Tuần trước, Meta FAIR công bố một bài báo làm rung chuyển giới nghiên cứu AI. Họ chỉ ra rằng định luật scaling Chinchilla – vốn được coi là kinh thánh của tối ưu hóa mô hình – có một lỗ hổng chết người. Và bản sửa lỗi của họ hứa hẹn cắt giảm chi phí tính toán xuống 10 lần. Điều này có ý nghĩa gì với crypto? Tất cả.
Hãy bắt đầu từ bối cảnh: Năm 2022, DeepMind công bố Chinchilla scaling law, một định luật cho biết tỷ lệ vàng giữa kích thước mô hình (số tham số) và số lượng token dùng để huấn luyện. Trước đó, ngành AI cứ chạy đua tăng tham số, nhưng Chinchilla chứng minh rằng với cùng một ngân sách compute, bạn nên dùng nhiều token hơn cho một mô hình nhỏ hơn. Điều này đã thay đổi cách OpenAI, Google và Meta thiết kế model. Nhưng bài báo mới của Meta FAIR – với tiêu đề đầy khiêu khích – phát hiện ra rằng Chinchilla có một giả định sai lầm: nó coi mọi token đều như nhau. Trên thực tế, dữ liệu có độ phức tạp khác nhau, và việc nhồi nhét token vào mô hình mà không tính đến điều này sẽ gây lãng phí compute.
Meta đề xuất một phương pháp scaling mới: thay vì cố định tỷ lệ token-model, họ điều chỉnh linh hoạt dựa trên độ khó của dữ liệu. Kết quả? Cùng một chất lượng mô hình, chi phí compute giảm 10 lần. Đây là một bước nhảy vọt. Và với tư cách là một người đã chứng kiến chu kỳ narrative trong crypto từ ICO đến DeFi đến NFT, tôi thấy ngay một tín hiệu: các dự án AI trên blockchain sắp đối mặt với một cú sốc cấu trúc.
— Root: Thách thức giới tính và chiến thuật. Khi tôi còn là thực tập sinh, sếp nam từng bảo "NFT chỉ là trào lưu con gái". Tôi không tranh luận, tôi mua BAYC và chứng minh bằng kết quả. Ở đây cũng vậy: đa số sẽ nghĩ rằng giảm chi phí compute là tin tốt cho crypto AI. Nhưng hãy nhìn vào bản chất: các token như Bittensor (TAO), Render (RNDR) hay Akash (AKT) được định giá dựa trên scarcity của compute. Khi compute trở nên rẻ hơn 10 lần, nguồn cung hiệu quả tăng vọt, giá trị của mỗi đơn vị compute giảm. Đây là bài học tôi đã học từ Filecoin năm 2017: khi storage giá rẻ, token storage không còn là câu chuyện khan hiếm nữa.
Phân tích kỹ thuật sâu hơn: Bài báo của Meta không chỉ là một tweak. Nó thay đổi cách chúng ta ước lượng optimal compute budget. Với Chinchilla, bạn có thể tính toán chính xác cần bao nhiêu FLOPs để đạt được một độ chính xác nhất định. Với phương pháp mới, con số đó giảm 10x. Điều này có nghĩa là các mạng lưới tính toán phi tập trung – nơi các node cung cấp GPU để đào token – sẽ chứng kiến nhu cầu compute giảm mạnh nếu các công ty AI chuyển sang phương pháp mới. Hãy nhìn vào Render Network: nó phục vụ rendering 3D, nhưng cũng có thể dùng cho AI training. Nếu chi phí training giảm 10x, lượng GPU cần thiết để hoàn thành cùng một khối lượng công việc cũng giảm, kéo theo giá trị token giảm.
— Root: Thách thức giới tính và chiến thuật. Tôi từng xây dựng nhóm nghiên cứu DeFi tại trường đại học và nhận ra rằng khi một yếu tố đầu vào thay đổi đột ngột, toàn bộ mô hình tokenomics có thể sụp đổ. Nhưng đây là góc nhìn phản trực giác: thực tế, Meta đang giúp các dự án AI crypto sống sót. Vì sao? Bởi vì giảm chi phí compute sẽ thu hút nhiều nhà phát triển hơn vào lĩnh vực AI, tạo ra nhiều ứng dụng hơn, và do đó nhu cầu tổng thể về compute có thể tăng lên – hiệu ứng Jevons. Nhưng điều này chỉ đúng nếu các dự án crypto thích ứng kịp. Nếu họ tiếp tục bán narrative "compute scarce" như hiện tại, họ sẽ thất bại.
Tôi nhìn vào lịch sử: Khi Ethereum giảm phí gas qua EIP-1559, nhiều người nghĩ rằng ETH sẽ giảm giá trị vì nhu cầu gas giảm. Nhưng thực tế, ứng dụng tăng lên, giá ETH tăng. Tương tự, compute rẻ có thể mở ra một làn sóng ứng dụng AI mới trên blockchain – từ AI agents tự động giao dịch đến các mô hình ngôn ngữ phi tập trung. Nhưng điều này đòi hỏi các dự án phải chuyển từ mô hình "bán compute" sang "bán giải pháp". Ví dụ: Bittensor có thể tận dụng compute rẻ để mở rộng mạng lưới subnet của mình, nhưng nếu họ không thay đổi tokenomics, TAO sẽ chịu áp lực giảm.
— Root: Thách thức giới tính và chiến thuật. Trong bear market 2022, tôi từng đề xuất series "Inside the Crash" khi tòa soạn muốn cắt giảm nội dung. Tôi đã cược vào nhu cầu thông tin trong khủng hoảng và thắng. Bây giờ, tôi cũng cược rằng thị trường đang đánh giá thấp tác động của Meta’s scaling law lên crypto AI. Hãy nhìn vào dữ liệu on-chain: các dự án AI token vẫn đang giao dịch ở mức định giá cao dựa trên giả định compute sẽ tiếp tục khan hiếm. Nhưng Meta vừa chứng minh compute không cần khan hiếm nữa. Đây là một lỗ hổng narrative.
Kết luận của tôi: Trong 6 tháng tới, các dự án AI crypto sẽ phải đối mặt với một bài kiểm tra sinh tử. Những dự án nào nhanh chóng pivot sang mô hình "compute efficient" – ví dụ như tính phí dựa trên output thay vì input compute – sẽ sống sót. Những dự án nào tiếp tục bán câu chuyện "compute scarce" sẽ chết. Tôi đã thấy điều này xảy ra với NFT khi thị trường thứ cấp sụp đổ: chỉ những dự án có utility thực sự mới trụ lại.
Câu hỏi dành cho bạn: bạn đang hold token nào? Và bạn có sẵn sàng đánh cược vào narrative mới, hay sẽ bám víu vào câu chuyện cũ cho đến khi nó biến mất?