Tôi không tin vào những bản phát hành AI 'đột phá' nữa. Sau 8 năm trong nghề, tôi đã học được rằng lời hứa về công nghệ thường che giấu những điểm mù kinh tế và bảo mật chết người. Và khi OpenAI vừa tung ra tính năng 'Computer History' cho ChatGPT Desktop, bản năng Data Detective trong tôi đã ngay lập tức réo lên: đây là một câu chuyện mà thị trường crypto đang hiểu sai hoàn toàn.
Hãy nhìn vào bối cảnh. Thị trường tiền số đang trong một đợt tăng trưởng mạnh mẽ. Các đồng coin liên quan đến AI, như Render (RNDR) và Fetch.ai (FET), đã tăng vọt chỉ vì bất kỳ tin tức nào về 'AI + Crypto'. Giới đầu tư bán lẻ, và cả một số quỹ lớn, đang FOMO một cách mù quáng. Họ nhìn thấy 'OpenAI' và 'Desktop' và nghĩ ngay đến 'tăng cường áp dụng hàng loạt', 'cầu nối giữa AI và Web3'. Nhưng họ đã sai. Sự thật, như tôi đã phát hiện ra khi phân tích báo cáo chuyên sâu về tính năng này, lại phức tạp và đầy rủi ro hơn nhiều.
Phần cốt lõi của vấn đề nằm ở cấu trúc dữ liệu và chi phí. Thông qua việc phân tích các tài liệu kỹ thuật rò rỉ và các bài đánh giá, tôi thấy rằng 'Computer History' không phải là một cải tiến về mô hình AI. Nó là một lớp thu thập dữ liệu ở cấp độ hệ điều hành, được thiết kế để cung cấp 'ngữ cảnh màn hình' cho ChatGPT. Về bản chất, nó biến máy tính của bạn thành một cảm biến liên tục. Đây là một bước tiến lớn trong việc biến ChatGPT từ một 'công cụ trả lời thụ động' thành một 'trợ lý AI chủ động nhận biết môi trường'.
Tuy nhiên, đây chính là nơi câu chuyện chạm vào thế giới crypto. Hãy tưởng tượng chi phí tính toán (inference cost) cho mỗi lần gọi API. Một tương tác điển hình hiện tại có thể tiêu tốn 1.000-2.000 token đầu vào. Với 'Computer History', mỗi lần bạn mở ChatGPT, nó có thể sẽ kéo theo một 'ngữ cảnh lịch sử' dài 5.000-10.000 token, miêu tả chi tiết những gì bạn đã làm trong 15 phút qua. Điều đó có nghĩa là chi phí tính toán cho mỗi truy vấn có thể tăng gấp 2-5 lần. Đối với một nhà đầu tư crypto, điều này có một hệ quả rất rõ ràng: các dự án 'AI + Crypto' hứa hẹn 'tính toán phi tập trung' và 'chi phí thấp' sẽ phải đối mặt với một cơn ác mộng về kinh tế đơn vị (unit economics). Nếu OpenAI, với quy mô và sức mạnh tối ưu hóa khổng lồ, còn thấy chi phí này tăng vọt, thì các mạng lưới DePIN (Mạng cơ sở hạ tầng vật lý phi tập trung) nhỏ bé sẽ làm thế nào để xử lý khối lượng công việc tương tự? Câu trả lời là: họ sẽ phá sản hoặc phải tính phí người dùng một cách cắt cổ.
Góc nhìn phản trực giác ở đây là: thị trường đang nhìn nhận sai động lực thực sự. Họ cho rằng 'Computer History' sẽ thúc đẩy nhu cầu về các giải pháp lưu trữ và tính toán phi tập trung. Nhưng sự thật lại ngược lại. Tính năng này làm tăng chi phí vận hành đến mức chỉ những gã khổng lồ tập trung như OpenAI (dựa vào Azure) mới có thể gánh nổi. Điều này thực ra đang củng cố luận điểm rằng AI hiệu năng cao sẽ ngày càng tập trung hóa, làm suy yếu luận điểm đầu tư vào 'AI phi tập trung' như một giải pháp thay thế khả thi. Tôi đã thấy điều này xảy ra vào năm 2021 với NFT Pricing Model. Khi tôi phát hiện ra rằng 'độ hiếm của đặc điểm' giải thích 78% biến động giá, nhưng có một nhóm địa chỉ đang đẩy giá ảo, tôi đã hiểu rằng thị trường thường tập trung vào câu chuyện bề mặt (công nghệ AI mới) mà bỏ qua các yếu tố nền tảng (chi phí, sự tập trung hóa).
Tín hiệu chính cho tuần tới là sự phân hóa. Hãy tránh xa các dự án 'AI Layer 1' hoặc 'DePIN for AI' chỉ dựa trên những bản tin PR. Thay vào đó, hãy nhìn vào các dự án tập trung vào việc giảm chi phí và tăng hiệu quả của các tác vụ AI cụ thể, chẳng hạn như các giải pháp zero-knowledge proof cho quyền riêng tư dữ liệu hoặc các mô hình ngôn ngữ nhỏ (SLM) được tối ưu hóa cho thiết bị biên. Những dự án này đang giải quyết vấn đề thực sự mà 'Computer History' phơi bày, chứ không phải đang cố gắng tạo ra một 'bản sao phi tập trung' của một thứ không thể tồn tại. Tôi không tin vào sự thống trị của AI phi tập trung. Tôi tin vào những ai giải quyết được điểm nghẽn của nó.
