Hãy tự hỏi mình điều này trước khi bạn mua thêm một chiếc GPU để 'đào' hoặc 'cho thuê' nó trong năm nay: Liệu bạn có đang mua một cỗ máy đã lỗi thời trước khi nó kịp vận hành hay không?
Tuần qua, giới công nghệ xôn xao trước phát biểu của CEO AWS về sự dịch chuyển lớn trong nhu cầu AI: từ giai đoạn huấn luyện (training) sang giai đoạn suy luận (inference). Nghe thì có vẻ chỉ là chuyện của đám mây trung tâm (cloud), nhưng với những người đang vận hành rig, quản lý DePIN hoặc sở hữu token của các mạng lưới tính toán phi tập trung, đây là một hồi chuông cảnh tỉnh tôi muốn bạn dừng lại và đọc cho kỹ.
Trong bảy ngày qua, khi tôi theo dõi các nhóm Telegram về GPU mining, tôi thấy một sự im lặng kỳ lạ. Không ai bàn về việc AWS vừa công bố điều gì. Mọi người vẫn đang chăm chú nhìn vào biểu đồ giá Bitcoin và tỷ lệ hash. Nhưng chính sự im lặng đó khiến tôi lo lắng. Vì khi một gã khổng lồ như AWS chính thức lên tiếng về sự thay đổi cấu trúc trong nhu cầu phần cứng, điều đó giống như một cơn địa chấn bắt đầu từ tâm chấn mà những người đứng ở ngoại vi — nơi chúng ta đang đứng — sẽ là những người cảm nhận cơn dư chấn rõ rệt nhất.
Bối cảnh để chúng ta hiểu đúng vấn đề: cho đến nay, phần lớn câu chuyện về AI và Crypto xoay quanh việc xây dựng các trung tâm dữ liệu khổng lồ để huấn luyện các mô hình khổng lồ. Các quỹ đầu tư mạo hiểm đổ tiền vào những dự án hứa hẹn kết nối các GPU rời rạc trên toàn thế giới để tạo thành một siêu máy tính phi tập trung. Các thợ đào Bitcoin chuyển hướng sang mua H100, A100 với hy vọng tham gia vào 'cơn sốt vàng' AI. Tuy nhiên, có một sự thật phũ phàng mà ít người trong cộng đồng của chúng ta sẵn sàng đối mặt: huấn luyện là một giai đoạn có điểm kết thúc. Mỗi mô hình lớn chỉ được huấn luyện một lần, hoặc vài lần trong năm. Nhưng suy luận là hoạt động diễn ra liên tục, mỗi giây, mỗi phút, khi người dùng gõ một câu hỏi vào ChatGPT hay một ứng dụng AI tạo sinh hình ảnh.
Và đây là phần cốt lõi mà tôi muốn bạn thực sự suy nghĩ:
Việc chuyển từ tường minh (training) sang suy luận (inference) không chỉ là một sự thay đổi về phần mềm, mà là một sự thay đổi triệt để về kiến trúc và kinh tế phần cứng.
Khi chúng ta nói về training, chúng ta nói về các tác vụ xử lý theo lô lớn (batch processing), nơi mà băng thông bộ nhớ và khả năng tính toán song song được tận dụng tối đa. Các GPU như H100 được thiết kế để làm điều đó. Nhưng khi thế giới chuyển sang inference, câu chuyện lại hoàn toàn khác: độ trễ (latency) là vua. Một API cho chatbot cần phản hồi trong vài trăm mili-giây. Nó không thể xếp hàng trong một lô xử lý khổng lồ. Nó đòi hỏi các giải pháp phần cứng tối ưu hóa cho suy luận, chẳng hạn như NVIDIA L4, A10, hoặc các chip chuyên dụng hơn như Google TPU, hoặc các kiến trúc như Groq. Những con chip này không nhất thiết có FLOPS khổng lồ, nhưng chúng có hiệu suất năng lượng tốt hơn, chi phí vận hành thấp hơn và được thiết kế để phản hồi nhanh.
Trong quá trình tham gia tư vấn cho ba dự án về DePIN và tham gia đánh giá hơn hai mươi mạng lưới tính toán phi tập trung khác nhau, tôi nhận ra một điểm mù lớn: phần lớn các mạng lưới này vẫn đang cố gắng bán 'sức mạnh tính toán thô' theo giờ thuê, giống như bạn cho thuê một cỗ máy xúc để đào móng. Nhưng điều mà thị trường thực sự cần – khi nhu cầu chuyển sang inference – không phải là thuê một cỗ máy xúc, mà là thuê một người thợ xây đã hoàn thiện từng viên gạch, sẵn sàng đặt vào đúng vị trí chỉ trong một cú chạm.
Và nếu bạn vẫn cho rằng các thợ đào hoặc các nhà cung cấp GPU phi tập trung có thể dễ dàng chuyển hướng, hãy xem xét ví dụ của chính tôi. Khi tham gia các buổi hội thảo về blockchain tại Washington DC, tôi từng say sưa nói về việc các thợ đào sẽ trở thành xương sống của AI phi tập trung. Nhưng khi tôi thực sự đi sâu vào việc vận hành các node và thử nghiệm một nền tảng inference, tôi nhận ra mình đã lãng mạn hóa quá nhiều. Inference yêu cầu một chuỗi công cụ phức tạp: bạn cần vLLM, bạn cần TensorFlow Serving, bạn cần một hệ thống điều phối (orchestration) để cân bằng tải giữa hàng ngàn GPU vốn có cấu hình không đồng nhất từ khắp nơi trên thế giới. Đây không phải là việc bạn cắm card vào rig và bật một phần mềm đào coin.
Hơn nữa, các điều kiện để cạnh tranh trong lĩnh vực inference lại đi ngược lại với triết lý phi tập trung mà chúng ta theo đuổi. Inference cần độ trễ cực thấp. Điều đó có nghĩa là các GPU cần phải ở gần người dùng cuối – gần các trung tâm dữ liệu lớn nơi tập trung các doanh nghiệp – chứ không phải nằm rải rác trong các nhà kho ở Iceland hay Texas nơi giá điện rẻ. Điều này tạo ra một lợi thế không thể bàn cãi cho các đám mây tập trung như AWS, Azure, hay Google Cloud. Họ đã có sẵn hạ tầng biên (edge) vô cùng mạnh mẽ. Đặt một mạng lưới GPU phi tập trung vào so sánh này, bạn sẽ thấy một sự thật phũ phàng: chúng ta mang một con dao găm đến một trận chiến mà đối thủ đang dùng súng máy.
Điều này dẫn tôi đến một góc nhìn phản trực giác, có thể khiến nhiều người trong giới khó chịu:
Sự chuyển dịch sang inference có thể không phải là cơ hội, mà là một mối đe dọa hiện hữu cho nhiều mạng lưới GPU phi tập trung đang ngủ quên trên chiến thắng trước đó. Câu chuyện của hai năm qua là 'cho thuê GPU cho AI training' – một câu chuyện đẹp đẽ và dễ bán. Nhưng bây giờ khi thị trường bắt đầu đòi hỏi chất lượng dịch vụ inference, tôi dự đoán rằng phần lớn các mạng lưới này sẽ quay lại và nói: 'Chúng tôi không thể làm điều đó'. Họ không thể cung cấp độ trễ mạnh mẽ, không thể đảm bảo thời gian hoạt động 99,9%, không thể quản lý một hệ thống phân tán phức tạp để phục vụ hàng triệu request mỗi ngày. Họ sẽ trở thành những 'bộ tản nhiệt' đắt tiền, thay vì là một phần của hệ thống tính toán AI toàn cầu.
Và đối với các thợ đào truyền thống? Nếu họ tiếp tục đặt cược vào những chiếc GPU đắt tiền dành riêng cho training, họ có thể sẽ mắc kẹt trong một tài sản đang mất giá nhanh chóng khi nhu cầu cho training suy giảm.
Tôi đã tận mắt chứng kiến sự sụp đổ của các mô hình lạm phát trong lịch sử tiền mã hóa. Nhưng tôi chưa từng thấy một sự lãng phí nào buồn hơn việc một người thợ đào bỏ ra 30.000 USD cho một chiếc H100 mà không có hợp đồng dài hạn, chỉ dựa trên một lời hứa mơ hồ rằng 'AI sẽ cần tất cả sức mạnh tính toán này'. Học đi, đừng chỉ xem biểu đồ. Trong thị trường giảm này, sự sống còn không đến từ việc chạy theo những câu chuyện lớn, mà đến từ việc hiểu chính xác loại hình dịch vụ nào đang được cần và kiến trúc nào có thể thực sự mang lại lợi nhuận.
Hãy nhìn vào các giao thức như Render hoặc Akash. Họ đang phải vật lộn để định vị lại. Nhưng ngay cả những gã khổng lồ này cũng không thể thoát khỏi thực tế: inference là một trò chơi của kỹ sư hệ thống (systems engineers), không phải của các nhà kinh tế token. Nếu một mạng lưới không có một đội ngũ mạnh về machine learning operations (MLOps), nó gần như chắc chắn sẽ bị bỏ lại phía sau.
Trong mùa hè năm 2020, khi tôi dạy khóa học DeFi, tôi từng nói với học viên rằng: 'Nếu bạn không thể giải thích cách một giao thức tạo ra doanh thu trên một tờ giấy trắng, bạn không nên đầu tư vào nó.' Bây giờ tôi muốn nói với các bạn một điều tương tự: Nếu bạn tham gia vào một mạng lưới tính toán AI, bạn phải tự trả lời câu hỏi: 'Mạng lưới này có đội ngũ nào để vận hành một dịch vụ inference đạt chuẩn AWS không?' Nếu câu trả lời là 'không', thì đó không phải là đầu tư, mà là hiến tặng.
Một trong những sai lầm phổ biến là nhầm lẫn giữa 'nhu cầu tính toán' với 'nhu cầu tính toán phi tập trung'. Khi AWS CEO nói rằng nhu cầu đang chuyển sang inference, ông ấy đang nói về một cơ hội hàng chục tỷ đô la. Nhưng cơ hội đó sẽ được hưởng lợi bởi các công ty có thể đáp ứng các yêu cầu nghiêm ngặt về độ trễ, độ tin cậy và sự bảo mật. Trừ khi các dự án DePIN có thể cung cấp một sự khác biệt thực sự, chẳng hạn như các tác vụ inference nhạy cảm với quyền riêng tư, hoặc các mô hình mà doanh nghiệp muốn giữ dữ liệu của họ trên một mạng lưới không bị kiểm soát bởi một thực thể duy nhất – họ sẽ không có đất để đứng.
Tôi nhớ vào năm 2021, khi tôi phát hành bộ sưu tập NFT 'Bản Sắc Số', nhiều người đã chỉ trích tôi vì cho rằng tôi đang thương mại hóa giáo dục. Nhưng điều mà tôi học được từ dự án đó, sâu sắc hơn nhiều so với NFT, đó là việc xây dựng một cộng đồng với các ưu đãi được liên kết dài hạn là điều khó khăn hơn nhiều so với việc phát hành một token. Các mạng lưới tính toán phi tập trung bây giờ đang đối mặt với một vấn đề tương tự, nhưng ở quy mô kỹ thuật phức tạp hơn gấp bội.
Và đây là điều tôi muốn kết thúc bài viết này.
Nếu bạn đang nắm giữ token của một dự án hứa hẹn về AI, hãy đặt câu hỏi: 'Liệu dự án này có đang giải quyết đúng bài toán sau khi thị trường đã chuyển từ training sang inference?' Nếu không, có lẽ đã đến lúc bạn nên nhìn nhận lại ví của mình.
Còn nếu bạn đang sở hữu các GPU và hy vọng chúng sẽ tăng giá trị song song với sự phát triển của AI, tôi có một lời khuyên cuối cùng: Học đi, đừng chỉ xem biểu đồ. Hãy tìm hiểu về cách các mô hình ngôn ngữ lớn được phục vụ, về vLLM và những cách tối ưu hóa inference. Hãy trang bị cho mình kiến thức để chuyển hướng trước khi cơn bão quét qua. Vì trong biển cả mênh mông của thị trường giảm này, không có một hòn đảo nào an toàn cho những ai chưa hiểu về dòng nước. Liệu chúng ta sẽ là những người thích nghi và sống sót, hay là những người bị bỏ lại với những cỗ máy mạnh mẽ nhưng lỗi thời, chạy trong một thế giới không còn cần đến chúng?
Đó là một câu hỏi mà chỉ có thời gian và sự tỉnh táo của chính bạn mới có thể trả lời.