Apple chọn Gemini: 185 tỷ USD đang đổ vào AI tập trung, còn chúng ta ngồi xem?

Trong 48 giờ qua, một con số khiến tôi phải dừng lại: 185.000.000.000 USD. Đó là số tiền Alphabet dự kiến chi cho hạ tầng AI, ngay khi Apple xác nhận đưa Gemini của Google vào Siri. Hai gã khổng lồ, một thỏa thuận, và một câu hỏi lớn cho những ai đang tin vào AI phi tập trung: liệu chúng ta đang nhìn vào một cột mốc lịch sử của ngành, hay chỉ là một mảnh ghép nữa trong bức tranh "AI tập trung" mà chúng ta không thể chạm tới? Tôi không viết bài này để bàn về giá cổ phiếu AAPL hay GOOGL. Có đủ người khác làm việc đó. Tôi muốn nhìn vào những gì đang xảy ra dưới bề mặt: dòng vốn 185 tỷ USD này đang định hình lại cả một hệ sinh thái, và các dự án crypto gắn mác AI có thể sẽ là những người hứng chịu hậu quả đầu tiên nếu không đọc kỹ bản đồ. Hãy bắt đầu với những gì chúng ta biết. Apple chọn Gemini cho Siri — một quyết định chiến lược xác nhận rằng ngay cả một công ty có khả năng tự phát triển chip và mô hình ngôn ngữ lớn cũng phải thừa nhận: không ai có thể đơn độc trong cuộc đua AI. Còn Alphabet, thay vì chỉ trả lời bằng một mô hình tốt hơn, họ chọn cách nâng cả bàn cờ bằng 185 tỷ USD cho hạ tầng. Không phải 18 tỷ. Không phải 50 tỷ. 185 tỷ. Đây là một trong những khoản đầu tư hạ tầng lớn nhất trong lịch sử công nghệ. Và điều đáng chú ý với giới crypto: không một giao thức phi tập trung nào có thể huy động được số vốn tương đương từ token incentives trong ngắn hạn. Token ICO bị lỗi? Check phân phối. Nhưng ở đây, ngay cả khi phân phối hoàn hảo, con số 185 tỷ vẫn là một rào cản gần như không thể vượt qua. Hãy cùng tôi kiểm tra dữ liệu thực tế thay vì nghe theo câu chuyện tiếp thị. Khi tôi nói "kiểm tra dữ liệu", tôi thực sự muốn bạn nhìn vào cấu trúc thị trường. Phân khúc AI phi tập trung — Bittensor, Akash, Ritual, Gensyn — đang sở hữu tổng vốn hóa chỉ bằng một phần nhỏ so với chi phí xây dựng một trung tâm dữ liệu của Google. Không phải vì chúng kém công nghệ hơn. Mà vì bài toán của chúng khác hẳn. Alphabet không chỉ mua GPU. Họ xây dựng toàn bộ chuỗi cung ứng: từ TPU tự thiết kế, đến trung tâm dữ liệu năng lượng tái tạo, đến các tuyến cáp quang xuyên đại dương. Đó là một hệ thống khép kín, tối ưu từng mili giây. Ngược lại, các mạng phi tập trung đang cố gắng kết nối những chiếc GPU rời rạc của người dùng cá nhân — với độ trễ cao hơn, băng thông không ổn định, và chi phí vận hành khó dự đoán. Vậy đâu là điểm sáng cho các dự án AI phi tập trung? Quan sát của tôi sau nhiều năm trong ngành: câu trả lời nằm ở sự khác biệt về bản chất, không phải về hiệu năng. Hãy nhìn vào kiến trúc của Bittensor — một mạng lưới nơi các mô hình AI được đánh giá và thưởng bởi chính cộng đồng. Không có một thực thể duy nhất nào kiểm soát trọng số mô hình. Không có một CEO nào quyết định mô hình nào được triển khai. Điều đó trái ngược hoàn toàn với cách Google vận hành, nơi toàn bộ tập dữ liệu huấn luyện và trọng số mô hình nằm sau một lớp tường lửa. Nhưng đừng vội ăn mừng. Tôi từng chứng kiến quá nhiều chu kỳ trong crypto để biết rằng: một câu chuyện hay không tự động tạo ra một sản phẩm tốt. Năm 2020, khi tôi viết bot yield farming đầu tiên trên Uniswap, điều tôi học được là: dữ liệu trên chuỗi có thể nói dối ít hơn con người, nhưng chúng vẫn có thể bị hiểu sai nếu bạn không đặt chúng trong bối cảnh phù hợp. Bối cảnh phù hợp ở đây là gì? Hãy nhìn vào số liệu thực tế của các mạng AI phi tập trung. Bittensor — mạng lớn nhất trong nhóm — đang tạo ra bao nhiêu doanh thu thực từ việc bán dịch vụ suy luận AI? Nếu bạn nhìn vào các bảng dữ liệu on-chain, bạn sẽ thấy phần lớn hoạt động vẫn đến từ các miner/hay validator muốn kiếm phần thưởng khối, không phải từ người dùng trả phí để sử dụng mô hình. Điều đó có nghĩa là: nguồn cầu bên ngoài vẫn rất nhỏ so với nguồn cung nội bộ. Đó là một điểm tương phản thú vị. Alphabet chi 185 tỷ USD vì họ đang phục vụ hàng tỷ người dùng thực tế — qua tìm kiếm, qua cloud, qua Android. Còn các mạng AI phi tập trung, với nỗ lực lớn nhất, có thể đang phục vụ hàng nghìn người dùng. Khoảng cách giữa 2 tỷ người dùng và 5.000 người dùng không thể thu hẹp bằng tokenomics. Nó cần một sự thay đổi cấu trúc về nhu cầu. Token ICO bị lỗi? Check phân phối. Nhưng vấn đề lớn hơn: ngay cả phân phối hoàn hảo cũng không tạo ra cầu nếu sản phẩm không đáp ứng được nhu cầu thị trường. Đây là lúc những người theo chủ nghĩa lý tưởng crypto thường mắc sai lầm. Họ cho rằng "phi tập trung" là một tính năng đủ mạnh để người dùng chấp nhận đánh đổi hiệu năng. Dữ liệu từ hơn một thập kỷ qua cho thấy điều ngược lại: người dùng đổ xô đến trải nghiệm tốt nhất, bất kể nó tập trung hay không. Look at the rise of centralized exchanges over DEXs in 2018-2020. Look at how quickly people abandoned self-custody for Celsius and BlockFi when promised higher yields. Tuy nhiên, có một góc nhìn phản trực giác mà tôi đã dần phát triển khi làm việc với dữ liệu on-chain trong nhiều năm: sự thống trị của Alphabet không nhất thiết là tin xấu cho AI phi tập trung. Ngược lại, nó có thể là chất xúc tác mạnh nhất mà chúng ta từng có. Vì sao? Vì 185 tỷ USD sẽ buộc mọi nhà phát triển, mọi công ty, mọi chính phủ phải đặt câu hỏi về sự phụ thuộc của họ vào một tập hợp nhỏ các tập đoàn kiểm soát trí tuệ nhân tạo. Và một khi câu hỏi đó được đặt ra, nhu cầu về các lựa chọn thay thế sẽ xuất hiện. Hãy nhìn vào lịch sử. Khi AWS trở thành công ty độc quyền về điện toán đám mây, điều đó không ngăn cản các công ty khác xây dựng giải pháp riêng. Nó chỉ khiến họ nhận ra rủi ro tập trung hóa. Tương tự, khi Google thống trị tìm kiếm, các đối thủ như DuckDuckGo vẫn tồn tại — phục vụ cho một phân khúc nhỏ nhưng trung thành với quyền riêng tư. Quy mô của nhóm đó không lớn, nhưng nó đủ để duy trì một hệ sinh thái riêng. Ở đây, sự khác biệt nằm ở mức độ. AI có khả năng ảnh hưởng đến mọi ngành nghề, mọi quyết định, mọi tầng lớp xã hội. Nếu một thực thể kiểm soát lớp này, quyền lực của họ sẽ vượt xa mọi thứ chúng ta từng chứng kiến trong kỷ nguyên Internet. Đây là lý do tại sao các chính phủ — từ EU đến Trung Quốc — đang tích cực tìm kiếm các lựa chọn AI không phụ thuộc vào Google, OpenAI hay Meta. Và điều này mở ra một cánh cửa nhỏ cho các mạng phi tập trung. Không phải trong vai trò "AI tốt hơn Google", mà trong vai trò "AI không thuộc về Google". Một mạng lưới AI phi tập trung có thể cung cấp khả năng kiểm chứng: bạn có thể chứng minh rằng kết quả bạn nhận được thực sự đến từ một mô hình cụ thể, chạy trên một tập hợp các node cụ thể, tuân theo một logic xác định trên smart contract. Đây là một điều mà Gemini, GPT-4 hay Claude không thể làm được. Tôi gần như nghe thấy tiếng cười của những người theo chủ nghĩa hiện thực ở đây. "AI phi tập trung nghe hay đấy, nhưng nó chậm, đắt, và khó sử dụng. Người dùng bình thường không quan tâm đến việc mô hình có thể kiểm chứng hay không. Họ chỉ cần nó trả lời đúng." Đúng, họ nói đúng. Ở thời điểm hiện tại, điều đó hoàn toàn đúng. Nhưng hãy nhìn xa hơn một chút. Trong 2-3 năm tới, khi các mô hình AI bắt đầu tham gia vào việc đưa ra quyết định tài chính, y tế, pháp lý — bạn có muốn một hộp đen kiểm soát toàn bộ chuỗi quyết định đó? Khi một mô hình AI từ chối bạn vay vốn, bạn có muốn biết lý do chính xác, được ghi lại một cách minh bạch và không thể thay đổi sau đó? Đây là nơi mà blockchain không chỉ có lợi thế, mà còn là lựa chọn duy nhất. Tuy nhiên, tôi cần phải nói rõ: tôi không tin rằng bất kỳ dự án AI phi tập trung nào hiện tại đã sẵn sàng cho việc này. Chúng vẫn còn quá nhỏ, quá sớm, quá nhiều lỗ hổng. Nhưng với một khoản đầu tư 185 tỷ USD từ Alphabet, sự khẩn cấp đã tăng lên. Tôi đã phân tích nhiều giao thức Layer 2 tại Madrid, nghiên cứu về sự bão hòa dữ liệu blob sau Dencun và hệ quả phí gas tăng gấp đôi trong vòng hai năm. Câu hỏi đặt ra: nếu ngay cả các giải pháp mở rộng cho Ethereum còn gặp khó khăn trong việc dự đoán chi phí, thì các mạng lưới AI phi tập trung phải đối mặt với bài toán chi phí như thế nào? Câu trả lời từ dữ liệu là: chúng cần một cách tiếp cận hoàn toàn khác để tối ưu chi phí. Cách tiếp cận đó không thể dựa trên việc cạnh tranh trực tiếp với Google về giá mỗi token hoặc độ trễ. Nó phải dựa trên giá trị đặc biệt mà chỉ phi tập trung mới có: khả năng kiểm chứng, chống kiểm duyệt, và sự tin cậy không cần cầu xin. Bạn có thể đưa ra một tuyên bố rằng "mô hình này được huấn luyện trên bộ dữ liệu A", và khi ai đó thắc mắc, bạn cho họ xem bằng chứng mật mã học trên chuỗi. Hãy thử hỏi Google như vậy xem. Tôi nhớ lại năm 2017, khi tôi viết script Python quét dữ liệu on-chain của 50 ICO, phát hiện 12 dự án có hơn 40% token bị tập trung vào một nhóm ví nhỏ trái với whitepaper. Bài học tương tự vẫn đúng hôm nay: luôn kiểm tra phân phối. Nhưng không chỉ kiểm tra phân phối token — hãy kiểm tra cả phân phối quyền lực trong toàn ngành AI. Một công ty nắm giữ 80% thị phần AI, kiểm soát cả ba lớp: hạ tầng, mô hình và ứng dụng. That's not decentralization, that's a threat to the very innovation. Alphabet, Microsoft, OpenAI, Apple — những gã khổng lồ này đang cạnh tranh với nhau để giành vị trí thống trị tuyệt đối. Và khi họ cạnh tranh, họ tạo ra nhu cầu cho những thứ mà họ không thể cung cấp. Một trong những thứ quan trọng nhất là: sự độc lập. Với các chính phủ, với các tập đoàn lớn, với các tổ chức tài chính — đối tượng không muốn phó mặc số phận của mình cho một công ty công nghệ Mỹ. Họ sẽ trả tiền cho một mạng AI không thuộc về ai. Và đó chính là cái mà các dự án crypto có thể cung cấp. Vậy, chúng ta đang ở đâu trong chu kỳ này? AI phi tập trung có thể đang ở vị trí mà DeFi đã ở vào năm 2018 — tiềm năng lớn nhưng chưa có sản phẩm phù hợp với thị trường. Khi đó, mọi người nói DeFi chỉ dành cho những kẻ mê tiền mã hóa. Vài năm sau, DeFi trở thành một phần quan trọng của hệ sinh thái tài chính. Nhưng những dự án sống sót là những dự án tập trung vào một phân khúc cụ thể, không cố gắng làm tất cả. Các dự án AI phi tập trung nên học từ điều đó. Đừng cố gắng xây dựng một "Google phi tập trung". Hãy xây dựng một mạng chuyên biệt cho việc xác thực dữ liệu, cho việc chạy các tác vụ AI mà không cần tiết lộ dữ liệu, cho các ứng dụng blockchain cần trí tuệ nhân tạo để tự động hóa các quyết định. Hãy để Google lo việc giải trí cho người dùng bằng chatbot thông minh hơn. Các mạng lưới này cần phải nhận ra một sự thật đau đớn: họ không thể đánh bại Google trong trò chơi của Google. Nhưng họ có thể xây dựng một trò chơi hoàn toàn mới. Trò chơi đó có tên là "AI có trách nhiệm" — nơi mà mỗi quyết định của AI đều có thể truy vết, kiểm chứng và không thể bị thao túng bởi bất kỳ một thực thể đơn lẻ nào. Nhưng khoan, tôi có cần phải thêm một lời cảnh báo với những ai đang nghĩ đến việc bán hết tài sản của mình để mua tất cả token AI phi tập trung không? Vâng, có. Hãy tỉnh táo. Thị trường đã chứng kiến nhiều chu kỳ cường điệu hóa. Hãy nhớ lại đợt sốt AI năm 2023 sau sự ra mắt của ChatGPT. Các token như FET, AGIX, OCEAN tăng vọt hàng trăm phần trăm trong vài tuần, rồi sau đó giảm mạnh khi thị trường nhận ra rằng các dự án này vẫn chưa có doanh thu thực. Nếu bạn đang tìm kiếm "decentralized AI" để đầu tư, hãy đào sâu hơn. Đừng chỉ nhìn vào logo và đội ngũ. Hãy kiểm tra mã nguồn. Hãy kiểm tra số lượng người dùng thực trên mạng. Hãy kiểm tra chi phí chạy một tác vụ AI trên mạng đó so với chi phí chạy trên Google Cloud. Hãy kiểm tra xem có bao nhiêu ứng dụng thực tế đang chạy trên mạng đó và thu về doanh thu thật sự. Token ICO bị lỗi? Check phân phối. Cũng cần nhìn vào một điểm mù mà hầu hết các phân tích về sự kiện Apple-Gemini đều bỏ lỡ: vai trò của phần cứng và chip. Khoản đầu tư 185 tỷ USD của Alphabet không chỉ dùng để mua GPU từ NVIDIA. Họ đang đẩy mạnh phát triển TPU — chip riêng của họ. Đó là một chiến lược nhằm giảm phụ thuộc vào NVIDIA. Điều này có hai tác động đến crypto: một là chi phí GPU cho các nhà khai thác đám mây phi tập trung ngày càng cao khi các tập đoàn lớn mua sạch nguồn cung; hai là các mạng lưới tính toán phi tập trung như Akash hoặc Render có thể hưởng lợi nếu họ chấp nhận các loại chip ít được sử dụng hơn (ví dụ: chip cũ, chip chuyên dụng cho inference) với chi phí thấp hơn. Đây là một mảnh ghép quan trọng. Nhưng nó đòi hỏi sự khôn ngoan trong việc định vị: thay vì cạnh tranh về hiệu năng thô, hãy cạnh tranh về giá trên mỗi tác vụ inference cho các workload không yêu cầu độ trễ cực thấp. Đó là một phân khúc nhỏ, nhưng nó có thể đủ để xây dựng một hệ sinh thái khả thi. Nhìn lại bức tranh toàn cảnh, sự kiện Apple chọn Gemini và Alphabet chi 185 tỷ USD cho AI hạ tầng có thể được xem như là khoảnh khắc "Sputnik" đối với AI phi tập trung. Nó đã đánh thức nhiều người về mối đe dọa của sự tập trung hóa. Nó cũng cho thấy rằng các mạng phi tập trung không thể thắng trong cuộc chơi tài nguyên — nhưng chúng có thể thắng trong cuộc chơi niềm tin. Một lưu ý cuối: tôi không nói rằng các mạng AI phi tập trung sẽ sớm thay thế Google, hoặc thậm chí trở thành một lựa chọn thay thế chính thống trong 3 năm tới. Cơ hội nằm ở những gì diễn ra sau đó. Khi AI trở thành một phần không thể thiếu của xã hội, sẽ có một nhóm người — đủ lớn — sẵn sàng trả phí để có một AI không ai kiểm soát. Vậy điều gì sẽ xảy ra với các mạng phi tập trung này trong 12 tháng tới? Liệu họ có tận dụng được thời điểm này, hay sẽ bị mắc kẹt trong những lời hứa suông? Dữ liệu sẽ cho chúng ta biết, miễn là chúng ta chịu khó nhìn.