Xin chào mọi người, tôi là Ning Fan.
Gần đây, Fan Fan đã thấy một loạt con số, thực sự khiến cậu ấy không thể ngồi yên. Vào tháng 5 năm 2026, Epoch AI đã công bố một báo cáo: các mô hình ngôn ngữ lớn có thể tiêu thụ toàn bộ dữ liệu văn bản công khai trên internet trong khoảng thời gian từ 2026 đến 2032. Trong khi đó, báo cáo của Viện Thông tin và Truyền thông Trung Quốc còn mạnh mẽ hơn, dự đoán rằng vào năm 2026, việc đào tạo các mô hình ngôn ngữ lớn có thể sẽ làm sạch dữ liệu văn bản có sẵn.
Đây không phải là một cảnh tượng viễn tưởng xa xôi, mà chính là điều đang diễn ra. Ngành AI không chỉ đối mặt với những vụ kiện bản quyền - vào ngày 5 tháng 5, Elsevier cùng năm nhà xuất bản lớn đã đồng loạt kiện Meta, cáo buộc Llama đã đào tạo từ những cuốn sách bị vi phạm bản quyền quy mô lớn; mối nguy hiểm sâu xa hơn là: dữ liệu chất lượng cao đang cạn kiệt. Những dữ liệu công khai trên internet như một cành cây đang sắp bị gãy, trong khi dữ liệu lĩnh vực thực sự có giá trị - hình ảnh y tế, hồ sơ giao dịch tài chính, án lệ pháp lý, tham số công nghiệp - đều bị khóa trong các tổ chức, AI hoàn toàn không thể tiếp cận.
Nói đơn giản là: "khủng hoảng lương thực" cho AI đã đến. Và không phải là lương thực trở nên đắt hơn, mà thực sự là lương thực đang cạn kiệt.
Đó cũng là lý do tại sao mình luôn theo dõi @OpenLedger gần đây. Dự án này không nói về câu chuyện cũ kỹ của "GPT phi tập trung", mà họ trực tiếp can thiệp vào nguồn dữ liệu - đó chính là hệ thống Datanets của họ.
Datanets có thể hiểu là "hợp tác xã dữ liệu". Ví dụ, trong lĩnh vực hình ảnh y tế có thể mở một Datanet chuyên biệt, nơi mà các bác sĩ, bệnh viện, tổ chức nghiên cứu trên toàn cầu đều đưa dữ liệu hình ảnh đã được ẩn danh vào, những người đóng góp sẽ nhận phần thưởng $OPEN dựa trên chất lượng dữ liệu và số lần được gọi, các nhà phát triển mô hình sẽ phải trả phí để truy cập vào những tập dữ liệu chất lượng cao đã được xác minh để đào tạo mô hình chuyên dụng. Giao dịch tài chính, sản xuất công nghiệp, hợp đồng pháp lý - mỗi lĩnh vực đều có thể mở Datanet riêng để giải phóng "dữ liệu ẩn" bị khóa trong các tổ chức.
Mình nghĩ rằng logic này có thể hoạt động, nguyên nhân là vì nó đã xé toạc một lớp băng. Hiện tại, trên toàn cầu có một lượng lớn dữ liệu chất lượng cao, nhưng những thứ này bị khóa trong "đảo dữ liệu" - tiêu chuẩn giữa các tổ chức không tương thích, định dạng dữ liệu không đồng nhất, và gần như không có cơ chế chia sẻ giữa các nền tảng. OpenLedger không phải là đi thu thập dữ liệu mà là cung cấp một cơ sở hạ tầng, để bất kỳ cộng đồng nào cũng có thể tự tổ chức quanh dữ liệu trong lĩnh vực cụ thể.
Vũ khí cốt lõi của nó chính là Proof of Attribution (Bằng chứng Quyền sở hữu) mà trước đây mình đã nói đến - nhưng hôm nay mình muốn đổi góc nhìn, nhìn từ khía cạnh "chuỗi cung ứng dữ liệu".
Trong đào tạo AI truyền thống, dữ liệu đến từ đâu, đã qua tay ai, được xử lý như thế nào, cuối cùng ảnh hưởng đến phần nào của đầu ra mô hình - tất cả đều là một mớ hỗn độn. Những người đóng góp dữ liệu bị mua đứt một lần, mô hình kiếm tiền nhưng không có một đồng nào liên quan đến người cung cấp dữ liệu.
Tại OpenLedger, mỗi dữ liệu từ khoảnh khắc được tải lên đã được gắn kết bằng hash trên chuỗi, toàn bộ quá trình ghi chú và xác minh đều được ghi lại, nhật ký đào tạo mô hình cùng với trích dẫn tập dữ liệu cũng được đưa lên chuỗi, và cuối cùng khi đầu ra suy diễn, công cụ quy hồi sẽ tự động truy nguyên các điểm dữ liệu nào đóng góp nhiều nhất, sau đó thông qua hợp đồng thông minh sẽ phân chia phần thưởng. Những người đóng góp dữ liệu không bị mua đứt, mà họ sở hữu "cổ phần dữ liệu" - miễn là dữ liệu của bạn vẫn đang được sử dụng, bạn sẽ tiếp tục có thu nhập.
Toàn bộ chuỗi này, OpenLedger gọi là "đường ống dữ liệu có thể xác minh". Mình đặt cho nó một cái tên gần gũi hơn: chuỗi cung ứng "ánh sáng" của dữ liệu. Từ thu thập đến làm sạch đến xác minh đến truyền tải, mỗi khâu đều có thể kiểm toán trên chuỗi, bất kỳ dữ liệu độc hại hoặc nguồn gốc không rõ ràng nào đều có thể bị phát hiện ngay lập tức.
Hơn nữa, OpenLedger không chiến đấu một mình. Họ và Story Protocol đã có một động thái lớn vào tháng 1 năm 2026 - hợp tác ra mắt tiêu chuẩn mới về quyền sở hữu và thanh toán tự động cho dữ liệu đào tạo AI. Cụ thể thì làm thế nào? Phía Story sẽ quản lý đăng ký IP và định nghĩa điều khoản cấp phép, phía OpenLedger sẽ quản lý thực thi và xác minh - khi nội dung được sử dụng trong quá trình đào tạo, sẽ mã hóa xác minh tình trạng sử dụng IP, rồi tự động chuyển tiền cho bên sở hữu bản quyền. Những tình huống xấu hổ như Elsevier kiện đến tòa án có thể sẽ không xảy ra trong hệ thống của OpenLedger này.
Hãy bàn thêm về vị trí của OPEN trong toàn cục. Mình đã xem xét vị trí của OPEN trong toàn cục. Mình đã xem xét các trường hợp sử dụng thực tế của OPEN, và nhận ra rằng nó thực sự không chỉ là bốn chữ "token quản trị" để lừa bạn - những người đóng góp dữ liệu nhận phần thưởng OPEN thông qua công cụ quy hồi, các nhà phát triển mô hình đăng ký và phát hành mô hình cũng tiêu tốn OPEN, người dùng gọi mô hình suy diễn cũng trả bằng $OPEN, một phần dành cho bên mô hình, một phần cho những người đóng góp dữ liệu upstream, và một phần vào quỹ cơ sở hạ tầng công cộng. Tất cả vòng tuần hoàn kinh tế này kết nối lại với nhau, chính là "AI có thể thanh toán" mà OpenLedger nói đến - mỗi khâu của AI đều có người làm việc, mỗi khâu đều có người kiếm tiền, hoạt động kinh tế không còn là trò chơi độc quyền của các ông lớn.
Mình luôn cảm thấy rằng, câu chuyện hấp dẫn nhất của Web3 không phải là tạo ra một sòng bạc mới, mà là dùng công nghệ để giải quyết các vấn đề thực tế trong thế giới. Vấn đề cạn kiệt dữ liệu AI không phải là lời đồn - nếu không thay đổi quan hệ sản xuất dữ liệu hiện tại, trần phát triển của AI sẽ rõ ràng như ban ngày. Không biết OpenLedger có thể trở thành kẻ phá vỡ thế bế tắc hay không, nhưng ít nhất giải pháp mà nó đưa ra đã tiến một bước lớn trong việc "dữ liệu được sản xuất như thế nào, và chia sẻ tiền bạc ra sao".
Mọi người nghĩ sao? Cơn khát dữ liệu có thật sự đã đến hay chỉ là lời đồn? Liệu dữ liệu phi tập trung có thật sự có thể tạo ra sự khác biệt không? Hãy thảo luận trong phần bình luận, mình đang online chờ đợi. Đừng quên theo dõi @OpenLedger và $OPEN để biết thêm câu chuyện nhé!