Tác giả gốc: Nhà nghiên cứu Zeke của YBB Capital
Lời nói đầu
Trong các bài viết trước, chúng tôi đã nhiều lần thảo luận về quan điểm của mình về hiện trạng AI Meme và sự phát triển trong tương lai của AI Agent. Tuy nhiên, diễn biến nhanh chóng và kịch tính của mạch truyện AI Agent vẫn hơi choáng ngợp. Chỉ trong hai tháng kể từ khi “Terminal of Truth” mở Agent Summer, câu chuyện về sự kết hợp giữa AI và tiền điện tử đã thay đổi hầu như hàng tuần. Gần đây, sự chú ý của thị trường bắt đầu tập trung vào các dự án “khuôn khổ” bị chi phối bởi các câu chuyện kỹ thuật. Chỉ trong vài tuần qua, phân khúc này đã sản sinh ra nhiều chú ngựa ô với giá trị thị trường trên 100 triệu, thậm chí hơn 1 tỷ đồng. Loại dự án này cũng đã tạo ra một mô hình phát hành tài sản mới, tức là dự án sử dụng cơ sở mã Github để phát hành tiền và Đại lý được xây dựng dựa trên khuôn khổ cũng có thể phát hành lại tiền. Lấy khung làm dưới cùng và Tác nhân làm trên cùng. Nó trông giống như một nền tảng phát hành tài sản, nhưng trên thực tế, nó là một mô hình cơ sở hạ tầng mới nổi dành riêng cho kỷ nguyên AI. Chúng ta nên xem xét xu hướng mới này như thế nào? Bài viết này sẽ bắt đầu từ việc giới thiệu framework và kết hợp nó với suy nghĩ của chính mình để diễn giải framework AI có ý nghĩa gì đối với Crypto?
1. Framework là gì?
Theo định nghĩa, khung AI là một công cụ hoặc nền tảng phát triển cấp thấp tích hợp một tập hợp các mô-đun, thư viện và công cụ dựng sẵn để đơn giản hóa quá trình xây dựng các mô hình AI phức tạp. Các khung này cũng thường bao gồm chức năng xử lý dữ liệu, mô hình đào tạo và đưa ra dự đoán. Tóm lại, bạn cũng có thể hiểu đơn giản framework là một hệ điều hành trong thời đại AI, chẳng hạn như Windows và Linux trong hệ điều hành máy tính để bàn hoặc iOS và Android trong thiết bị đầu cuối di động. Mỗi khung đều có ưu điểm và nhược điểm riêng và các nhà phát triển có thể tự do lựa chọn theo nhu cầu cụ thể.
Mặc dù thuật ngữ “AI framework” vẫn là một khái niệm mới nổi trong lĩnh vực Crypto nhưng xét từ nguồn gốc của nó, quá trình phát triển của framework AI thực tế đã gần 14 năm kể từ khi Theano ra đời vào năm 2010. Trong vòng tròn AI truyền thống, đã có những khung rất hoàn thiện để lựa chọn trong cả giới học thuật và ngành, chẳng hạn như TensorFlow của Google, Pytorch của Meta, Flying Paddle của Baidu và MagicAnimate của Byte. Mỗi khung này đều có những ưu điểm riêng cho các tình huống khác nhau.
Các dự án khung hiện đang nổi lên trong Crypto được xây dựng dựa trên số lượng lớn nhu cầu của Đại lý khi bắt đầu làn sóng bùng nổ AI này, sau đó bắt nguồn từ các lộ trình Crypto khác, cuối cùng hình thành các khung AI ở các phân khu khác nhau. Hãy lấy một số khuôn khổ chính thống trong vòng tròn hiện tại làm ví dụ để mở rộng câu này.
1.1 Eliza
Đầu tiên, hãy lấy Eliza của ai16z làm ví dụ. Khung này là một khung mô phỏng đa tác nhân được sử dụng đặc biệt để tạo, triển khai và quản lý các Tác nhân AI tự trị. Ưu điểm của việc phát triển dựa trên TypeScript làm ngôn ngữ lập trình là khả năng tương thích tốt hơn và tích hợp API dễ dàng hơn.
Theo tài liệu chính thức, kịch bản mục tiêu chính của Eliza là phương tiện truyền thông xã hội, chẳng hạn như hỗ trợ tích hợp đa nền tảng. Khung này cung cấp tích hợp Discord đầy đủ tính năng và hỗ trợ các kênh thoại, tài khoản tự động trên nền tảng X/Twitter, tích hợp Telegram và API trực tiếp. . truy cập. Về mặt xử lý nội dung đa phương tiện, nó hỗ trợ đọc và phân tích tài liệu PDF, trích xuất và tóm tắt nội dung liên kết, phiên âm âm thanh, xử lý nội dung video, phân tích và mô tả hình ảnh cũng như tóm tắt hội thoại.
Các trường hợp sử dụng hiện được Eliza hỗ trợ chủ yếu thuộc bốn loại:
Ứng dụng trợ lý AI: nhân viên hỗ trợ khách hàng, quản lý cộng đồng, trợ lý cá nhân;
Vai trò trên mạng xã hội: người tạo nội dung tự động, bot tương tác, đại diện thương hiệu;
Nhân viên tri thức: trợ lý nghiên cứu, nhà phân tích nội dung, người xử lý tài liệu;
Nhân vật tương tác: nhân vật nhập vai, cố vấn giáo dục, robot giải trí.
Eliza hiện hỗ trợ các mô hình:
Mô hình nguồn mở suy luận cục bộ: như Llama 3, Qwen 1.5, BERT;
Suy luận dựa trên đám mây sử dụng API của OpenAI;
Cấu hình mặc định là Nous Hermes Llama 3.1 B;
Tích hợp với Claude cho các truy vấn phức tạp.
1.2 TRÒ CHƠI
TRÒ CHƠI (Khung thực thể đa phương thức tự động tạo) là một khung AI đa phương thức để tạo và quản lý tự động do Virtual ra mắt. Bối cảnh chính của nó là thiết kế các NPC thông minh trong trò chơi. Một tính năng đặc biệt khác của khung này là nó có mã thấp hoặc. ngay cả người dùng cơ bản cũng có thể sử dụng nó. Theo giao diện dùng thử của nó, người dùng chỉ cần sửa đổi các thông số để tham gia thiết kế Đại lý.
Về mặt kiến trúc dự án, thiết kế cốt lõi của GAME là thiết kế mô-đun sử dụng nhiều hệ thống con để hoạt động cùng nhau. Kiến trúc chi tiết như dưới đây.
Giao diện nhắc tác nhân: Giao diện để nhà phát triển tương tác với khung AI. Thông qua giao diện này, nhà phát triển có thể khởi tạo phiên và chỉ định các tham số như ID phiên, ID tác nhân, ID người dùng;
Hệ thống con nhận thức: Hệ thống con nhận thức chịu trách nhiệm nhận thông tin đầu vào, tổng hợp và gửi đến công cụ hoạch định chiến lược. Nó cũng xử lý các phản hồi từ mô-đun xử lý hộp thoại;
Công cụ lập kế hoạch chiến lược: Công cụ lập kế hoạch chiến lược là phần cốt lõi của toàn bộ khuôn khổ và được chia thành người lập kế hoạch cấp cao (Người lập kế hoạch cấp cao) và chính sách cấp thấp (Chính sách cấp thấp). Các nhà lập kế hoạch cấp cao phát triển các mục tiêu và kế hoạch dài hạn, trong khi các chiến lược cấp thấp chuyển những kế hoạch đó thành các bước hành động cụ thể;
Bối cảnh thế giới: Bối cảnh thế giới chứa các dữ liệu như thông tin môi trường, trạng thái thế giới và trạng thái trò chơi. Thông tin này được sử dụng để giúp tác nhân hiểu được tình hình hiện tại;
Mô-đun xử lý đối thoại: Mô-đun xử lý đối thoại chịu trách nhiệm xử lý các tin nhắn và phản hồi. Nó có thể tạo ra các cuộc đối thoại hoặc phản ứng làm đầu ra;
Nhà điều hành ví chuỗi: Nhà điều hành ví trên chuỗi có thể tham gia vào các tình huống ứng dụng của công nghệ chuỗi khối và các chức năng cụ thể không rõ ràng;
Mô-đun học tập: Mô-đun học tập học hỏi từ phản hồi và cập nhật cơ sở kiến thức của tác nhân;
Bộ nhớ làm việc: Bộ nhớ làm việc lưu trữ thông tin ngắn hạn như các hành động, kết quả và kế hoạch hiện tại gần đây của tác nhân;
Bộ xử lý bộ nhớ dài hạn: Bộ xử lý bộ nhớ dài hạn chịu trách nhiệm trích xuất thông tin quan trọng về tác nhân và bộ nhớ làm việc của nó, đồng thời xếp hạng nó theo các yếu tố như điểm quan trọng, lần truy cập gần đây và mức độ liên quan;
Kho lưu trữ tác nhân: Kho lưu trữ tác nhân lưu trữ các mục tiêu, phản ánh, kinh nghiệm, tính cách và các thuộc tính khác của tác nhân;
Người lập kế hoạch hành động: Người lập kế hoạch hành động tạo ra các kế hoạch hành động cụ thể dựa trên các chiến lược cấp thấp;
Người thực hiện kế hoạch: Người thực hiện kế hoạch chịu trách nhiệm thực hiện kế hoạch hành động do người lập kế hoạch hành động tạo ra.
Quy trình làm việc: Nhà phát triển khởi động Tác nhân thông qua giao diện nhắc Tác nhân và hệ thống con nhận thức sẽ nhận đầu vào và chuyển nó đến công cụ lập kế hoạch chiến lược. Công cụ lập kế hoạch chiến lược sử dụng thông tin từ hệ thống bộ nhớ, bối cảnh thế giới và thư viện tác nhân để phát triển và thực hiện các kế hoạch hành động. Mô-đun học tập liên tục theo dõi kết quả hành động của Tác nhân và điều chỉnh hành vi của Tác nhân dựa trên kết quả.
Kịch bản ứng dụng: Từ góc độ của toàn bộ kiến trúc kỹ thuật, khung này chủ yếu tập trung vào việc ra quyết định, phản hồi, nhận thức và tính cách của Tác nhân trong môi trường ảo. Về các trường hợp sử dụng, ngoài trò chơi, nó còn có thể áp dụng cho môi trường ảo. Metaverse Bạn có thể thấy trong danh sách bên dưới Virtual rằng đã có một số lượng lớn các dự án đã được xây dựng bằng framework này.
1.3Giàn khoan
Rig là một công cụ mã nguồn mở được viết bằng Rust được thiết kế để đơn giản hóa việc phát triển các ứng dụng mô hình ngôn ngữ lớn (LLM). Nó cho phép các nhà phát triển dễ dàng tương tác với nhiều nhà cung cấp dịch vụ LLM (như OpenAI và Anthropic) và các cơ sở dữ liệu vectơ khác nhau (như MongoDB và Neo 4 j) bằng cách cung cấp giao diện vận hành hợp nhất.
Các tính năng cốt lõi:
Giao diện hợp nhất: Bất kể nhà cung cấp LLM hay bộ lưu trữ vectơ nào, Rig đều có thể cung cấp phương thức truy cập nhất quán, giúp giảm đáng kể độ phức tạp của công việc tích hợp;
Kiến trúc mô-đun: Khung áp dụng thiết kế mô-đun, bao gồm các phần chính như lớp trừu tượng của nhà cung cấp, giao diện lưu trữ vectơ và hệ thống tác nhân thông minh, đảm bảo tính linh hoạt và khả năng mở rộng của hệ thống;
An toàn loại: Sử dụng các tính năng của Rust để triển khai các hoạt động nhúng an toàn loại, đảm bảo chất lượng mã và bảo mật thời gian chạy;
Hiệu suất hiệu quả: hỗ trợ chế độ lập trình không đồng bộ và tối ưu hóa khả năng xử lý đồng thời; chức năng giám sát và ghi nhật ký tích hợp giúp bảo trì và khắc phục sự cố.
Quy trình làm việc: Khi yêu cầu của người dùng vào hệ thống Rig, trước tiên nó sẽ đi qua lớp trừu tượng của nhà cung cấp, chịu trách nhiệm tiêu chuẩn hóa sự khác biệt giữa các nhà cung cấp khác nhau và đảm bảo tính nhất quán trong xử lý lỗi. Tiếp theo, trong lớp lõi, tác nhân thông minh có thể gọi nhiều công cụ khác nhau hoặc truy vấn kho lưu trữ vectơ để lấy thông tin cần thiết. Cuối cùng, thông qua các cơ chế nâng cao như Tạo tăng cường truy xuất (RAG), hệ thống có thể kết hợp truy xuất tài liệu và hiểu ngữ cảnh để tạo ra phản hồi chính xác và có ý nghĩa trước khi trả lại cho người dùng.
Kịch bản ứng dụng: Rig không chỉ phù hợp để xây dựng hệ thống trả lời câu hỏi yêu cầu câu trả lời nhanh và chính xác mà còn có thể được sử dụng để tạo các công cụ tìm kiếm tài liệu hiệu quả, chatbot nhận biết ngữ cảnh hoặc trợ lý ảo và thậm chí hỗ trợ tạo nội dung dựa trên các mẫu dữ liệu hiện có . Tự động tạo văn bản hoặc các dạng nội dung khác.
1.4 ZerePy
ZerePy là một khung nguồn mở dựa trên Python được thiết kế để đơn giản hóa quá trình triển khai và quản lý Tác nhân AI trên nền tảng X (trước đây là Twitter). Nó được ra đời từ dự án Zerebro, kế thừa chức năng cốt lõi của nó nhưng được thiết kế theo cách mô-đun hơn và dễ mở rộng hơn. Mục tiêu của nó là cho phép các nhà phát triển dễ dàng tạo các Tác nhân AI được cá nhân hóa và triển khai các tác vụ tự động hóa cũng như tạo nội dung khác nhau trên X.
ZerePy cung cấp giao diện dòng lệnh (CLI) để hỗ trợ người dùng quản lý và kiểm soát Tác nhân AI 1 đã triển khai của họ. Kiến trúc cốt lõi của nó dựa trên thiết kế mô-đun, cho phép các nhà phát triển tích hợp linh hoạt các mô-đun chức năng khác nhau, chẳng hạn như:
Tích hợp LLM: ZerePy hỗ trợ các mô hình ngôn ngữ lớn (LLM) của OpenAI và Anthropic, vì vậy các nhà phát triển có thể chọn mô hình phù hợp nhất với kịch bản ứng dụng của họ. Điều này cho phép Tác nhân tạo nội dung văn bản chất lượng cao;
Tích hợp nền tảng X: Framework tích hợp trực tiếp API của nền tảng X, cho phép Tác nhân thực hiện các hoạt động như đăng bài, trả lời, thích và chuyển tiếp;
Hệ thống kết nối mô-đun: Hệ thống này cho phép các nhà phát triển dễ dàng thêm hỗ trợ cho các nền tảng hoặc dịch vụ xã hội khác và mở rộng chức năng của khung;
Hệ thống bộ nhớ (kế hoạch trong tương lai): Mặc dù có thể chưa được triển khai đầy đủ trong phiên bản hiện tại, nhưng mục tiêu thiết kế của ZerePy bao gồm việc tích hợp hệ thống bộ nhớ để cho phép Tác nhân ghi nhớ các tương tác trước đó và thông tin theo ngữ cảnh để tạo ra nội dung mạch lạc và cá nhân hóa hơn.
Mặc dù cả dự án Eliza của ZerePy và a16z đều dành riêng cho việc xây dựng và quản lý Tác nhân AI, nhưng chúng có kiến trúc và mục tiêu hơi khác nhau. Eliza tập trung nhiều hơn vào mô phỏng đa tác nhân và nghiên cứu AI rộng hơn, trong khi ZerePy tập trung vào việc đơn giản hóa quy trình triển khai Tác nhân AI trên nền tảng xã hội cụ thể (X), ưu tiên đơn giản hóa trong các ứng dụng thực tế.
2. Bản sao của hệ sinh thái BTC
Trên thực tế, xét về con đường phát triển, AI Agent có nhiều điểm tương đồng với hệ sinh thái BTC cuối năm 2023, đầu năm 2024. Con đường phát triển của hệ sinh thái BTC có thể tóm tắt đơn giản là: BRC 20-Atomical/Rune và các loại đa- giao thức cạnh tranh-BTC L2-to BTCFi với Babylon làm cốt lõi. AI Agent đã phát triển nhanh hơn dựa trên nền tảng công nghệ AI truyền thống đã trưởng thành, nhưng con đường phát triển tổng thể của nó có nhiều điểm tương đồng với hệ sinh thái BTC. Tôi sẽ tóm tắt ngắn gọn như sau: GOAT/ACT-Social Agent/Analysis AI Agent-like framework. cuộc thi. Xét về xu hướng, các dự án cơ sở hạ tầng tập trung vào phân cấp Đại lý và bảo mật rất có thể sẽ tiếp quản làn sóng cơn sốt khung này và trở thành chủ đề chính của giai đoạn tiếp theo.
Vậy liệu đường đua này có trở nên đồng nhất và bong bóng giống như hệ sinh thái BTC không? Tôi nghĩ không phải vậy. Trước hết, câu chuyện về AI Agent không phải là tái tạo lịch sử của chuỗi hợp đồng thông minh. Thứ hai, liệu các dự án khung AI hiện tại có mạnh mẽ về mặt kỹ thuật hay bị trì trệ trong giai đoạn PPT hay ctrl c+. ctrl v, ít nhất chúng cũng cung cấp những ý tưởng mới cho việc phát triển cơ sở hạ tầng. Nhiều bài viết so sánh khung AI với một nền tảng phát hành tài sản và Đại lý với các tài sản. Trên thực tế, so với Memecoin Launchpad và Inscription Protocol, cá nhân tôi cảm thấy rằng khung AI giống chuỗi công khai của tương lai hơn. Đại lý giống như Dapp của tương lai hơn.
Trong tiền điện tử ngày nay, chúng ta có hàng nghìn chuỗi công khai và hàng chục nghìn Dapp. Trong số các chuỗi chung, chúng ta có BTC, Ethereum và các chuỗi không đồng nhất khác nhau, trong khi hình thức chuỗi ứng dụng đa dạng hơn, chẳng hạn như chuỗi trò chơi, chuỗi lưu trữ và chuỗi Dex. Chuỗi công khai tương ứng với khung AI Trên thực tế, cả hai đều có bề ngoài rất giống nhau và Dapp cũng có thể tương ứng rất tốt với Agent.
Tiền điện tử trong thời đại AI rất có thể sẽ chuyển sang hình thức này. Cuộc tranh luận trong tương lai cũng sẽ chuyển từ cuộc tranh luận giữa EVM và các chuỗi không đồng nhất sang cuộc tranh luận về các khuôn khổ. Về điểm này, tôi nghĩ các dự án cơ sở hạ tầng AI tiếp theo sẽ được triển khai trên cơ sở này. Một điểm khác là, mục đích của việc thực hiện điều này trên blockchain là gì?
3. Ý nghĩa của việc cuộn dây là gì?
Cho dù blockchain được kết hợp với cái gì thì cuối cùng nó cũng sẽ phải đối mặt với một câu hỏi: Liệu nó có hợp lý không? Trong bài viết năm ngoái, tôi đã chỉ trích GameFi vì đã đặt xe trước ngựa và quá trình chuyển đổi sang phát triển nâng cao của Infra. Trong các bài viết trước về AI, tôi cũng bày tỏ rằng tôi không lạc quan về sự kết hợp giữa AI x Crypto trong lĩnh vực thực tế ở giai đoạn này. . Rốt cuộc, động lực của câu chuyện ngày càng trở nên yếu hơn đối với các dự án truyền thống. Một số dự án truyền thống hoạt động tốt về giá tiền tệ năm ngoái về cơ bản có khả năng khớp hoặc vượt quá giá tiền tệ. AI có thể mang lại lợi ích gì cho tiền điện tử? Điều tôi nghĩ đến trước đây là những ý tưởng tương đối phổ biến nhưng đang được yêu cầu về Đại lý hoạt động thay mặt cho mục đích thực hiện, Metaverse, Đại lý với tư cách là nhân viên, v.v. Tuy nhiên, không cần phải liên kết đầy đủ các yêu cầu này với chuỗi và vòng lặp không thể được đóng từ góc độ logic nghiệp vụ. Ý định triển khai trình duyệt Tác nhân được đề cập trong số trước thực sự có thể đưa ra các yêu cầu về ghi nhãn dữ liệu, sức mạnh tính toán suy luận, v.v. Tuy nhiên, sự kết hợp của cả hai vẫn chưa đủ chặt chẽ và phần sức mạnh tính toán vẫn bị chi phối bởi sức mạnh tính toán tập trung ở nhiều nơi. các khía cạnh.
Suy nghĩ lại về sự thành công của DeFi Lý do tại sao DeFi có thể chiếm được miếng bánh từ tài chính truyền thống là vì nó có khả năng tiếp cận cao hơn, hiệu quả tốt hơn, chi phí thấp hơn và tính bảo mật không cần sự tin tưởng vào sự tập trung. Nếu bạn nghĩ theo hướng suy nghĩ này, tôi nghĩ có thể có một số lý do để hỗ trợ chuỗi Đại lý.
1. Liệu việc kết nối các Đại lý có thể đạt được chi phí sử dụng thấp hơn cũng như đạt được khả năng tiếp cận và tính chọn lọc cao hơn không? Cuối cùng, “quyền cho thuê” AI chỉ thuộc về các công ty Web2 lớn sẽ có thể được người dùng thông thường tham gia;
2. Bảo mật Theo định nghĩa đơn giản nhất về Tác nhân, một AI có thể được gọi là Tác nhân phải có khả năng tương tác với thế giới ảo hoặc thực. Nếu Tác nhân có thể can thiệp vào thực tế hoặc ví ảo của tôi thì bảo mật dựa trên blockchain. giải pháp Cũng có thể coi đó là một nhu cầu cứng nhắc;
3. Đại lý có thể triển khai một bộ trò chơi tài chính dành riêng cho blockchain không? Ví dụ: LP trong AMM cho phép người bình thường tham gia tạo thị trường tự động. Ví dụ: Tác nhân yêu cầu sức mạnh tính toán, ghi nhãn dữ liệu, v.v. và người dùng đầu tư vào giao thức dưới dạng U nếu họ lạc quan. Hoặc lối chơi tài chính mới có thể được hình thành dựa trên Đại lý trong các tình huống ứng dụng khác nhau;
4.DeFi hiện không có khả năng tương tác hoàn hảo. Nếu Tác nhân kết hợp với chuỗi khối có thể đạt được lý luận minh bạch và có thể theo dõi, thì nó có thể hấp dẫn hơn trình duyệt tác nhân được cung cấp bởi những gã khổng lồ Internet truyền thống đã đề cập trong bài viết trước.
4. Sáng tạo?
Các dự án khung cũng sẽ mang lại cơ hội kinh doanh tương tự như GPT Store trong tương lai. Mặc dù hiện tại việc xuất bản Tác nhân thông qua một khung vẫn còn rất phức tạp đối với người dùng thông thường, nhưng tôi nghĩ các khung đơn giản hóa quy trình xây dựng Tác nhân và cung cấp một số kết hợp chức năng phức tạp vẫn sẽ chiếm ưu thế trong tương lai, do đó hình thành nên một Web3 thú vị hơn nền kinh tế sáng tạo GPT Store. .
GPT Store hiện tại vẫn thiên về tính thực tế trong các lĩnh vực truyền thống và hầu hết các ứng dụng phổ biến đều được tạo ra bởi các công ty Web2 truyền thống và thu nhập thuộc sở hữu độc quyền của người sáng tạo. Theo giải thích chính thức của OpenAI, chiến lược này chỉ cung cấp hỗ trợ tài chính và một khoản trợ cấp nhất định cho một số nhà phát triển xuất sắc ở Hoa Kỳ.
Web3 vẫn còn nhiều khía cạnh cần được lấp đầy về mặt nhu cầu và hệ thống kinh tế cũng có thể khiến các chính sách không công bằng của gã khổng lồ Web2 trở nên công bằng hơn. Ngoài ra, chúng ta có thể đưa nền kinh tế cộng đồng một cách tự nhiên để làm cho Đại lý trở nên hoàn hảo hơn. Nền kinh tế sáng tạo của Đặc vụ sẽ là cơ hội cho những người bình thường tham gia và các meme AI trong tương lai sẽ thông minh hơn và thú vị hơn nhiều so với các Đặc vụ được phát hành trên GOAT và Clanker.
Bài viết tham khảo:
1. Lịch sử phát triển và khám phá xu hướng của khung AI
2.Bybit: AI Rig Complex (ARC): Khung tác nhân AI
3. Memetics có giá trị sâu sắc: So sánh theo chiều ngang của bốn khung Crypto×AI chính: trạng thái áp dụng, ưu điểm và nhược điểm cũng như tiềm năng tăng trưởng
