DeepSeek: Hiệu quả kỹ thuật 60 tỷ USD, và lỗ hổng mà thị trường crypto đang bỏ qua

Tôi vừa đọc một báo cáo phân tích về DeepSeek. Không phải vì tôi quan tâm đến AI, mà vì một con số khiến tôi nhớ đến những ngày đầu audit hợp đồng thông minh. DeepSeek-V3 có 671 tỷ tham số, nhưng mỗi lần xử lý chỉ kích hoạt 37 tỷ. Trong thế giới blockchain, chúng ta quen với việc phình to: thêm node, thêm shard, thêm validator. Nhưng ở đây, một mô hình ngôn ngữ khổng lồ lại được thiết kế để chỉ dùng một phần nhỏ sức mạnh của nó. Thị trường đang tăng, các quỹ đang FOMO đổ tiền vào token AI, nhưng ít người dừng lại hỏi: kiến trúc nào thực sự hiệu quả, và kiến trúc nào chỉ là marketing? Vết nứt nào cũng có lối vào. Câu hỏi là bạn có nhìn thấy lối vào đó trước khi mọi thứ sụp đổ không. DeepSeek là một phòng thí nghiệm AI có trụ sở tại Hàng Châu, được sáng lập bởi Lương Văn Phong, một nhà sáng lập quỹ định lượng High-Flyer. Vào cuối năm 2025, một bản tin từ Crypto Briefing cho biết DeepSeek đạt định giá 60 tỷ USD và được mô tả là một tổ chức từ chối KPI, từ chối văn hóa tăng ca, nhưng vẫn đạt được những thành tựu vượt trội. Bài báo đó tôi đọc kỹ, vì nó có nhiều điểm tương đồng với cách các dự án blockchain kể chuyện: một đội ngũ phi thường, một văn hóa độc đáo, một con số định giá khổng lồ. Nhưng khi tôi nhìn vào mã nguồn và số liệu kỹ thuật, tôi thấy một câu chuyện khác. Đây là nơi mà nền tảng kỹ thuật của DeepSeek trở nên thú vị, và cũng là nơi tôi tìm thấy một điểm mù lớn mà thị trường có thể đang bỏ qua. Đầu tiên, hãy nói về kiến trúc. DeepSeek sử dụng hai kỹ thuật chính: Multi-head Latent Attention (MLA) và DeepSeekMoE. MoE, hay Mixture of Experts, là một phương pháp cho phép mô hình chỉ kích hoạt một phần nhỏ các "chuyên gia" trong mỗi lần suy luận. Giống như một blockchain sharding: bạn không cần mọi node xử lý mọi giao dịch, chỉ cần các shard liên quan. Tôi từng phân tích Uniswap V2 và nhận ra rằng việc tối ưu hóa thanh khoản cũng tương tự: không phải lúc nào cũng cần toàn bộ pool. Nhưng với DeepSeek, con số 671B tham số tổng, 37B kích hoạt có nghĩa là họ đạt hiệu quả gấp nhiều lần so với các mô hình đặc như Llama 3 405B. Theo báo cáo kỹ thuật, DeepSeek-V3 chỉ tốn 2,788 triệu giờ GPU H800, trong khi Llama 3 405B tốn 30,8 triệu giờ GPU. Tức là chênh lệch khoảng 10 lần, hoặc có thể hơn tùy cách tính. Khi tôi nhìn vào con số này, tôi nhớ đến những lần tôi kiểm tra gas cost của các hợp đồng thông minh: một thay đổi nhỏ trong logic có thể tiết kiệm hàng triệu đô la phí giao dịch. DeepSeek đã làm điều tương tự ở quy mô lớn hơn, với một ràng buộc cứng: họ bị hạn chế về chip do lệnh cấm xuất khẩu của Mỹ. Nhìn từ góc độ kỹ thuật, đây là một ví dụ kinh điển về việc tối ưu trong cơn bão. Một quỹ đầu tư mạo hiểm sẽ gọi đó là "sự đổi mới bị ép buộc", nhưng với tôi, nó giống như một hợp đồng thông minh được viết với gas limit nghiêm ngặt: nếu bạn không tối ưu, bạn sẽ chết. Thứ hai, phương pháp huấn luyện GRPO. Thay vì dùng PPO truyền thống với một mô hình critic riêng, họ dùng Group Relative Policy Optimization, tức là so sánh tương đối giữa các nhóm kết quả. Giống như một thuật toán đồng thuận mới: thay vì dùng một cơ chế xác minh tập trung, họ dùng một nhóm mẫu để so sánh và chọn ra kết quả tốt hơn. Điều này giảm chi phí tính toán và tăng hiệu quả. Tôi thấy điều này tương tự như cách Optimism dùng optimistic rollup: không cần phải chứng minh ngay lập tức, chỉ cần một cơ chế để phát hiện gian lận. Tất nhiên, GRPO không phải là bằng chứng gian lận, nhưng triết lý thì giống nhau: tối ưu bằng cách giảm bớt chi phí không cần thiết. Khi tôi phát hiện lỗi xác thực trong Optimism v2, tôi nhận ra rằng một cơ chế có vẻ ngoài đơn giản thường ẩn chứa nhiều rủi ro nhất. GRPO cũng vậy. Nó có thể tiết kiệm hàng triệu đô la chi phí huấn luyện, nhưng nó tạo ra một sự phụ thuộc mới: kết quả được đánh giá dựa trên chất lượng của các nhóm mẫu, và nếu các mẫu đó bị thiên lệch, toàn bộ mô hình sẽ bị nhiễm độc. Trong blockchain, chúng ta gọi đó là "garbage in, garbage out". Trong AI, nó cũng vậy. Thứ ba, về mặt thương mại. DeepSeek định giá API rất rẻ, chỉ khoảng 0,27 USD mỗi triệu token đầu vào, trong khi GPT-4o có thể lên đến 5 USD. Điều này tạo ra một cú hích lớn cho việc áp dụng. Trong thế giới blockchain, chúng ta thấy điều tương tự với các L2 như Arbitrum hay Optimism: phí gas thấp hơn nhiều so với Ethereum mainnet, thu hút người dùng. Nhưng liệu việc giảm giá này có bền vững? Đó là câu hỏi tôi đặt ra khi đọc báo cáo. Một mô hình kinh doanh dựa trên giá rẻ chỉ có thể tồn tại nếu chi phí vận hành cũng thấp. DeepSeek có lợi thế vì họ sở hữu một cụm GPU khổng lồ từ công ty mẹ High-Flyer, một quỹ định lượng chuyên về đầu tư bằng mô hình toán học. Điều này có nghĩa là họ không cần gọi vốn bên ngoài, và có thể chịu lỗ trong một thời gian dài. Nghe quen không? Giống như một dự án crypto có một quỹ đầu tư mạo hiểm đứng sau, hoặc một quỹ thanh khoản lớn để duy trì giá token. Nhưng có một sự khác biệt: trong crypto, thanh khoản có thể bị rút ra bất cứ lúc nào. Ở DeepSeek, thanh khoản là một quỹ đầu tư có thể thay đổi chiến lược nếu thị trường chuyển hướng. Nếu High-Flyer bị thua lỗ trong một cuộc khủng hoảng tài chính, họ có thể cắt giảm ngân sách cho DeepSeek, và toàn bộ cỗ máy hiệu quả này sẽ nhanh chóng trở nên kém hiệu quả. Vết nứt nào cũng có lối vào, và lối vào này nằm ngay trong mối quan hệ mẹ-con. Tôi muốn kể một câu chuyện từ kinh nghiệm của tôi. Vào năm 2017, tôi audit hợp đồng ICO của 0x Protocol. Tôi đã phát hiện ra bảy lỗ hổng liên quan đến việc xử lý phí giao dịch không chính xác. Điều khiến tôi chú ý không phải là lỗi lớn, mà là cách mà các tham số off-chain không khớp với logic on-chain. Nó giống như một câu chuyện marketing nói rằng dự án là phi tập trung, nhưng thực tế có một điểm kiểm soát tập trung. Khi tôi đọc về DeepSeek, tôi nhận thấy một vết nứt tương tự. Bài báo nói rằng DeepSeek "không có KPI". Nhưng thực tế, việc không có KPI có thể chỉ áp dụng cho nhóm nghiên cứu, trong khi các bộ phận kinh doanh vẫn có các chỉ số hiệu quả rõ ràng. Nếu bạn nhìn kỹ, bạn sẽ thấy rằng "không KPI" là một câu chuyện truyền thông, không phải một hiện thực kỹ thuật. Điều này không sai, nhưng nó không phải là toàn bộ sự thật. Trong các tổ chức phi tập trung, chúng ta thường nói về việc không có nhà lãnh đạo, nhưng thực tế vẫn có những người kiểm soát cuộc chơi. Một điểm mù lớn hơn là sự phụ thuộc vào công ty mẹ. DeepSeek có vẻ là một phòng thí nghiệm độc lập, nhưng thực tế nó nằm trong hệ sinh thái của High-Flyer, một quỹ đầu tư định lượng. Nếu High-Flyer gặp khó khăn về thanh khoản hoặc rủi ro pháp lý, DeepSeek có thể bị ảnh hưởng. Trong blockchain, chúng ta gọi đó là "centralization risk". Khi tất cả các node đều nằm trong một nhà cung cấp dịch vụ, bạn có một điểm lỗi duy nhất. Với DeepSeek, điểm lỗi duy nhất đó là một công ty tài chính, không phải một tổ chức nghiên cứu phi lợi nhuận. Và điều này được che giấu bởi lớp sơn "văn hóa không KPI" – một cách nói khác của việc bạn không phải chịu trách nhiệm với các nhà đầu tư bên ngoài, vì bạn có một "quỹ đen" vô hạn từ mẹ. Nhưng hãy nhìn vào thực tế: DeepSeek có một trong những tổ chức kỷ luật nhất mà tôi từng thấy, chỉ là kỷ luật đó được đặt tên là "tự do". Họ không có KPI để theo đuổi sự phù phiếm, mà có một mục tiêu duy nhất: hiệu quả tối đa trong ràng buộc tài nguyên. Trong khi đó, các công ty lớn như OpenAI hay Google đang đốt tiền vào việc mở rộng quy mô không kiểm soát. Nói cách khác, DeepSeek có thể là một ví dụ cho thấy sự khan hiếm tài nguyên buộc bạn phải sáng tạo, giống như trong mùa đông crypto, các nhà phát triển tập trung vào việc tối ưu hóa thay vì chi tiêu mạnh tay. Nhưng liệu điều này có tồn tại lâu dài? Khi họ có thêm tiền, họ có thể từ bỏ sự kỷ luật này. Câu hỏi dành cho những người đang đầu tư vào các token AI trong mùa tăng giá này là: Bạn có đang định giá một dự án dựa trên câu chuyện, hay dựa trên kiến trúc thực tế của nó? DeepSeek, dù có đạt 60 tỷ USD hay không, đã cho chúng ta một bài học: hiệu quả kỹ thuật có thể tạo ra giá trị lớn hơn cả quy mô. Nhưng nó cũng cho thấy rằng những câu chuyện "không KPI" có thể ẩn chứa những rủi ro tập trung và phụ thuộc. Khi thị trường tăng, mọi thứ đều trông tuyệt vời. Vết nứt nào cũng có lối vào. Chỉ có điều, không phải ai cũng muốn nhìn vào nó. Hãy nhìn vào mã nguồn, và bạn sẽ thấy sự thật.