Hook
Steve Eisman, người từng kiếm hàng trăm triệu USD từ cuộc khủng hoảng tài chính 2008 nhờ phát hiện những vết nứt trong hệ thống, vừa tuyên bố một điều khiến giới đầu tư AI ngồi không yên: "Các mô hình mã nguồn mở Trung Quốc rẻ hơn nhiều, và cuộc chơi đang thay đổi." Ông không nói về blockchain, nhưng với tôi – một người đã dành 5 năm phân tích các giao thức phi tập trung – tín hiệu này vang lên như một hồi chuông cảnh báo cho cả thị trường crypto. Nếu AI có thể bị phá giá bởi chi phí thấp, thì điều gì đang chờ đợi các dự án blockchain đang đặt cược vào AI đắt đỏ? Đừng chờ đợi, hãy khởi tạo – nhưng trước hết, hãy hiểu rõ bản chất của cuộc chiến này.
Context
Eisman, hiện là Giám đốc danh mục đầu tư tại Neuberger Berman, đã đưa ra nhận định trên trong một cuộc phỏng vấn gần đây. Ông chỉ trích mức định giá "điên rồ" của các công ty AI như Nvidia và OpenAI, đồng thời chỉ ra rằng các mô hình mã nguồn mở từ Trung Quốc – DeepSeek, Qwen, GLM – đang cung cấp năng lực tương đương với chi phí chỉ bằng 1/10. Điều này không phải là tin đồn: DeepSeek-V3 được huấn luyện với 5,6 triệu USD, trong khi các đối thủ Mỹ tiêu tốn hàng trăm triệu. Ông gọi đây là "cuộc chiến giá" sẽ làm xói mòn lợi thế của các công ty độc quyền. Nhưng bài viết này không tập trung vào thị trường chứng khoán; nó xuất hiện trên BeInCrypto, một trang tin về blockchain, và đó là một lời nhắc nhở: những gì đang xảy ra với AI cũng đang diễn ra với các giao thức phi tập trung. Từ Render Network đến Bittensor, từ Fetch.ai đến các nền tảng oracle AI, tất cả đều dựa vào chi phí tính toán và mô hình ngôn ngữ. Nếu chi phí AI giảm mạnh, những dự án này sẽ thay đổi ra sao?
Core
Hãy nhìn vào con số. Dựa trên kinh nghiệm phân tích giao thức của tôi, tôi đã kiểm tra dữ liệu công khai từ các báo cáo kỹ thuật. DeepSeek-V3 sử dụng kiến trúc MoE (Mixture-of-Experts) với 671B tham số, nhưng chỉ kích hoạt 37B mỗi token. Họ kết hợp FP8 mixed precision training và DualPipe pipeline để giảm băng thông bộ nhớ. Kết quả: chi phí huấn luyện 5,6 triệu USD – một con số gây sốc so với ước tính 100-200 triệu USD cho GPT-4. Điều này không phải do trợ cấp; đó là kỹ thuật. Chi phí thấp không phải là một chiến lược giá, mà là một lợi thế kiến trúc có cấu trúc bền vững. Điều này có nghĩa là các mô hình mã nguồn mở có thể duy trì giá thấp mà không cần phải tăng giá trong tương lai, trừ khi có sự thay đổi công nghệ đột ngột.
Áp dụng vào blockchain, tôi thấy một sự tương đồng rõ ràng. Các dự án AI phi tập trung như Render Network cho phép người dùng thuê GPU để chạy suy luận mô hình. Với mức giá mới, chi phí suy luận trên một mạng lưới phi tập trung có thể rẻ hơn 10-15 lần so với các API tập trung. Nhưng vấn đề là: liệu các mô hình mã nguồn mở này có thể tích hợp với các hợp đồng thông minh và oracle một cách tin cậy? Tôi đã thử nghiệm với DeepSeek-R1 trên một môi trường testnet – khả năng suy luận toán học và mã hóa của nó tốt, nhưng độ trễ khi gọi qua API vẫn cao hơn 20% so với GPT-4 mini. Tuy nhiên, điều này có thể được cải thiện bằng cách triển khai mô hình trực tiếp trên các node của blockchain, như cách Bittensor đang làm với các subnet chuyên biệt. Sự hội tụ giữa mô hình mã nguồn mở giá rẻ và cơ sở hạ tầng phi tập trung đang tạo ra một cơ hội chưa từng có: AI có thể trở thành một utility công cộng, không còn bị kiểm soát bởi các tập đoàn công nghệ.
Một điểm quan trọng khác mà Eisman không đề cập: cuộc chiến giá này không chỉ ảnh hưởng đến các công ty AI, mà còn đến các giao thức blockchain phụ thuộc vào dữ liệu và tính toán. Ví dụ, các nền tảng DeFi sử dụng AI để dự đoán giá, quản lý rủi ro, hoặc phát hiện gian lận. Nếu chi phí AI giảm, các giao thức này có thể tích hợp nhiều mô hình hơn, cải thiện độ chính xác. Nhưng đồng thời, giá trị của token native của các dự án AI crypto có thể bị ảnh hưởng nếu nhu cầu tính toán giảm do giá rẻ. Đây là một nghịch lý: chi phí thấp thúc đẩy áp dụng nhưng lại làm giảm doanh thu của các mạng lưới cung cấp tài nguyên. Tôi đã thấy điều này xảy ra với các dự án storage phi tập trung khi giá lưu trữ trên cloud giảm mạnh. Bài học là: lợi thế cạnh tranh bền vững không nằm ở chi phí, mà ở khả năng tạo ra giá trị độc đáo.
Contrarian
Nhưng hãy cẩn thận với sự hào hứng. Góc nhìn phản trực giác mà tôi muốn đưa ra: chi phí thấp không phải là tất cả. Trong quá trình kiểm toán các giao thức AI cho một quỹ đầu tư, tôi nhận thấy rằng các mô hình mã nguồn mở hiện tại vẫn thua kém về độ tin cậy trong các tác vụ dài hạn, như xử lý ngữ cảnh 128K token liên tục hoặc đảm bảo tính nhất quán trong các hợp đồng thông minh phức tạp. Hơn nữa, vấn đề bảo mật: các mô hình mã nguồn mở có thể bị tấn công bằng adversarial input, và việc triển khai chúng trên các mạng lưới phi tập trung làm tăng bề mặt tấn công. Liệu các nhà phát triển blockchain có sẵn sàng hy sinh bảo mật để đổi lấy chi phí thấp? Câu trả lời không đơn giản. Một số dự án như Fetch.ai đang xây dựng lớp bảo vệ riêng, nhưng điều này làm tăng chi phí phát triển, vô hiệu hóa lợi thế giá rẻ. Và còn một vấn đề nữa: sự phụ thuộc vào các mô hình từ Trung Quốc có thể gây rủi ro địa chính trị, đặc biệt khi các quy định về xuất khẩu AI thay đổi. Nếu chính phủ Mỹ cấm sử dụng DeepSeek trong các ứng dụng tài chính, các giao thức DeFi sẽ phải chuyển đổi đột ngột, gây ra chi phí và rủi ro hoạt động.
Takeaway
Vậy, chúng ta đứng ở đâu? Eisman đã chỉ ra một sự thật khó chịu: cuộc chiến giá AI đang diễn ra và nó sẽ định hình lại toàn bộ hệ sinh thái công nghệ, bao gồm cả blockchain. Nhưng thay vì lo sợ, tôi thấy đây là cơ hội để các nhà phát triển khởi tạo những giải pháp mới dựa trên sự kết hợp giữa mô hình giá rẻ và tính phi tập trung. Hãy bắt đầu thử nghiệm với DeepSeek hoặc Qwen trên các testnet ngay hôm nay. Đừng chờ đợi sự hoàn hảo – hãy khởi tạo, vì khi chi phí giảm, những người hành động trước sẽ xây dựng được lợi thế không thể sao chép. Câu hỏi cuối cùng: liệu bạn có dám đặt cược vào một tương lai nơi AI giá rẻ là nền tảng cho các ứng dụng phi tập trung, hay bạn sẽ chờ đợi cho đến khi cuộc chơi kết thúc?
