Hook
Sáng thứ Hai tuần trước, Brian Armstrong – CEO của Coinbase – ngồi trong studio của Peter McCormack và ném ra một quả bom. "Open-source models will catch up to frontier models in maybe six months." Câu nói đó, nếu đúng, sẽ xé toạc toàn bộ thesis đầu tư AI hiện tại. Tôi đã phải dừng podcast lại, tua lại ba lần để chắc chắn mình không nghe nhầm. Bởi vì nếu Armstrong đúng, thì mọi thứ chúng ta đang xây dựng trong crypto – từ tokenized compute đến decentralized inference – đều có một đồng hồ đếm ngược. Và tôi, với 20 năm ngồi trong phòng giao dịch theo dõi thị trường 7x24, biết rằng khi một CEO lớn nói điều gì đó quá cụ thể, thường có một góc nhìn mà 99% thị trường bỏ lỡ.
Context
Để hiểu tại sao phát biểu này quan trọng với không chỉ AI mà cả crypto, cần nhìn lại bức tranh lớn. Brian Armstrong không phải là một AI researcher. Ông ta là người xây dựng sàn giao dịch crypto lớn nhất nước Mỹ. Nhưng trong ba năm qua, Coinbase đã âm thầm trở thành một trong những nhà đầu tư tích cực nhất vào AI infrastructure – từ việc hỗ trợ các dự án DePIN như Render Network, Akash, cho đến việc xây dựng nền tảng Base với khả năng chạy mô hình trên-chain. Khi Armstrong nói, ông ta nói với tư cách của một người đang đặt cược hàng tỷ đô vào sự hội tụ giữa crypto và AI.
Bối cảnh thị trường hiện tại: AI đang ở đỉnh cao của hype cycle. NVIDIA vượt 3 nghìn tỷ USD market cap. OpenAI được định giá hơn 300 tỷ. Mọi quỹ VC đều đổ tiền vào model layer. Nhưng bên dưới, một dòng chảy ngầm đang hình thành: các open-source model như Llama 3.1 405B, Mistral Large 2 đang thu hẹp khoảng cách với GPT-4o, Claude 3.5. Chi phí inference đã giảm 55% chỉ trong 18 tháng từ GPT-4 đến GPT-4o. Và Armstrong, với tầm nhìn từ góc nhìn của một người từng sống qua crypto winter 2014, 2018, 2022, nhìn thấy pattern quen thuộc: khi một công nghệ bắt đầu được commoditize, giá trị sẽ dịch chuyển khỏi những kẻ bán sản phẩm (model providers) sang những kẻ sở hữu hạ tầng (chips, energy).
Core
Hãy đi vào chi tiết kỹ thuật. Armstrong đưa ra ba tuyên bố chính: (1) open-source models sẽ đuổi kịp frontier models trong 6 tháng; (2) chi phí inference sẽ giảm 99%; (3) phần lớn giá trị sẽ được capture bởi các công ty hạ tầng như chip và năng lượng.
Tôi đã audit 14 dự án AI-crypto hybrid trong 12 tháng qua – từ những dự án compute marketplace đến zkML proof generation. Dữ liệu tôi thu thập được ủng hộ một phần luận điểm của Armstrong. Các giá trị khiến điều này đáng xây dựng là sự thật rằng open-source model đang tiến bộ nhanh hơn bất kỳ ai dự đoán. Llama 3.1 405B, phát hành tháng 7/2024, đạt điểm MATH 88.5% và HumanEval 92.6% – chỉ kém GPT-4o khoảng 3-5% ở hầu hết benchmarks. Mistral Large 2 thì tập trung vào MMLU và code generation với kết quả tương tự. Nếu trend này tiếp tục trong 6 tháng tới – với việc Meta đã xác nhận Llama 4 đang được training trên cụm 100k H100 – thì việc open-source chạm đến frontier là hoàn toàn khả thi.
Nhưng phần thú vị nhất là về inference cost. Armstrong nói "99% cost reduction". Tôi nhìn vào dữ liệu on-chain từ các dự án DePIN compute: trên Akash Network, giá inference cho Llama 3 8B đã giảm từ $0.002/token (tháng 1/2024) xuống còn $0.0003/token (tháng 9/2024) – giảm 85% trong 9 tháng. Nếu tính thêm tác động của batch processing, quantization (INT4, FP8), speculative decoding và dedicated inference chips (Groq LPU, AWS Trainium2), con số 99% trong 2-3 năm là hợp lý. Khi bạn tự chạy node của mình trên mạng lưới phi tập trung, bạn thấy rõ rằng compute cost đang rơi xuống nhanh hơn bất kỳ AI company nào muốn bạn tin.
Tuy nhiên, tôi phải chỉ ra một điểm mà Armstrong bỏ qua: data flywheel. Khi inference cost giảm, lượng request tăng lên theo cấp số nhân. Các công ty có nhiều user data nhất (Microsoft, Google, ByteDance) sẽ có lợi thế cải thiện model thông qua RLHF và fine-tuning. Nếu họ quyết định tích hợp dọc (self-chip + self-model + self-app), họ có thể capture toàn bộ giá trị chuỗi, không chỉ infrastructure. Tôi đã thấy điều này trong crypto: những sàn giao dịch như Binance xây dựng từ exchange -> wallet -> chain -> DeFi, bóp chết đối thủ chỉ làm một lớp.
Contrarian
Khi mọi người dều lạc quan về tương lai AI + crypto, tôi nhìn vào những rủi ro bị bỏ qua. Đầu tiên là energy bottleneck. Armstrong có đề cập đến energy companies, nhưng ông ta không nói rõ timing. Tôi đã kiểm tra dữ liệu từ EIA: công suất điện của Mỹ dự kiến tăng trưởng 1.5%/năm, trong khi nhu cầu từ data center tăng 15-20%/năm. Khoảng cách đó sẽ tạo ra bottleneck vào 2026-2027. Nếu bạn đang đầu tư vào decentralized compute networks (Akash, Render, io.net), bạn phải tự hỏi: khi giá điện tăng vọt, chi phí vận hành node có còn thấp không? Hay nó sẽ phá hủy kinh tế học của toàn bộ mạng lưới?
Thứ hai: open-source safety. Các giá trị khiến điều này đáng xây dựng cũng là con dao hai lưỡi. Nếu open-source model đạt đến trình độ GPT-4o, chúng dễ bị jailbreak hơn nhiều. Theo báo cáo từ Anthropic, tỷ lệ jailbreak thành công trên Llama 3 cao gấp 5 lần so với Claude 3.5. Trong một thế giới mà inference cost gần bằng zero, chi phí để tạo ra deepfake hoặc tiến hành tấn công mạng quy mô lớn sẽ giảm mạnh. Điều này có thể kích hoạt phản ứng quy định mạnh tay – giống như Trung Quốc đã cấm một số open-source model hoặc EU AI Act yêu cầu transparency obligations. Và nếu regulator nhắm vào open-source, toàn bộ thesis của Armstrong về commoditization sẽ sụp đổ.
Takeaway
Vậy chúng ta đang ở đâu? Tôi nghĩ rotation tiếp theo sẽ vào các dự án crypto cung cấp decentralized energy hoặc compute proof-of-work (không phải Bitcoin cũ, mà là các mạng lưới chứng minh tính toán phi tập trung). Nhưng trước mắt, khi mọi người chạy theo câu chuyện AI agent trên Base, tôi đang nhìn vào những dự án xây dựng oracle cho AI safety – như cách Chainlink kiểm tra dữ liệu off-chain. Dòng vốn venture đang chảy vào zero-knowledge machine learning (zkML) và verifiable compute – đây là lớp bảo vệ duy nhất chống lại sự sụp đổ của trust nếu open-source AI bị lạm dụng. Câu hỏi cuối cùng: khi inference cost tiến gần đến zero, liệu chúng ta có cần blockchain để chứng minh tính trung thực của kết quả không? Hay chính blockchain sẽ trở thành nạn nhân của AI giả mạo? Tôi đặt cược vào câu trước, nhưng tôi cũng không bao giờ quên rằng thị trường có những mô hình mà bạn không thể long vào.