Khi một công ty AI khởi nghiệp từ Trung Quốc đạt mức định giá 60 tỷ USD mà vẫn tuyên bố "không có KPI, không ép nhân viên tăng ca", giới công nghệ lập tức chia làm hai phe. Một phe coi đó là câu chuyện truyền thông được thổi phồng. Phe còn lại nhìn thấy một mô hình vận hành khác hẳn những gã khổng lồ công nghệ Mỹ đang theo đuổi. Nhưng nếu dừng lại ở mức tranh luận "có nên áp dụng KPI hay không", chúng ta sẽ bỏ lỡ điều quan trọng nhất: DeepSeek đang chứng minh rằng trong cuộc đua AI, hiệu quả tính trên mỗi đơn vị tài nguyên mới là thứ quyết định sự sống còn. Và đó cũng chính là bài học mà nhiều dự án blockchain đang trả giá hàng trăm triệu USD vì không hiểu.
Bối cảnh: Một phòng thí nghiệm AI không giống ai
DeepSeek do Lương Văn Phong (Liang Wenfeng) sáng lập, là một phòng thí nghiệm nghiên cứu AI có trụ sở tại Hàng Châu. Điểm đặc biệt không nằm ở chỗ công ty này đến từ Trung Quốc, mà nằm ở cách tổ chức vận hành. Theo bài phân tích từ Crypto Briefing, DeepSeek từ chối văn hóa KPI và tăng ca, đồng thời đạt được mức định giá 60 tỷ USD. Thoạt nghe, điều này nghe như một nghịch lý: một công ty không đo lường hiệu suất lại được thị trường định giá cao đến vậy?
Câu trả lời nằm ở chi tiết kỹ thuật. DeepSeek không phải là công ty đầu tiên tạo ra mô hình ngôn ngữ lớn, cũng không phải công ty có nhiều tiền nhất để mua chip. Nhưng họ là một trong những công ty đầu tiên đặt cược toàn bộ vào triết lý "hiệu quả hơn là quy mô". Thay vì chạy đua tăng số lượng tham số, DeepSeek tập trung vào việc tối ưu từng thành phần trong kiến trúc Transformer. Kết quả là mô hình DeepSeek-V3 có tổng tham số lên tới 671 tỷ, nhưng chỉ kích hoạt 37 tỷ tham số cho mỗi token. Điều này có nghĩa là họ đạt được năng lực của một mô hình lớn mà chi phí vận hành chỉ tương đương một mô hình nhỏ hơn nhiều.
Số liệu từ báo cáo kỹ thuật của DeepSeek cho thấy họ chỉ tiêu tốn 2,788 triệu giờ GPU H800 để huấn luyện V3. Con số này nghe vẫn rất lớn, nhưng khi so sánh với Meta Llama 3 405B — mô hình cần tới 30,8 triệu giờ GPU, tức gấp hơn 11 lần — chúng ta mới thấy được khoảng cách khổng lồ về hiệu quả. Tính theo giá thuê GPU thị trường, chi phí huấn luyện của DeepSeek chỉ khoảng 5,57 triệu USD, trong khi Meta phải chi tới 61 triệu USD. Đây không phải là sự khác biệt nhỏ. Đây là sự khác biệt giữa một công ty có thể tiếp tục đổi mới và một công ty phải dừng lại để kêu gọi thêm vốn.
Phân tích kỹ thuật: Hiệu quả không phải ngẫu nhiên, mà là kiến trúc
Điều khiến DeepSeek trở nên đặc biệt không phải là một đột phá lý thuyết mang tính cách mạng. Nhìn kỹ vào kiến trúc, DeepSeek chỉ đang cải tiến ở cấp độ module. Họ dùng MLA — Multi-head Latent Attention — để giảm bộ nhớ cache cần thiết trong quá trình suy luận, và DeepSeekMoE — một biến thể của kiến trúc Mixture of Experts — để chỉ kích hoạt một phần nhỏ tham số cho mỗi yêu cầu. Những cải tiến này không thay đổi nền tảng của Transformer, nhưng chúng thay đổi hoàn toàn phương trình kinh tế khi vận hành mô hình ở quy mô lớn.
Đây chính là điểm mà ngành blockchain nên học hỏi. Trong nhiều năm, các dự án blockchain thường kể câu chuyện về "tính phi tập trung" hay "khả năng mở rộng vô hạn" mà quên mất rằng người dùng cuối chỉ quan tâm đến một điều: chi phí giao dịch có rẻ hơn không và tốc độ có nhanh hơn không. Các blockchain Layer 1 mới như Sui hay Aptos thường so sánh với Solana về tốc độ xử lý, nhưng lại hiếm khi công bố chi phí vận hành một node đầy đủ là bao nhiêu. DeepSeek không làm điều đó. Họ công bố toàn bộ quy trình huấn luyện, công bố số giờ GPU, công bố chi phí, và để cộng đồng tự đánh giá.
Sự minh bạch này tạo ra một hiệu ứng tâm lý mạnh mẽ: nó khiến mọi đối thủ phải tự so sánh mình với DeepSeek và tự hỏi liệu cách họ đang làm có thực sự hiệu quả hay không. Trong khi đó, nhiều dự án blockchain vẫn đang giấu nhẹm số liệu về phí gas thực tế, về tỷ lệ thanh khoản bị khóa, hay về lượng token bị bán tháo bởi nhà đầu tư sớm. Họ đang áp dụng logic của truyền thông cũ, trong khi DeepSeek đã chuyển sang logic của kỹ thuật.
Góc nhìn phản trực giác: Sự hiệu quả bị ép buộc
Câu chuyện "từ chối KPI" của DeepSeek nghe có vẻ như một lựa chọn chủ động về văn hóa doanh nghiệp. Nhưng nhìn sâu hơn vào bối cảnh địa chính trị, chúng ta sẽ thấy một sự thật ít được nhắc đến: DeepSeek bị buộc phải hiệu quả vì họ không có quyền truy cập vào những con chip mạnh nhất.
Từ năm 2022, Mỹ đã áp đặt các lệnh kiểm soát xuất khẩu chip AI sang Trung Quốc. DeepSeek chỉ có thể sử dụng H800 và A800 — những phiên bản chip bị giới hạn băng thông NVLink so với H100. Nói cách khác, họ không thể chạy nhanh hơn bằng cách mua thêm phần cứng. Họ buộc phải thông minh hơn trong cách sử dụng phần cứng hiện có. Kết quả là họ phát minh ra những kỹ thuật tối ưu mà những công ty Mỹ, với nguồn lực chip dồi dào, không có động lực để nghĩ tới.
Đây là điểm mù lớn nhất của giới công nghệ phương Tây. Khi bạn có quá nhiều tài nguyên, bạn có xu hướng xây dựng những hệ thống ngốn tài nguyên. Khi bạn khan hiếm tài nguyên, bạn buộc phải tối ưu. Lịch sử công nghệ đã chứng minh điều này nhiều lần: NASA phải viết phần mềm chạy trên bộ xử lý chỉ vài megahertz, nhưng phần mềm đó lại đưa con người lên Mặt Trăng. Ngành blockchain cũng từng đối mặt với tình huống tương tự. Ethereum giai đoạn 2017-2019 bị nghẽn mạch vì quá tải, nhưng chính sự khó khăn đó lại dẫn đến sự ra đời của các giải pháp Layer 2 như Optimistic Rollup và ZK Rollup. Nếu Ethereum có hạ tầng rẻ và nhanh ngay từ đầu, có lẽ chúng ta đã không có một hệ sinh thái Layer 2 phong phú như hiện tại.
Thực tế phũ phàng: Lỡ tay vẽ đường cho hươu chạy
Bài phân tích cũng chỉ ra một chi tiết quan trọng mà báo chí thường bỏ qua: việc "từ chối KPI" không có nghĩa là toàn bộ tổ chức đều không có chỉ số. Nhóm nghiên cứu có thể được tự do khám phá, nhưng bộ phận API, bộ phận vận hành hạ tầng, bộ phận bán hàng vẫn phải có những mục tiêu cụ thể. Nếu không, công ty sẽ không thể vận hành ở quy mô 60 tỷ USD. Sự thật là DeepSeek đã áp dụng một chiến lược phân tầng: cho phép nhóm nghiên cứu "mơ mộng", nhưng các bộ phận còn lại vẫn phải chịu trách nhiệm về doanh thu và chi phí.
Điều này dạy cho ngành blockchain một bài học sâu sắc về việc tách bạch giữa câu chuyện và vận hành. Một dự án blockchain có thể kể câu chuyện về "cộng đồng phi tập trung" và "quản trị bởi token holder", nhưng thực tế vẫn cần một đội ngũ phát triển cốt lõi được trả lương bằng tiền mặt, vẫn cần một quỹ dự trữ để sống sót qua chu kỳ bear market, vẫn cần những người làm marketing hiểu rõ KPI. Nếu không tách bạch được hai tầng này, dự án sẽ sụp đổ ngay khi câu chuyện không còn thuyết phục được nhà đầu tư mới.
Một điểm mù khác là mô hình kinh tế của DeepSeek. Họ theo đuổi chiến lược "mã nguồn mở kết hợp API giá rẻ". Các mô hình như DeepSeek-V3 và R1 được phát hành dưới giấy phép MIT, cho phép bất kỳ ai tải về, sửa đổi và thương mại hóa. Điều này nghe có vẻ phi lợi nhuận, nhưng thực chất là một chiến lược chiếm thị phần cực kỳ bài bản. Bằng cách cung cấp API với mức giá chỉ bằng khoảng 1/10 đến 1/18 so với GPT-4o, DeepSeek đang tạo ra một tiêu chuẩn giá mới trên thị trường AI. Khi các nhà phát triển bắt đầu xây dựng ứng dụng dựa trên API giá rẻ này, họ sẽ khó lòng quay lại sử dụng dịch vụ đắt hơn. Điều này tương tự như cách các blockchain Layer 2 sử dụng airdrop để thu hút thanh khoản ban đầu, sau đó giữ chân người dùng bằng hiệu ứng mạng lưới.
Bài học cho blockchain: Đừng kể chuyện, hãy chứng minh chi phí
Nếu phải gói gọn bài học từ DeepSeek trong một câu, đó sẽ là: trong thời kỳ thị trường tăng, những lỗi kỹ thuật bị che giấu bởi marketing. DeepSeek không cần phải phóng đại. Họ để con số tự nói lên điều đó. Với ngành blockchain, khi mỗi dự án đều tuyên bố "TPS hàng trăm nghìn", "phí gas gần bằng không", "bảo mật an toàn tuyệt đối", người dùng và nhà đầu tư đang chìm trong một biển marketing không thể kiểm chứng.
DeepSeek cho thấy một cách tiếp cận khác: công bố số giờ GPU, công bố tham số kích hoạt, công bố phương pháp huấn luyện. Không có cách nào để làm giả những con số này vì cộng đồng kỹ thuật có thể tự kiểm tra. Các dự án blockchain hoàn toàn có thể làm điều tương tự bằng cách công bố chi phí vận hành node, chi phí thanh khoản thực tế, và quan trọng nhất là doanh thu thực từ phí giao dịch chứ không phải doanh thu từ việc bán token cho nhà đầu tư.
Sự khác biệt giữa một dự án bền vững và một dự án chỉ tồn tại nhờ kể chuyện nằm ở đó. DeepSeek không hoàn hảo. Họ có thể đang đối mặt với nguy cơ kẹt cứng khi mở rộng mô hình sang đa phương thức, và lợi thế của họ có thể bị thu hẹp khi các đối thủ mã nguồn mở khác như Qwen, Mistral hay Llama áp dụng cùng chiến lược hiệu quả. Nhưng họ đã làm được một điều mà hiếm công ty nào trong lĩnh vực AI lẫn blockchain làm được: tạo ra một cuộc chơi mới, nơi không ai có thể thắng bằng cách ném tiền vào vấn đề.
Kết luận mở: KPI không phải kẻ thù, lãng phí mới là
Suy cho cùng, DeepSeek không thực sự "chống KPI". Họ đang chống lại sự lãng phí. KPI chỉ là công cụ đo lường, và nếu bạn đo sai thứ, bạn sẽ tối ưu sai thứ. Các công ty AI lớn đang tối ưu cho "độ ấn tượng của sản phẩm" thay vì "giá trị thực cho người dùng". Các dự án blockchain đang tối ưu cho "giá token" thay vì "số lượng người dùng thực sự sử dụng sản phẩm". DeepSeek, dù cố ý hay vô tình, đã quay trở lại câu hỏi nền tảng nhất: bạn tạo ra giá trị gì, và chi phí để tạo ra giá trị đó có đáng không?
Điều này đặc biệt quan trọng khi thị trường tăng trưởng trở lại. Trong cơn sốt AI và crypto hiện tại, mọi dự án đều muốn kể một câu chuyện hấp dẫn để huy động vốn. Nhưng lịch sử đã chỉ ra rằng những dự án sống sót qua chu kỳ tiếp theo không phải là những dự án có câu chuyện hay nhất, mà là những dự án có chi phí vận hành thấp nhất và hiệu quả cao nhất. DeepSeek là một minh chứng cho điều đó. Câu hỏi còn lại là liệu các nhà phát triển blockchain có đủ can đảm để nhìn vào bên trong dự án của mình và tự hỏi: chúng ta đang xây dựng giá trị thực, hay chỉ đang xây dựng một bức tranh đẹp để bán cho nhà đầu tư tiếp theo?
Trong một thị trường mà tiền rẻ đang quay trở lại và sự FOMO đang bao trùm, việc giữ được sự tỉnh táo về mặt kỹ thuật chính là lợi thế cạnh tranh lớn nhất. DeepSeek đã chứng minh rằng không cần phải là kẻ chi nhiều nhất mới chiến thắng. Kẻ thông minh nhất, hiệu quả nhất, và trung thực nhất về giới hạn của mình mới là người bước ra khỏi cuộc chơi mà không bị bỏ lại phía sau.
Còn các dự án blockchain, liệu họ có dám từ bỏ thói quen kể chuyện để bắt tay vào việc viết code và công bố con số thật? Đó là câu hỏi mà chỉ thời gian và dữ liệu trên chuỗi mới có thể trả lời.