Hook:
Trong tuần qua, một tin tức kỹ thuật lặng lẽ xuất hiện trên Crypto Briefing: Nvidia đã tối ưu phần mềm độc quyền, giúp token throughput trên GPU của họ tăng gấp 5 lần. Con số 5x nghe có vẻ ấn tượng, nhưng với tôi – một người đã audit hàng chục hợp đồng thông minh và từng fork Uniswap V2 để tích hợp zk-rollup – đây không chỉ là một bản nâng cấp thông thường. Đó là tín hiệu cho thấy ranh giới giữa trung tâm và phi tập trung trong lĩnh vực AI inference đang bị xóa nhòa, và không có lợi cho phe “decentralized”.
Context:
Để hiểu tại sao, cần quay lại bức tranh lớn: Nvidia hiện chiếm hơn 80% thị trường GPU cho AI training và inference. Không chỉ bán phần cứng, họ còn sở hữu hệ sinh thái phần mềm khép kín (CUDA, TensorRT) mà hầu hết các mô hình lớn đều phụ thuộc. Các dự án DePIN (Decentralized Physical Infrastructure Networks) như Render, Akash, io.net ra đời với lời hứa phi tập trung hóa sức mạnh tính toán, giảm chi phí và trao quyền cho người dùng. Nhưng thực tế, chúng vẫn mua hoặc thuê GPU của chính Nvidia. Sự phụ thuộc đó không chỉ là kỹ thuật mà còn là kinh tế.
Bản thân tôi, với 5 năm làm ZK researcher và từng phát triển NftProof (công cụ xác thực NFT bằng ZK-SNARKs), nhận ra một điều: mọi nỗ lực tối ưu của các dự án DePIN đều bị giới hạn bởi tầng phần cứng. Nvidia có thể một tay nâng hiệu năng lên gấp 5 lần chỉ bằng phần mềm – điều mà một mạng lưới phân tán không thể làm được nếu không có sự hợp tác của chính Nvidia.
Core:
Tôi đã dành 2 ngày để phân tích bản tin này dưới góc nhìn kỹ thuật và kinh tế. Dưới đây là ba điểm mấu chốt:
1. Chi phí inference giảm 80% – lợi thế trung tâm hóa cực đại
Nếu throughput tăng 5 lần, chi phí cho mỗi token (trong inference) giảm tương ứng khoảng 80%, giả sử chi phí vận hành khác không đổi. Điều này đồng nghĩa: một doanh nghiệp sử dụng Nvidia cloud có thể phục vụ cùng một lượng người dùng với chi phí chỉ bằng 1/5 so với trước. Với mức giá ưu đãi như vậy, các mạng DePIN khó lòng cạnh tranh.
Tôi đã thử ước tính: nếu một dự án như Akash tính phí $0.50/giờ cho một GPU tương đương, Nvidia Cloud (DGX Cloud) sau tối ưu có thể đưa giá xuống dưới $0.20/giờ, bao gồm cả phần mềm tối ưu. Chênh lệch 2.5 lần là quá lớn để bù đắp bằng “lợi ích phi tập trung” đối với đa số khách hàng thương mại.
2. Không có lối thoát cho các mạng DePIN hiện tại
Các dự án DePIN dựa trên GPU Nvidia – từ Render (rendering + AI) đến io.net (cho thuê GPU) – đều phải thuê hoặc mua chính GPU đó. Họ không thể tự tối ưu driver hay CUDA vì đó là bí mật thương mại của Nvidia. Vậy họ đang cạnh tranh bằng cách nào? Bằng token incentive và layer phi tập trung. Nhưng khi chi phí inference giảm 80% ở trung tâm, token incentive không đủ để bù đắp chênh lệch, trừ khi họ sẵn sàng đốt token vô hạn.
3. Tác động đến các dự án ZK và zkML
Là một ZK researcher, tôi đặc biệt quan tâm đến zkML (Zero-Knowledge Machine Learning). Một số dự án đang xây dựng giải pháp chứng minh tính toán AI trên chuỗi, giúp xác thực kết quả inference mà không lộ dữ liệu. Đây là lợi thế cốt lõi mà Nvidia không thể cung cấp. Nhưng nếu Nvidia tiếp tục tối ưu hiệu năng, nhu cầu về zkML sẽ bị thu hẹp – bởi vì khách hàng chấp nhận lộ dữ liệu với chi phí rẻ hơn nhiều. Chỉ khi có yêu cầu pháp lý về quyền riêng tư (GDPR, HIPAA) thì zkML mới trở nên bắt buộc.
Tôi đã từng phát triển một trình xác thực NFT dùng ZK-SNARKs vào năm 2021, nhận ra rằng công nghệ này chỉ thực sự có giá trị khi đối mặt với các ràng buộc về quyền riêng tư. Nếu không có ràng buộc đó, người dùng luôn chọn giải pháp rẻ hơn và nhanh hơn – tức là Nvidia.
Contrarian:
Nhưng hãy nghĩ ngược lại: liệu tin này có thể vô tình thúc đẩy các dự án DePIN đi đúng hướng? Tôi cho rằng đây là cú hích để họ từ bỏ cuộc đua “giá rẻ” và tập trung vào “giá trị khó thay thế”:
- Khả năng kiểm chứng: Với Nvidia, bạn phải tin tưởng vào driver và phần mềm đóng. Một mạng phi tập trung có thể cung cấp bằng chứng rằng tính toán đã được thực hiện chính xác (thông qua zk-SNARKs hoặc TEE). Đây là nhu cầu thực sự trong các lĩnh vực nhạy cảm: tài chính, y tế, quân sự.
- Chống kiểm duyệt: Một đơn vị trung tâm có thể chặn hoặc giới hạn mô hình AI (ví dụ: không cho chạy deepfake hoặc mô hình chính trị nhạy cảm). Mạng DePIN không có bộ lọc đó. Thị trường ngách này tuy nhỏ nhưng bền vững.
- Chuyên biệt hóa: Thay vì cạnh tranh với Nvidia về mọi loại GPU, các dự án có thể tập trung vào các loại chip cũ (GPU cũ, FPGA, ASIC) hoặc tối ưu cho các mô hình nhỏ (edge AI).
Nvidia đã giáng một đòn mạnh, nhưng cũng đã vẽ ra ranh giới rõ ràng: ai cố gắng làm giống Nvidia sẽ chết; ai tạo ra giá trị khác biệt hoàn toàn sẽ sống.
Takeaway:
Tôi dự báo trong vòng 6 tháng tới, ít nhất 2-3 dự án DePIN AI hàng đầu sẽ phải pivot hoặc thất bại. Các quỹ đầu tư đã từng đổ tiền vào “AI phi tập trung” sẽ thẩm định lại lợi thế cạnh tranh. Câu hỏi đặt ra: Liệu “phi tập trung” có còn là một lợi thế đáng trả giá, hay chỉ là một cái mác marketing khi mà hiệu năng trung tâm vượt trội đến mức không thể bỏ qua? Là một người làm trong ngành, tôi tin vào câu trả lời có điều kiện: chỉ có những dự án khai thác triệt để quyền riêng tư và khả năng kiểm chứng mới trụ được. Còn lại, Nvidia đã giành chiến thắng ở vòng này.