Hội thông: Trong vòng 24 giờ, công ty khởi nghiệp AI Trung Quốc Moonshot AI tông bố một mô hình với 2,8 nghìn tỷ tham số, tức Kimi K3 — con số gấp 7 lần GPT-4 ước tính. Nhưng không ai trên Chain thực sự hiểu: điều này ảnh hưởng gì đến các giao thức phi tập trung mà chúng ta đang xây dựng?
Bối cảnh: Kimi K3 được Moonshot AI (công ty do Alibaba hậu thuẫn) phát hành vào đầu tháng 5/2025 như một tuyên bố kỹ thuật “thách thức Mỹ”. 2,8 nghìn tỷ tham số có lẽ được thực hiện qua kiến trúc MoE (Mixture-of-Experts), nghĩa là mỗi lần suy luận chỉ kích hoạt một phần nhỏ tham số. Những bài phân tích sớm cho thấy: chi phí đào tạo không dưới 100 triệu USD, chi phí suy luận cũng khủng, nhưng họ lại chọn “định giá cực kỳ xôn xao” và “kế hoạch mở mã nguồn”.
Phân tích cốt lõi: (1) Tham số lớn $\neq$ hiệu năng thực tế — dựa trên kinh nghiệm audit hợp đồng thông minh của tôi, những dự án công bố “tham số khủng” nhưng thiếu số liệu hiệu năng thường là PR thuần túy. Chỉ khi Kimi K3 được kiểm tra trên LMSYS Chatbot Arena, chúng ta mới biết sức mạnh thực sự. (2) Định giá cực kỳ xôn xao đi đôi với chi phí khủng tạo ra nghịch lý bên vững — một mô hình 2,8T tham số dù MoE cũng cần hàng nghìn GPU H100 chạy suốt 24/7. Moonshot AI có thể đang “đốt tiền” để cướp thị phần, nhưng điều này chỉ hiệu quả nếu họ có đủ tiền mặt chạy trong ít nhất 18 tháng. (3) Mở mã nguồn là con dao hai lưỡi — nó thúc đẩy hệ sinh thái nhanh chóng nhưng cũng làm giảm động lực thương mại. Với blockchain, bài toán này có ý nghĩa đặc biệt: một mô hình mở mạnh có thể được tích hợp vào smart contract thông qua Oracle, tạo ra những ứng dụng AI-native trên chain. (4) Tác động đến DePIN — nhu cầu GPU khổng lồ cho đào tạo/suy luận là tín hiệu rõ ràng cho các giao thức render phân tán như Akash, Render Network, hoặc io.net. Tuy nhiên, thực tế là các trung tâm dữ liệu tập trung của AWS/GCP vẫn chiếm ưu thế về độ tin cậy và băng thông; DePIN chỉ có thể phục vụ task suy luận nhẹ chứ không phải training quy mô này.
Góc nhìn phản trực giác: Đa số nhà phân tích Crypto tin rằng “AI sẽ thúc đẩy nhu cầu GPU phân tán và làm bong bóng DePIN”. Tôi nghĩ ngược lại: thực tế, Kimi K3 là bằng chứng cho thấy những người chơi lớn vẫn ở lại hệ thống tập trung. Họ sử dụng hàng vạn H100 liên kết với InfiniBand, không phải mạng ngang hàng chậm chạp. Các dự án GPU mining trên chain có thể gặp rủi ro bị “quảng cáo quá mức” khi người dùng phát hiện hiệu suất thực tế thấp hơn nhiều. Ngoài ra, việc mô hình mở mã nguồn (nếu true open-source) sẽ cho phép bất kỳ ai chỉnh sửa và triển khai trên các sidechain riêng, làm giảm giá trị của lớp “AI Oracle” tập trung.
Kết luận: Đừng chạy theo hype AI+Crypto chỉ vì một con số tham số khủng. Cơ hội thực sự có lẽ nằm ở hạ tầng lạnh: các dự án cung cấp GPU cho suy luận giá rẻ (ưu tiên latency thấp và băng thông cao) thay vì training. Hoặc, những dự án xây dựng cơ chế xác thực kết quả AI trên chain (ZK-proofs cho inference) — đó mới là chốt chặn chiến lược cho những ai muốn chấp nhận rủi ro.
Câu ký hiệu: - 1 , các dự án AI+Blockchain thường bỏ qua chi phí định tuyến giữa GPU phân tán và on-chain settlement. - 2 , tôi nghĩ ngay đến cơ chế “proof-of-inference” — những gì chúng ta cần không phải là một model lớn hơn, mà là một cách để chain biết nó đã làm đúng. - 3 , tôi phát hiện một nghịch lý: càng nhiều GPU được huy động bởi DePIN, thì độ trễ càng cao, làm cho ứng dụng real-time không thể chạy trên đó.