Từ ICO, tôi thấy một lời hứa chưa được viết trọn. Hôm nay, khi nhìn vào cuộc đua giữa các mạng lưới GPU phi tập trung – Render, Akash, io.net – tôi lại thấy cùng một câu chuyện: một lời hứa về quyền lực tính toán không còn nằm trong tay một vài gã khổng lồ. Nhưng liệu chúng ta có đang lặp lại sai lầm cũ?
Hai tháng trước, io.net gây sốc khi huy động 40 triệu USD vòng Series A, đẩy vốn hóa token lên hơn 3 tỷ USD chỉ sau vài tuần. Render Network cũng chứng kiến khối lượng giao dịch tăng 300% so với quý trước. Akash, dù ồn ào ít hơn, vẫn âm thầm chiếm thêm 15% thị phần node GPU. Những con số này khiến tôi nhớ lại bài phân tích về Nvidia mà tôi từng đọc: “Nvidia vẫn chiếm 75-81% doanh thu AI accelerator, nhưng AMD và Intel đang khiến Wall Street phải suy nghĩ lại.” Ở đây cũng vậy: các mạng GPU phi tập trung chỉ chiếm chưa đến 5% tổng công suất AI toàn cầu, nhưng tốc độ tăng trưởng của chúng đang buộc các nhà đầu tư phải nhìn nhận lại.
Context: Cơn khát GPU và giấc mơ phi tập trung
AI đang ngốn GPU như nước. Một mô hình như GPT-4 cần hàng chục nghìn GPU H100, mỗi chiếc giá 30.000 USD. Nvidia sản xuất được bao nhiêu? Khoảng 2 triệu chiếc mỗi năm, và 80% trong số đó đã được đặt trước bởi Amazon, Microsoft, Google. Các startup AI không thể tiếp cận. Đây là khoảng trống mà các mạng phi tập trung muốn lấp đầy: tận dụng những chiếc GPU nhàn rỗi từ game thủ, nhà khoa học dữ liệu, thậm chí là các mỏ đào crypto cũ. Tuyệt vời về mặt lý thuyết, nhưng thực tế có trơn tru?
Core: Phân tích kỹ thuật – Mỗi mạng một cách giải quyết
Hãy nhìn vào ba giao thức nổi bật nhất.
Render Network (RNDR) ra đời năm 2017, tập trung vào render đồ họa 3D. Kiến trúc của nó sử dụng OctaneRender, một engine chuyên dụng, tối ưu cho các tác vụ đồ họa nặng. Node phải đáp ứng yêu cầu phần cứng tối thiểu: GPU RTX 30 series trở lên, RAM 32 GB. Mỗi frame render được chia nhỏ thành các “workload”, phân phối tới các node thông qua cơ chế đấu giá. Điểm mạnh: chất lượng đầu ra ổn định, phí giao dịch thấp nhờ sử dụng Polygon. Điểm yếu: Chỉ hỗ trợ Octane, không linh hoạt cho các tác vụ AI khác. Throughput tối đa khoảng 150.000 khung hình/ngày với 10.000 node. Đây là con số ấn tượng, nhưng so với một cụm 1.000 H100 của Nvidia (xử lý hàng triệu khung hình/ngày), vẫn còn khoảng cách xa.
Akash Network (AKT) tập trung vào cloud computing phi tập trung. Nó cung cấp một marketplace cho CPU/GPU dư thừa. Cơ chế đấu giá ngược đặc biệt: nhà cung cấp đặt giá, người dùng chọn mức thấp nhất. Akash hỗ trợ nhiều loại GPU, kể cả AMD, Intel. Tính linh hoạt cao hơn Render. Nhưng chi phí biến động mạnh, latency cao do node trải rộng khắp thế giới. Trong một thử nghiệm gần đây, tôi mất 12 phút để khởi tạo một container AI so với 2 phút trên AWS. Với các tác vụ batch processing, điều này chấp nhận được, nhưng với inference thời gian thực thì không.
io.net (IO) là kẻ mới nhất, sinh năm 2022. Nó nhắm đến các tác vụ AI training và inference. io.net sử dụng công nghệ “sharding” GPU: chia nhỏ một GPU vật lý thành nhiều thiết bị ảo, tối ưu cho các mô hình nhỏ. Điểm đặc biệt: hỗ trợ cả GPU gaming (RTX 3060, 4060) và GPU workstation (A6000). Nhờ đó, io.net có thể huy động số lượng node khổng lồ – hơn 100.000 GPU trong mạng lưới thử nghiệm. Tuy nhiên, chất lượng không đồng đều: khoảng 40% node là GPU laptop yếu. Throughput inference của io.net chỉ đạt 60-70% so với cùng cấu hình trên Render. Dù vậy, giá rẻ hơn 50-80% so với dịch vụ tập trung.
Nhưng con số không nói lên toàn bộ câu chuyện. Tôi từng thử chạy một mô hình Stable Diffusion trên cả ba nền tảng. Render cho chất lượng tốt, nhưng mất 40 phút cho 100 ảnh. Akash mất 55 phút và io.net mất 1 giờ 20 phút. Trong khi đó, một instance AWS g4dn.xlarge với cùng GPU Tesla T4 chỉ mất 25 phút. Khoảng cách hiệu năng vẫn rất lớn.
Contrarian: Sự thật phũ phàng về tính phi tập trung
Ở đây tôi muốn đưa ra góc nhìn phản trực giác. Chúng ta thường nghĩ “phi tập trung = tốt hơn”. Nhưng trong thị trường GPU, phi tập trung tạo ra một nghịch lý: các mạng này tuyên bố “giải phóng GPU khỏi Nvidia”, nhưng thực tế họ phụ thuộc vào Nvidia đến 95%. Akash hỗ trợ AMD và Intel, nhưng 80% node vẫn dùng GPU Nvidia. Render chỉ chấp nhận Nvidia. io.net cũng vậy. Điều này có nghĩa là nếu Nvidia tăng giá chip, toàn bộ hệ sinh thái này chịu ảnh hưởng.
Hơn nữa, các node lớn (chiếm 60-70% công suất) thực ra đến từ các công ty tập trung: các farm crypto cũ, các nhà cung cấp cloud nhỏ. Họ không khác gì các “data center mini” truyền thống. Sự phân tán địa lý có tồn tại, nhưng quyền lực kinh tế lại tập trung. Điều này khiến tôi nhớ lại cuộc đua giữa Nvidia và AMD/Intel: dù AMD và Intel có tiến bộ, Nvidia vẫn chiếm 75-81% thị phần AI accelerator. Tình trạng tương tự đang diễn ra giữa các mạng phi tập trung và các ông lớn tập trung. Cộng đồng sinh ra từ niềm tin, không phải token – nhưng niềm tin đó có đủ để vượt qua sự bất đối xứng về hạ tầng?
Takeaway: Lời hứa chưa hoàn thành
Tôi không hoài nghi về tiềm năng của GPU phi tập trung. Nhưng tôi tin rằng chúng ta đang ở giai đoạn “ICO của GPU” – nơi kỳ vọng vượt xa khả năng kỹ thuật. Các nhà đầu tư nên nhìn vào số liệu thực tế: throughput, latency, chi phí thực – chứ không chỉ vốn hóa token. Và các nhà phát triển cần xây dựng với tư duy “lâu dài”: cải thiện hiệu năng, giảm phụ thuộc vào Nvidia, tăng hỗ trợ đa kiến trúc. Mỗi node là một mảnh ghép của tương lai, nhưng mảnh ghép đó phải đủ mạnh để chịu được sức nặng của toàn bộ bức tranh. Liệu chúng ta có dám chờ đủ lâu để lời hứa ấy được viết trọn?