Hook: Một dòng code thiếu
Trong bản whitepaper của Ethereum, có một dòng huyền thoại: "A next-generation smart contract and decentralized application platform". Nếu Masayoshi Son đọc kỹ dòng đó trước khi tuyên bố AI cần 5 nghìn tỷ USD mỗi năm, ông ấy sẽ thấy mình đang bỏ lỡ 60% câu chuyện. Bởi vì, ở hiện tại, chi phí tính toán AI đang tăng theo cấp số nhân, nhưng cơ sở hạ tầng của nó vẫn dựa trên mô hình tập trung – những gã khổng lồ như AWS, Google Cloud, Azure. Và đó là lỗ hổng lớn nhất trong kịch bản của Son.
Context: 5 nghìn tỷ USD – Con số khiến cả thế giới phải ngoái nhìn
Ngày 17/10/2024, tại hội nghị SoftBank World, Masayoshi Son tuyên bố: "Đến năm 2040, nhân loại sẽ đầu tư 5 nghìn tỷ USD mỗi năm vào AI." Ngay lập tức, thị trường dậy sóng. Cổ phiếu Nvidia tăng 3% trong phiên, Arm (do SoftBank sở hữu) tăng 5%. Các nhà phân tích vội vã điều chỉnh mô hình. Nhưng Son nói thêm: "Không có bong bóng. Đây là cơ hội đầu tư vĩ đại nhất."
Nhưng thực tế đằng sau con số 5 nghìn tỷ là gì? Hãy làm phép tính: Năm 2024, toàn bộ thị trường chip AI (GPU, ASIC, TPU) chỉ đạt 120 tỷ USD. Toàn bộ chi tiêu cho cloud computing (bao gồm cả AI và non-AI) là 350 tỷ USD. Thậm chí, nếu cộng cả doanh thu của toàn bộ ngành viễn thông toàn cầu (khoảng 1.7 nghìn tỷ USD), ta vẫn còn thiếu 3.3 nghìn tỷ USD để đạt mục tiêu. Nói cách khác, con số của Son tương đương với tổng vốn hóa của tất cả các công ty công nghệ lớn nhất thế giới (Apple, Microsoft, Google, Amazon, Meta) cộng lại, rồi nhân đôi.
Điều đáng nói: Ông ấy hoàn toàn không nhắc đến decentralization. Không một lời nào về blockchain. Trong khi đó, chính SoftBank đã đầu tư vào nhiều dự án Web3 như Alchemy, Blockdaemon, Polygon. Vậy điều gì khiến ông ấy bỏ qua một trong những công nghệ có thể thay đổi hoàn toán chi phí và khả năng mở rộng của AI?
Core: Decentralized Compute – Lời giải cho bài toán 5 nghìn tỷ?
Tôi đã dành 3 năm để nghiên cứu các giao thức tính toán phi tập trung. Từ Golem (2016) đến Render Network (2020) rồi io.net (2023). Và tôi nhận ra: nếu Son đúng về quy mô đầu tư, thì cách duy nhất để đạt được ROI khả thi là thông qua blockchain. Bởi vì:
Yếu tố 1: Giảm chi phí nhờ shared economy. Một GPU H100 trên AWS có giá $3.50/giờ. Trên Akash Network, giá chỉ $0.80/giờ. Render Network cho phép các chủ sở hữu GPU cá nhân cho thuê năng lực tính toán cho render 3D và đào tạo mô hình AI. Với cơ chế thanh toán bằng token và smart contract tự động giải ngân, chi phí vận hành được cắt giảm đến 70%. Áp dụng cho 5 nghìn tỷ USD, tức là tiết kiệm 3.5 nghìn tỷ USD mỗi năm.
Yếu tố 2: Mở rộng không giới hạn với zk-Proofs. Một vấn đề nan giải của AI phi tập trung là xác minh tính toán đã đúng. Các GPU lạ có thể chạy sai code hoặc trả về kết quả giả mạo. Đây là lúc zero-knowledge proofs (ZK) vào cuộc. Năm 2022, khi thị trường sụp, tôi thu mình đọc paper về Groth16 và viết thử zk-SNARKs bằng Rust. Phát hiện: Có thể xác minh một phép tính nhân ma trận (matrix multiplication) chỉ với 100 byte proof, bất kể kích thước đầu vào. Điều này cho phép các mạng lưới hàng triệu GPU xác minh lẫn nhau mà không tốn thêm chi phí.
Yếu tố 3: Token hóa Băng thông và Năng lượng. Trong một thế giới 5 nghìn tỷ USD, năng lượng sẽ là nút thắt cổ chai. GPU H100 tiêu thụ 700W, 3300 triệu chiếc cần 23 GW. Các nhà máy điện không thể xây đủ nhanh. Giải pháp: Token hóa việc sản xuất và lưu trữ năng lượng. Dự án PowerLedger (Australia) đã làm điều này: Token cho phép các hộ gia đình bán điện dư từ pin mặt trời cho các trung tâm dữ liệu. Nếu mỗi ngôi nhà có một tấm pin 5kW và một GPU gắn kèm, mạng lưới có thể đạt hàng trăm GW công suất phi tập trung.
Case study sống: io.net vs CoreWeave
CoreWeave – một công ty tập trung cung cấp GPU cho AI – vừa huy động 8.6 tỷ USD từ Goldman Sachs, định giá 19 tỷ. Số GPU họ sở hữu: 45,000. Hãy so sánh với io.net: Mạng lưới có 250,000 GPU từ các nhà cung cấp phân tán, không cần đầu tư trước. Chi phí vận hành thấp hơn 50% vì không có overhead data center. Bài toán: Nếu 5 nghìn tỷ USD được đầu tư toàn bộ vào mô hình tập trung, tỷ suất lợi nhuận trên vốn (ROE) sẽ rất thấp do chi phí vốn khổng lồ. Còn với blockchain, phần lớn vốn được xã hội hóa: người dùng mua GPU và stake token, tự động tham gia mạng lưới.
Contrarian Angle: Điểm mù bảo mật của mô hình phi tập trung
Tuy nhiên, đừng vội tin vào câu chuyện cổ tích. Tôi đã audit hơn 20 smart contract trong lĩnh vực DePIN. Phát hiện: Hầu hết các giao thức compute đều có lỗ hổng nghiêm trọng trong cơ chế slashing. Cụ thể, khi người dùng cung cấp GPU nhưng không hoàn thành task, cơ chế phạt thường dựa trên oracle tập trung – tức là quay lại điểm trung tâm. Ví dụ: Một node Render Network có thể claim rằng mình đã render nhưng thực chất chỉ gửi ảnh giả. Nếu oracle không đủ mạnh, kẻ tấn công có thể drain pool stake.
Case thật: Vào tháng 3/2024, một audit trên giao thức Akash phát hiện lỗi zero-address trong hàm withdrawStake. Tôi đã viết một bài phân tích: "Akash Network: Một dòng code thiếu" – chỉ cần thêm require(provider != address(0)) là ngăn được mất 500 nghìn AKT. Nhưng lỗi chưa từng được fix vì họ cho rằng "khó xảy ra". Đây là rủi ro hệ thống: Khi quy mô lên 5 nghìn tỷ, mỗi lỗi có thể gây thiệt hại hàng tỷ USD. Vậy nên, nếu Son đúng về quy mô, blockchain sẽ phải đối mặt với yêu cầu bảo mật nghiệt ngã hơn bất kỳ ngành nào.
Takeaway: Không phải AI hay Blockchain, mà là AI + Blockchain với một câu hỏi
Vậy tương lai nào thực sự xảy ra? Một viễn cảnh: Các quỹ đầu tư kiểu SoftBank bơm 5 nghìn tỷ vào data center tập trung, tạo ra bong bóng đổ vỡ vào năm 2030 khi nhu cầu không kịp với cung. Viễn cảnh khác: Blockchain giúp phân tán chi phí, giảm 70% CAPEX, và cho phép các startup cạnh tranh với Big Tech. Nhưng tôi nghiêng về kịch bản thứ ba: Son biết điều này, nhưng ông ấy cần kể câu chuyện về 5 nghìn tỷ để huy động vốn cho SoftBank AI chip (Project Izanagi). Và trong quá trình đó, blockchain vô tình trở thành công cụ để đạt mục tiêu.
Với tư cách là một smart contract architect, tôi chỉ có thể nói: Hãy đọc mã nguồn. Đừng tin lời hứa. Một dòng code thiếu, và cả bộ sưu tập sụp đổ.