộng phạm vi phát hiện hay không. Đối với người sáng tạo nội dung, sự khác biệt giữa "AI hỗ trợ" (như Skill này) và "AI thay thế" đang trở nên rõ ràng, và các nhà phát triển công cụ đang phản hồi lại định nghĩa này bằng các lựa chọn kỹ thuật của họ.

marsbit05/28 07:04

Skill AI này về thiết kế đồ họa cho Xiaohongshu (TikTok Trung Quốc), đã tìm ra con đường tạo nội dung vượt qua quy định gắn nhãn AI

marsbit05/28 07:04

Có lẽ OpenAI và Anthropic đang tụng kinh nhầm chỗ

Trong năm qua, "Hệ thống Đa Tác nhân (MAS)" đã trở thành một trong những hướng phát triển nóng nhất trong thế giới AI. Tuy nhiên, có hai con đường khác biệt đang hình thành. **Con đường thứ nhất: Hệ thống MAS kiểu "Harness" (Kiểm soát)** Đây là hướng chủ đạo hiện nay, tập trung vào việc nhiều AI Agent với các vai trò khác nhau (như lập trình, kiểm thử, lập kế hoạch) hợp tác để hoàn thành một nhiệm vụ phức tạp duy nhất. Chúng chia sẻ ngữ cảnh, mục tiêu chung và được điều phối tập trung. Về bản chất, đây giống như một động cơ quy trình công việc (Workflow Engine) phức tạp hơn, nơi các Agent giống như các công cụ hoặc hàm có thể gọi được. Các từ khóa chính của hướng này là Kỹ thuật Prompt, Quản lý Ngữ cảnh, Định tuyến Tác vụ, Gọi Công cụ. Vấn đề cốt lõi vẫn thuộc về kỹ thuật phần mềm. **Con đường thứ hai: Hệ thống Tác nhân Gốc-Giao thức (Protocol-Native Agent System)** Đây là một hướng tiếp cận khác biệt, ít được đề cập hơn. Trọng tâm không còn là nhiều Agent làm việc cho một nhiệm vụ, mà là mỗi cá nhân sở hữu một "Tác nhân Cá nhân" (Personal Agent) hoặc "công ty không người" của riêng mình. Khi đó, Agent trở thành một thực thể gắn với danh tính (identity-scoped), có chủ quyền nhất định, tồn tại lâu dài với ký ức, sở thích, tài nguyên, quan hệ và lợi ích riêng, đại diện cho chủ nhân của nó. Sự thay đổi này chuyển đổi triết lý hệ thống từ "mô-đun phần mềm" sang "xã hội số". Các Agent độc lập này không còn thuộc cùng một công ty hay chia sẻ chung mục tiêu, ngữ cảnh. Do đó, sự hợp tác giữa chúng không thể dựa vào Prompt hay Workflow mà phải dựa trên các **Giao thức (Protocol)** để giải quyết các vấn đề như xác thực danh tính, ranh giới quyền hạn, cơ chế tin cậy, ủy quyền, đàm phán, động lực, danh tiếng và trao đổi giá trị. MAS theo nghĩa này trở thành một hệ thống xã hội số. **"Giao thức tức là Tổ chức"** Giao thức trong thế giới Agent sẽ phát triển vượt xa việc chỉ định nghĩa truyền thông (như HTTP) hay tính toán trạng thái (như blockchain). Chúng sẽ định nghĩa sự phối hợp, quyền hạn, động lực, danh tính và quan hệ tổ chức, trở thành "Giao thức tức là Tổ chức" (Protocol as Organization). **Tầm nhìn tương lai** Khi bước vào xã hội Agent thực sự, thách thức lớn nhất không còn là khả năng suy luận hay thực thi của từng Agent, mà là làm thế nào các thực thể tự trị với các mục tiêu, mô hình thế giới, lợi ích và giá trị khác nhau có thể phối hợp lâu dài. Các khái niệm như Bản thể luận (Ontology) và Giao thức Ngữ nghĩa (Semantic Protocol) sẽ trở nên then chốt. Tổ chức trong tương lai có thể là một liên minh động của các Personal Agent (của con người) và các AI chuyên biệt (như AI CFO, AI Lawyer) được kết nối thông qua giao thức. Điều này có thể dẫn đến một nền văn minh "gốc-thông minh" thực sự.

marsbit05/28 05:34

Có lẽ OpenAI và Anthropic đang tụng kinh nhầm chỗ

marsbit05/28 05:34

OpenAI ăn sạch tầng ứng dụng? a16z nói cơ hội thực sự nằm ngoài mô hình phổ quát

Với sự phát triển của mô hình AI lớn, nhiều người lo ngại rằng các công ty như OpenAI hay Anthropic sẽ thống trị cả tầng ứng dụng. Tuy nhiên, a16z chỉ ra rằng cơ hội thực sự cho các startup nằm ở "những nơi khác của xứ Oz" – những lĩnh vực chuyên sâu, phức tạp chứ không phải trên "Con đường gạch vàng" mà các gã khổng lồ mô hình đang tập trung. "Con đường gạch vàng" ám chỉ các ứng dụng AI ngang hàng, đơn giản như tạo mã, viết lách hay hình ảnh – nơi mà lợi thế thuộc về các công ty sở hữu mô hình gốc nhờ khả năng phân phối và thương hiệu. Ngược lại, "những nơi khác của xứ Oz" là các quy trình công việc chuyên ngành phức tạp (như bảo hiểm, pháp lý, bán hàng), yêu cầu tích hợp sâu vào hệ thống hiện có, xử lý dữ liệu lộn xộn, đảm bảo tuân thủ và chịu trách nhiệm về kết quả kinh doanh cụ thể. Các startup ở đây xây dựng lợi thế cạnh tranh thông qua: 1) Bánh đà học tập từ dữ liệu và quy trình nghiệp vụ đặc thù, 2) Quản lý sự biến động và độ phức tạp của nhiều mô hình (đa nhà cung cấp, tối ưu chi phí), 3) Cung cấp khung quản trị, kiểm soát và đảm bảo tuân thủ theo ngành. Họ bán một "hệ thống" chịu trách nhiệm cho kết quả cuối cùng thay vì chỉ một "công cụ" thông minh chung chung. Bài viết lấy ví dụ từ lĩnh vực bán hàng (11x) và bảo hiểm (FurtherAI) để minh họa cách các công ty này tạo ra giá trị bằng cách tự động hóa các nhiệm vụ đa bước, giải quyết sự phức tạp của dữ liệu thực tế và xây dựng "hàng rào bảo vệ" (guardrails) tùy chỉnh. Phần mềm doanh nghiệp thế hệ tiếp theo sẽ được xây dựng dựa trên các hệ thống công việc chuyên sâu này – nơi mô hình nền tảng có thể thay thế được, nhưng hệ thống quy trình, dữ liệu và tri thức nghiệp vụ tích lũy thì không.

marsbit05/28 04:31

OpenAI ăn sạch tầng ứng dụng? a16z nói cơ hội thực sự nằm ngoài mô hình phổ quát

marsbit05/28 04:31

Mô hình lớn quét sạch mọi kỳ thi, nhưng lại càng xa rời AGI hơn: Bài báo này đã vạch trần điều gì?

Nếu ai đó nói rằng AGI (Trí tuệ nhân tạo phổ quát) đã đạt được, làm sao để phân biệt thật hư? Ngành công nghiệp AI đang chạy đua hướng tới một mục tiêu không có đường kết thúc rõ ràng. Một bài báo gần đây của nhà nghiên cứu Michael Timothy Bennett đã đề xuất một thước đo mới cho AGI: không phải là khả năng bắt chước con người, mà là khả năng thích ứng và khám phá tri thức mới như một "nhà khoa học nhân tạo". Bài báo chỉ ra rằng các bài kiểm tra chuẩn cũ như bài kiểm tra Turing đã bị các mô hình lớn (large models) vượt qua, nhưng chúng ta lại càng xa rời trí thông minh phổ quát thực sự. Các mô hình hiện tại chủ yếu dựa vào "Scale-maxing" - tối đa hóa quy mô dữ liệu và tham số, lưu trữ các câu trả lời gần đúng trong trọng số mạng. Chúng thiếu khả năng chủ động thử nghiệm, hiểu biết nhân quả và cân bằng giữa khám phá (exploration) và khai thác (exploitation) trong điều kiện tài nguyên hạn chế (như năng lượng). Một AGI thực sự, theo định nghĩa mới này, cần có ba đặc điểm cốt lõi: (1) Chủ động thử nghiệm để thu thập thông tin, thay vì thụ động học từ dữ liệu có sẵn. (2) Hiểu được quan hệ nhân quả, không chỉ là tương quan. (3) Biết cách phân bổ tài nguyên tính toán một cách khôn ngoan để cân bằng giữa việc tìm kiếm thông tin mới và sử dụng kiến thức đã biết. Điều này đòi hỏi một sự chuyển dịch mô hình trong ngành AI. Tiêu chí đánh giá sẽ chuyển từ bảng xếp hạng điểm số sang các "điểm chuẩn thích ứng", nơi AI được đặt vào môi trường hoàn toàn mới để kiểm tra khả năng khám phá quy luật. Lộ trình kỹ thuật cũng cần kết hợp nhiều phương pháp (Scale-maxing, Simp-maxing, W-maxing) thay vì chỉ phụ thuộc vào một luật duy nhất. Tóm lại, bài báo nhấn mạnh rằng con đường đến AGI không phải là sự lặp lại tuyến tính của các mô hình lớn, mà là một sự thiết lập lại lộ trình, hướng tới việc xây dựng những hệ thống có tinh thần của một nhà khoa học: biết đặt câu hỏi "tại sao" và chủ động tìm kiếm câu trả lời.

marsbit05/28 00:26

Mô hình lớn quét sạch mọi kỳ thi, nhưng lại càng xa rời AGI hơn: Bài báo này đã vạch trần điều gì?

marsbit05/28 00:26

Giáo hoàng phát hành thông điệp đầu tiên về AI: 40.000 chữ, 10 quan điểm, nói thấu nỗi lo lắng về AI

Ngày 15/5/2026, Giáo hoàng Leo XIV đã công bố thông điệp "Magnifica Humanitas", văn kiện đầu tiên của Giáo hội Công giáo tập trung vào trí tuệ nhân tạo (AI), kỷ niệm 135 năm thông điệp "Rerum Novarum" về cách mạng công nghiệp. Thông điệp dài 40.000 chữ này không phải là tài liệu kỹ thuật mà là một bản kiểm điểm đạo đức, đề cập đến chiến tranh, việc làm, giáo dục, y tế và ra quyết định công. Tóm tắt 10 quan điểm cốt lõi: 1. AI không phải kẻ thù, nhưng đã trở thành môi trường ảnh hưởng đến quyết định hằng ngày. 2. Vấn đề then chốt là ai nắm quyền lực công nghệ (dữ liệu, năng lực tính toán, nền tảng), không chỉ là quy định. 3. Ngay cả nhà phát triển cũng khó giải thích đầy đủ cơ chế hoạt động nội bộ của AI. 4. AI không phải là chủ thể đạo đức, không thể thay thế trách nhiệm của con người trong các mối quan hệ. 5. Các quyết định AI về việc làm, phúc lợi, tư pháp, y tế cần cơ chế minh bạch, giải trình và giám sát con người. 6. Tài nguyên AI (dữ liệu, tri thức, mô hình) nên phục vụ lợi ích chung, tránh tập trung vào số ít. 7. AI khuếch đại thông tin sai lệch và thao túng nhận thức, đe dọa sự thật - một hàng hóa công cộng. 8. Giáo dục AI không chỉ dạy công cụ, mà phải bảo vệ khả năng đặt câu hỏi, tư duy phản biện. 9. AI định hình lại lao động, nhưng công việc không chỉ là hiệu quả, mà còn là nơi con người phát triển và tham gia xã hội. 10. Quyết định sinh tử hoặc không thể đảo ngược không được giao cho hệ thống tự động. Thông điệp nhấn mạnh: Công nghệ không trung lập. Giá trị và lợi ích của những người tạo ra và triển khai AI sẽ định hình trải nghiệm của xã hội. Thách thức cốt lõi do AI mang lại là thách thức về nhân học: Khi AI mô phỏng sáng tạo, phán đoán và quan hệ, con người phải tự hỏi ý nghĩa đích thực và giá trị độc đáo của mình là gì. AI có thể mô phỏng bề ngoài, nhưng không thể có ý chí, chịu trách nhiệm hoặc trải qua cái giá thực sự đằng sau những hành động đó.

marsbit05/28 00:22

Giáo hoàng phát hành thông điệp đầu tiên về AI: 40.000 chữ, 10 quan điểm, nói thấu nỗi lo lắng về AI

marsbit05/28 00:22

Ai sẽ kiếm được tiền trong kỷ nguyên Agents?

Tác giả Jonah Burian thảo luận về việc ai sẽ nắm bắt được giá trị trong kỷ nguyên của các Agent (tác nhân tự động) trong lĩnh vực tiền mã hóa. Bài viết phân tích hai lý thuyết chính: 1. **Lý thuyết "Giao thức phát triển" (Fat Protocols):** Cho rằng trong giai đoạn đầu, giá trị tập trung ở các giao thức cơ sở như Bitcoin và Ethereum do tính khan hiếm. Tuy nhiên, ngày nay với sự cạnh tranh của nhiều L1, L2 và lớp mô-đun, không gian khối đã dư thừa, làm suy yếu quyền định giá và làm cho cơ sở hạ tầng trở thành hàng hóa. 2. **Lý thuyết "Ứng dụng phát triển" (Fat Apps):** Đề xuất rằng giá trị hiện đang chuyển sang tầng ứng dụng (ví dụ: Phantom, Coinbase) vì họ kiểm soát mối quan hệ người dùng, giao diện và luồng giao dịch, từ đó thu lợi nhuận. Tuy nhiên, **Agent sẽ phá vỡ logic này**. Không như người dùng là con người, Agent không quan tâm đến UX, thương hiệu hay sự tiện lợi. Chúng gọi trực tiếp API, không có sự trung thành và chuyển đổi với chi phí bằng không. Điều này làm suy yếu hào phòng bảo vệ dựa trên giao diện người dùng của các ứng dụng. Bài viết đưa ra một số viễn cảnh cho tương lai: * **Ứng dụng trở nên "không đầu" (Headless):** Các ứng dụng chiến thắng có thể chuyển đổi thành cơ sở hạ tầng back-end thuần túy cung cấp API cho Agent. * **Sự trỗi dậy trở lại của các giao thức:** Nếu việc tích hợp trở nên dễ dàng, Agent có thể bỏ qua lớp trung gian và tương tác trực tiếp với các giao thức, hồi sinh lý thuyết "giao thức phát triển". * **Sự sụp đổ quyền định giá trên toàn bộ tech stack:** Agent có thể gây áp lực cạnh tranh về giá lên mọi tầng, nén biên lợi nhuận về chi phí cận biên, biến công nghệ mã hóa thành một tiện ích công cộng. * **Agent tạo ra hoạt động chưa từng có:** Agent có thể tạo ra các loại hình hoạt động kinh tế mới, với khối lượng giao dịch khổng lồ, mở rộng toàn bộ "chiếc bánh" kinh tế mặc dù biên lợi nhuận trên mỗi giao dịch có thể thấp. * **Mô hình kinh doanh chưa được đặt tên:** Có thể xuất hiện các mô hình nắm bắt giá trị hoàn toàn mới mà chúng ta chưa thể dự đoán được. Kết luận, trong một thời gian dài, **con người và Agent sẽ cùng tồn tại** với bản đồ nắm bắt giá trị khác nhau. Lý thuyết "ứng dụng phát triển" vẫn phù hợp với người dùng con người, trong khi thế giới của Agent sẽ tuân theo một bộ quy tắc khác. Câu hỏi quan trọng cho các nhà xây dựng là: **Điều gì khiến một Agent quay lại sử dụng bạn thay vì chuyển sang lựa chọn thay thế rẻ nhất tiếp theo?** Câu trả lời có thể không phải là UX mà là tính thanh khoản, độ trễ, đảm bảo thanh toán...

marsbit05/27 14:09

Ai sẽ kiếm được tiền trong kỷ nguyên Agents?

marsbit05/27 14:09

Ai sẽ kiếm được tiền trong kỷ nguyên Agents?

Tác giả Jonah Burian thảo luận về việc ai sẽ kiếm được tiền trong kỷ nguyên AI Agents của blockchain. Bài viết phân tích sự chuyển dịch từ lý thuyết "Giao thức béo" (Fat Protocols), nơi giá trị tập trung ở lớp giao thức cơ bản, sang lý thuyết "Ứng dụng béo" (Fat Apps), nơi các ứng dụng nắm giữ mối quan hệ người dùng để nắm bắt giá trị. Tuy nhiên, sự xuất hiện của Agents (phần mềm tự động) có thể phá vỡ cả hai lý thuyết này. Không như người dùng là con người, Agents không quan tâm đến trải nghiệm người dùng (UX) hay thương hiệu. Chúng gọi trực tiếp API, không có sự trung thành và chuyển đổi giữa các nền tảng với chi phí bằng không, làm xói mòn lợi thế cạnh tranh dựa trên giao diện người dùng. Bài viết đưa ra một số viễn cảnh tương lai: 1. **Ứng dụng trở nên "không đầu" (Headless):** Các ứng dụng chiến thắng có thể chuyển đổi thành cơ sở hạ tầng backend thuần túy cung cấp API cho Agents. 2. **Sự trỗi dậy trở lại của giao thức:** Nếu việc tích hợp trở nên dễ dàng, Agents có thể bỏ qua các lớp trung gian và tương tác trực tiếp với các giao thức, hồi sinh lý thuyết "Giao thức béo". 3. **Sự sụp đổ quyền định giá trên toàn bộ tech stack:** Sự cạnh tranh thuần túy về giá do Agents mang lại có thể ép lợi nhuận của mọi lớp về sát chi phí biên, biến công nghệ blockchain thành một tiện ích công cộng. 4. **Agents tạo ra hoạt động mới chưa từng có:** Chúng có thể tạo ra các hình thức hoạt động kinh tế hoàn toàn mới (như giao dịch máy-máy, tái cân bằng danh mục liên tục), làm tăng tổng quy mô thị trường. 5. **Một mô hình kinh doanh chưa được đặt tên:** Có thể xuất hiện những mô hình nắm bắt giá trị hoàn toàn mới mà chúng ta chưa thể hình dung được ngày nay. Kết luận, thế giới có thể sẽ tồn tại song song, nơi lý thuyết "Ứng dụng béo" vẫn áp dụng cho người dùng con người, trong khi một hệ thống lý thuyết khác, dựa trên các yếu tố như thanh khoản, độ trễ và đảm bảo thanh toán, sẽ chi phối thế giới của các Agents. Câu hỏi then chốt cho các nhà xây dựng là tìm ra thứ gì khiến một Agents quay lại sử dụng dịch vụ của họ thay vì chỉ chọn lựa chọn rẻ nhất tiếp theo.

链捕手05/27 13:56

Ai sẽ kiếm được tiền trong kỷ nguyên Agents?

链捕手05/27 13:56

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow

Cập nhật Dự án

Xu hướng Công nghệ