Tôi không tin vào những câu chuyện 'đầu tư nhiều hơn sẽ thắng' trong lĩnh vực AI Blockchain cho đến khi tôi xác minh được hai con số. Một bên là mô hình Kimi K3 của Trung Quốc – chi phí huấn luyện chỉ bằng một phần nhỏ so với GPT-4 nhưng lại đạt điểm số benchmark tương đương. Bên kia là hệ thống Rubin rack của Nvidia – 72 GPU, 8 triệu USD, tiêu thụ điện năng ngang một nhà máy nhỏ. Sự đối đầu này không chỉ là câu chuyện về công nghệ; nó đang viết lại các quy tắc định giá cho toàn bộ hệ sinh thái blockchain nơi AI là xương sống.
Bối cảnh: Trong 12 tháng qua, thị trường AI Blockchain đã chứng kiến một cuộc chạy đua vũ trang về cơ sở hạ tầng. Các dự án như Render Network, Akash, và io.net huy động hàng trăm triệu USD để xây dựng các cụm GPU phi tập trung. Nhưng câu hỏi lớn nhất vẫn chưa được trả lời: liệu chi phí tính toán có thực sự là rào cản duy nhất? Hay sự hiệu quả của thuật toán có thể phá vỡ giả định 'càng nhiều GPU càng tốt'?
Core: Hãy nhìn vào Kimi K3. Đây là một mô hình ngôn ngữ lớn với kiến trúc tối ưu, chỉ cần 1/10 chi phí huấn luyện so với các đối thủ cùng kích thước. Điều này có nghĩa là: các nền tảng blockchain sử dụng AI để xử lý hợp đồng thông minh hoặc phân tích dữ liệu on-chain có thể giảm 70-80% chi phí vận hành chỉ sau một đêm. Nhưng đồng thời, nó cũng đặt ra câu hỏi về giá trị của các token khai thác tính toán như $RNDR hay $AKT. Nếu một mô hình nhẹ hơn có thể làm việc hiệu quả hơn, thì nhu cầu về sức mạnh GPU khổng lồ có thực sự còn không? Ngược lại, Rubin rack của Nvidia lại là một thông điệp rõ ràng: các tập đoàn lớn như Microsoft, CoreWeave, và OpenAI vẫn đang đặt cược vào tương lai 'nhiều hơn là tốt hơn'. Mỗi rack có thể xử lý các phép tính ZK-proof nhanh hơn 5 lần so với thế hệ trước, nhưng giá thành lại đắt gấp đôi. Chiến lược 'bán cuốc xẻng' của Nvidia đang chuyển từ bán GPU đơn lẻ sang bán cả hệ thống tích hợp – một động thái nhằm khóa chặt khách hàng vào hệ sinh thái độc quyền. Tôi đã từng thấy điều tương tự trong vụ Confido: các nhà đầu tư mua vào câu chuyện 'cơ sở hạ tầng không thể thay thế' mà không kiểm tra chi phí thực tế. Điều gì sẽ xảy ra nếu Rubin rack không đạt được tỷ lệ sản xuất như kỳ vọng? Một lỗ hổng trong chuỗi cung ứng HBM hoặc làm mát bằng chất lỏng có thể làm chậm toàn bộ ngành.
Contrarian: Tuy nhiên, phe bò không hoàn toàn sai. Định luật Jevons – hiệu quả cao hơn dẫn đến tiêu thụ nhiều hơn – có thể giữ cho nhu cầu GPU tăng trưởng ngay cả khi các mô hình rẻ hơn xuất hiện. Kimi K3 có thể giảm chi phí suy luận, kích hoạt hàng loạt ứng dụng blockchain mới (từ AI agent tự động đến thị trường dự đoán) – và chính điều đó lại thúc đẩy nhu cầu về sức mạnh tính toán tổng thể. Tôi đã chứng kiến điều này trong mùa hè DeFi 2020: khi phí gas giảm, khối lượng giao dịch tăng vọt. Nhưng có một điểm mù: nếu các mô hình hiệu quả như Kimi K3 cho phép chạy AI ngay trên thiết bị biên (edge device), thì nhu cầu tập trung hóa vào các cụm GPU khổng lồ có thể giảm mạnh. Các dự án blockchain như Bittensor hay Allora, vốn dựa vào sức mạnh tính toán tập trung, sẽ phải đối mặt với sự cạnh tranh từ các mạng lưới phi tập trung nhẹ hơn.
Takeaway: Sự thật là không ai có thể dự đoán chính xác tương lai. Nhưng một điều chắc chắn: mùa báo cáo tài chính sắp tới của các ông lớn như Microsoft và Google sẽ là chất xúc tác quyết định. Nếu họ tăng chi tiêu vốn cho Rubin, câu chuyện 'càng to càng tốt' sẽ thắng thế. Nếu họ thận trọng, Kimi K3 và các mô hình tương tự sẽ trở thành vũ khí lợi hại cho các dự án blockchain tập trung vào hiệu quả. Là một nhà điều tra, tôi sẽ tiếp tục theo dõi các hợp đồng thông minh của những dự án này – bởi vì, như tôi đã học được từ vụ rug pull Evolved Apes, mã nguồn không bao giờ nói dối.
