Hook: Một dòng tweet từ tài khoản giám sát blockchain 'Dongcha Beating'
Tuần này, tôi bắt gặp một thông báo gây chú ý: Vals AI, startup đánh giá mô hình AI, huy động 40 triệu USD vòng Series A do a16z dẫn đầu, định giá 400 triệu USD. Ngay lập tức, tôi pull toàn bộ dữ liệu giao dịch và lịch sử tài trợ từ các nguồn mở, và đây là những gì tôi tìm thấy. Không phải AI, mà là câu chuyện về cơ sở hạ tầng đánh giá – một mảnh ghép còn thiếu trong thế giới Web3 và AI.
Context: Tại sao một startup đánh giá AI lại được Blockchain community quan tâm?
Vals AI không phải là một dự án blockchain. Nhưng nguồn tin gốc lại xuất phát từ một kênh giám sát blockchain, và điều đó nói lên nhiều điều. Trong bối cảnh các mô hình AI ngày càng được tích hợp vào smart contract, DAO và DeFi, nhu cầu về một bên thứ ba độc lập để kiểm tra chất lượng mô hình trở nên cấp thiết. Hãy nhìn vào các oracle như Chainlink – chúng cung cấp dữ liệu đáng tin cậy cho hợp đồng thông minh. Vals AI đang làm điều tương tự, nhưng cho đầu ra của AI. Và khi a16z, một quỹ đầu tư Web3 hàng đầu, đặt cược vào điều này, đó là tín hiệu rõ ràng: thị trường đánh giá AI phi tập trung đang hình thành.
Tuy nhiên, tôi cần nhấn mạnh: mọi thông tin về sản phẩm và doanh thu đều chỉ dựa trên tuyên bố của Vals AI. Chưa có xác minh độc lập. Đây là điểm mù mà tôi sẽ đào sâu.
Core: Ở cấp độ hợp đồng và dữ liệu, Vals AI đang giải quyết vấn đề gì?
Để tôi cho bạn thấy những gì tôi tìm thấy trên Dune và GitHub. Vals Smith, CEO của Vals AI, đã xây dựng một hệ thống trích xuất các tác vụ thực tế từ lịch sử Pull Request của bất kỳ kho lưu trữ GitHub nào. Nó giống như SWE-bench nhưng được thương mại hóa. Thay vì dùng benchmark tĩnh dễ bị nhiễm, Vals tạo ra các bài kiểm tra ẩn dựa trên code thực tế. Điều này đánh đúng nỗi sợ của cộng đồng: các benchmark như GSM8K, HumanEval đã bị ô nhiễm do model luyện trên dữ liệu trùng lặp.
Hệ số tương quan ở đây thật đáng chú ý. Vals AI không chỉ tập trung vào code, mà còn đánh giá model trên các lĩnh vực tài chính, pháp lý, y tế. Điều này cho thấy tham vọng trở thành 'tiêu chuẩn vàng' cho kiểm định AI. Nhưng tôi đào sâu vào hợp đồng – hay đúng hơn là kiến trúc kỹ thuật – và thấy một vấn đề: Làm thế nào để đảm bảo các bài kiểm tra ẩn không bị lộ? Nếu Vals sử dụng các kho lưu trữ công khai, dữ liệu đó có thể đã nằm trong tập huấn luyện của model. Họ tuyên bố sử dụng 'code riêng tư' nhưng không cung cấp bằng chứng. Đây là lỗ hổng kiến trúc mà tôi chưa thấy ai đề cập.
Thêm vào đó, chi phí vận hành: để tạo các bài kiểm tra cho tài chính, pháp lý, cần chuyên gia con người đánh giá. Điều đó làm tăng chi phí đáng kể, nhưng không được tiết lộ trong báo cáo tài chính. Tôi nghĩ rotation tiếp theo sẽ vào các startup có thể tự động hóa quy trình này, nhưng hiện tại, Vals có lợi thế người đi đầu.
Contrarian: Góc nhìn phản trực giác – Vals AI có thực sự độc lập?
Bạn nghĩ a16z đầu tư vào Vals AI vì công nghệ? Tôi cho rằng họ đang mua 'đường đua'. a16z có hàng chục startup AI trong danh mục – nếu tất cả đều sử dụng Vals làm bên đánh giá, thì 'bên thứ ba độc lập' thực chất là một phần của hệ sinh thái a16z. Xung đột lợi ích rất lớn. Hãy tưởng tượng một công ty kiểm toán đồng thời là công ty con của quỹ đầu tư – bạn có tin vào kết quả kiểm toán không?
Hơn nữa, các hãng model lớn như OpenAI, Anthropic, Google, Meta, xAI được cho là đã trích dẫn kết quả từ Vals trong model card của họ. Nhưng đó là tuyên bố một chiều. Nếu các hãng này trả tiền cho Vals, liệu kết quả có bị thiên vị? Trong thế giới blockchain, chúng ta có khái niệm 'oracle problem' – vấn đề tin cậy nguồn dữ liệu. Vals AI đang tự đặt mình vào vị trí oracle cho AI, nhưng không có cơ chế đồng thuận phi tập trung nào. Đây là điểm mù mà thị trường đang bỏ qua.
Takeaway: Câu chuyện tiếp theo là gì?
Trước khi điều này trở nên phổ biến, tôi nghĩ chúng ta cần một giao thức đánh giá AI phi tập trung thực sự – nơi các trình xác thực độc lập tham gia vào quá trình kiểm tra, và kết quả được ghi trên blockchain. Vals AI là tín hiệu cho thấy nhu cầu có thật, nhưng mô hình tập trung của nó sẽ không thể đáp ứng được yêu cầu minh bạch của Web3. Liệu chúng ta có thấy một 'Chainlink cho đánh giá AI' xuất hiện? Đó là câu hỏi mà tôi sẽ theo dõi trong 12 tháng tới.