Hook: Một con số đáng chú ý từ on-chain
Tuần trước, tổng công suất tính toán trên mạng Akash Network tăng vọt 30%, chạm mức 4.2 triệu đơn vị xử lý ảo (vCPU) – cao nhất lịch sử. Đồng thời, Bristol Myers Squibb (BMS), một trong những hãng dược phẩm lớn nhất thế giới, vừa xác nhận là khách hàng đầu tiên của hệ thống Vera Rubin DGX SuperPOD từ Nvidia – cỗ máy tính toán AI đắt đỏ và mạnh mẽ nhất hiện nay. Hai sự kiện tưởng chừng không liên quan này vẽ nên một bức tranh rõ ràng: cuộc chiến giành quyền kiểm soát sức mạnh tính toán AI đang bước vào giai đoạn mới. Và với tư cách một Data Detective, tôi thấy những tín hiệu on-chain cho thấy mô hình tập trung đang đối mặt với thách thức chưa từng có.
Context: Khi Big Pharma chọn đường riêng
BMS là hãng dược phẩm đa quốc gia có doanh thu hàng chục tỷ đô. Họ quyết định đầu tư vào AI để rút ngắn thời gian phát triển thuốc – vốn mất 10-15 năm và hàng tỷ đô. Việc mua hệ thống Vera Rubin DGX SuperPOD (dựa trên kiến trúc thế hệ mới, còn mạnh hơn cả Blackwell) cho thấy họ muốn sở hữu năng lực tính toán độc quyền, thay vì thuê từ đám mây. Từ góc nhìn phân tích dữ liệu, tôi hiểu rõ lợi ích: tốc độ, quyền riêng tư dữ liệu bệnh nhân, và khả năng tùy chỉnh. Nhưng tôi cũng thấy một vết nứt lớn: sự phụ thuộc vào một nhà cung cấp duy nhất (Nvidia) và rủi ro công nghệ lỗi thời nhanh chóng. Trong lịch sử, các hệ thống tập trung kiểu này thường trở thành “con voi trắng” sau 2-3 năm, khi thế hệ chip mới ra đời. Điều này gợi nhớ cho tôi câu chuyện về những ICO năm 2017 – khi ai cũng nghĩ mình có một “cỗ máy in tiền” nhưng thực tế chỉ là ảo ảnh.
Core: Phân tích dữ liệu on-chain – Đối thủ đến từ DePIN
Để hiểu sự khác biệt, tôi sẽ đưa ra một vài con số cụ thể từ các mạng lưới DePIN (Decentralized Physical Infrastructure Networks) – hệ thống hạ tầng vật lý phi tập trung.
- Akash Network: Với hơn 1.200 nhà cung cấp trên toàn cầu, giá thuê GPU trên Akash trung bình chỉ 0.12 USD/giờ cho một card tương đương A100, trong khi chi phí vận hành một DGX SuperPOD (ước tính 500 GPU Vera Rubin) là khoảng 10.000 USD/giờ cộng với điện năng, làm mát và nhân sự. Nếu BMS chỉ cần tính toán 8.000 giờ/năm, chi phí sẽ lên tới 80 triệu USD chưa kể bảo trì. Thuê từ Akash với cùng khối lượng chỉ tốn 1,5 triệu USD – rẻ hơn 53 lần.
- Render Network: Mạng lưới render đồ họa đã mở rộng sang AI, với 42.000 node và công suất tăng 45% trong quý trước. Dữ liệu on-chain cho thấy số lượng tác vụ AI tăng 300% từ tháng 6 đến tháng 9 năm nay.
- Filecoin & Bacalhau: Các mạng lưu trữ và compute phi tập trung đã xử lý 15 triệu công việc tính toán cho các thuật toán học máy trong năm nay, tăng gấp đôi so với năm trước.
Tôi muốn nhấn mạnh rằng dữ liệu on-chain không hề cảm xúc. Chúng chỉ đơn giản kể một câu chuyện: trong khi Big Pharma đặt cược vào sự tập trung, thì hàng ngàn node rải rác khắp thế giới đang chứng minh rằng tính toán phi tập trung có thể cạnh tranh về cả chi phí lẫn hiệu năng. Đặc biệt, các mạng này có khả năng tận dụng phần cứng nhàn rỗi – giống như Uber dùng xe cá nhân, thay vì sở hữu cả đội xe. Đây là bài học mà tôi đã rút ra từ DeFi Summer 2020: khi các sàn giao dịch phi tập trung (DEX) vượt qua centralized exchanges về khối lượng giao dịch, nhờ chi phí thấp và tự do không cần cấp phép. Giờ đây, DePIN có thể làm điều tương tự với tính toán AI.
Contrarian: Sự thật phản trực giác – Mạnh nhất chưa chắc tốt nhất
Nhiều người sẽ nói: “BMS cần hiệu năng tối đa để train những mô hình khổng lồ. Phi tập trung không thể đáp ứng được.” Nhưng đó là một điểm mù. Hãy nhìn vào lịch sử siêu máy tính: Cray-1 từng mạnh nhất thế giới, giờ chỉ là đồ cổ. Cụm Vera Rubin cũng sẽ lỗi thời trong vòng 3-4 năm khi Nvidia ra kiến trúc mới. Trong khi đó, một mạng lưới node phi tập trung có thể liên tục nâng cấp linh hoạt: người dùng tự trang bị GPU mới, mạng lưới tự cân bằng. Nó giống như Bitcoin – dù phần cứng đào có thay đổi, mạng vẫn sống. Hơn nữa, rủi ro tập trung dữ liệu là rất lớn. Nếu hệ thống của BMS bị tấn công hoặc hỏng hóc, toàn bộ quy trình phát triển thuốc dừng lại. Với DePIN, không có single point of failure. Tôi từng chứng kiến điều này trong thị trường NFT: những người mua CryptoPunks với giá cao bất thường lại chính là những người bị wash trading lừa – bởi họ tin vào “giá trị thương hiệu” hơn là dữ liệu. Big Pharma đang lặp lại sai lầm đó: họ tin vào sức mạnh thương hiệu Nvidia mà quên rằng công nghệ phi tập trung có thể mang lại khả năng phục hồi và bền vững hơn.
Takeaway: Tín hiệu cho tuần tới
Tuần tới, tôi sẽ theo dõi chặt chẽ ba chỉ số on-chain: 1. Khối lượng giao dịch trên Akash và Render – nếu xu hướng tăng 30% trở lên, đó là dấu hiệu các doanh nghiệp bắt đầu thử nghiệm. 2. Số lượng tác vụ AI trên Filecoin Bacalhau – nếu vượt mốc 500.000 tuần, chúng ta sẽ thấy một sự thay đổi quan trọng. 3. Giá trị staking trên các mạng DePIN – vì nó phản ánh niềm tin của nhà đầu tư dài hạn.
Câu hỏi tôi để lại cho bạn đọc: Liệu một ngày nào đó, các hãng dược phẩm sẽ mua sức mạnh tính toán từ hàng ngàn chiếc GPU do người dùng cá nhân sở hữu, giống như họ thuê xe từ Uber thay vì mua cả một đội xe? Dữ liệu không cảm xúc, nhưng tôi thì có – và tôi tin rằng câu trả lời là Có.