Ngay lúc này, trận đấu quần vợt đầu tiên trên thế giới giữa người và máy bắt đầu, robot cứu bóng cực hạn khiến Trịnh Khiết sửng sốt

marsbitXuất bản vào 2026-08-23Cập nhật gần nhất vào 2026-08-23

Tóm tắt

"Lần đầu tiên trên thế giới: Trận đấu quần vợt người-máy trực tiếp với sự tham gia của robot hình người Trung Quốc Ngày 22/8, tại Đại hội Thể thao Robot hình người Thế giới lần thứ hai, một khoảnh khắc lịch sử đã diễn ra: trận đấu quần vợt đơn đầu tiên trên thế giới giữa huyền thoại quần vợt Trịnh Khiết và robot hình người 'Ngân Hà Tinh Tử' do Ngân Hà Thông Dụng phát triển. Robot đã thể hiện khả năng ấn tượng: di chuyển linh hoạt, thực hiện các cú đánh thuận tay, trái tay, phát bóng với tốc độ trên 100km/h, và thậm chí tự đứng dậy sau khi ngã. Đặc biệt, trong trận đấu đôi hỗn hợp, robot đã phối hợp nhịp nhàng với đối tác con người. Đằng sau màn trình diễn đột phá này là mô hình trí tuệ thể hiện 'Ngân Hà Tinh Não' (AstraBrain). Khác với kiến trúc phân tầng truyền thống (não bộ ra lệnh, tiểu não điều khiển vận động), AstraBrain tích hợp cả tư duy chiến thuật và điều khiển vận động toàn thân vào trong một mô hình thống nhất, giúp giảm thiểu độ trễ và tổn thất thông tin. Mô hình được huấn luyện qua hai giai đoạn chính: đầu tiên học từ dữ liệu chuyển động không hoàn hảo của con người để có hiểu biết cơ bản, sau đó tiến vào thế giới ảo để hàng triệu trí tuệ nhân tạo tự đấu với nhau, tiến hóa và 'tự nảy sinh' các kỹ năng phức tạp như cứu bóng hay đứng dậy sau ngã, trước khi được chuyển giao nguyên vẹn sang robot thật. Trận đấu không đơn thuần là một màn trình diễn thể thao. Nó đánh dấu một bước tiến lớn trong trí tuệ thể hiện, nơi AI không chỉ tư duy trong thế giới số như AlphaG...

Khoảnh khắc AstraTennis của robot Trung Quốc, đã đến.

Ngày 22 tháng 8, Lễ khai mạc Đại hội Thể thao Robot hình người Thế giới lần thứ hai, Đài Truyền hình Trung ương Trung Quốc phát sóng trực tiếp toàn cầu.

Khi ống kính quét qua sân thi đấu, hơi thở của cả khán đài dường như ngưng đọng.

Hai bên lưới, một bên là ngôi sao quần vợt con người, bên kia, là một robot hình người.

Khoảnh khắc này, đánh dấu sự đổi mới công nghệ của Trung Quốc đã đạt đến điểm kỳ dị trí thông minh thể hiện đáng ghi vào sử sách.

Trận đấu quần vợt thực sự đầu tiên trên thế giới giữa người và máy, chính thức bắt đầu!

Trận đấu quần vợt đầu tiên trên thế giới giữa người và máy

Ngay từ đầu, đã là trận đánh đôi quần vợt hỗn hợp người-máy đầy kịch tính.

Điều đáng ngạc nhiên là, biểu hiện của Thiên Hà Tinh Tử rất xuất sắc: nó di chuyển nhanh nhẹn, tiến lùi nhanh chóng theo nhu cầu, chơi rất trôi chảy.

Hơn nữa, Tinh Tử và đối tác con người rất ăn ý khi hình thành thế trận một trước một sau, toàn lực ứng chiến với đối thủ bên kia.

Tiếp theo, ngôi sao quần vợt Trịnh Khiết và robot thông dụng Thiên Hà, đã triển khai trận đấu đơn quần vợt đầu tiên trên thế giới giữa người và máy.

Dù là cú thuận tay hay trái tay, robot và con người đều đánh qua lại với nhau.

Sau đó, Trịnh Khiết quyết định tăng độ khó, đánh một quả bóng lên cao.

Kết quả, trong quá trình bị đối thủ dẫn dắt trái phải, robot vô tình ngã lăn ra sân.

Bất ngờ là, ngay giây tiếp theo, nó đã ngay lập tức điều chỉnh tư thế đứng dậy.

Và trước những cú cắt và xoáy của Trịnh Khiết, khả năng phán đoán của robot cũng rất tốt.

Cuối cùng, Trịnh Khiết biết không thể để nước nữa, bắt đầu điều động trái phải trước sau phân điểm, robot đã hoàn thành một bước bật người đẹp mắt ngoài sức tưởng tượng, giành được tiếng vỗ tay của khán giả hiện trường.

Trận đấu kết thúc, biểu hiện của robot khiến mọi người reo hò.

Trong cả trận đấu, các động tác như gập gối, tung bóng, xoay người đều do robot hình người tự hoàn thành.

Hơn nữa, tốc độ giao bóng đạt hơn một trăm km/h, thời gian phản ứng còn lại cho nó chỉ vài phần mười giây, nhưng nó hầu như không bị trục trặc.

Robot này, chính là đến từ Thiên Hà Thông Dụng.

Mười năm trước, AlphaGo thắng Lý Thế Thạch. Mười năm sau robot Trung Quốc thi đấu cùng các vận động viên đỉnh cao làng banh nỉ.

Nếu nói AlphaGo chứng minh AI có thể chinh phục thế giới số, thì hôm nay, robot Trung Quốc của Thiên Hà Thông Dụng chứng minh: AI có thể chịu đựng bài kiểm tra áp lực cực hạn của thế giới vật lý.

Lần đầu tiên nó đứng dậy từ mã code, chạy, vung vợt, đấu trí trong cuộc đối kháng thực sự, thậm chí ngã xuống rồi tự mình bò dậy, tiếp tục chiến đấu.

Khoảnh khắc AstraTennis trí thông minh thể hiện tuyệt vời như vậy, được cả thế giới cùng lúc chứng kiến!

Khoảnh khắc AstraTennis của robot Trung Quốc

Tại sao trận đấu quần vợt này, có thể gây ra cơn chấn động lớn trong giới công nghệ toàn cầu?

Bởi vì quần vợt, là bài kiểm tra áp lực cực hạn đối với trí thông minh thể hiện.

Do thời gian phản ứng chỉ vài phần mười giây, môn thể thao này, đồng thời đẩy khả năng cảm nhận, ra quyết định, điều khiển vận động toàn thân và đấu trí thời gian thực của robot đến giới hạn vật lý cực hạn.

Hơn nữa, đánh quần vợt khó hơn nhiều so với đánh cờ vây đối với AI.

Xét cho cùng, AlphaGo đối mặt là 361 điểm giao cắt xác định trên lưới 19 đường, sau khi đối thủ đặt quân, nó có vài chục giây thậm chí vài phút để suy diễn bước tiếp theo.

Đó là cuộc đấu trí trong thế giới số, không gian giải tuy lớn, nhưng ranh giới rõ ràng, quy tắc bất biến. Toàn bộ thế giới là tĩnh, rời rạc, AI nhìn thấu tất cả đối với nó.

Tuy không gian giải của bài toán này nhiều hơn số nguyên tử trong vũ trụ, nhưng đối với AI đây cũng chỉ là một "bài toán toán học" khó hơn mà thôi.

Nhưng sân quần vợt thì khác.

Quả bóng bay đến với tốc độ hơn một trăm km mỗi giờ, điểm rơi chịu ảnh hưởng của độ xoáy, gió, ma sát mặt sân, tham số vật lý của mỗi cú đánh đều không lặp lại.

Robot phải hoàn thành cảm nhận, dự đoán, ra quyết định, phối hợp toàn thân trong vài trăm mili giây, đồng thời giữ cho bản thân không ngã. Đối thủ là người sống, sẽ lừa robot, còn thay đổi nhịp độ.

Đây, chính là phiên bản hiện trường của Nghịch lý Moravec.

Năm 1988, Giám đốc Phòng thí nghiệm Robot di động Đại học Carnegie–Mellon, Hans Moravec đã chỉ ra: "Tương đối dễ dàng để máy tính thể hiện trình độ người lớn trong bài kiểm tra trí thông minh hoặc chơi cờ, nhưng để cung cấp cho chúng kỹ năng cảm nhận và hành động của một đứa trẻ một tuổi thì khó khăn thậm chí là không thể."

Hơn ba mươi năm trôi qua, nửa đầu câu đã thực hiện từ lâu, nhưng nửa sau rất khó thực hiện.

Vì vậy, ý nghĩa thực sự của trận đấu quần vợt này, lớn hơn rất nhiều so với "robot có biết đánh bóng hay không".

Nó hỏi rằng: Lần này, rốt cuộc AI có thể bước ra từ thế giới số hay không, đưa cảm nhận, ra quyết định, điều khiển vận động và đấu trí thời gian thực vào chạy thông vòng kín trong môi trường vật lý thực tế?

AI không thể dừng lại ở suy nghĩ, mà phải hoàn thành vòng kín hoàn chỉnh từ nhận thức ra quyết định đến thực thi toàn thân.

Lần này, doanh nghiệp Trung Quốc đã nộp bài đầu tiên!

Trên sân đấu, biểu hiện của robot Thiên Hà Thông Dụng thực sự khiến người ta kinh ngạc.

Giao bóng, thuận tay, trái tay, điều động cuối sân, đánh chặn trước lưới, những khả năng đơn lẻ này, trong trận đấu đều xuất hiện, và tất cả đều thể hiện vượt trội.

Còn đánh đôi, thử thách càng lớn hơn.

Robot và đồng đội con người cùng sân, phải phán đoán thời gian thực ai sẽ đỡ quả bóng này, ai bù vị trí, điều chỉnh động cách đánh và.

Vì vậy, nó cần hiểu không chỉ quả bóng, mà còn đồng đội muốn làm gì tiếp theo.

Trong tấn công phòng thủ tốc độ cao, còn xuất hiện cảnh cứu bóng cực hạn. Sau khi ngã, robot tự đứng dậy, tiếp tục đánh.

Phản ứng đầu tiên của nhiều người là: Những động tác đơn lẻ này, trước đây robot không phải đã làm được sao?

Ném rổ, đá bóng, chạy 100m, video robot hình người hai năm qua dường như có đủ thứ.

Nhưng điểm khác biệt lớn nhất trong đó nằm ở chỗ, quần vợt là hai người chơi đối kháng.

Môi trường chạy là xác định, mỗi cú đánh quần vợt đều là đề mới đối thủ đưa ra tạm thời. Chạy có thể luyện một động tác vạn lần, quần vợt không có hai đường bóng đến hoàn toàn giống nhau.

Đứng vững trong đối kháng, mới là trí thông minh thực sự.

Đại não và tiểu não, lần đầu tiên được lắp trong cùng một mô hình

Đằng sau hỗ trợ tất cả những điều này, là mô hình lớn trí thông minh thể hiện tự nghiên cứu "Thiên Hà Tinh Não" AstraBrain của Thiên Hà Thông Dụng.

Điểm nổi bật lớn nhất của nó, nằm ở lựa chọn kiến trúc.

Cách làm chủ đạo trong ngành trước đây là phân tầng: một mô hình "đại não" phụ trách hiểu nhiệm vụ, ra quyết định cao cấp, một mô-đun "tiểu não" phụ trách điều khiển vận động thời gian thực, giữa hai bên dùng giao diện truyền lệnh.

Nhược điểm của kiến trúc này cũng rất trực tiếp: đại não nghĩ càng rõ, truyền đến tiểu não đã chậm nửa nhịp; động tác tiểu não chuẩn cỡ nào, không biết đại não tại sao muốn nó động như vậy.

Vấn đề ẩn giấu hơn là sự đứt gãy thông tin.

Đại não ra lệnh lúc, không biết trọng tâm bản thân lúc này đè lên chân nào, cánh tay phải còn bao nhiêu dư lượng phát lực; tiểu não thực hiện động tác lúc, không biết cú đánh này muốn điều động đối thủ hay muốn trực tiếp ghi điểm.

Hai bên mỗi bên tối ưu riêng, hợp lại nhưng là một hệ thống "nghĩ được không làm được" hoặc "làm được không nghĩ được".

Trên nhiệm vụ đánh quần vợt như thế này, chỉ cần chậm nửa nhịp, kết quả là thua bóng.

Cách làm của Thiên Hà Tinh Não là đưa tầng đại não (hiểu nhiệm vụ và ra quyết định chiến thuật), tầng tiểu não (điều khiển vận động toàn thân động lực cao) và điều khiển thần kinh tích hợp trong cùng một mô hình.

Theo cách nói của Thiên Hà Thông Dụng, đây là mô hình đầu tiên trên thế giới có thể đồng thời phụ trách "nghĩ rõ" và "làm ra", giữa không còn tổn hao thông tin.

Từ nhiệm vụ quần vợt suy ngược lại, đây có thể là giải pháp duy nhất. Ra quyết định chiến thuật không thể tách rời cảm nhận thời gian thực giới hạn cơ thể bản thân, điều khiển vận động cũng không thể tách rời hiểu ý đồ chiến thuật, hai cái vốn không nên tách rời.

Học từ dữ liệu con người không hoàn hảo

Đối đánh mười triệu lần trong sân ảo

Vấn đề khác ngoài kiến trúc là: Mô hình này luyện ra như thế nào?

Một vấn đề nan truyền thống trong lĩnh vực robot là — không có dữ liệu.

Mô hình ngôn ngữ có thể ăn toàn bộ văn bản internet, robot không có internet như vậy.

Thu thập dữ liệu động tác máy thật một giờ mất một giờ, còn cần người trông, còn hỏng phần cứng.

Đây cũng là lý do tại sao tiến triển trí thông minh thể hiện mấy năm qua luôn chậm hơn kỳ vọng mọi người.

Đằng sau điều này, không thể tách rời sự hỗ trợ của nền tảng công nghệ cốt lõi "Thiên Hà Tinh Phường" của Thiên Hà Thông Dụng.

Tiếp theo, chia hai bước.

Bước thứ nhất, là học từ "dữ liệu con người không hoàn hảo".

Dữ liệu động tác đánh quần vợt của con người có thể thu thập, bắt chuyển động, video, cảm biến đeo đều được.

Nhưng động tác con người bản thân không chuẩn, tuyển thủ nghiệp dư đúng là rất nghiệp dư, có động tác thừa. Còn động tác tuyển thủ chuyên nghiệp tối đa hóa thể chất vận động cá nhân, người khác không làm được, hơn nữa chiều cao sải tay góc khớp mỗi người đều không khớp với robot.

Học mô phỏng truyền thống yêu cầu dữ liệu mẫu sạch, căn chỉnh, chất lượng cao, yêu cầu này trên dữ liệu con người gần như không thể đáp ứng.

Nền tảng dữ liệu Thiên Hà Tinh Phường cần làm, là từ đống mẫu mang nhiễu, không căn chỉnh, tốt xấu lẫn lộn này tinh luyện ra kinh nghiệm trước hữu ích:

Khi nào nên khởi động, nhịp độ đại khái vung vợt, trọng tâm cơ thể chuyển dịch thế nào, thực sự học được quy luật vận động trong đó.

Giá trị bước này nằm ở khởi động lạnh.

Robot không cần bắt đầu từ động loạn ngẫu nhiên, nó lên là đại khái biết "đánh quần vợt trông thế nào".

Bước thứ hai, chính là vào thế giới quần vợt ảo.

Trong môi trường mô phỏng, nhiều tác nhân thông minh đối đánh nhau. Không phải một robot luyện tập đối máy giao bóng, mà là một số chiến lược tự diễn hóa, làm đối thủ lẫn nhau.

Một bên học được đè biên, một bên khác buộc phải học di chuyển ngang phạm vi lớn; một bên học được bỏ bóng ngắn, một bên khác buộc phải học lên lưới nhanh.

Trong cuộc đấu trí ảo khối lượng lớn này, kỳ tích đã xảy ra — "kỹ năng xuất hiện".

Kỹ sư không dạy nó cách trượt bước cứu bóng, nhưng sau vô số lần thất bại không đỡ được bóng, mô hình tự mình "thấu hiểu" tư thế vươn người cực hạn.

Kỹ sư không viết mã cứng đứng dậy sau khi ngã, nhưng sau ngã ngàn vạn lần trong thế giới ảo, mô hình tự mình "học được" cách điều động toàn thân động cơ đứng dậy lại.

Kỹ năng không cần thiết kế thủ công, dưới áp lực đối kháng AI học tự học.

Cuối cùng, khi những "linh hồn" luyện thành thần công trong thế giới ảo này, được di chuyển không tổn hao vào thân thể robot thật trong thế giới vật lý thực tế, một bậc thầy quần vợt, từ đó mà sinh ra!

Đặt trong phổ hệ toàn bộ học máy, con đường này đi giữa hai cực đoan.

Trần nhà học mô phỏng thuần túy là trình độ của người mẫu, huấn luyện viên con người dạy không ra học trò vượt bản thân, hơn nữa trong mẫu con người hoàn toàn không có dữ liệu "sau khi ngã làm thế nào bò dậy tiếp tục đánh" như vậy.

Học tăng cường thuần túy khám phá từ số không, trên nhiệm vụ không gian động tác khổng lồ, phần thưởng thưa thớt như quần vợt, chi phí tìm kiếm cao đến không thực tế, hơn nữa dễ học ra một số động tác kỳ quái con người hoàn toàn không hiểu, có thể thắng bóng, nhưng không giống đánh bóng.

Trước dùng kinh nghiệm trước con người đánh đáy, sau dùng tự tiến hóa nâng cao.

Bản thân điều này không tính mới, AlphaGo năm xưa cũng trước học bản cờ con người, sau tự đấu. Chỗ mới nằm ở, mười năm trước phương pháp này chạy thông trên bàn cờ, mười năm sau nó lần đầu tiên chạy thông trên nhiệm vụ cần cơ thể.

Ý nghĩa nào đó, đây chính là sự hô ứng công nghệ hấp dẫn nhất giữa AstraTennis và AlphaGo.

Thời đại AlphaGo, trí thông minh suy nghĩ trên bàn cờ; còn lần này, trí thông minh bắt đầu bước vào thế giới vật lý.

Đây tuyệt đối không chỉ là một trận đấu quần vợt. Khoảnh khắc AstraTennis này chứng minh: Trong kỷ nguyên mới cộng sinh carbon và silicon, sức mạnh Trung Quốc, bắt đầu tạo ra nhiều kỳ tích hơn.

Biên tập: Aeneas David

Bài viết này đến từ tài khoản công chúng WeChat "New Zhiyuan", tác giả: ASI Apocalypse

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

QTrận đấu quần vợt người-máy đầu tiên trên thế giới có gì đặc biệt?

AĐây là trận đấu quần vợt trực tiếp đầu tiên trên thế giới giữa vận động viên quần vợt chuyên nghiệp (Trịnh Khiết) và robot hình người. Robot có tên 'Ngân Hà Tinh Tử' của công ty Ngân Hà Thông Dụng Trung Quốc đã tham gia thi đấu đơn và đôi, thực hiện nhiều động tác phức tạp như phát bóng, vung vợt, cứu bóng, thậm chí tự đứng dậy sau khi ngã, đánh dấu một bước tiến lớn trong lĩnh vực trí tuệ thể hiện (embodied AI).

QTại sao việc robot chơi quần vợt được coi là thử thách khó hơn nhiều so với chơi cờ vây (như AlphaGo)?

AQuần vợt là thử thách cực hạn với trí tuệ thể hiện vì nó diễn ra trong thế giới vật lý liên tục và không thể đoán trước. Khác với cờ vây trong môi trường số tĩnh với thời gian suy nghĩ, quần vợt yêu cầu robot phải trong vài phần trăm giây: cảm nhận quả bóng (tốc độ, xoáy, điểm rơi), ra quyết định chiến thuật, điều khiển toàn bộ cơ thể để di chuyển và đánh trả, đồng thời giữ thăng bằng và đối phó với các đòn đánh biến hóa của đối thủ con người.

QMô hình 'Ngân Hà Tinh Não' (AstraBrain) có điểm đột phá gì trong kiến trúc?

AĐiểm đột phá của 'Ngân Hà Tinh Não' là tích hợp 'não bộ' (hiểu nhiệm vụ, ra quyết định chiến thuật) và 'tiểu não' (điều khiển vận động toàn thân theo thời gian thực) vào trong cùng một mô hình thống nhất. Khác với cách tiếp cận phân tầng truyền thống dễ gây chậm trễ và mất mát thông tin, kiến trúc này cho phép ra quyết định dựa trên nhận thức tức thời về giới hạn của cơ thể robot và thực hiện động tác với sự hiểu biết về ý đồ chiến thuật, tạo thành một vòng khép kín hiệu quả.

QRobot đã được huấn luyện như thế nào để có thể thi đấu quần vợt?

AQuá trình huấn luyện gồm hai bước chính do nền tảng 'Ngân Hà Tinh Phường' hỗ trợ: 1) Học từ dữ liệu con người không hoàn hảo: Phân tích dữ liệu chuyển động từ các vận động viên (cả chuyên nghiệp lẫn nghiệp dư) để nắm bắt các quy luật vận động cơ bản như di chuyển, chuyển trọng tâm, nhịp vung vợt. 2) Tự đấu và tiến hóa trong môi trường mô phỏng ảo: Hàng triệu robot AI được để đấu với nhau trong thế giới ảo, thông qua cạnh tranh và thử sai, chúng tự động nảy sinh các kỹ năng phức tạp như trượt chân cứu bóng, tự đứng dậy sau khi ngã, mà không cần lập trình thủ công.

QSự kiện 'AstraTennis' này có ý nghĩa biểu tượng gì đối với sự phát triển của AI và robot Trung Quốc?

ASự kiện này được ví như 'Thời khắc AstraTennis', đánh dấu bước ngoặt quan trọng: Nếu AlphaGo chứng minh AI có thể chinh phục thế giới số, thì robot Ngân Hà Thông Dụng chứng minh AI có thể bước ra và hoạt động hiệu quả trong thế giới vật lý đầy thách thức. Nó cho thấy trí tuệ thể hiện của Trung Quốc đã đạt được khả năng khép kín từ nhận thức, quyết định đến hành động thể chất trong môi trường thực, đối đầu trực tiếp với con người, mở ra kỷ nguyên mới cho sự phát triển của ngành robot.

Nội dung Liên quan

Mô hình "Ox Alpha" bí ẩn gây sốt, miễn phí có hạn

Vào tháng 8, cộng đồng mô hình lớn (LLM) xuất hiện một trò chơi đoán tên đầy thú vị. Một mô hình ẩn danh tên "Ox Alpha" (được người dùng Trung Quốc gọi vui là "Ngưu Lai" - "Trâu đến") đột ngột xuất hiện trên OpenRouter, gây chú ý với khả năng lập trình ấn tượng. Mô hình này sở hữu ngữ cảnh lên tới 1 triệu token, hỗ trợ đa phương thức (văn bản, hình ảnh, video), có thể gọi công cụ và hiện đang miễn phí. Trong các bài kiểm tra năng lực kỹ thuật phần mềm thực tế DeepSWE, Ox Alpha đạt tỷ lệ hoàn thành nhiệm vụ từ 63% đến 80%, cho thấy tiềm năng mã hóa tầm xa, sánh ngang các mô hình hàng đầu hiện tại. Nguồn gốc của "Ngưu Lai" hiện vẫn là bí ẩn. Nhiều bằng chứng gián tiếp, như tokenizer văn bản và cách mã hóa video tương đồng, hướng đến khả năng đây là phiên bản GLM-5.3 Flash hoặc phiên bản đa phương thức chưa công bố của công ty Trí Phổ (Zhipu AI). Tuy nhiên, chưa có xác nhận chính thức. Cùng thời điểm, một mô hình ẩn danh khác tên "korrine" xuất hiện trên Code Arena càng khiến bức tranh thêm phần hấp dẫn, với nhiều phỏng đoán liên quan đến Kimi, Qwen hay MiMo. Việc các hãng công nghệ "giấu mặt" khi thử nghiệm mô hình giúp thu thập đánh giá khách quan từ người dùng, thực hiện các bài kiểm tra áp lực trước khi chính thức ra mắt, và đồng thời cũng tạo ra hiệu ứng marketing thu hút sự chú ý và thảo luận từ cộng đồng.

marsbit4 phút trước

Mô hình "Ox Alpha" bí ẩn gây sốt, miễn phí có hạn

marsbit4 phút trước

Matt Hougan, CIO của Bitwise: Nếu bạn hiện tại có 0% cấu hình crypto, đồng nghĩa với việc chủ động bán khống thị trường

Matt Hougan, Giám đốc đầu tư (CIO) của Bitwise Asset Management, nhận định rằng việc cấu hình danh mục đầu tư 0% tiền mã hóa hiện nay tương đương với việc chủ động kỳ vọng thị trường giảm sâu. Ông chỉ ra rằng trong bối cảnh tổng tài sản toàn cầu là 670 nghìn tỷ USD, với vốn hóa thị trường crypto khoảng 2,5 nghìn tỷ USD, một tỷ trọng trung lập sẽ rơi vào khoảng 2%. Do đó, cấu hình 0% là một lựa chọn cực kỳ bi quan. Hougan nêu bật sự nghịch lý: thị trường crypto đã giảm 50% từ đỉnh, nhưng các tổ chức Phố Wall như BlackRock, Morgan Stanley, Wells Fargo, UBS lại đang tăng cường tham gia. Họ xem đây là một lớp tài sản hình thành trong 10 năm tới, không quan tâm nhiều đến biến động ngắn hạn. Bằng chứng là BlackRock công bố quỹ mã hóa trên Ethereum ngay khi Đạo luật CLARITY bị trì hoãn, còn Morgan Stanley phê duyệt ETF Solana ngay trong đợt suy giảm thị trường. Ông cho rằng thị trường gấu kết thúc trong sự thờ ơ, và Bitcoin hiện không còn phản ứng với tin xấu (như AI stocks lao dốc, Saylor bán BTC hay xác suất thông qua CLARITY giảm). Điều này cho thấy những người muốn bán đã bán xong, số còn lại là những người tin tưởng lâu dài. Sự đi ngang của BTC hiện tại là tích cực, vì độ biến động bị nén và có thể bùng nổ mạnh khi tăng trở lại. Về chiến lược đầu tư, Hougan đề xuất mức cấu hình 5% cho crypto. Ở tỷ trọng này, danh mục nhận được lợi ích đa dạng hóa rõ rệt, cải thiện lợi nhuận mà hầu như không làm tăng thêm rủi ro tổng thể (biến động vẫn chủ yếu do cổ phiếu chi phối). Ông nhấn mạnh rằng con số 5% này dựa trên phân tích lợi nhuận/rủi ro, chứ không phải vì lợi ích kinh doanh của Bitwise. Cuối cùng, Hougan lạc quan về triển vọng dài hạn. Ông dự báo giá ETH có thể đạt 8.000 USD, được thúc đẩy bởi làn sóng mã hóa tài sản thế giới thực (RWA) và stablecoin, đồng thời cho rằng không gian quản lý tài sản trên chuỗi sẽ phát triển mạnh mẽ trong 3-6 tháng tới.

marsbit10 phút trước

Matt Hougan, CIO của Bitwise: Nếu bạn hiện tại có 0% cấu hình crypto, đồng nghĩa với việc chủ động bán khống thị trường

marsbit10 phút trước

Bất ngờ, DeepSeek thông báo áp dụng giá thấp cả ngày cuối tuần, từ nay làm việc cuối tuần sẽ có lợi hơn?

Sáng nay, DeepSeek thông báo điều chỉnh quy tắc tính phí API theo giờ cao điểm và giờ thấp điểm. Từ 00:00 ngày 23/8 theo giờ Bắc Kinh, các ngày cuối tuần (Thứ Bảy và Chủ Nhật) sẽ không còn phân biệt giờ cao điểm, mà toàn bộ thời gian sẽ được tính theo mức giá thấp điểm. Thông báo này lập tức gây xôn xao trong cộng đồng nhà phát triển. Với các nhà phát triển, đây là tin tốt vì họ có thể yên tâm chạy các tác vụ hàng loạt vào cuối tuần để tiết kiệm chi phí, do giá cao điểm trước đây cao gấp đôi giá thấp điểm. Một số người dùng thậm chí nói rằng họ có thể hoàn thành công việc cả tuần trong hai ngày cuối tuần và hóa đơn giảm một nửa. Tuy nhiên, người lao động bắt đầu lo ngại rằng các công ty có thể điều chỉnh lịch làm việc theo khung giờ tính phí này, chẳng hạn như bố trí làm việc vào cuối tuần và nghỉ bù vào ngày thường. Trên thực tế, xu hướng này đã xuất hiện trong ngành công nghiệp phim ngắn, nơi các nhiệm vụ kết xuất tốn kém thường được lên lịch vào ban đêm để tận dụng giá tính toán rẻ hơn. Gần đây, một lập trình viên đã chia sẻ rằng công ty của họ áp dụng chế độ chấm công mới, yêu cầu làm việc một ngày cuối tuần và điều chỉnh giờ nghỉ trưa theo khung giờ tính phí token, nhằm mục đích tiết kiệm chi phí. Có nhiều suy đoán về lý do điều chỉnh. Một số cho rằng giá cao điểm có thể tương ứng với thời gian DeepSeek huấn luyện mô hình nội bộ, và cuối tuần nhân viên nghỉ làm nên chuyển sang giá thấp điểm. Những người khác nghi ngờ lý do này, cho rằng quá trình huấn luyện mô hình hoàn toàn tự động. Dù nguyên nhân là gì, quy tắc tính phí mới đã chính thức có hiệu lực.

marsbit47 phút trước

Bất ngờ, DeepSeek thông báo áp dụng giá thấp cả ngày cuối tuần, từ nay làm việc cuối tuần sẽ có lợi hơn?

marsbit47 phút trước

Con ngựa ô lớn nhất của AI thanh toán, có lẽ là Coinbase đã cho Agent một chiếc ví

Trong lĩnh vực thanh toán AI, mọi người thường chú ý đến các gã khổng lồ như Visa hay OpenAI, nhưng Coinbase đã âm thầm trở thành nền tảng vận hành thực tế lớn nhất cho giao dịch Agent. Dữ liệu cho thấy hơn 90% giao dịch Agent trên chuỗi xảy ra trên Base - mạng lưới Layer 2 của Coinbase, 99% giao dịch thương mại Agent sử dụng USDC và hơn 97% sử dụng giao thức x402. Điểm khác biệt then chốt: Coinbase không chỉ cung cấp giao thức thanh toán, mà tạo ra "ví riêng" cho Agent. Vào tháng 2/2026, họ ra mắt Agentic Wallets - cơ sở hạ tầng ví được thiết kế riêng để Agent có thể tự nắm giữ tài sản, chuyển tiền và thực hiện giao dịch một cách tự chủ dưới sự kiểm soát rủi ro được lập trình. Điều này giải quyết các vấn đề của thanh toán thẻ thông thường trong các giao dịch vi mô, tần suất cao giữa các máy với nhau: phí cao, cần xác nhận thủ công và khó truy vết. Coinbase sở hữu một vòng tròn khép kín hiếm có: ví (Agentic Wallets), chuỗi (Base), giao thức (x402) và tài sản (USDC, cbBTC). Điều này cho phép trải nghiệm thanh toán hoàn chỉnh trong hệ sinh thái của họ. Vị thế dẫn đầu này hình thành một phần do sự chuẩn bị sẵn có từ trước: Base ban đầu được xây dựng để mở rộng hệ sinh thái on-chain, x402 là giao thức thanh toán máy-máy, và chúng tình cờ phù hợp hoàn hảo cho nhu cầu của nền kinh tế Agent khi nó bùng nổ. Bài học rút ra là: việc triển khai thanh toán AI không chỉ phụ thuộc vào tiêu chuẩn nào hợp lý nhất, mà còn vào việc cơ sở hạ tầng nào đã sẵn sàng ngay khi nhu cầu xuất hiện. Coinbase có thể không phải là người chiến thắng cuối cùng, nhưng hiện tại họ là người dẫn đầu nhờ nắm bắt được làn sóng nhu cầu đầu tiên này.

marsbit1 giờ trước

Con ngựa ô lớn nhất của AI thanh toán, có lẽ là Coinbase đã cho Agent một chiếc ví

marsbit1 giờ trước

Dalio cảnh báo về tình trạng mất cân bằng cung cầu trái phiếu Mỹ: Vàng và Bitcoin có thể trở thành tài sản phòng hộ trong cuộc khủng hoảng nợ

Bài viết phân tích cảnh báo của Ray Dalio về tình trạng mất cân bằng cung-cầu trái phiếu Mỹ và nguy cơ khủng hoảng nợ. Dalio so sánh cơ chế nợ chính phủ với hệ tuần hoàn, trong đó gánh nặng trả nợ như mảng bám tích tụ, có thể dẫn đến "cơn đau tim" kinh tế khi nhu cầu thị trường không đáp ứng đủ lượng trái phiếu phát hành. Ông chỉ ra ba dấu hiệu cảnh báo chính: 1) Khoản thanh toán nợ chiếm tỷ lệ lớn trong thu ngân sách; 2) Cung trái phiếu vượt xa cầu thị trường; 3) Ngân hàng trung ương in tiền mua trái phiếu, dẫn đến lạm phát và mất giá tiền tệ. Tình hình Mỹ được mô tả với thâm hụt ngân sách lớn, nợ cao, và áp lực trả lãi khổng lồ. Dalio đề xuất "Giải pháp 3 phần 3%" nhằm giảm thâm hụt thông qua cắt giảm chi tiêu, tăng thuế và giảm lãi suất một cách cân bằng. Cuối cùng, ông khuyến nghị các nhà đầu tư đa dạng hóa, giảm nắm giữ trái phiếu, tăng tỷ trọng vàng và phân bổ một phần nhỏ vào Bitcoin như tài sản phòng ngừa rủi ro khủng hoảng nợ và mất giá tiền tệ.

marsbit2 giờ trước

Dalio cảnh báo về tình trạng mất cân bằng cung cầu trái phiếu Mỹ: Vàng và Bitcoin có thể trở thành tài sản phòng hộ trong cuộc khủng hoảng nợ

marsbit2 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

AGENT S là gì

Agent S: Tương Lai của Tương Tác Tự Động trong Web3 Giới thiệu Trong bối cảnh không ngừng phát triển của Web3 và tiền điện tử, các đổi mới đang liên tục định nghĩa lại cách mà cá nhân tương tác với các nền tảng kỹ thuật số. Một dự án tiên phong như vậy, Agent S, hứa hẹn sẽ cách mạng hóa tương tác giữa con người và máy tính thông qua khung tác nhân mở của nó. Bằng cách mở đường cho các tương tác tự động, Agent S nhằm đơn giản hóa các nhiệm vụ phức tạp, cung cấp các ứng dụng chuyển đổi trong trí tuệ nhân tạo (AI). Cuộc khám phá chi tiết này sẽ đi sâu vào những phức tạp của dự án, các tính năng độc đáo của nó và những tác động đối với lĩnh vực tiền điện tử. Agent S là gì? Agent S đứng vững như một khung tác nhân mở đột phá, được thiết kế đặc biệt để giải quyết ba thách thức cơ bản trong việc tự động hóa các nhiệm vụ máy tính: Thu thập Kiến thức Cụ thể theo Miền: Khung này học một cách thông minh từ nhiều nguồn kiến thức bên ngoài và kinh nghiệm nội bộ. Cách tiếp cận kép này giúp nó xây dựng một kho lưu trữ phong phú về kiến thức cụ thể theo miền, nâng cao hiệu suất của nó trong việc thực hiện nhiệm vụ. Lập Kế Hoạch Qua Các Tầm Nhìn Nhiệm Vụ Dài Hạn: Agent S sử dụng lập kế hoạch phân cấp tăng cường kinh nghiệm, một cách tiếp cận chiến lược giúp phân chia và thực hiện các nhiệm vụ phức tạp một cách hiệu quả. Tính năng này nâng cao đáng kể khả năng quản lý nhiều nhiệm vụ con một cách hiệu quả và hiệu suất. Xử Lý Các Giao Diện Động, Không Đều: Dự án giới thiệu Giao Diện Tác Nhân-Máy Tính (ACI), một giải pháp đổi mới giúp nâng cao tương tác giữa các tác nhân và người dùng. Sử dụng các Mô Hình Ngôn Ngữ Lớn Đa Phương Thức (MLLMs), Agent S có thể điều hướng và thao tác các giao diện người dùng đồ họa đa dạng một cách liền mạch. Thông qua những tính năng tiên phong này, Agent S cung cấp một khung vững chắc giải quyết các phức tạp liên quan đến việc tự động hóa tương tác giữa con người với máy móc, mở ra nhiều ứng dụng trong AI và hơn thế nữa. Ai là Người Tạo ra Agent S? Mặc dù khái niệm về Agent S là hoàn toàn đổi mới, thông tin cụ thể về người sáng lập vẫn còn mơ hồ. Người sáng lập hiện vẫn chưa được biết đến, điều này làm nổi bật giai đoạn sơ khai của dự án hoặc sự lựa chọn chiến lược để giữ kín các thành viên sáng lập. Bất chấp sự ẩn danh, sự chú ý vẫn tập trung vào khả năng và tiềm năng của khung này. Ai là Các Nhà Đầu Tư của Agent S? Vì Agent S còn tương đối mới trong hệ sinh thái mã hóa, thông tin chi tiết về các nhà đầu tư và những người tài trợ tài chính của nó không được ghi chép rõ ràng. Sự thiếu vắng thông tin công khai về các nền tảng đầu tư hoặc tổ chức hỗ trợ dự án dấy lên câu hỏi về cấu trúc tài trợ và lộ trình phát triển của nó. Hiểu biết về sự hỗ trợ là rất quan trọng để đánh giá tính bền vững và tác động tiềm năng của dự án. Agent S Hoạt Động Như Thế Nào? Tại cốt lõi của Agent S là công nghệ tiên tiến cho phép nó hoạt động hiệu quả trong nhiều bối cảnh khác nhau. Mô hình hoạt động của nó được xây dựng xung quanh một số tính năng chính: Tương Tác Giống Như Con Người: Khung này cung cấp lập kế hoạch AI tiên tiến, cố gắng làm cho các tương tác với máy tính trở nên trực quan hơn. Bằng cách bắt chước hành vi của con người trong việc thực hiện nhiệm vụ, nó hứa hẹn nâng cao trải nghiệm người dùng. Ký Ức Tường Thuật: Được sử dụng để tận dụng các trải nghiệm cấp cao, Agent S sử dụng ký ức tường thuật để theo dõi lịch sử nhiệm vụ, từ đó nâng cao quy trình ra quyết định của nó. Ký Ức Tình Huống: Tính năng này cung cấp cho người dùng hướng dẫn từng bước, cho phép khung này cung cấp hỗ trợ theo ngữ cảnh khi các nhiệm vụ diễn ra. Hỗ Trợ OpenACI: Với khả năng chạy cục bộ, Agent S cho phép người dùng duy trì quyền kiểm soát đối với các tương tác và quy trình làm việc của họ, phù hợp với tinh thần phi tập trung của Web3. Tích Hợp Dễ Dàng với Các API Bên Ngoài: Tính linh hoạt và khả năng tương thích với nhiều nền tảng AI khác nhau đảm bảo rằng Agent S có thể hòa nhập liền mạch vào các hệ sinh thái công nghệ hiện có, làm cho nó trở thành lựa chọn hấp dẫn cho các nhà phát triển và tổ chức. Những chức năng này cùng nhau góp phần vào vị trí độc đáo của Agent S trong không gian tiền điện tử, khi nó tự động hóa các nhiệm vụ phức tạp, nhiều bước với sự can thiệp tối thiểu của con người. Khi dự án phát triển, các ứng dụng tiềm năng của nó trong Web3 có thể định nghĩa lại cách mà các tương tác kỹ thuật số diễn ra. Thời Gian Phát Triển của Agent S Sự phát triển và các cột mốc của Agent S có thể được tóm tắt trong một dòng thời gian nêu bật các sự kiện quan trọng của nó: 27 tháng 9, 2024: Khái niệm về Agent S được ra mắt trong một bài nghiên cứu toàn diện mang tên “Một Khung Tác Nhân Mở Sử Dụng Máy Tính Như Một Con Người,” trình bày nền tảng cho dự án. 10 tháng 10, 2024: Bài nghiên cứu được công bố công khai trên arXiv, cung cấp một cái nhìn sâu sắc về khung và đánh giá hiệu suất của nó dựa trên tiêu chuẩn OSWorld. 12 tháng 10, 2024: Một video trình bày được phát hành, cung cấp cái nhìn trực quan về khả năng và tính năng của Agent S, thu hút thêm sự quan tâm từ người dùng và nhà đầu tư tiềm năng. Những dấu mốc trong dòng thời gian không chỉ minh họa sự tiến bộ của Agent S mà còn chỉ ra cam kết của nó đối với sự minh bạch và sự tham gia của cộng đồng. Những Điểm Chính Về Agent S Khi khung Agent S tiếp tục phát triển, một số thuộc tính chính nổi bật, nhấn mạnh tính đổi mới và tiềm năng của nó: Khung Đổi Mới: Được thiết kế để cung cấp cách sử dụng máy tính trực quan giống như tương tác của con người, Agent S mang đến một cách tiếp cận mới cho việc tự động hóa nhiệm vụ. Tương Tác Tự Động: Khả năng tương tác tự động với máy tính thông qua GUI đánh dấu một bước tiến tới các giải pháp tính toán thông minh và hiệu quả hơn. Tự Động Hóa Nhiệm Vụ Phức Tạp: Với phương pháp mạnh mẽ của nó, nó có thể tự động hóa các nhiệm vụ phức tạp, nhiều bước, làm cho các quy trình nhanh hơn và ít sai sót hơn. Cải Tiến Liên Tục: Các cơ chế học tập cho phép Agent S cải thiện từ các trải nghiệm trước đó, liên tục nâng cao hiệu suất và hiệu quả của nó. Tính Linh Hoạt: Khả năng thích ứng của nó trên các môi trường hoạt động khác nhau như OSWorld và WindowsAgentArena đảm bảo rằng nó có thể phục vụ một loạt các ứng dụng rộng rãi. Khi Agent S định vị mình trong bối cảnh Web3 và tiền điện tử, tiềm năng của nó để nâng cao khả năng tương tác và tự động hóa quy trình đánh dấu một bước tiến quan trọng trong công nghệ AI. Thông qua khung đổi mới của mình, Agent S minh họa cho tương lai của các tương tác kỹ thuật số, hứa hẹn một trải nghiệm liền mạch và hiệu quả hơn cho người dùng trên nhiều ngành công nghiệp khác nhau. Kết luận Agent S đại diện cho một bước nhảy vọt táo bạo trong sự kết hợp giữa AI và Web3, với khả năng định nghĩa lại cách chúng ta tương tác với công nghệ. Mặc dù vẫn còn ở giai đoạn đầu, những khả năng cho ứng dụng của nó là rộng lớn và hấp dẫn. Thông qua khung toàn diện của mình giải quyết các thách thức quan trọng, Agent S nhằm đưa các tương tác tự động lên hàng đầu trong trải nghiệm kỹ thuật số. Khi chúng ta tiến sâu hơn vào các lĩnh vực tiền điện tử và phi tập trung, các dự án như Agent S chắc chắn sẽ đóng một vai trò quan trọng trong việc định hình tương lai của công nghệ và sự hợp tác giữa con người với máy tính.

Tổng lượt xem 1.3kXuất bản vào 2025.01.14Cập nhật vào 2025.01.14

AGENT S là gì

Làm thế nào để Mua S

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Sonic (S) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Sonic (S) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Sonic (S) của BạnSau khi mua Sonic (S), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Sonic (S)Giao dịch Sonic (S) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 2.6kXuất bản vào 2025.01.15Cập nhật vào 2026.06.02

Làm thế nào để Mua S

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 S (S) được trình bày dưới đây.

活动图片