Trong bảy ngày qua, thị trường chứng kiến một sự kiện hiếm hoi: NVIDIA mất gần 600 tỷ USD vốn hóa chỉ sau một đêm. Nguyên nhân không phải từ một cuộc khủng hoảng chip, mà từ một mô hình AI mã nguồn mở có tên DeepSeek R1 – được đào tạo với chi phí chỉ 5,6 triệu USD, rẻ hơn GPT-4 từ 10 đến 20 lần. Với một người làm kiến trúc quản trị DAO như tôi, con số này không chỉ là một cú sốc công nghệ, mà là một tín hiệu cấu trúc: khi AI trở nên rẻ và mở, toàn bộ logic kinh tế của các giao thức blockchain dựa trên sự khan hiếm tính toán sẽ bị xáo trộn.
Hãy đặt bối cảnh. Từ năm 2023, DePIN (Mạng lưới cơ sở hạ tầng vật lý phi tập trung) và các dự án AI+Blockchain đã tăng trưởng dựa trên giả định rằng sức mạnh tính toán là tài nguyên khan hiếm và đắt đỏ. Các token như Render (RNDR), Akash (AKT), hay io.net định giá dựa trên nhu cầu GPU cho cả đào tạo và suy luận AI. Nhưng nếu đào tạo AI có thể giảm chi phí xuống một bậc độ lớn, và suy luận có thể rẻ hơn 30 lần nhờ các mô hình như DeepSeek R1, thì nhu cầu GPU trên các mạng này sẽ thay đổi như thế nào? Đây không phải là một câu hỏi đầu cơ, mà là một phép tính cơ bản về sự dịch chuyển đường cầu.
Phân tích kỹ thuật cốt lõi: Chi phí suy luận giảm làm thay đổi cấu trúc nhu cầu DePIN.
DeepSeek R1 đạt được chi phí suy luận thấp thông qua hai cải tiến: kiến trúc chú ý tiềm ẩn đa đầu (MLA) giúp giảm bộ nhớ đệm KV, và kỹ thuật chưng cất chuỗi suy nghĩ cho phép các mô hình nhỏ hơn thừa hưởng khả năng lý luận từ mô hình lớn. Kết quả: API suy luận của DeepSeek có giá $0,55/triệu token đầu vào và $2,19/triệu token đầu ra – so với $15 và $60 của OpenAI o1. Đối với các giao thức DePIN tính phí theo giờ GPU, sự chênh lệch này có nghĩa là người dùng có thể chạy cùng một tác vụ suy luận với chi phí thấp hơn 90% nếu chọn mô hình Trung Quốc. Điều này tạo ra áp lực giảm giá lên toàn bộ thị trường cho thuê GPU phi tập trung.
Tuy nhiên, có một góc nhìn phản trực giác: chi phí suy luận thấp hơn có thể kích thích tổng nhu cầu tăng vọt – nghịch lý Jevons. Khi AI rẻ hơn, nhiều ứng dụng agent, chatbot, và tự động hóa sẽ được triển khai, làm tăng tổng số giờ GPU tiêu thụ. Dữ liệu từ các nền tảng DePIN lớn cho thấy, sau khi DeepSeek R1 được phát hành vào tháng 1/2025, lượng GPU được đặt trên Akash đã tăng 40% trong hai tuần, mặc dù giá thuê giảm 15%. Điều này cho thấy thị trường đang ở giai đoạn chuyển tiếp: khối lượng bù đắp cho sự sụt giảm biên lợi nhuận – miễn là các giao thức DePIN có thể duy trì tỷ lệ lấp đầy cao.
Góc nhìn trái chiều: Chiến lược mã nguồn mở của Trung Quốc đe dọa mô hình kinh doanh của các token AI tập trung.
DeepSeek R1 được phát hành dưới giấy phép MIT, hoàn toàn mở. Qwen của Alibaba cũng mở theo Apache 2.0. Điều này có nghĩa là bất kỳ dự án blockchain nào cũng có thể tự triển khai mô hình mà không cần trả phí API. Đối với các token như Bittensor (TAO) – vốn xây dựng mạng lưới chuyên biệt cho các mô hình AI – sự xuất hiện của các mô hình mở, chất lượng cao và giá rẻ làm giảm động lực tham gia mạng. Nếu bạn có thể chạy DeepSeek R1 trên một máy chủ riêng với chi phí gần như bằng không, tại sao phải stake TAO để truy cập các mô hình trên subnet? Tôi đã thấy một số validator trên diễn đàn Bittensor bắt đầu thử nghiệm chạy DeepSeek như một subnet thay thế – một dấu hiệu cho thấy sự thay thế đang diễn ra ngầm.
Nhưng mặt khác, các mô hình mở cũng có thể thúc đẩy sự đổi mới trong lớp ứng dụng phi tập trung. Các DAO xây dựng agent tự động có thể tận dụng DeepSeek mà không phụ thuộc vào OpenAI – giảm rủi ro tập trung hóa và kiểm duyệt. Điều này phù hợp với triết lý phi tập trung mà tôi theo đuổi: AI nên là cơ sở hạ tầng công cộng, không phải là dịch vụ độc quyền.
Takeaway: Thị trường giảm đang thử nghiệm các giả định cốt lõi của DePIN và AI token.
Trong bối cảnh thị trường gấu hiện tại, các nhà đầu tư nên đặt câu hỏi: liệu các token DePIN hiện tại có định giá đúng sự thay đổi chi phí này không? Một giao thức như Render, với mức phí cao hơn so với DeepSeek API, có thể mất thị phần nếu không điều chỉnh. Ngược lại, các dự án tập trung vào suy luận chi phí thấp và tích hợp mô hình mở có thể là nơi trú ẩn an toàn hơn. Bài học từ sự kiện NVIDIA: không có gì là vĩnh viễn, kể cả sự khan hiếm tính toán.