Một bản tin chiều nay từ Crypto Briefing, trích dẫn nhà phân tích Ming-Chi Kuo, cho biết Apple đang phát triển chip M7 Ultra với dung lượng bộ nhớ thống nhất lên tới 1.5TB. Ngay lập tức, cộng đồng DePIN và các nhà giao dịch AI bắt đầu xôn xao: liệu đây có phải là kẻ hủy diệt Nvidia, mở ra cánh cửa cho một làn sóng phần cứng giá rẻ cho mạng lưới tính toán phi tập trung?
Tôi đã chạy query và kết quả là: trước khi vui mừng, chúng ta cần hiểu rõ bối cảnh kỹ thuật. Trong ngành bán dẫn, chuyện một OEM như Apple phát triển chip thế hệ mới là bình thường. Từ M1 lên M2 Ultra, Apple chỉ mất khoảng 18-24 tháng. Vậy nên tin đồn M7 Ultra, nếu có thật, cũng nằm trong lộ trình dự kiến.
Điều tinh tế (và đáng sợ) trong thiết kế này là việc đẩy dung lượng bộ nhớ thống nhất lên 1.5TB. Nhưng dung lượng không phải là tất cả. Trong AI training, băng thông bộ nhớ (memory bandwidth) mới là yếu tố then chốt. M2 Ultra hiện tại có băng thông ~800 GB/s, trong khi Nvidia H100 đạt 3.35 TB/s. Nếu M7 Ultra không cải thiện đáng kể băng thông, nó sẽ không thể cạnh tranh trong các tác vụ training quy mô lớn. Nó chỉ phù hợp cho inference các mô hình ngôn ngữ lớn (LLM) cỡ vừa, nơi mà toàn bộ model có thể nằm gọn trong 1.5TB RAM.
Khi mọi người đều lạc quan, tôi lại nhìn vào technical debt ở đây. Đó là hệ sinh thái phần mềm. Nvidia có CUDA, một lợi thế gần như không thể vượt qua trong ngắn hạn. Apple có Core ML và Metal Performance Shaders, nhưng chúng được tối ưu cho hệ sinh thái khép kín của Apple. Để một node chạy trên Mac Pro với M7 Ultra có thể tham gia vào mạng lưới Render Network hay Akash Network, cần có driver và thư viện tương thích. Điều này không chỉ phụ thuộc vào Apple mà còn vào cộng đồng open-source. Đây là một rào cản kỹ thuật rất lớn.
Nhưng giả sử Apple vượt qua được rào cản đó. Liệu nó có thực sự thay đổi cuộc chơi cho DePIN? Tôi nghĩ rotation tiếp theo sẽ vào hướng hoàn toàn khác. Thay vì có thêm nguồn cung GPU rẻ, chúng ta sẽ chứng kiến một sự phân hóa mạnh mẽ. Các mạng DePIN tập trung vào training sẽ vẫn phụ thuộc vào Nvidia, nhưng các mạng tập trung vào inference (như Bittensor subnet) có thể hưởng lợi từ việc có thêm nhiều node Mac với bộ nhớ lớn. Sự cạnh tranh sẽ không còn là 'ai có GPU mạnh hơn' mà là 'ai có phần mềm tối ưu hơn' cho từng loại chip.
Dữ liệu trích xuất MEV cho thấy thị trường hiện tại đang hoàn toàn bỏ qua chi tiết kỹ thuật này. Mọi người chỉ nhìn vào con số 1.5TB và nghĩ đến 'cuộc cách mạng'. Đây là một góc nhìn phản trực giác: sự xuất hiện của M7 Ultra, nếu có, sẽ không làm giảm giá trị của Nvidia, mà sẽ làm tăng giá trị của các lớp middleware và protocol có khả năng trừu tượng hóa phần cứng (hardware abstraction layer). Các dự án như io.net hay Render, nếu nhanh chóng tích hợp hỗ trợ cho Apple Silicon, sẽ trở thành những 'người chiến thắng' thực sự.
Những con số TVL thực sự đại diện cho một thứ: niềm tin vào khả năng tương tác. Một mạng DePIN có TVL cao không phải vì nó có nhiều GPU nhất, mà vì nó có thể kết nối nhiều loại GPU nhất. Vậy, câu hỏi không phải là 'Liệu M7 Ultra có đánh bại H100 không?', mà là 'Liệu hệ sinh thái DePIN có đủ linh hoạt để hấp thụ một nguồn cung chip hoàn toàn mới với đặc tính khác biệt không?' Nếu không, chúng ta sẽ chỉ thấy một đợt pump và dump khác trong chu kỳ đi ngang này.
