Thứ Sáu tuần trước, cổ phiếu chip bán dẫn toàn cầu đỏ lửa. Lý do? Moonshot AI (月之暗面) phát hành một mô hình open-weight có tên Kimi K3, với tham số lên tới 2.8 nghìn tỷ. Con số đó lớn đến mức vượt xa mọi giới hạn mà chúng ta từng biết. Và thị trường, với phản xạ có điều kiện, đã lập tức nhìn thấy bóng ma DeepSeek.
Tôi nhìn vào biểu đồ giá cổ phiếu NVDA, tôi thấy một nỗi sợ quen thuộc. Nỗi sợ về một 'cơn sốt hiệu quả' khác sẽ phá vỡ câu chuyện 'càng nhiều GPU càng tốt'. Năm ngoái, DeepSeek V3 với 671B tham số đã làm điều tương tự. Hôm nay, K3 với quy mô gấp 4 lần, lại mở ra miễn phí, điều này có nghĩa là gì?
Hãy bình tĩnh. Đây không phải là một sự sụp đổ của 'Scaling Law'. Đây là một cuộc tái định giá.
Context: Từ DeepSeek đến K3, sự thay đổi của kịch bản
Đầu năm 2025, DeepSeek khiến thế giới kinh ngạc. Họ chứng minh rằng một mô hình mạnh có thể được huấn luyện với chi phí thấp hơn nhiều so với suy nghĩ thông thường. Khoảng 5-6 triệu USD cho một mô hình 671B tham số. Điều đó khiến các nhà đầu tư đặt câu hỏi: Nếu AI có thể rẻ như vậy, ai cần cả núi H100 nữa?
Giờ đây, K3 xuất hiện với 2.8 nghìn tỷ tham số. Con số này lớn hơn GPT-4 (khoảng 1.8 nghìn tỷ) và gấp gần 7 lần Llama 3. Nhưng đây không phải là một mô hình 'siêu nặng' theo nghĩa truyền thống.
Core: Phân tích kỹ thuật - 'Con quái vật' ẩn mình
Chìa khóa nằm ở kiến trúc. Một mô hình 2.8 nghìn tỷ tham số thuần túy là không khả thi để suy luận trong thực tế. Nó sẽ cần hàng chục nghìn GPU chỉ để chạy một câu hỏi. Vậy nên, K3 gần như chắc chắn sử dụng MoE (Mixture of Experts) với độ thưa thớt cực kỳ cao.
Hãy tưởng tượng: Trong số 2.8 nghìn tỷ tham số đó, chỉ có một phần nhỏ được 'kích hoạt' cho mỗi token đầu vào. Nếu tỷ lệ kích hoạt là 10% (một giả định khả thi), thì lượng tham số thực tế được sử dụng cho suy luận chỉ khoảng 280 tỷ. Điều này khiến K3 trở nên khả thi hơn rất nhiều.
Dựa trên kinh nghiệm audit của tôi với các giao thức DeFi và mô hình on-chain, tôi thấy một sự tương đồng kỳ lạ. Giống như cách Uniswap V4 sử dụng 'hooks' để mở rộng chức năng mà không làm tăng độ phức tạp tổng thể, K3 sử dụng MoE để mở rộng quy mô kiến thức mà không làm tăng chi phí suy luận tuyến tính.
Tuy nhiên, điểm mù ở đây là không có bất kỳ điểm chuẩn hiệu suất nào. Không MMLU, không GSM8K, không HumanEval. '2.8 nghìn tỷ' chỉ là một con số. Nó không có ý nghĩa gì nếu không có dữ liệu chứng minh rằng nó thực sự thông minh hơn DeepSeek V3 hay GPT-4o.
Contrarian: K3 là tin xấu cho NVDA, hay là tin tốt?
Thị trường đang hoảng loạn vì cho rằng K3 sẽ giết chết nhu cầu GPU. Tôi cho rằng điều ngược lại mới đúng.
Hãy nhìn vào logic: DeepSeek và K3 đang chứng minh rằng 'Scaling Law' vẫn hoạt động. Để có một mô hình tốt hơn, bạn cần nhiều tham số hơn và nhiều dữ liệu hơn. Nhưng họ cũng chứng minh rằng bạn có thể đạt được điều đó với chi phí hiệu quả hơn. Điều này có hai tác động:
- Nó hạ thấp rào cản gia nhập. Các công ty nhỏ hơn, thậm chí là quốc gia, có thể bắt đầu huấn luyện các mô hình quy mô lớn. Điều này làm tăng tổng nhu cầu về GPU, không phải giảm.
- Nó chuyển nhu cầu từ 'huấn luyện' sang 'suy luận'. Khi các mô hình open-weight mạnh mẽ như K3 có sẵn, hàng nghìn doanh nghiệp sẽ muốn triển khai và tinh chỉnh chúng. Mỗi lần suy luận đều cần GPU. Nhu cầu suy luận có thể còn lớn hơn nhu cầu huấn luyện.
Sự sụp đổ của cổ phiếu chip vào thứ Sáu là một phản ứng quá mức. Nó là một 'flashback' của DeepSeek, nhưng trong một bối cảnh khác. K3 là một mô hình khổng lồ, và bất kỳ mô hình khổng lồ nào cũng cần một nền tảng GPU khổng lồ để hoạt động.
Takeaway: Ai là nạn nhân thực sự?
Câu hỏi không phải là 'Liệu chúng ta có cần GPU không?'. Câu hỏi là 'Liệu bạn có cần phải là người sở hữu những cỗ máy đó không?'.
K3 không giết chết nhu cầu về sức mạnh tính toán. Nó giết chết ý tưởng rằng sức mạnh tính toán là một lợi thế cạnh tranh bền vững. Nếu ai cũng có thể truy cập một mô hình 2.8 nghìn tỷ, thì lợi thế của bạn không còn là mô hình nữa. Lợi thế của bạn là dữ liệu, khả năng ứng dụng và mối quan hệ khách hàng.
Liệu bạn có đang chuẩn bị cho một thế giới mà 'chip' là một loại hàng hóa, không phải là vũ khí tối thượng? Đó là câu hỏi mà thị trường nên tự hỏi, thay vì bán tháo trong hoảng loạn.