Top 10 công ty AI phát triển mô hình ngôn ngữ quy mô lớn cho tiền điện tử
Trí tuệ nhân tạo và tiền điện tử không còn phát triển ở những góc riêng biệt của ngành công nghệ nữa. Khi các ứng dụng blockchain trở nên phức tạp hơn, các nhà phát triển và người dùng ngày càng cần các hệ thống AI hiểu được hợp đồng thông minh, kinh tế token, hoạt động trên chuỗi, tài chính phi tập trung và ngôn ngữ đặc thù của nó. Web3.
Đó là lý do tại sao các mô hình ngôn ngữ lớn chuyên biệt cho tiền điện tử đang bắt đầu tạo ra sự khác biệt. Các mô hình đa năng có thể giải thích blockchain là gì, nhưng chúng có thể gặp khó khăn khi được yêu cầu diễn giải một giao dịch phức tạp, đánh giá... DeFi giao thức hoặc hiểu mối quan hệ giữa hoạt động ví và điều kiện thị trường. Các mô hình tập trung vào tiền điện tử đang được huấn luyện, tinh chỉnh hoặc kết nối với các tập dữ liệu giúp chúng hiểu rõ hơn về các môi trường này.
Thị trường này vẫn còn khá non trẻ, và không phải mọi dự án được mô tả là "công ty AI tiền điện tử" đều xây dựng mô hình nền tảng từ đầu. Một số đang tự đào tạo mô hình của riêng họ, trong khi những công ty khác đang tinh chỉnh các mô hình mã nguồn mở hiện có hoặc xây dựng cơ sở hạ tầng chuyên biệt xung quanh các mô hình LLM (Learning Learning Module). Tuy nhiên, những công ty và nền tảng này đang giúp thúc đẩy ngành công nghiệp hướng tới các hệ thống AI có thể làm được nhiều hơn là chỉ nói về tiền điện tử.
ChuỗiGPT
ChuỗiGPT Đây là một trong những ví dụ rõ ràng nhất về một công ty xây dựng trí tuệ nhân tạo (AI) dựa trên nhu cầu cụ thể của... Web3 ngành công nghiệp. Nó Web3 Chương trình AI LLM được thiết kế xoay quanh dữ liệu blockchain, hợp đồng thông minh, DeFi, NFTs và kinh tế token thay vì chỉ dựa vào kiến thức rộng lớn có trong các mô hình đa năng.
Một trong những khía cạnh thú vị hơn của Chain làGPTĐiểm đặc biệt của mô hình này là khả năng kết nối với thông tin trực tiếp. Tài liệu của nó cho biết mô hình có thể hoạt động với dữ liệu trên chuỗi, thông tin thị trường, tin tức và các nguồn cấp dữ liệu xã hội, cho phép các nhà phát triển xây dựng các ứng dụng cần ngữ cảnh cập nhật hơn so với mô hình ngôn ngữ tĩnh.
Điều đó khiến công nghệ này hữu ích cho mọi thứ, từ nghiên cứu tiền điện tử và hỗ trợ khách hàng đến hỗ trợ giao dịch và phân tích hợp đồng thông minh. ChainGPT cũng đã cung cấp mô hình của mình thông qua API và SDK, cho phép những người khác sử dụng. Web3 Các công ty có thể tích hợp trí tuệ nhân tạo (AI) nhận biết mã hóa mà không cần phải tự phát triển toàn bộ mô hình.
Lấy
Fetch.ai đã chọn một hướng đi hơi khác bằng cách tập trung vào các mô hình AI có thể hoạt động như một phần của hệ thống tác nhân tự động. Vào tháng 2 năm 2025, Fetch.ai đã giới thiệu ASI-1 Mini, mà họ mô tả là một... Web3- Mô hình ngôn ngữ gốc quy mô lớn được xây dựng cho các quy trình làm việc AI dựa trên tác nhân.
Điểm khác biệt quan trọng là ASI-1 Mini không chỉ đơn thuần là một chatbot khác được đào tạo để trả lời các câu hỏi về tiền điện tử. Fetch.ai đã thiết kế nó dựa trên khả năng suy luận, ra quyết định và quy trình làm việc tự động, với nhiều chế độ suy luận nhằm cân bằng giữa tốc độ và chiều sâu.
Cách tiếp cận đó rất quan trọng bởi vì giai đoạn tiếp theo của trí tuệ nhân tạo trong lĩnh vực tiền điện tử có thể sẽ liên quan đến các tác nhân có khả năng tương tác trực tiếp với mạng lưới blockchain. Thay vì hỏi trí tuệ nhân tạo xem token nào có lợi suất cao nhất rồi tự tay thực hiện giao dịch, người dùng cuối cùng có thể ủy thác một phần quy trình đó cho các hệ thống tự động. Các mô hình như ASI-1 Mini đang được phát triển với tầm nhìn rộng lớn hơn đó.
Tiền điện tửGPT
Tiền điện tửGPT là một dự án khác đã cố gắng xây dựng cơ sở hạ tầng AI dành riêng cho lĩnh vực tiền điện tử và blockchain. Trọng tâm được nêu rõ của dự án không chỉ dừng lại ở một chatbot AI đơn giản mà còn mở rộng sang các ứng dụng như tạo hợp đồng thông minh, kiểm toán, hỗ trợ giao dịch và nhiều ứng dụng khác. Web3-các công cụ liên quan
Dự án cũng đã vạch ra kế hoạch cho một cơ sở hạ tầng blockchain tập trung vào trí tuệ nhân tạo thông qua AIVM của mình, nhằm hỗ trợ việc thực thi, đào tạo và cung cấp tài nguyên tính toán cho các mô hình AI trên chuỗi.
Tuy nhiên, ở đây có một sự khác biệt quan trọng. Tiền điện tửGPTTheo chính tài liệu của họ, các mô hình AI của họ không phải là mã nguồn mở, trong khi quyền truy cập được dự định cung cấp thông qua API và SDK. Điều đó khiến chiến lược của họ gần giống với một nhà cung cấp cơ sở hạ tầng AI hơn là một phòng thí nghiệm nghiên cứu mở.
Đối với người dùng tiền điện tử, sức hấp dẫn khá rõ ràng. Thay vì bắt một hệ thống trí tuệ nhân tạo tổng quát phải học thuật ngữ blockchain từ đầu, CryptoGPT đang cố gắng tích hợp kiến thức chuyên môn đó vào sản phẩm.
BytomDAO
BytomDAO đã áp dụng một trong những cách tiếp cận trực tiếp nhất để tạo ra một mô hình ngôn ngữ tập trung vào tiền điện tử. Ngôn ngữ Crypto của nó...GPT Sáng kiến này dựa trên CryptoInstruct, một tập dữ liệu chứa hàng triệu ví dụ hướng dẫn được thiết kế xoay quanh thông tin và nhiệm vụ liên quan đến tiền điện tử.
Dự án cho biết họ đã tinh chỉnh Llama 3. Sử dụng tập dữ liệu CryptoInstruct để tạo ra CryptoGPT các mô hình ở các thang tham số khác nhau. Ý tưởng đằng sau cách tiếp cận này đặc biệt phù hợp với ngành công nghiệp tiền điện tử vì thông tin blockchain rất chuyên biệt và liên tục thay đổi.
Thay vì cố gắng cạnh tranh với các mô hình đa năng lớn nhất trên mọi lĩnh vực, một mô hình chuyên biệt có thể tập trung khả năng của mình vào các lĩnh vực như thông tin dự án, khái niệm blockchain và các tác vụ đặc thù về tiền điện tử.
Đây là một trong những ví dụ rõ ràng nhất cho thấy tại sao đào tạo chuyên ngành có thể trở nên quan trọng. Web3Một mô hình nhỏ hơn nhưng hiểu sâu về mật mã đôi khi lại hữu ích hơn cho ứng dụng blockchain so với một mô hình lớn hơn nhiều nhưng chỉ biết một chút về mọi thứ.
Chỉ mụcAI
IndexAI là một dự án khác được xây dựng dựa trên ý tưởng rằng các mô hình ngôn ngữ nên có khả năng tương tác trực tiếp với mạng lưới blockchain. Nền tảng này mô tả mô hình cơ bản của mình là một mô hình học ngôn ngữ (LLM) mã nguồn mở được đào tạo dựa trên kiến thức về blockchain.
Tham vọng của nó không chỉ dừng lại ở việc trả lời câu hỏi. IndexAI cho biết công nghệ của họ cho phép các tác nhân AI đọc thông tin trên nhiều chuỗi khối và, với các khả năng phù hợp, ghi dữ liệu vào các mạng đó bằng cách ký giao dịch, thực hiện mua bán và hoán đổi.
Sự khác biệt đó rất quan trọng. Cơ hội thực sự trong các mô hình học máy dựa trên ngôn ngữ tự nhiên (LLM) chuyên về tiền điện tử có thể không nằm ở việc cải thiện các cuộc thảo luận về Bitcoin hay Ethereum. Mà có thể là khả năng chuyển đổi các chỉ dẫn bằng ngôn ngữ tự nhiên thành các hành động trên blockchain an toàn và có thể kiểm chứng được.
Người dùng cuối cùng có thể mô tả mục tiêu bằng ngôn ngữ thông thường trong khi hệ thống AI xử lý các tương tác blockchain cơ bản. Điều đó đòi hỏi kiến thức chuyên môn sâu rộng hơn đáng kể so với chatbot thông thường.
DMind
DMind đang định vị mình là một tổ chức nghiên cứu AGI mã nguồn mở tập trung đặc biệt vào tài chính kỹ thuật số. Công việc của họ bao gồm các mô hình ngôn ngữ quy mô lớn, tập dữ liệu, tiêu chuẩn và công cụ hướng đến lĩnh vực tài chính và... Web3 các ứng dụng.
Các mô hình DMind-3 của công ty đặc biệt thú vị vì chúng được thiết kế dựa trên thực tế thực thi tài chính trong Web3DMind cho biết các mô hình này được thiết kế để giải quyết các tình huống trong đó một hành động của người dùng có thể đi qua nhiều hợp đồng thông minh, kích hoạt thanh lý hoặc khiến tiền bị thực thi bởi các đối tượng xấu.
Đó là một vấn đề khác so với việc chỉ đơn thuần tạo ra một câu trả lời mạch lạc. Trong tài chính phi tập trung, hệ thống AI có khả năng ảnh hưởng đến các giao dịch liên quan đến tiền thật. Do đó, việc hiểu rõ môi trường thực thi xung quanh, rủi ro và sự tương tác giữa các hợp đồng trở nên quan trọng không kém việc tạo ra văn bản trôi chảy.
Cách tiếp cận mã nguồn mở của DMind cũng có thể giúp ích cho các nhà phát triển muốn kiểm tra, điều chỉnh và xây dựng dựa trên các mô hình AI tài chính chuyên biệt, thay vì phụ thuộc hoàn toàn vào các hệ thống thương mại khép kín.
Phòng thí nghiệm Nexis
Nexis Labs đang nghiên cứu sự giao thoa giữa các mô hình ngôn ngữ quy mô lớn, các tác nhân tự động và thực thi blockchain thông qua nền tảng Nex-T1 của mình. Công ty mô tả Nex-T1 là một hệ thống AI cấp doanh nghiệp được thiết kế để kết nối các mô hình ngôn ngữ quy mô lớn tiên tiến với việc thực thi blockchain có thể hành động được.
Trọng tâm của nó đặc biệt phù hợp với DeFiTrong đó, các hệ thống tự động cần diễn giải thông tin thị trường và sau đó có thể đưa ra hành động. Nexis Labs mô tả công việc của họ xoay quanh việc điều phối đa tác nhân, tự động hóa. DeFi giao dịch và các biện pháp kiểm soát có sự tham gia của con người.
Điều này làm nổi bật một sự phát triển quan trọng trong thị trường AI tiền điện tử. Bản thân mô hình chỉ là một phần của bức tranh toàn cảnh. Để một hệ thống AI thực sự hữu ích trong tài chính phi tập trung, nó cần một lớp điều phối, quyền truy cập vào thông tin blockchain đáng tin cậy và các biện pháp bảo vệ xung quanh quá trình thực thi.
Do đó, Nexis Labs tiếp cận vấn đề từ phía tác nhân, nơi LLM trở thành một phần của hệ thống lớn hơn có khả năng suy luận dựa trên thông tin tài chính và tương tác với cơ sở hạ tầng blockchain.
0G
0G đang xây dựng một hệ sinh thái AI phi tập trung rộng lớn hơn, bao gồm cả cơ sở hạ tầng mô hình riêng của mình. Nền tảng của họ hiện liệt kê các mô hình như 0GM-1.0-35B-A3B cùng với các mô hình khác có sẵn thông qua nền tảng của họ. AI cây rơm.
Mục tiêu lớn hơn của công ty là đưa khả năng tính toán, lưu trữ và suy luận AI đến gần hơn với cơ sở hạ tầng blockchain. Họ mô tả mạng lưới của mình là hỗ trợ AI hoàn toàn trên chuỗi, tính toán có thể kiểm chứng và suy luận riêng tư.
Điều đó khiến 0G trở nên phù hợp với cuộc thảo luận về LLM chuyên biệt trong lĩnh vực tiền điện tử, mặc dù tham vọng của nó vượt ra ngoài một mô hình ngôn ngữ cụ thể. Về cơ bản, công ty đang nghiên cứu cơ sở hạ tầng cần thiết để các mô hình AI hoạt động trong các ứng dụng phi tập trung.
Điều này có thể quan trọng không kém gì chính các mô hình. Việc vận hành các hệ thống AI phức tạp đòi hỏi nguồn lực tính toán và lưu trữ khổng lồ, trong khi các ứng dụng blockchain lại yêu cầu tính minh bạch và khả năng kiểm chứng. Kết hợp hai yêu cầu này là một trong những thách thức kỹ thuật lớn nhất của ngành.
Nghiên cứu Nous
Nous Research có vị trí hơi khác so với những cái tên khác trong danh sách này bởi vì các mô hình ngôn ngữ của họ không chỉ được thiết kế riêng cho tiền điện tử. Tầm quan trọng của họ đến từ công việc nghiên cứu về trí tuệ nhân tạo mã nguồn mở và đào tạo mô hình phi tập trung.
Phòng thí nghiệm này phát triển các mô hình ngôn ngữ có trọng lượng mở, bao gồm cả dòng Hermes, đồng thời nghiên cứu cơ sở hạ tầng cho huấn luyện phân tán. Nghiên cứu của họ về trí tuệ nhân tạo phi tập trung bao gồm việc sử dụng phối hợp dựa trên blockchain và điện toán phân tán.
Do đó, mối liên hệ với tiền điện tử không chỉ đơn thuần là việc tạo ra một “chatbot Bitcoin”, mà còn là việc thay đổi cách thức đào tạo và vận hành các mô hình ngôn ngữ mạnh mẽ. Sự khác biệt này ngày càng trở nên quan trọng khi các dự án tiền điện tử khám phá các giải pháp thay thế phi tập trung cho cơ sở hạ tầng AI tập trung do một nhóm nhỏ các công ty công nghệ thống trị.
Công trình nghiên cứu của Nous Research chứng minh rằng trí tuệ nhân tạo chuyên biệt cho tiền điện tử không nhất thiết phải là mô hình được huấn luyện độc quyền trên dữ liệu tiền điện tử. Nó cũng có thể bao gồm việc xây dựng các mô hình và cơ sở hạ tầng phù hợp một cách tự nhiên với các hệ sinh thái phi tập trung.
Galadriel
Galadriel đang tiếp cận mối quan hệ giữa LLM và blockchain từ một góc độ khác: làm cho suy luận AI có thể kiểm chứng được.
Dự án Sentience của nó cho phép các nhà phát triển tạo ra các tác nhân AI tự động mà các suy luận LLM của chúng có thể được xác minh thông qua các bằng chứng mật mã. Hệ thống sử dụng các môi trường thực thi đáng tin cậy để xử lý các yêu cầu LLM và đăng các chứng thực lên Solana, cho phép các ứng dụng xác minh rằng một suy luận đã được thực hiện như đã tuyên bố.
Mặc dù Galadriel không chỉ đơn thuần xây dựng một chatbot tiền điện tử độc quyền, nhưng công việc của họ giải quyết một vấn đề lớn đối với trí tuệ nhân tạo dựa trên blockchain. Nếu một tác nhân AI đưa ra các quyết định có thể chuyển tiền hoặc thực hiện giao dịch, người dùng cần nhiều hơn là chỉ lời khẳng định của mô hình rằng quy trình đã được xử lý chính xác.
Trí tuệ nhân tạo có thể kiểm chứng cuối cùng có thể trở thành một phần quan trọng của các mô hình ngôn ngữ chuyên về tiền điện tử, đặc biệt khi các tác nhân tự động giành được quyền kiểm soát lớn hơn đối với ví điện tử và các giao dịch tài chính.
Cuộc đua lớn hơn không chỉ xoay quanh chatbot.
Sự trỗi dậy của các mô hình học máy bậc cao (LLM) chuyên biệt cho tiền điện tử cho thấy một sự chuyển đổi rộng lớn hơn trong ngành công nghiệp trí tuệ nhân tạo (AI). Các mô hình đa năng đã trở nên vô cùng hiệu quả trong việc giải thích các khái niệm về blockchain, viết mã hợp đồng thông minh và tóm tắt tin tức về tiền điện tử. Thử thách tiếp theo là làm cho AI hiểu sâu sắc môi trường blockchain để có thể hoạt động an toàn trong đó.
Điều đó có nghĩa là phải có quyền truy cập vào thông tin trên chuỗi theo thời gian thực, hiểu được sự tương tác của hợp đồng thông minh, nhận biết rủi ro tài chính và biết khi nào một hành động có thể gây ra hậu quả không thể đảo ngược.
Các công ty hoạt động trong lĩnh vực này đang tiếp cận vấn đề từ nhiều hướng khác nhau. Một số đang huấn luyện mô hình trên các tập dữ liệu chuyên biệt về tiền điện tử. Số khác đang xây dựng... Web3- Các mô hình LLM gốc, mạng lưới đào tạo phi tập trung, các tác nhân tự trị hoặc hệ thống xác minh giúp hoạt động của AI trở nên minh bạch hơn.
Thị trường vẫn còn ở giai đoạn sơ khai, và một số dự án có thể sẽ biến mất trong khi những dự án khác phát triển thành các công ty cơ sở hạ tầng AI lớn hơn nhiều. Nhưng hướng đi đang dần trở nên rõ ràng hơn. Tiền điện tử không nhất thiết cần thêm một chatbot có thể giải thích Bitcoin là gì. Điều nó cần là các hệ thống AI hiểu được cách thức hoạt động thực sự của các thị trường phi tập trung.
Nếu điều đó xảy ra, các mô hình AI tiền điện tử quan trọng nhất cuối cùng có thể là những mô hình mà người dùng hầu như không để ý đến. Chúng sẽ nằm sau các ví điện tử, sàn giao dịch, DeFi các ứng dụng và tác nhân tự động, âm thầm diễn giải dữ liệu blockchain và giúp chuyển các hướng dẫn bằng ngôn ngữ tự nhiên thành hành động trên chuỗi.
Trách nhiệm công ty
Phù hợp với Hướng dẫn của Dự án Tin cậy, xin lưu ý rằng thông tin được cung cấp trên trang này không nhằm mục đích và không được hiểu là tư vấn pháp lý, thuế, đầu tư, tài chính hoặc bất kỳ hình thức tư vấn nào khác. Điều quan trọng là chỉ đầu tư những gì bạn có thể đủ khả năng để mất và tìm kiếm lời khuyên tài chính độc lập nếu bạn có bất kỳ nghi ngờ nào. Để biết thêm thông tin, chúng tôi khuyên bạn nên tham khảo các điều khoản và điều kiện cũng như các trang trợ giúp và hỗ trợ do nhà phát hành hoặc nhà quảng cáo cung cấp. MetaversePost cam kết báo cáo chính xác, không thiên vị nhưng điều kiện thị trường có thể thay đổi mà không cần thông báo trước.
Giới thiệu về Tác giả
Alisa, một nhà báo tận tâm tại MPostchuyên về tiền điện tử, trí tuệ nhân tạo, đầu tư và lĩnh vực rộng lớn khác. Web3. Với con mắt quan tâm đến các xu hướng và công nghệ mới nổi, cô cung cấp thông tin toàn diện để cung cấp thông tin và thu hút độc giả trong bối cảnh không ngừng phát triển của tài chính kỹ thuật số.
Xem thêm bài viết
Alisa, một nhà báo tận tâm tại MPostchuyên về tiền điện tử, trí tuệ nhân tạo, đầu tư và lĩnh vực rộng lớn khác. Web3. Với con mắt quan tâm đến các xu hướng và công nghệ mới nổi, cô cung cấp thông tin toàn diện để cung cấp thông tin và thu hút độc giả trong bối cảnh không ngừng phát triển của tài chính kỹ thuật số.
