Mỹ hay Trung Quốc: Cuộc chiến chi phí hiệu quả AI và bài học cho trader crypto
Võ Thủy
Tuần trước, một bài báo trên Crypto Briefing tuyên bố rằng các mô hình AI của Anthropic và OpenAI có chi phí hiệu quả hơn đối thủ Trung Quốc, dù giá cao hơn. Tôi đọc xong, cười. Không phải vì tôi nghi ngờ dữ liệu – tôi nghi ngờ vì thiếu dữ liệu. Là một trader crypto sống bằng backtest và on-chain data, tôi biết một tuyên bố mạnh mẽ mà không có số liệu cụ thể chỉ là FOMO có cánh. Nhưng nếu nó đúng? Nó sẽ thay đổi cách chúng ta định giá không chỉ các công ty AI, mà cả các dự án crypto liên quan đến AI – từ Render Network đến Bittensor. Hãy cùng mổ xẻ.
Trước hết, context. Bài báo gốc (mà tôi không có bản gốc, chỉ có phân tích từ một nguồn khác) nói rằng Anthropic và OpenAI có chi phí hiệu quả hơn các đối thủ Trung Quốc như DeepSeek, Qwen, Kimi. Điều này nghe có vẻ hợp lý: Mỹ có chip NVIDIA mới nhất, quy mô cluster lớn, và đội ngũ kỹ sư hàng đầu. Nhưng vấn đề là định nghĩa “chi phí hiệu quả”. Nó là chi phí đào tạo? Chi phí suy luận? Hay tổng chi phí sở hữu? Mỗi cái cho một câu chuyện khác nhau. Nếu là chi phí suy luận trên mỗi token, thì DeepSeek R1 chỉ $0.27 cho mỗi triệu token đầu vào (cache hit), trong khi GPT-4o là $2.5. Rẻ hơn gần 10 lần. Làm sao nói Mỹ hiệu quả hơn? Có thể họ đang nói về “giá trị trên mỗi đô la” – tức là chất lượng output trên mỗi đồng bỏ ra. Nhưng không có benchmark nào công bố điều đó một cách khách quan. Vậy nên, tuyên bố này là một “information gap” lớn. Tôi sẽ đánh dấu nó là D – trung bình thấp – cho đến khi có bằng chứng.
Giờ đến phần core: phân tích kỹ thuật. Tôi đã tự build bot yield farming năm 2020, và tôi biết rằng chi phí hiệu quả trong AI cũng giống như trong DeFi: nó phụ thuộc vào kiến trúc và tối ưu hóa. Các mô hình Mỹ sử dụng nhiều kỹ thuật như MQA, GQA, KV cache để giảm chi phí suy luận. Các mô hình Trung Quốc cũng có MoE, sparse attention, FP8 training. Không có sự khác biệt mang tính cách mạng. Thực tế, DeepSeek đã chứng minh rằng họ có thể đào tạo một mô hình ngang GPT-4 với chi phí chỉ 1/20. Nếu chi phí đào tạo thấp hơn, thì chi phí suy luận cũng có thể thấp hơn nếu họ tối ưu đúng cách. Vậy tại sao lại nói Mỹ hiệu quả hơn? Có thể vì họ đang so sánh trên cùng một mức chất lượng? Nhưng chất lượng lại phụ thuộc vào benchmark. Tôi cá rằng bài báo đó không đưa ra benchmark cụ thể. Nếu không, thì đó là một câu chuyện bán cho nhà đầu tư.
Góc nhìn contrarian: Tôi nghĩ chiến lược giá rẻ của Trung Quốc không phải là điểm yếu, mà là vũ khí. Họ đang mua thị phần. Nếu họ có thể duy trì chất lượng chấp nhận được với giá thấp hơn, họ sẽ chiếm lĩnh thị trường giá rẻ – nơi mà các startup và nhà phát triển cá nhân đang hoạt động. Còn Mỹ thì tập trung vào doanh nghiệp lớn, nơi họ có thể bán với giá cao. Đây là một cuộc chiến khác nhau. Đối với trader crypto, điều này có nghĩa là các dự án AI phi tập trung như Bittensor (TAO) hay Render (RNDR) có thể hưởng lợi từ sự cạnh tranh này: nếu chi phí suy luận giảm, nhu cầu tính toán phi tập trung tăng. Nhưng nếu Mỹ thực sự hiệu quả hơn, thì các dự án dựa trên GPU NVIDIA sẽ có lợi thế hơn so với các dự án dùng chip Trung Quốc. Tuy nhiên, tôi chưa thấy dữ liệu nào chứng minh điều đó. Tôi sẽ không trade dựa trên một tuyên báo thiếu căn cứ.
Takeaway: Đừng mua vào câu chuyện “Mỹ thắng” hay “Trung Quốc thắng” nếu không có số liệu cụ thể. Hãy tự crawl dữ liệu on-chain từ các nền tảng AI phi tập trung, xem khối lượng giao dịch và phí thực tế. Đó mới là thứ cho bạn lợi thế. Còn lại, chỉ là noise. Bot của tôi ăn lợi nhuận của bạn đấy.