Hook
Ba ngày trước, Alibaba phát hành Qwen3.8-Max – mô hình ngôn ngữ lớn 2,4 nghìn tỷ tham số, tuyên bố ‘đứng thứ hai thế giới’, chỉ sau Fable 5 của Anthropic. Con số 2,4 nghìn tỷ như một tia chớp xé toang bầu trời xám xịt của thị trường công nghệ Trung Quốc. Nhưng liệu ánh chớp ấy có đủ sức thắp sáng một con đường mới cho ngành công nghiệp blockchain – nơi những dự án AI phi tập trung như Bittensor, Render hay Akash đang loay hoay tìm chỗ đứng? Hay giống như NFT năm 2021, rực rỡ trong tích tắc rồi để lại bầu trời đen đầy nghi ngờ?
Context
Sự kiện này không xảy ra trong chân không. Chỉ vài ngày trước, Moonshot – một startup AI Trung Quốc – công bố Kimi K3 với 2,8 nghìn tỷ tham số, khiến cổ phiếu công nghệ toàn cầu rung chuyển. Cả Alibaba lẫn Moonshot đều hướng đến mục tiêu cạnh tranh trực tiếp với GPT-4o và Claude 3.5. Nhưng điều đáng chú ý với giới crypto không nằm ở con số tham số khổng lồ, mà ở chiến lược ‘open weight’ – phát hành trọng số mô hình cho cộng đồng. Quyết định này mở ra cánh cửa cho các nhà phát triển blockchain có thể triển khai mô hình AI tiên tiến trên các mạng lưới phi tập trung mà không cần phụ thuộc vào API tập trung. Trong khi đó, việc huấn luyện những mô hình như vậy đòi hỏi hàng chục nghìn GPU H100 – một nguồn tài nguyên khan hiếm đang thúc đẩy nhu cầu đối với các thị trường điện toán phi tập trung như Render Network hay Akash. Sự kết hợp giữa nhu cầu tính toán khổng lồ và chiến lược mở tạo ra một điểm uốn đầy hứa hẹn, nhưng cũng ẩn chứa những cái bẫy không dễ nhìn thấy.
Core
Đi sâu vào tuyên bố 2,4 nghìn tỷ tham số, cần nhìn qua lăng kính phân tích kỹ thuật. Con số này gần như chắc chắn là tổng tham số của kiến trúc Mixture-of-Experts (MoE), chứ không phải số tham số kích hoạt trong mỗi lần suy luận. Điều đó có nghĩa là hiệu quả thực tế có thể thấp hơn nhiều so với ấn tượng ban đầu. Quan trọng hơn, Alibaba không công bố điểm benchmark độc lập, không tiết lộ kích thước dữ liệu huấn luyện, và tuyên bố ‘thứ hai’ chỉ dựa trên một đối thủ duy nhất – Fable 5 – cũng chưa từng được kiểm chứng công khai. Đối với một nhà quan sát vĩ mô như tôi, điều này gợi nhớ đến cơn sốt ICO năm 2017: ai cũng khoe whitepaper hoành tráng, nhưng ít ai sống sót qua mùa đông. Khi đó tôi 24 tuổi, đầu tư 5.000 USD vào OmiseGO, tin vào lời hứa ‘tài chính phi tập trung hóa’, và mất 90% khi thị trường sụp đổ. Bài học nhói lòng: không phải công nghệ, mà là dòng thanh khoản và tâm lý đám đông mới quyết định tất cả. Bây giờ, khi nghe ‘2,4 nghìn tỷ tham số’, tôi tự hỏi: liệu đây có phải là một ‘whitepaper khổng lồ’ khác?
Tuy nhiên, từ góc nhìn blockchain, có hai tín hiệu đáng chú ý. Thứ nhất, nhu cầu GPU cho huấn luyện mô hình quy mô nghìn tỷ tham số là có thật. Theo ước tính từ các báo cáo nội bộ tôi từng tham gia, huấn luyện một mô hình như Qwen3.8-Max cần ít nhất 10.000 GPU H100 trong 3-4 tháng, chi phí điện năng và hạ tầng lên tới hàng trăm triệu USD. Điều này tác động trực tiếp đến giá trị của các token liên quan đến tính toán: Render (RNDR) cho đồ họa, Akash (AKT) cho điện toán đám mây phi tập trung, và thậm chí cả Filecoin (FIL) cho lưu trữ dữ liệu huấn luyện. Thị trường đã phản ứng: trong 48 giờ sau thông báo, AKT tăng 12%, RNDR tăng 8% – dấu hiệu cho thấy dòng tiền đang đặt cược vào ‘cơn khát GPU’ sẽ kéo dài.
Thứ hai, chiến lược ‘open weight’ của Alibaba tạo ra cơ hội cho các dự án AI phi tập trung. Một mô hình mạnh với trọng số công khai có thể được tải về và chạy trên các mạng lưới ngang hàng. Ví dụ, Bittensor (TAO) – một mạng lưới đào tạo AI phi tập trung – có thể tích hợp Qwen3.8-Max như một mô hình cơ sở, cho phép các miner tinh chỉnh và phục vụ suy luận. Không còn phải phụ thuộc vào OpenAI hay Google, cộng đồng crypto có thể sở hữu một ‘GPT-4 level model’ mà không cần xin phép. Đây chính là giấc mơ về ‘AI mở’ mà nhiều dự án đã theo đuổi từ lâu, nhưng đến nay vẫn thiếu một mô hình đủ mạnh để thực sự cạnh tranh. Qwen3.8-Max, nếu được kiểm chứng độc lập, có thể là chất xúc tác.
Tuy nhiên, có một điểm mù lớn: Alibaba vẫn là một công ty niêm yết trên sàn chứng khoán Mỹ, chịu sự kiểm soát của chính phủ Trung Quốc. Mô hình ‘open weight’ của họ có thể bị giới hạn bởi các quy định về an toàn nội dung. Liệu trọng số phát hành có bị cắt xén để tuân thủ chính sách kiểm duyệt? Năm 2022, trong đợt sụp đổ của Terra và FTX, tôi đã học được rằng sự phụ thuộc vào các thực thể tập trung luôn tiềm ẩn rủi ro hệ thống. ‘Open weight’ không có nghĩa là ‘open governance’. Nếu Alibaba quyết định thu hồi quyền truy cập hoặc cập nhật phiên bản hạn chế hơn, các dự án blockchain dựa trên mô hình đó sẽ gặp rủi ro. Câu hỏi đặt ra: liệu cộng đồng crypto có thể fork một mô hình AI không? Về mặt kỹ thuật, có thể, nhưng rất tốn kém và phức tạp.
Contrarian
Trái ngược với sự phấn khích, tôi cho rằng tuyên bố của Alibaba giống một phát súng lệnh trong cuộc đua vũ trang tham số hơn là một cột mốc công nghệ thực sự. Hãy nhìn lại lịch sử: từ mô hình hàng trăm triệu tham số (BERT) lên hàng tỷ (GPT-3), rồi nhảy vọt lên nghìn tỷ (Qwen3.8-Max, Kimi K3). Hiệu suất trên các benchmark tiêu chuẩn không tăng tuyến tính với số tham số. Thực tế, các mô hình nhỏ hơn nhưng được tối ưu tốt (ví dụ: Mistral 7B, Phi-3) đã đạt kết quả ấn tượng với chi phí thấp hơn nhiều. Cuộc đua nghìn tỷ tham số có thể là một cái bẫy marketing, tương tự như cuộc đua ‘TPS cao nhất’ trong blockchain năm 2020. Khi đó, các dự án Layer 1 khoe hàng chục nghìn TPS, nhưng thực tế vẫn ùn tắc khi có một NFT drop. Điều tương tự có thể xảy ra với AI: tham số nhiều nhưng hiệu quả suy luận thấp, chi phí vận hành cao, và không có ứng dụng thực tế đột phá.
Đối với blockchain, điều này có nghĩa là các dự án AI phi tập trung cần thận trọng. Đừng vội nhảy vào ‘hype’ chỉ vì một mô hình nghìn tỷ tham số. Chi phí để vận hành suy luận trên mạng lưới phi tập trung (với hàng trăm node) có thể cao hơn gấp nhiều lần so với sử dụng API tập trung, làm mất đi lợi thế cạnh tranh. Hơn nữa, nếu các mô hình mã nguồn mở nhỏ hơn (như Llama 3 70B) đã đủ tốt cho hầu hết tác vụ, thì việc chạy Qwen3.8-Max trở nên lãng phí. Trong thị trường tăng hiện tại, cảm xúc FOMO đang che lấp những lỗ hổng kỹ thuật này.
Takeaway
Qwen3.8-Max vừa là cơ hội vừa là lời cảnh báo. Cơ hội nằm ở nhu cầu GPU tăng cao, thúc đẩy giá trị token tính toán và mở ra cánh cửa cho ‘AI mở’ trên blockchain. Lời cảnh báo là: tham số không phải là hiệu năng, và sự phụ thuộc vào các công ty tập trung vẫn là rủi ro chưa được giải quyết. Khi bầu trời thanh khoản toàn cầu đang chuyển màu dưới chính sách của Fed, liệu những tia chớp nghìn tỷ tham số này có đủ sáng để dẫn lối, hay chỉ là ánh chớp làm hoa mắt trước một cuộc đổ bộ của bóng tối?