Một hệ thống AI vừa gắn nhãn một bài viết về chuyển nhượng cầu thủ Bruno Guimaraes thành "game/giải trí/metaverse". Độ tin cậy: thấp. Bài viết gốc không có một từ nào về metaverse. Chỉ là một bản tin hai đoạn văn nói rằng Arsenal sắp đạt thỏa thuận mua tiền vệ người Brazil từ Newcastle. Thế mà báo cáo phân tích – được tạo ra từ chính hệ thống đó – dài hơn ba nghìn từ, với các bảng đánh giá rủi ro, danh sách cơ hội, và một watchlist các tín hiệu cần theo dõi.
Tôi đọc báo cáo đó và cười. Nhưng sau đó tôi nhận ra: nền công nghiệp blockchain của chúng ta đang sản xuất ra những "phân tích" như vậy mỗi ngày. Và điều đáng sợ nhất, nó không bị coi là một vấn đề.
Tôi đã dành mười sáu năm trong lĩnh vực này. Tôi đã đốt tay với EOS RAM năm 2018, kiếm tiền từ Uniswap v1 năm 2020, mất 30% danh mục trong vụ Luna sụp đổ năm 2022, viết MEV bot bằng Rust năm 2023, và tìm ra lỗ hổng nghiêm trọng trong một giao thức restaking năm 2025. Tất cả những kinh nghiệm đó dạy tôi một bài học duy nhất: Dữ liệu bẩn không tạo ra một lỗi nhỏ. Nó tạo ra một cảm giác an toàn giả tạo, rồi cướp đi mọi thứ của bạn.
Crypto Briefing là một trang tin về blockchain. Trong những năm bear market, các trang tin như vậy phải chật vật để kiếm traffic. Họ bắt đầu đăng mọi thứ có thể thu hút độc giả: tin thể thao, tin giải trí, thậm chí cả tin chính trị. Điều đó giải thích vì sao họ đăng một bài chuyển nhượng bóng đá. Nhưng nó không giải thích được vì sao một hệ thống phân tích – được thiết kế để đánh giá nội dung blockchain – lại biến một bản tin thể thao thành một đối tượng phân tích "metaverse" một cách nghiêm túc.
Hãy nhìn vào cấu trúc báo cáo: nó có chín khía cạnh, từ sản phẩm đến quy định, từ công nghệ đến toàn cầu hóa. Tác giả báo cáo – người vận hành hệ thống AI – đã phải thừa nhận rằng bài viết gốc không xứng đáng với bất kỳ khía cạnh nào. Điểm số đưa ra: 1/5 cho độ phong phú thông tin, 1/5 cho độ sâu chuyên môn. Vậy mà hệ thống vẫn tiếp tục tạo ra các bảng phân tích rủi ro, xếp hạng các mối đe dọa tiềm ẩn, thậm chí còn đưa ra các khuyến nghị về cơ hội đầu tư. Đây chính là thứ tôi gọi là "phân tích mà không có phân tích".
Trong giao dịch, chúng tôi có một câu nói: "Garbage in, garbage out." Nhưng vấn đề không chỉ là bạn đưa rác vào thì nhận rác ra. Vấn đề nghiêm trọng hơn: một hệ thống có cấu trúc chặt chẽ, trình bày đẹp đẽ, với các bảng biểu và xếp hạng, sẽ khiến người đọc tin rằng nó có giá trị – ngay cả khi toàn bộ nội dung được xây dựng trên một sai lầm từ bước đầu tiên.
Tôi đã rơi vào cái bẫy tương tự năm 2018. EOS vừa ra mắt mainnet. RAM – bộ nhớ của mạng lưới – được định giá bằng một đường cong Bonding. Giá tăng từ 0.1 EOS/KB lên 0.9 EOS/KB trong vài tuần. Các bài phân tích trên mạng đều nói về một "cơ chế định giá thông minh", về "sự khan hiếm tài nguyên". Tôi không hiểu bonding curve hoạt động thế nào, nhưng tôi nhìn vào biểu đồ và thấy nó đang đi lên. Tôi mua 1000 EOS RAM ở đỉnh. Hai tuần sau, giá giảm 80%.
Lúc đó tôi nghĩ: mình chỉ không may mắn. Nhưng sau khi dành hai tháng viết bot backtest để mô phỏng toàn bộ lịch sử giao dịch RAM, tôi nhìn thấy sự thật: giá RAM lao dốc vì nó đã bị đẩy lên quá cao so với nhu cầu thực tế – một sản phẩm phụ tự nhiên của mechanism bonding curve khi người mua chỉ chơi sự khan hiếm mà không nhìn vào việc họ đang mua cái gì. Tôi không kiểm tra cấu trúc. Tôi chỉ nhìn vào biểu đồ. Và tôi đã trả giá.
Bây giờ, hãy tưởng tượng một hệ thống AI lớn hơn, xử lý hàng trăm nghìn bài viết mỗi ngày, phân loại chúng thành các chủ đề đầu tư, gắn nhãn các dự án. Nó cũng giống như tôi năm 2018 – nhưng ở quy mô công nghiệp. Nó nhìn thấy từ "metaverse" trong một bài viết về bóng đá, nó không biết đó là một khái niệm riêng biệt. Với nó, tất cả chỉ là một đám dữ liệu không rõ ràng. Kết quả: một nhãn dán sai, và từ đó là một chuỗi các kết luận sai.
Khi tôi nói chuyện với các nhà đầu tư trẻ, tôi thấy họ ngày càng phụ thuộc vào các công cụ AI để đưa ra quyết định. Họ dùng chatbot để "phân tích" một đồng coin. Họ dùng các trang web xếp hạng tự động để chọn dự án. Họ tin tưởng các chỉ số được hiển thị trên màn hình, bởi vì chúng có màu xanh, có biểu đồ, có đánh giá 9/10 từ một "thuật toán". Nhưng họ không hỏi: thuật toán đó đã nhìn thấy dữ liệu gì? Ai đã gắn nhãn dữ liệu đó? Và liệu nó có thể phân biệt được một bản tin chuyển nhượng bóng đá với một bản tin về một dự án thực tế?
Tôi không nói rằng AI vô dụng. Năm 2023, tôi viết một bot MEV bằng Rust. Nó quét mempool, thực hiện sandwich attacks và flash loan arbitrage. Trong sáu tháng, nó kiếm được 4 ETH từ 10 ETH vốn ban đầu – tức 40%. Tôi vẫn còn dùng những kỹ thuật học từ việc xây dựng bot đó cho đến bây giờ. Nhưng bot của tôi có một sự khác biệt lớn so với các hệ thống AI phổ biến khác: tôi biết chính xác dữ liệu nó xử lý là gì. Tôi viết mã nguồn của nó. Tôi kiểm tra từng log. Khi nó bỏ qua một cơ hội vì một địa chỉ pool bị nhầm lẫn, tôi ngồi xuống và điều chỉnh. Và ngay cả khi vậy, tôi vẫn không bao giờ để nó giao dịch mà không có sự giám sát.
Năm 2025, tôi được giao nhiệm vụ audit một giao thức restaking. Trong lúc chạy fuzz testing, tôi tìm thấy một lỗ hổng trong cơ chế slashing – một kịch bản có thể khiến người dùng mất toàn bộ số tiền đặt cược. Tôi đã báo cáo và được thưởng 50,000 đô la. Lỗi đó được vá trước khi mainnet ra mắt. Nếu tôi tin vào một hệ thống phân tích tự động – thứ có thể đánh giá dự án dựa trên các bài viết, mà không thực sự đọc mã nguồn – tôi có thể đã không bao giờ tìm ra lỗ hổng đó. Bởi vì mọi báo cáo bên ngoài đều có thể nói tốt về giao thức. Marketing cũng nói tốt. Trang web nói tốt. Nhưng mã nguồn nói một điều khác.
Có một minh chứng ngược lại. Năm 2020, sau thất bại EOS, tôi quay lại Ethereum với 5 ETH còn lại. Tôi làm liquidity provider trên Uniswap v1, pool ETH/DAI. Lúc đó tôi chưa hiểu hết về impermanent loss. Nhưng tôi đã kiểm tra hợp đồng của Uniswap v1 – một hợp đồng rất đơn giản, minh bạch. Tôi thấy dòng tiền từ phí giao dịch. Khi COMP farming bùng nổ, volume pool tăng vọt, và tôi thu về 12 ETH phí sau ba tháng. Sự khác biệt giữa năm 2018 và 2020 không nằm ở may mắn. Nằm ở việc tôi dừng chạy theo các biểu đồ, bắt đầu đọc hợp đồng, tính toán impermanent loss trước khi vào lệnh. Với EOS RAM, tôi chỉ nhìn vào giá. Với Uniswap, tôi nhìn vào mã nguồn, nhìn vào thanh khoản, nhìn vào lịch sử giao dịch. Tôi vẫn hành động nhanh, nhưng hành động nhanh dựa trên sự xác minh.
Điều này đưa chúng ta đến một nghịch lý: Trong một thị trường mà thông tin ngày càng trở nên dồi dào và được xử lý bởi các cỗ máy thông minh, thì khả năng quan trọng nhất lại là kỹ năng của con người – khả năng tự kiểm tra, tự đặt câu hỏi, và nói "không" với một báo cáo được trình bày đẹp đẽ.
Nhiều người sẽ bảo tôi: Đây chỉ là một trường hợp gắn nhãn sai. Cải thiện mô hình là xong. Tôi không nghĩ vậy. Sai sót này không phải là bug. Nó là một đặc điểm phản ánh bản chất của nền công nghiệp blockchain. Chúng ta tạo ra một lượng lớn nội dung – các trang tin cần traffic, các dự án cần marketing, các quỹ cần câu chuyện. Và tất cả những nội dung này đều được tạo ra để điều hướng sự chú ý, không phải để phản ánh sự thật.
Hãy nhìn vào cách các quỹ VC nói về "sự phân mảnh thanh khoản". Họ viết những bài phân tích dài, đầy biểu đồ, giải thích tại sao thanh khoản phân tán là một vấn đề khủng khiếp. Sau đó, họ giới thiệu một sản phẩm giải quyết vấn đề đó. Thực tế, "phân mảnh thanh khoản" chỉ là một câu chuyện được dựng lên để bán sản phẩm. Nếu thanh khoản phân tán là vấn đề, thì cơ chế thị trường tự do sẽ giải quyết nó – nhưng chúng ta cần một câu chuyện để thuyết phục nhà đầu tư bỏ tiền. Các trang tin cũng vậy. Họ không tạo ra nội dung vì nội dung đó có giá trị. Họ tạo ra nội dung vì nội dung đó thu hút sự chú ý. Một bài viết về chuyển nhượng bóng đá trên Crypto Briefing không phải là một sai lầm. Nó là một cách để tận dụng từ khóa "Arsenal", "Premier League" để hút traffic từ các kết quả tìm kiếm thể thao.
Và AI hấp thụ tất cả những điều đó. Nó học rằng "metaverse" xuất hiện vài lần trong các văn bản, rằng "game" liên quan đến nhiều chủ đề, và rằng các bài viết có cấu trúc "bóng đá" thường thu hút sự chú ý. Vì vậy, khi gặp một bài viết như thế, nó tạo ra một nhãn dán – không phải từ sự hiểu biết, mà từ các mẫu thống kê của những gì con người đã tạo ra trước đó. Đây là vòng lặp phản hồi nguy hiểm nhất: con người tạo ra nội dung sai lệch, AI học từ nội dung đó, rồi AI tạo ra thêm nội dung sai lệch, và con người tin nó bởi vì nó được trình bày bởi AI.
Trong một thị trường tăng, vòng lặp này trở nên đặc biệt nguy hiểm. FOMO là chất xúc tác. Mọi người tìm kiếm các dự án "tiềm năng". AI đưa ra các gợi ý. Mọi người đầu tư. Dự án có thể là một trò lừa đảo, nhưng AI không phát hiện ra – bởi vì nó chỉ nhìn vào văn bản, còn mã nguồn của trò lừa đảo thì luôn được viết bởi những kẻ biết cách ẩn giấu.
Tôi đã chứng kiến sự sụp đổ của Luna năm 2022. Tôi đã mất 30% danh mục đầu tư vì tin vào lãi suất 20% của Anchor Protocol. Nhưng sau khi tôi dành một tháng reverse-engineer cơ chế Luna-UST từ hợp đồng thông minh, tôi nhận ra rằng không có một công cụ AI nào có thể cứu tôi trong vụ đó. Bởi vì vấn đề không nằm ở dữ liệu văn bản. Vấn đề nằm ở một vòng xoáy kinh tế không thể duy trì, nằm trong thiết kế của cơ chế, mà chỉ có việc đọc mã nguồn mới có thể tiết lộ. Chính vì vậy, khi tôi nhìn thấy một báo cáo AI với đầy đủ bảng biểu và kết luận, tôi không hỏi "kết luận này có đúng không". Tôi hỏi: "AI đã nhìn thấy gì để tạo ra kết luận này? Dữ liệu đầu vào có được xác minh không? Ai đã gắn nhãn cho những dữ liệu đó?" Và trong hầu hết các trường hợp, câu trả lời là: không có ai xác minh cả.
Tôi vẫn tin vào các cơ chế minh bạch, dựa trên dữ liệu có thể kiểm chứng. RetroPGF của Optimism là một ví dụ. Nó không hoàn hảo, nhưng nó dựa trên dữ liệu on-chain, nơi mọi đóng góp có thể được xác minh. Trong một thế giới đầy rẫy những báo cáo AI dựa trên văn bản bẩn, các cơ chế minh bạch như vậy là một luồng gió mát. Còn những ủy ban grant kiểu "bình chọn cộng đồng" mà không có dữ liệu vận hành rõ ràng? Tôi đã thấy quá nhiều dự án kiểu đó. Chúng không khác gì một ván bài với những lá bài đã được đánh dấu sẵn từ trong hậu trường.
Trong giao dịch, có một nguyên tắc bất biến: Position sizing và risk management quan trọng hơn prediction. Tôi không biết điều gì sẽ xảy ra với thị trường. Nhưng tôi biết rằng tôi sẽ không đặt toàn bộ số tiền của mình vào một dự án mà tôi chưa tự kiểm tra mã nguồn. Tôi sẽ không tin vào một báo cáo AI nếu tôi không biết dữ liệu của nó đến từ đâu. Và tôi sẽ luôn giữ một phần danh mục bằng tiền mặt, để khi những báo cáo AI đưa ra những khuyến nghị sai lầm, tôi vẫn còn đủ khả năng để sống sót.
Crypto Briefing có thể đăng bất cứ điều gì họ muốn. AI có thể gắn nhãn bất cứ thứ gì nó muốn. Các quỹ VC có thể tạo ra những câu chuyện mới về "sự phân mảnh thanh khoản" hoặc "Web3 vì cộng đồng". Nhưng trong một thị trường tràn ngập dữ liệu bẩn, người chiến thắng không phải là người có nhiều thông tin nhất. Người chiến thắng là người biết cách tự kiểm tra.
Khi một thuật toán không thể phân biệt một quả bóng với một block, bạn có chắc nó phân biệt được một dự án thật với một trò lừa đảo tinh vi? Tôi thì không. Và đó chính là lý do tôi vẫn ngồi đây, đọc mã nguồn từng dòng một, thay vì đưa tiền cho một báo cáo AI.