Từ liên kết học tập liên bang đến mạng lưới Agent phi tập trung: Phân tích dự án ChainOpera

Tác giả: 0xjacobzhao

Trong báo cáo nghiên cứu tháng 6 “Chén thánh của Crypto AI: Khám phá tiên phong về đào tạo phi tập trung”, chúng tôi đã đề cập đến Học liên kết (Federated Learning) – một giải pháp “phi tập trung có kiểm soát” nằm giữa đào tạo phân tán và đào tạo phi tập trung: cốt lõi là dữ liệu được giữ tại chỗ, tham số được tổng hợp tập trung, đáp ứng nhu cầu về quyền riêng tư và tuân thủ trong các lĩnh vực như y tế, tài chính. Đồng thời, trong nhiều báo cáo trước đây, chúng tôi liên tục theo dõi sự trỗi dậy của mạng lưới Agent – giá trị của nó nằm ở việc thông qua sự tự trị và phân công của nhiều agent, hợp tác hoàn thành các nhiệm vụ phức tạp, thúc đẩy sự phát triển của “mô hình lớn” sang “hệ sinh thái đa agent”.

Học liên kết với nguyên tắc “dữ liệu không rời khỏi địa phương, thưởng theo đóng góp” đã đặt nền móng cho hợp tác đa bên, các đặc tính phân tán, khuyến khích minh bạch, bảo vệ quyền riêng tư và thực tiễn tuân thủ của nó cung cấp kinh nghiệm có thể tái sử dụng trực tiếp cho Agent Network. Đội ngũ FedML đang đi theo con đường này, nâng cấp gen mã nguồn mở thành TensorOpera (tầng hạ tầng công nghiệp AI), rồi tiến hóa lên ChainOpera (mạng lưới Agent phi tập trung). Tất nhiên, Agent Network không nhất thiết phải là sự mở rộng của học liên kết, cốt lõi của nó là sự hợp tác tự trị và phân công nhiệm vụ của nhiều agent, cũng có thể xây dựng trực tiếp dựa trên hệ thống đa agent (MAS), học tăng cường (RL) hoặc cơ chế khuyến khích blockchain.

I. Học liên kết và kiến trúc ngăn xếp công nghệ AI Agent

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

Trong toàn bộ ngăn xếp giao thức AI Agent, chúng tôi đã phân chia thành ba tầng chính trong các báo cáo trước:

• Tầng hạ tầng (Agent Infrastructure Layer): Tầng này cung cấp hỗ trợ vận hành cơ bản nhất cho agent, là nền tảng công nghệ cho mọi hệ thống Agent.

• Module cốt lõi: Bao gồm Agent Framework (khung phát triển và vận hành agent) và Agent OS (hệ điều hành đa nhiệm và runtime mô-đun ở tầng thấp hơn), cung cấp năng lực cốt lõi cho quản lý vòng đời của Agent.

• Module hỗ trợ: Như Agent DID (danh tính phi tập trung), Agent Wallet & Abstraction (trừu tượng hóa tài khoản và thực thi giao dịch), Agent Payment/Settlement (năng lực thanh toán và quyết toán).

• Tầng điều phối và thực thi (Coordination & Execution Layer)tập trung vào phối hợp giữa nhiều agent, điều phối nhiệm vụ và cơ chế khuyến khích hệ thống, là chìa khóa xây dựng “trí tuệ tập thể” của hệ thống agent.

• Agent Orchestration: Cơ chế chỉ huy, dùng để điều phối thống nhất và quản lý vòng đời agent, phân phối nhiệm vụ và quy trình thực thi, phù hợp với các kịch bản workflow có kiểm soát trung tâm.

• Agent Swarm: Cấu trúc hợp tác, nhấn mạnh sự hợp tác phân tán giữa các agent, có tính tự trị cao, khả năng phân công và hợp tác linh hoạt, phù hợp với các nhiệm vụ phức tạp trong môi trường động.

• Agent Incentive Layer: Xây dựng hệ thống khuyến khích kinh tế cho mạng lưới agent, thúc đẩy sự tích cực của nhà phát triển, thực thi và xác thực, cung cấp động lực bền vững cho hệ sinh thái agent.

• Tầng ứng dụng (Application & Distribution Layer)

• Phân phối phụ:bao gồm Agent Launchpad, Agent Marketplace và Agent Plugin Network

• Ứng dụng phụ:bao gồm AgentFi, Agent Native DApp, Agent-as-a-Service, v.v.

• Tiêu dùng phụ:chủ yếu là Agent Social / Consumer Agent, hướng tới các kịch bản xã hội tiêu dùng nhẹ

• Meme:lợi dụng khái niệm Agent để thổi phồng, thiếu thực thi kỹ thuật và ứng dụng thực tế, chỉ mang tính tiếp thị.

II. FedML – Chuẩn mực học liên kết & Nền tảng toàn ngăn xếp TensorOpera

FedML là một trong những framework mã nguồn mở đầu tiên hướng tới học liên kết (Federated Learning) và đào tạo phân tán, khởi nguồn từ nhóm học thuật (USC) và dần thương mại hóa thành sản phẩm cốt lõi của TensorOpera AI. Nó cung cấp cho nhà nghiên cứu và nhà phát triển công cụ đào tạo hợp tác dữ liệu liên tổ chức, liên thiết bị; trong giới học thuật, FedML thường xuất hiện tại các hội nghị hàng đầu như NeurIPS, ICML, AAAI, đã trở thành nền tảng thực nghiệm phổ biến cho nghiên cứu học liên kết; trong công nghiệp, FedML có danh tiếng cao trong các kịch bản nhạy cảm về quyền riêng tư như y tế, tài chính, AI biên và Web3 AI, được xem là bộ công cụ tiêu chuẩn trong lĩnh vực học liên kết.

TensorOpera là nền tảng hạ tầng AI toàn ngăn xếp hướng tới doanh nghiệp và nhà phát triển, được FedML nâng cấp theo hướng thương mại hóa: vừa giữ năng lực học liên kết, vừa mở rộng sang GPU Marketplace, dịch vụ mô hình và MLOps, từ đó thâm nhập thị trường lớn hơn của mô hình lớn và Agent. Kiến trúc tổng thể của TensorOpera chia thành ba tầng: Compute Layer (tầng cơ sở), Scheduler Layer (tầng điều phối) và MLOps Layer (tầng ứng dụng):

1. Compute Layer (Tầng cơ sở)

Tầng Compute là nền tảng kỹ thuật của TensorOpera, kế thừa gen mã nguồn mở của FedML, các chức năng cốt lõi bao gồm Parameter Server, Distributed Training, Inference Endpoint và Aggregation Server. Giá trị của nó là cung cấp đào tạo phân tán, học liên kết bảo vệ quyền riêng tư và công cụ suy luận mở rộng, hỗ trợ ba năng lực cốt lõi “Train / Deploy / Federate”, bao phủ toàn bộ chuỗi từ đào tạo mô hình, triển khai đến hợp tác liên tổ chức, là tầng nền tảng của toàn bộ nền tảng.

2. Scheduler Layer (Tầng trung gian)

Tầng Scheduler tương đương trung tâm giao dịch và điều phối sức mạnh tính toán, gồm GPU Marketplace, Provision, Master Agent và Schedule & Orchestrate, hỗ trợ gọi tài nguyên từ các đám mây công cộng, nhà cung cấp GPU và cộng tác viên độc lập. Đây là bước ngoặt quan trọng khi FedML nâng cấp thành TensorOpera, có thể thông qua điều phối sức mạnh tính toán thông minh và sắp xếp nhiệm vụ để thực hiện đào tạo và suy luận AI quy mô lớn hơn, bao phủ các kịch bản điển hình của LLM và AI sinh tổng hợp. Đồng thời, mô hình Share & Earn của tầng này dự phòng giao diện cơ chế khuyến khích, có tiềm năng tương thích với DePIN hoặc mô hình Web3.

3. MLOps Layer (Tầng trên cùng)

Tầng MLOps là giao diện dịch vụ trực tiếp hướng tới nhà phát triển và doanh nghiệp, bao gồm các module như Model Serving, AI Agent và Studio. Ứng dụng điển hình bao gồm LLM Chatbot, AI sinh tổng hợp đa phương thức và công cụ Copilot cho nhà phát triển. Giá trị của nó là trừu tượng hóa sức mạnh tính toán và năng lực đào tạo tầng dưới thành API và sản phẩm tầng cao, giảm rào cản sử dụng, cung cấp agent sẵn dùng, môi trường phát triển low-code và năng lực triển khai mở rộng, định vị đối chuẩn với các nền tảng AI Infra thế hệ mới như Anyscale, Together, Modal, đóng vai trò cầu nối từ hạ tầng đến ứng dụng.

Tháng 3/2025, TensorOpera nâng cấp thành nền tảng toàn ngăn xếp hướng tới AI Agent, sản phẩm cốt lõi bao gồm AgentOpera AI App, Framework và Platform. Tầng ứng dụng cung cấp cổng vào đa agent tương tự ChatGPT, tầng framework phát triển thành “Agentic OS” dựa trên hệ thống đa agent cấu trúc đồ thị và Orchestrator/Router, tầng nền tảng tích hợp sâu với nền tảng mô hình TensorOpera và FedML, thực hiện dịch vụ mô hình phân tán, tối ưu hóa RAG và triển khai hybrid edge-cloud. Mục tiêu tổng thể là xây dựng “một hệ điều hành, một mạng lưới agent”, cho phép nhà phát triển, doanh nghiệp và người dùng cùng xây dựng hệ sinh thái Agentic AI thế hệ mới trong môi trường mở và bảo vệ quyền riêng tư.

III. Toàn cảnh hệ sinh thái ChainOpera AI: Từ đồng sáng tạo, đồng sở hữu đến nền tảng công nghệ

Nếu như FedML là lõi công nghệ, cung cấp gen mã nguồn mở cho học liên kết và đào tạo phân tán; TensorOpera trừu tượng hóa thành nền tảng hạ tầng AI toàn ngăn xếp có thể thương mại hóa từ thành quả nghiên cứu của FedML, thì ChainOpera là việc đưa năng lực nền tảng của TensorOpera “lên chuỗi”, thông qua AI Terminal + Agent Social Network + DePIN tầng mô hình và sức mạnh tính toán + blockchain AI-Native để xây dựng một hệ sinh thái mạng lưới Agent phi tập trung. Sự chuyển đổi cốt lõi là, TensorOpera vẫn chủ yếu hướng tới doanh nghiệp và nhà phát triển, còn ChainOpera tận dụng cơ chế quản trị và khuyến khích Web3, đưa người dùng, nhà phát triển, nhà cung cấp GPU/dữ liệu vào cùng xây dựng và quản trị, để AI Agent không chỉ “được sử dụng” mà còn “được đồng sáng tạo và đồng sở hữu”.

Hệ sinh thái đồng sáng tạo (Co-creators)

ChainOpera AI thông qua Model & GPU Platform và Agent Platform cung cấp bộ công cụ, hạ tầng và tầng điều phối cho đồng sáng tạo hệ sinh thái, hỗ trợ đào tạo mô hình, phát triển agent, triển khai và hợp tác mở rộng.

Đồng sáng tạo trong hệ sinh thái ChainOpera bao gồm nhà phát triển AI Agent (thiết kế và vận hành agent),nhà cung cấp công cụ và dịch vụ (template, MCP, cơ sở dữ liệu và API),nhà phát triển mô hình (đào tạo và phát hành model card),nhà cung cấp GPU (đóng góp sức mạnh tính toán qua DePIN và đối tác cloud Web2),người đóng góp và gán nhãn dữ liệu (tải lên và gán nhãn dữ liệu đa phương thức). Ba nguồn cung cốt lõi – phát triển, sức mạnh tính toán và dữ liệu – cùng thúc đẩy sự phát triển bền vững của mạng lưới agent.

Hệ sinh thái đồng sở hữu (Co-owners)

Hệ sinh thái ChainOpera còn đưa vào cơ chế đồng sở hữu, cùng hợp tác và tham gia xây dựng mạng lưới.Nhà sáng tạo AI Agent là cá nhân hoặc nhóm, thông qua Agent Platform thiết kế và triển khai agent mới, chịu trách nhiệm xây dựng, đưa lên và duy trì liên tục, thúc đẩy đổi mới chức năng và ứng dụng.Người tham gia AI Agent đến từ cộng đồng, họ tham gia vào vòng đời agent thông qua việc nhận và giữ đơn vị truy cập (Access Units), hỗ trợ sự phát triển và hoạt động của agent trong quá trình sử dụng và quảng bá. Hai vai trò này lần lượt đại diện cho bên cung và bên cầu, cùng hình thành mô hình chia sẻ giá trị và phát triển hợp tác trong hệ sinh thái.

Đối tác hệ sinh thái: Nền tảng và framework

ChainOpera AI hợp tác với nhiều bên, tăng cường tính khả dụng và an toàn của nền tảng, đồng thời chú trọng tích hợp kịch bản Web3: thông qua AI Terminal App kết hợp ví, thuật toán và nền tảng tổng hợp để thực hiện đề xuất dịch vụ thông minh; tại Agent Platform đưa vào nhiều framework và công cụ không cần code, giảm rào cản phát triển; dựa vào TensorOpera AI để đào tạo và suy luận mô hình; đồng thời hợp tác độc quyền với FedML để hỗ trợ đào tạo bảo vệ quyền riêng tư liên tổ chức, liên thiết bị. Tổng thể, hình thành hệ sinh thái mở cân bằng giữa ứng dụng doanh nghiệp và trải nghiệm người dùng Web3.

Cổng phần cứng: AI Hardware & Partners

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

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

TensorOpera cung cấp nền tảng GenAI toàn ngăn xếp bao phủ MLOps, Scheduler, Compute; nền tảng con FedML phát triển từ mã nguồn mở học thuật thành framework công nghiệp, tăng cường khả năng “chạy ở mọi nơi, mở rộng tùy ý” của AI.

Hệ sinh thái ChainOpera AI

IV. Sản phẩm cốt lõi ChainOpera và hạ tầng AI Agent toàn ngăn xếp

Tháng 6/2025, ChainOpera chính thức ra mắt AI Terminal App và ngăn xếp công nghệ phi tập trung, định vị là “phi tập trung hóa phiên bản OpenAI”, các sản phẩm cốt lõi bao gồm bốn module: tầng ứng dụng (AI Terminal & Agent Network), tầng nhà phát triển (Agent Creator Center), tầng mô hình và GPU (Model & Compute Network), cùng giao thức CoAI và chain chuyên dụng, bao phủ chu trình khép kín từ cổng người dùng đến sức mạnh tính toán tầng dưới và khuyến khích on-chain.

AI Terminal App đã tích hợp BNBChain, hỗ trợ giao dịch on-chain và các agent trong kịch bản DeFi. Agent Creator Center mở cho nhà phát triển, cung cấp MCP/HUB, kho tri thức và RAG, các agent cộng đồng liên tục gia nhập; đồng thời khởi động CO-AI Alliance, liên kết io.net, Render, TensorOpera, FedML, MindNetwork và các đối tác khác.

Theo dữ liệu on-chain 30 ngày gần nhất của BNB DApp Bay, số người dùng độc lập đạt 158.87K, khối lượng giao dịch 2.6 triệu trong 30 ngày, xếp thứ hai toàn site trong phân loại “AI Agent” trên BSC, cho thấy mức độ hoạt động on-chain mạnh mẽ.

Super AI Agent App – AI Terminal

Là cổng vào ChatGPT phi tập trung và AI xã hội, AI Terminal cung cấp hợp tác đa phương thức, khuyến khích đóng góp dữ liệu, tích hợp công cụ DeFi, trợ lý đa nền tảng, đồng thời hỗ trợ hợp tác AI Agent và bảo vệ quyền riêng tư (Your Data, Your Agent). Người dùng có thể gọi trực tiếp mô hình lớn mã nguồn mở DeepSeek-R1 và agent cộng đồng trên thiết bị di động, trong quá trình tương tác, token ngôn ngữ và token mã hóa luân chuyển minh bạch trên chuỗi. Giá trị của nó là giúp người dùng chuyển từ “người tiêu thụ nội dung” sang “đồng sáng tạo thông minh”, đồng thời có thể sử dụng mạng lưới agent chuyên biệt trong các kịch bản DeFi, RWA, PayFi, thương mại điện tử, v.v.

AI Agent Social Network

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

AI Agent Developer Platform

Cung cấp trải nghiệm sáng tạo “kiểu Lego” cho nhà phát triển. Hỗ trợ không cần code và mở rộng mô-đun, hợp đồng blockchain đảm bảo quyền sở hữu, DePIN + hạ tầng đám mây giảm rào cản, Marketplace cung cấp kênh phân phối và khám phá. Cốt lõi là giúp nhà phát triển tiếp cận người dùng nhanh chóng, đóng góp cho hệ sinh thái được ghi nhận minh bạch và nhận khuyến khích.

AI Model & GPU Platform

Là tầng hạ tầng, kết hợp DePIN và học liên kết, giải quyết điểm yếu phụ thuộc vào sức mạnh tính toán tập trung của Web3 AI. Thông qua GPU phân tán, đào tạo dữ liệu bảo vệ quyền riêng tư, thị trường mô hình và dữ liệu, cùng MLOps end-to-end, hỗ trợ hợp tác đa agent và AI cá nhân hóa. Tầm nhìn là thúc đẩy chuyển đổi mô hình hạ tầng từ “độc quyền của các ông lớn” sang “cộng đồng cùng xây dựng”.

V. Lộ trình phát triển của ChainOpera AI

Ngoài nền tảng toàn ngăn xếp AI Agent đã chính thức ra mắt, ChainOpera AI tin rằng trí tuệ nhân tạo tổng quát (AGI) đến từ mạng lưới hợp tác đa phương thức, đa agent. Do đó, lộ trình dài hạn của họ chia thành bốn giai đoạn:

• Giai đoạn 1 (Compute → Capital): Xây dựng hạ tầng phi tập trung, bao gồm mạng lưới GPU DePIN, nền tảng học liên kết và đào tạo/suy luận phân tán, đồng thời đưa vào Model Router điều phối suy luận đa đầu; thông qua cơ chế khuyến khích để nhà cung cấp sức mạnh tính toán, mô hình và dữ liệu nhận được lợi nhuận phân phối theo mức sử dụng.

• Giai đoạn 2 (Agentic Apps → Collaborative AI Economy): Ra mắt AI Terminal, Agent Marketplace và Agent Social Network, hình thành hệ sinh thái ứng dụng đa agent; thông qua CoAI protocol kết nối người dùng, nhà phát triển và nhà cung cấp tài nguyên, đồng thời đưa vào hệ thống ghép nối nhu cầu người dùng – nhà phát triển và hệ thống tín dụng, thúc đẩy tương tác thường xuyên và hoạt động kinh tế liên tục.

• Giai đoạn 3 (Collaborative AI → Crypto-Native AI): Ứng dụng trong các lĩnh vực DeFi, RWA, thanh toán, thương mại điện tử, đồng thời mở rộng sang kịch bản KOL và trao đổi dữ liệu cá nhân; phát triển LLM chuyên dụng cho tài chính/crypto, ra mắt hệ thống thanh toán và ví Agent-to-Agent, thúc đẩy ứng dụng “Crypto AGI” theo kịch bản.

• Giai đoạn 4 (Ecosystems → Autonomous AI Economies): Dần tiến hóa thành các nền kinh tế subnet tự trị, mỗi subnet tự quản lý, token hóa xung quanh ứng dụng, hạ tầng, sức mạnh tính toán, mô hình và dữ liệu, hợp tác qua giao thức liên subnet, hình thành hệ sinh thái hợp tác đa subnet; đồng thời từ Agentic AI tiến tới Physical AI (robot, tự lái, hàng không vũ trụ).