# Bài viết Liên quan Tác nhân AI

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Tác nhân AI", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Từ Web3 đến AI Agent, Quỹ đầu tư mạo hiểm tiền mã hóa lâu đời Variant cược 2 tỷ đồng vào chuyển đổi

Tác giả: Variant Fund. Biên dịch: Deep Tide TechFlow. Quỹ đầu tư mạo hiểm tiền mã hóa Variant đã công bố Quỹ mới Variant 4 trị giá 222 triệu USD. Quỹ sẽ tập trung vào đầu tư giai đoạn sớm và tham gia vào các vòng tăng trưởng sau này. Thay vì chủ đề "quyền sở hữu kỹ thuật số" như trước đây, triết lý đầu tư cốt lõi của Variant giờ đây đã nâng cấp thành "quyền tự chủ". Quyền tự chủ là về khả năng chủ động của người dùng: mức độ kiểm soát của họ đối với cuộc sống, tài sản và danh tính của chính mình. Một cách để đạt được quyền tự chủ là sở hữu các thị trường, dữ liệu, sản phẩm và cơ sở hạ tầng mà họ sử dụng hàng ngày. Variant phân biệt rõ ràng giữa quyền tự chủ và tự động hóa đơn thuần. Tự động hóa thông minh là một trong những lĩnh vực công nghệ quan trọng nhất, nhưng việc nó có tăng cường quyền tự chủ hay không phụ thuộc vào việc nó phục vụ ai: người dùng hay một thực thể khác. Lý thuyết đầu tư mới của Variant là: đầu tư vào công nghệ mở rộng quyền tự chủ, tập trung vào các thị trường, cơ sở hạ tầng và ứng dụng mới trao quyền chủ động hơn cho người dùng thông qua việc tăng cường khả năng tiếp cận, kiến thức và quyền sở hữu. Lý thuyết này bao trùm các khoản đầu tư trước đây của họ vào các blockchain hàng đầu, cơ sở hạ tầng cho nhà phát triển, thị trường tài chính mới và sản phẩm tiêu dùng, đồng thời cũng phản ánh các khoản đầu tư gần đây vào các lĩnh vực như đại lý AI và danh tính kỹ thuật số. Variant tin rằng, các tác nhân thông minh (AI Agent) và các hệ thống tài chính toàn cầu mở sẽ thay đổi cấu trúc internet: từ một nơi người dùng thường là sản phẩm, trở thành một nơi người dùng có được khả năng chủ động chưa từng có. Sự thay đổi này sẽ không chỉ dừng lại ở người dùng cá nhân mà còn bao gồm các thị trường, công cụ và dịch vụ mới dành cho nhà phát triển và doanh nghiệp.

marsbit5 giờ trước

Từ Web3 đến AI Agent, Quỹ đầu tư mạo hiểm tiền mã hóa lâu đời Variant cược 2 tỷ đồng vào chuyển đổi

marsbit5 giờ trước

Ai Cung Cấp Vốn Cho Các Đại Lý?

**Ai cung cấp vốn cho các đại lý AI?** Bài viết phân tích về lớp "quản trị" quan trọng trong hệ thống thanh toán cho các đại lý AI - nơi thiết lập các quy tắc về hạn mức chi tiêu, xác minh danh tính và chính sách. Với dự báo doanh số giao dịch qua đại lý AI lên tới 3-5 nghìn tỷ USD vào năm 2030, giá trị lớn không nằm ở việc xử lý thanh toán (đang trở nên rẻ và đồng nhất) mà ở khả năng kiểm soát luồng tiền và các điều kiện giao dịch. Ví là điểm kiểm soát lý tưởng cho lớp quản trị này. Các công ty như Stripe (thông qua việc mua lại ví Privy) và Coinbase (với x402 và AgentKit) đang tích cực xây dựng hoặc mua lại để kiểm soát tầng này, cho phép họ thiết lập chính sách và thu phí quản trị. Mô hình kinh doanh thành công sẽ là tích hợp dọc qua nhiều tầng (ví, thanh toán, quản trị) để tận dụng nhiều nguồn doanh thu: thu nhập từ số dư tiền nhàn rỗi, phí xử lý giao dịch và đặc biệt là phí cho việc thực thi các quy tắc quản trị. Phí quản trị dù nhỏ (ví dụ 0.1%) trên khối lượng giao dịch khổng lồ có thể tạo ra doanh thu hàng tỷ USD, khiến việc kiểm soát lớp quản trị trở nên cực kỳ giá trị.

marsbit7 giờ trước

Bài phát biểu của Jensen Huang tại GTC Taipei 2026: Kỷ nguyên AI Agent đã đến, Tính toán chính là Doanh thu

Tại bài phát biểu GTC Taipei 2026, CEO NVIDIA Jensen Huang tuyên bố thời đại của AI Agent (trợ lý AI) đã chính thức bắt đầu. Ông nhấn mạnh Token giờ đây không chỉ là chỉ số kỹ thuật mà đã trở thành đơn vị tạo ra doanh thu và lợi nhuận. NVIDIA công bố hàng loạt nền tảng và sản phẩm mới để dẫn đầu xu hướng này. Trọng tâm là hệ thống Vera Rubin, được thiết kế đặc biệt để chạy AI Agent, không chỉ là GPU mà là một hệ thống cơ sở hạ tầng hoàn chỉnh, an toàn và hiệu suất cao. NVIDIA cũng giới thiệu Vera CPU, bộ xử lý đầu tiên trên thế giới được xây dựng cho AI Agent với độ trễ cực thấp và băng thông khổng lồ, đáp ứng tính "thiếu kiên nhẫn" của các Agent. Huang mô tả mô hình tính toán tương lai: Agent = Mô hình ngôn ngữ lớn + Khung Agent (framework) + Công cụ/Kỹ năng + Thời gian chạy (runtime). Mô hình này sẽ phổ biến khắp nơi, từ đám mây, doanh nghiệp, PC cá nhân cho đến robot và thiết bị biên. Ông cũng công bố Bộ công cụ AI Agent doanh nghiệp của NVIDIA, giúp mọi công ty xây dựng và vận hành Agent của riêng họ một cách an toàn. Hợp tác với Microsoft, NVIDIA ra mắt dòng PC Windows mới (máy để bàn, máy tính xách tay, trạm làm việc) với chip N1X, được tối ưu hóa để chạy đầy đủ hệ sinh thái NVIDIA và các AI Agent cục bộ. Về AI vật lý, NVIDIA giới thiệu Cosmos 3 - mô hình nền tảng cho robot và thế giới vật lý, cùng Alpamayo 2 cho xe tự hành và nền tảng tham chiếu robot hình người Isaac GR00T. Huang kết luận NVIDIA đã chuyển đổi từ công ty GPU thành công ty hệ thống và giờ là công ty cơ sở hạ tầng, với sứ mệnh giúp khách hàng xây dựng các "nhà máy AI" tạo ra doanh thu tối đa trong kỷ nguyên mới, nơi "tính toán chính là doanh thu".

marsbitHôm qua 03:39

Bài phát biểu của Jensen Huang tại GTC Taipei 2026: Kỷ nguyên AI Agent đã đến, Tính toán chính là Doanh thu

marsbitHôm qua 03:39

Lật đổ lối tư duy chính thống trong việc xử lý ảo giác: Siêu nhận thức mới chính là giải pháp đột phá giúp mô hình lớn phá vỡ ảo giác

Bài viết "Lật đổ lối tư duy chính thống trong việc xử lý ảo giác: Siêu nhận thức là giải pháp mới để đại mô hình ngôn ngữ đột phá ảo giác" trình bày nghiên cứu của Google, đề xuất một hướng tiếp cận mới để giải quyết vấn đề AI tạo ra thông tin sai lệch (ảo giác). Thay vì tập trung vào việc khiến AI biết mọi thứ hoặc im lặng khi không chắc chắn (gây ra "thuế khả dụng" - utility tax), nghiên cứu nhấn mạnh tầm quan trọng của **siêu nhận thức (metacognition)**. Cốt lõi là dạy AI nhận thức và **trung thực biểu đạt mức độ chắc chắn bên trong** của nó về từng câu trả lời (sự không chắc chắn trung thực - faithful uncertainty). Điều này có nghĩa là AI nên sử dụng ngôn ngữ thận trọng khi nội bộ không chắc chắn, và chỉ khẳng định chắc chắn khi nó thực sự tự tin. Cách tiếp cận này được cho là khả thi hơn việc loại bỏ mọi lỗi sai, vì nó chỉ yêu cầu sự căn chỉnh giữa trạng thái nội bộ và đầu ra ngôn ngữ, thay vì phải căn chỉnh hoàn hảo với thực tế bên ngoài. Bài viết cũng chỉ ra rằng trong kỷ nguyên AI Agent, siêu nhận thức là chìa khóa để ra quyết định thông minh về việc khi nào cần sử dụng công cụ bên ngoài (như tìm kiếm), tránh lạm dụng và tin tưởng mù quáng. Các thách thức chính bao gồm nghịch lý tự khởi động (bootstrap paradox), việc huấn luyện căn chỉnh (RLHF) có thể phá hỏng tín hiệu không chắc chắn nội bộ, và khó khăn trong việc đánh giá xem AI có thực sự sở hữu siêu nhận thức hay chỉ đang biểu diễn nó. Thông điệp cuối cùng: Thay vì theo đuổi một AI hoàn hảo không thể đạt được, hãy hướng tới một AI trung thực về những gì nó biết và không biết, từ đó xây dựng niềm tin thực sự với người dùng.

marsbitHôm qua 00:45

Lật đổ lối tư duy chính thống trong việc xử lý ảo giác: Siêu nhận thức mới chính là giải pháp đột phá giúp mô hình lớn phá vỡ ảo giác

marsbitHôm qua 00:45

Claude 'đốt' nổ 500 triệu đô, tăng 60 lần chỉ trong một đêm: Hóa đơn Token của bạn còn chịu nổi không?

Một doanh nghiệp đã chi tới 500 triệu USD chỉ trong một tháng cho Claude do quên đặt giới hạn ngân sách, trong khi một cá nhân khác nhận hóa đơn 18.000 USD từ Google Cloud vì khóa API bị lạm dụng. Các sự cố này báo hiệu một thực tế: hóa đơn AI có thể "phát nổ" bất ngờ do các tác nhân tự động (AI agent) chạy không kiểm soát, khóa bảo mật bị rò rỉ hoặc thiếu giới hạn sử dụng. Nguyên nhân sâu xa nằm ở việc các nền tảng như OpenAI và GitHub đang chuyển từ tính phí theo tháng sang tính phí theo lượng token tiêu thụ. Sự thay đổi này tác động mạnh tới người dùng nặng, đặc biệt là những người dùng AI agent cho các tác vụ dài, khiến chi phí tăng vọt – có trường hợp từ 28 USD lên 746 USD mỗi tháng. Một vấn đề khác là việc lãng phí token có chủ đích. Tại Amazon, một bảng xếp hạng sử dụng AI nội bộ (KiroRank) đã vô tình khuyến khích nhân viên "token maxxing" – tăng lượng token sử dụng chỉ để nâng thứ hạng, dù không tạo ra giá trị thực. Trong bối cảnh này, các giải pháp tối ưu chi phí đang nổi lên. Các công ty như Glean tập trung cung cấp ngữ cảnh tốt hơn cho AI để giảm lượt xử lý, trong khi các nền tảng định tuyến (như Factory AI) tự động phân công tác vụ cho mô hình phù hợp nhất về chi phí. Nghiên cứu cho thấy việc tiêu thụ token cao hơn không luôn đồng nghĩa với độ chính xác tốt hơn. Đáng chú ý, chi phí AI trong doanh nghiệp đang bắt đầu so sánh được với chi phí nhân sự. Các CEO như Arvind Jain của Glean nhận định đây là lần đầu tiên chi phí công nghệ ngang bằng chi phí con người, buộc các công ty phải xem xét lại giá trị thực sự từ mỗi token được sử dụng. Tương lai sẽ thuộc về những người biết quản lý và tối ưu hóa ngân sách token một cách hiệu quả.

marsbit2 ngày trước 11:20

Claude 'đốt' nổ 500 triệu đô, tăng 60 lần chỉ trong một đêm: Hóa đơn Token của bạn còn chịu nổi không?

marsbit2 ngày trước 11:20

AI PC đã tới, chạy mô hình lớn 120B ngay trên máy! NVIDIA định nghĩa lại nền tảng 'Máy tính Cá nhân AI' với RTX Spark

Trong hai năm qua, các nhà sản xuất PC thường xuyên nhắc đến thông số "TOPS của NPU" khi quảng bá "AI PC", nhưng những con số này vẫn ở mức tương đối khiêm tốn, chỉ phù hợp cho các tác vụ AI nhẹ. Tại GTC 2026, NVIDIA đã giới thiệu siêu chip RTX Spark với hiệu năng AI lên tới 1 petaflop (1000 TOPS), vượt trội hơn hẳn một bậc so với các giải pháp NPU trước đây. RTX Spark tích hợp GPU kiến trúc Blackwell, CPU Arm Grace 20 nhân do MediaTek đồng thiết kế và sử dụng bộ nhớ thống nhất lên đến 128GB, cho phép CPU và GPU chia sẻ chung một nhóm bộ nhớ. Sự thay đổi kiến trúc này giúp thiết bị có khả năng chạy mô hình lớn (LLM) 120B tham số ngay tại本地 (on-device) với cửa sổ ngữ cảnh lên tới triệu token. Ngoài ra, nó còn hỗ trợ chỉnh sửa video 12K, render cảnh 3D và chơi game ray-tracing ở mức khung hình cao. NVIDIA cũng công bố hợp tác với Microsoft để tăng cường bảo mật cho Windows, tích hợp thời gian chạy sandbox mã nguồn mở OpenShell để cô lập và quản lý hành vi của AI agent, giúp các doanh nghiệp triển khai thiết bị này một cách an toàn. Về phía phần mềm, Adobe tuyên bố sẽ tái cấu trúc Photoshop và Premiere từ gốc để tối ưu hóa cho kiến trúc bộ nhớ thống nhất của RTX Spark, hứa hẹn tăng hiệu suất lên gấp đôi. Sáu OEM hàng đầu bao gồm ASUS, Dell, HP, Lenovo, Microsoft Surface và MSI sẽ ra mắt máy tính xách tay mỏng nhẹ và máy tính để bàn nhỏ gọn tích hợp RTX Spark vào mùa thu năm nay, Acer và Gigabyte sẽ theo sau. Tuy nhiên, các câu hỏi về giá cả, khả năng tản nhiệt, hiệu suất thực tế và thời lượng pin vẫn cần được làm rõ khi sản phẩm chính thức ra mắt. Sự xuất hiện của RTX Spark đánh dấu sự dịch chuyển quyền lực trong ngành công nghiệp PC, từ mô hình truyền thống lấy CPU x86 làm trung tâm sang mô hình nền tảng SoC mới lấy GPU làm chủ đạo.

marsbit06/01 06:44

AI PC đã tới, chạy mô hình lớn 120B ngay trên máy! NVIDIA định nghĩa lại nền tảng 'Máy tính Cá nhân AI' với RTX Spark

marsbit06/01 06:44

Jensen Huang: Vera Rubin Đã Được Sản Xuất Hàng Loạt, AI Agent Là Hướng Đi Trọng Tâm, Thách Thức Intel Và Nhắm Đến Cổng Vào AI PC Thế Hệ Tiếp Theo

Ngày 1/6, CEO NVIDIA Jensen Huang đã có bài phát biểu quan trọng tại GTC Đài Bắc 2026, công bố hàng loạt sản phẩm và định hướng mới. Kiến trúc Vera Rubin đã chính thức được sản xuất hàng loạt, với khách hàng đầu tiên là OpenAI, Anthropic và SpaceX. NVIDIA tập trung mạnh vào phát triển AI Agent, đồng thời giới thiệu CPU Vera dành riêng cho các tác nhân AI. Một điểm nhấn lớn là tham vọng của NVIDIA trong thị trường AI PC thế hệ tiếp theo. Họ sẽ hợp tác với MediaTek phát triển chip RTX SPARK cho máy tính Windows, do TSMC sản xuất, dự kiến ra mắt vào mùa thu năm nay. Động thái này được xem như một thách thức trực tiếp đối với Intel và hướng tới việc cung cấp nền tảng tính toán hoàn chỉnh cho toàn bộ hệ sinh thái Windows. NVIDIA cũng công bố mô hình AI mới Nemotron 3 Ultra và nền tảng DSX - một "hướng dẫn hành động" hoàn chỉnh để xây dựng các nhà máy AI. Trong lĩnh vực ô tô tự hành, nền tảng DRIVE Hyperion đã được nhiều hãng xe Trung Quốc như BYD, Geely, Zeekr, Xiaomi và Pony.ai áp dụng. NVIDIA còn giới thiệu mô hình suy luận mở Alpamayo 2 cho taxi tự lái. Về robot hình người, NVIDIA hợp tác toàn cầu, bao gồm công ty Trung Quốc Unitree, và giới thiệu nền tảng tham chiếu Isaac GR00T cùng bộ công cụ phát triển mã nguồn mở, nhằm xây dựng hệ sinh thái cho kỷ nguyên robot.

marsbit06/01 06:15

Jensen Huang: Vera Rubin Đã Được Sản Xuất Hàng Loạt, AI Agent Là Hướng Đi Trọng Tâm, Thách Thức Intel Và Nhắm Đến Cổng Vào AI PC Thế Hệ Tiếp Theo

marsbit06/01 06:15

Tại sao nhiều AI Agent hơn không đồng nghĩa với năng suất cao hơn?

Biên tập viên: Khi AI Agent ngày càng rẻ và dễ gọi, phát triển phần mềm đang bước vào giai đoạn mới. Vấn đề không còn là có thể chạy nhiều Agent hơn hay không, mà là liệu con người có đủ sự chú ý để quản lý, đánh giá và hợp nhất đầu ra của chúng hay không. Bài viết giới thiệu khái niệm "thuế điều phối". Chi phí khởi chạy Agent rất thấp, chỉ cần một Prompt hoặc một cú nhấp chuột. Nhưng các bước tiếp theo mới thực sự đắt đỏ: kiểm tra kết quả, hiểu tác động đến kiến trúc hệ thống, xử lý xung đột giữa các Agent, và quyết định mã nào được đưa vào nhánh chính. Những công việc này không thể song song hóa đơn giản, mà vẫn phải quay về một tài nguyên tuần tự duy nhất: khả năng phán đoán của con người. Tác giả ví nhà phát triển như "GIL" trong hệ thống AI Agent - khóa luồng đơn hạn chế thông lượng cuối cùng của hệ thống đồng thời. Nhiều Agent có thể chạy cùng lúc, nhưng một khi bước vào giai đoạn đánh giá kiến trúc, xem xét mã và hợp nhất xung đột, chúng phải đi qua bộ não của nhà phát triển. Do đó, càng nhiều Agent không nhất thiết có nghĩa là sản lượng cao hơn, mà có thể chỉ làm cho hàng đợi công việc chờ xem xét dài hơn, khiến nhà phát triển mệt mỏi vì chuyển đổi ngữ cảnh liên tục. Điều dễ bị bỏ qua trong cơn sốt công cụ lập trình AI hiện nay là cảm giác hiệu quả không phải lúc nào cũng đồng nghĩa với năng suất thực. Một bảng điều khiển đầy Agent đang chạy tạo ra ảo giác "năng suất cao", nhưng nếu nhà phát triển không thực sự hiểu, xem xét và tích hợp các thay đổi, hệ thống cuối cùng tích lũy có thể là nợ kỹ thuật và nợ nhận thức. Vì vậy, bài viết thảo luận về "cách thiết kế lại quy trình làm việc xoay quanh sự chú ý của con người". Trong thời đại Agent, năng lực then chốt không chỉ là biết đặt câu hỏi và phân công nhiệm vụ, mà là biết nhiệm vụ nào có thể giao cho máy móc xử lý song song, nhiệm vụ nào phải dành cho con người đánh giá; khi nào nên xem xét hàng loạt, khi nào nên dừng điều phối để tập trung lại vào một vấn đề cốt lõi. AI đang mở rộng khả năng xử lý đồng thời trong sản xuất phần mềm, nhưng sự chú ý của con người vẫn là tài nguyên khan hiếm và không thể nhân bản nhất trong hệ thống. Một quy trình làm việc với Agent thực sự trưởng thành không phải là ném mọi nhiệm vụ cho máy móc, mà là thiết kế kiến trúc sự chú ý của chính mình một cách cẩn thận, giống như thiết kế một hệ thống sản xuất.

marsbit05/31 22:46

Tại sao nhiều AI Agent hơn không đồng nghĩa với năng suất cao hơn?

marsbit05/31 22:46

Ba năm sau: Nhìn lại những dự đoán của tôi về ChatGPT năm 2023

**Tóm tắt: Nhìn lại 20 dự đoán về ChatGPT năm 2023 sau 3 năm** Vào tháng 3/2023, khi ChatGPT mới xuất hiện và GPT-4 chưa ra mắt, tác giả Vương Kiến Thạc đã đưa ra 20 nhận định về tương lai của AI. Giờ đây, vào cuối tháng 5/2026, một hệ thống AI gồm 41 agent đã được sử dụng để kiểm chứng lại từng dự đoán đó dựa trên dữ liệu thực tế. **Kết quả kiểm chứng (Tính đến 5/2026):** * **Đúng/Bản chất đúng (✅/🟢):** 13/20 dự đoán. * **Một phần đúng (🟡):** 6/20 dự đoán. * **Sai (❌):** 1/20 dự đoán. **Những điểm dự đoán chính xác nổi bật:** 1. **Kiến trúc RAG & Tìm kiếm:** Dự đoán việc bổ sung kiến thức thông qua cơ chế truy xuất bên ngoài (như vector search) thay vì chỉ fine-tune model đã trở thành tiêu chuẩn. 2. **Giao diện ngôn ngữ tự nhiên (LUI):** Nhận định ChatGPT mở ra kỷ nguyên LUI, tạo ra một hệ sinh thái rộng lớn hơn cả việc phát triển model cơ bản, đã được chứng minh. 3. **Mô hình lớn Trung Quốc:** Dự báo khoảng cách về khả năng giữa các mô hình Trung Quốc và đỉnh cao thế giới sẽ thu hẹp nhanh chóng trong khoảng 3 năm đã thành hiện thực. 4. **Ý thức và Kiểm tra Turing:** Quan điểm cho rằng ChatGPT không có ý thức và bài kiểm tra Turing chỉ đánh giá biểu hiện bề ngoài vẫn vững vàng. **Những điểm dự đoán chưa chính xác hoặc sai lệch:** 1. **Tham số GPT-4 (❌):** Thông tin GPT-4 có 100 nghìn tỷ tham số là hoàn toàn sai. 2. **Khả năng toán học của LLM:** Mặc dù đúng khi cho rằng cần công cụ bổ trợ, nhưng khẳng định LLM "không thể" tự học toán thuần túy đã bị bác bỏ khi các model năm 2025 giành huy chương IMO. 3. **Nơi nắm giữ giá trị:** Dự đoán giá trị sẽ thuộc về tầng ứng dụng, còn các công ty làm model cơ bản có thể không sinh lời, đã không tính đến sự thống trị và lợi nhuận khổng lồ của NVIDIA ở tầng phần cứng tính toán. 4. **Bản quyền:** Nhận định AI có thể "né tránh" vi phạm bản quyền là sai, khi thực tế đã có những vụ kiện và dàn xếp bồi thường lớn nhất lịch sử liên quan đến dữ liệu huấn luyện. **Bài học rút ra sau 3 năm:** * **Dự đoán xu hướng và cơ chế đáng tin cậy hơn nhiều so với các con số cụ thể.** * Xu hướng chung: **Đánh giá quá lạc quan về tốc độ, nhưng lại đánh giá thấp mức độ phát triển** về lâu dài. * Sai lầm tinh vi thường nằm ở **sự phân bổ** (ví dụ: tác động việc làm lên nhóm người lao động trẻ), chứ không phải tổng thể. * **Những nhận định có giới hạn, điều kiện đi kèm thường chính xác hơn** những phát biểu tuyệt đối. * Một số câu hỏi lớn vẫn chưa có câu trả lời cuối cùng sau 3 năm. Bản tổng kết này không chỉ chấm điểm cho quá khứ, mà còn đặt ra những quy tắc cho việc dự đoán trong tương lai.

链捕手05/31 13:39

Ba năm sau: Nhìn lại những dự đoán của tôi về ChatGPT năm 2023

链捕手05/31 13:39

Làm thế nào để AI Agent tự gọi API, mua quyền và hoàn thành thanh toán? ERC-8257 thực hiện điều này như thế nào?

ERC-8257 là một tiêu chuẩn đề xuất trên blockchain, nhằm tạo ra một danh mục công cụ mở và phi tập trung dành cho AI Agent. Nó giải quyết những thách thức khi AI Agent tự động khám phá, hiểu quy tắc truy cập và sử dụng các công cụ bên ngoài (như API). Cốt lõi của ERC-8257 là một sổ đăng ký thông minh trên chuỗi. Các nhà phát triển công cụ có thể đăng ký thông tin và điều kiện truy cập của họ lên đó. Để tiết kiệm chi phí, thông tin chi tiết (tên, mô tả, API, giá cả, quy tắc thanh toán) được lưu trữ ngoài chuỗi dưới dạng tệp JSON, trong khi sổ đăng ký trên chuỗi lưu liên kết và mã băm để đảm bảo tính toàn vẹn. Một điểm quan trọng là quyền truy cập được xác định bởi các hợp đồng thông minh độc lập, linh hoạt. Nhà phát triển có thể yêu cầu AI Agent phải sở hữu một NFT cụ thể, token, đăng ký dịch vụ hoặc có điểm uy tín nhất định để sử dụng công cụ. Nếu không đủ điều kiện, AI Agent có thể tự động tìm cách đáp ứng (như mua NFT) trước khi gọi lại. Về thanh toán, ERC-8257 không xử lý trực tiếp mà chỉ khai báo giao thức hỗ trợ (như x402), để các giao thức chuyên biệt đó thực hiện. Mục tiêu của ERC-8257 là bổ sung cho các giao thức như x402: ERC-8257 giúp AI Agent khám phá công cụ và xác minh quyền truy cập một cách tiêu chuẩn hóa, trong khi x402 đảm nhận việc thanh toán. Tuy nhiên, tiêu chuẩn này vẫn đối mặt với một số thách thức tiềm ẩn như: sự phức tạp kỹ thuật do các quy tắc truy cập đa dạng, rủi ro biến động giá nếu quyền truy cập gắn với tài sản có thể giao dịch, và những hạn chế trong việc đảm bảo độ tin cậy, tính khả dụng thực tế của công cụ chạy ngoài chuỗi.

marsbit05/29 07:25

Làm thế nào để AI Agent tự gọi API, mua quyền và hoàn thành thanh toán? ERC-8257 thực hiện điều này như thế nào?