Tuần trước, tôi nhận được một tin nhắn từ một quỹ đầu tư mà tôi từng tư vấn: "Anh Nam, có một dự án đang gọi vốn với ý tưởng token hóa 10.000 GPU từ các trung tâm dữ liệu ở Đông Nam Á. Họ nói rằng nhờ các mô hình mã nguồn mở, nhu cầu tính toán AI sẽ bùng nổ và họ muốn tạo ra một thị trường giao dịch sức mạnh tính toán. Anh thấy sao?"
Tôi không trả lời ngay. Thay vào đó, tôi mở lại bảng tính của mình về các dự án DePIN mà tôi đã theo dõi từ năm 2023. io.net, Render, Akash — tất cả đều đang cố gắng làm điều tương tự: biến GPU thành một lớp tài sản có thể giao dịch. Nhưng câu hỏi thực sự không phải là "có nên token hóa hay không", mà là "liệu thị trường có đủ trưởng thành để định giá đúng sức mạnh tính toán hay không".
Đây là lúc tôi nhận ra rằng chúng ta đang đứng trước một trong những câu chuyện lớn nhất của chu kỳ này: AI Tính Toán Đang Được Tài Chính Hóa. Và giống như mọi câu chuyện lớn, nó vừa chứa đựng cơ hội vừa ẩn chứa cạm bẫy.
Bối Cảnh: Tại Sao Lại Là Tính Toán AI?
Hãy nhìn vào bức tranh lớn. Năm 2024, các mô hình ngôn ngữ lớn mã nguồn mở như Llama 3, Qwen 2.5, và DeepSeek V3 đã phá vỡ rào cản chi phí. Không còn chỉ có OpenAI và Google mới có thể chạy các mô hình mạnh mẽ — bất kỳ startup nào cũng có thể triển khai một phiên bản tinh chỉnh trên đám mây với chi phí vài nghìn đô la mỗi tháng.
Hệ quả: nhu cầu về GPU tăng vọt, nhưng không phải từ các tập đoàn lớn, mà từ hàng nghìn doanh nghiệp nhỏ, nhà phát triển cá nhân, và các dự án AI agent. Điều này tạo ra một thị trường thứ cấp cho sức mạnh tính toán — nơi mà những người sở hữu GPU (các công ty khai thác, trung tâm dữ liệu nhỏ) có thể cho thuê công suất dư thừa.
Chính tại đây, khái niệm "tài chính hóa tính toán" ra đời. Thay vì chỉ cho thuê GPU như một dịch vụ (AWS, GCP), các dự án blockchain đề xuất token hóa chúng: biến mỗi giờ tính toán thành một đơn vị có thể giao dịch, thế chấp, hoặc đầu cơ. Đây là sự giao thoa giữa Real World Assets (RWA) và Decentralized Physical Infrastructure Networks (DePIN) — hai narrative nóng nhất trong crypto hiện nay.
Cốt Lõi: Cơ Chế Và Thực Tế Kỹ Thuật
Khi tôi bắt đầu nghiên cứu sâu về các dự án này, tôi thấy rằng có hai con đường chính:
Con đường 1: Token hóa hash rate trực tiếp — Ví dụ, một dự án phát hành token đại diện cho 1 MH/s (megahash per second) trong một khoảng thời gian nhất định. Người mua token có thể sử dụng nó để chạy các tác vụ AI hoặc bán lại cho người khác. Đây là mô hình của io.net và một số dự án khác.
Con đường 2: Tạo ra các chỉ số tính toán — Giống như một ETF, nơi mà một rổ GPU được quản lý tập trung, và token đại diện cho quyền sở hữu một phần trong rổ đó. Các chỉ số này có thể được giao dịch như một tài sản phái sinh.
Cả hai con đường đều đối mặt với một vấn đề kỹ thuật cốt lõi: làm thế nào để xác thực rằng GPU thực sự đang chạy và sinh ra hash rate?
Trong quá khứ, tôi đã từng kiểm tra một số dự án "bán hash rate" trong lĩnh vực khai thác Bitcoin. Nhiều dự án trong số đó đã gian lận — họ bán nhiều hash rate hơn công suất thực tế, hoặc sử dụng các GPU ảo. Đối với tính toán AI, vấn đề còn phức tạp hơn vì các tác vụ rất đa dạng (training, inference, fine-tuning) và không thể đơn giản hóa thành một đơn vị duy nhất.
Dựa trên kinh nghiệm audit của tôi, một hệ thống xác thực đáng tin cậy cần có:
- Proof of Compute — một cơ chế tương tự như zk-proof, nơi GPU phải chứng minh rằng nó đã thực hiện một tác vụ cụ thể (ví dụ: chạy một mô hình Llama 3 trên một batch dữ liệu).
- Oracle mạng — các node giám sát độc lập kiểm tra ngẫu nhiên các GPU đang hoạt động.
- Staking và Slashing — người cung cấp GPU phải stake token, và nếu họ không đáp ứng đúng hash rate, họ sẽ bị phạt.
Hiện tại, chưa có dự án nào thực sự giải quyết triệt để bài toán này. io.net đã phải đối mặt với các cáo buộc về dữ liệu GPU giả mạo vào đầu năm 2024. Render Network thì tập trung vào rendering 3D hơn là AI training. Akash thì đang ở giai đoạn rất sớm.
Góc Nhìn Nghịch Lý: Khi Mã Nguồn Mở Có Thể Làm Giảm Nhu Cầu Tính Toán
Đây là điểm mà hầu hết các bài phân tích đều bỏ qua. Câu chuyện phổ biến là: "Mã nguồn mở làm giảm chi phí AI, do đó nhu cầu tính toán tăng lên". Nhưng có một logic ngược lại: Khi chi phí API từ các nhà cung cấp lớn (OpenAI, Anthropic, Google) giảm xuống, tại sao một doanh nghiệp nhỏ lại phải mua GPU để tự chạy mô hình?
Thực tế, các API này đang giảm giá rất nhanh. GPT-4o mini có giá chỉ $0.15/1 triệu token. DeepSeek V3 thậm chí còn rẻ hơn. Đối với nhiều tác vụ, việc gọi API sẽ rẻ hơn và đơn giản hơn nhiều so với việc tự quản lý hạ tầng GPU.
Do đó, "nhu cầu tính toán dài hạn" từ các doanh nghiệp nhỏ có thể không mạnh như kỳ vọng. Nhu cầu thực sự có thể đến từ các công ty lớn muốn kiểm soát dữ liệu, hoặc từ các ứng dụng AI agent cần độ trễ thấp. Nhưng những đối tượng này thường đã có hợp đồng với các nhà cung cấp đám mây tập trung.
Tôi từng thấy một dự án DePIN vào năm 2023 huy động được 10 triệu đô la với lời hứa "giải phóng GPU dư thừa". Khi tôi hỏi họ: "Ai là khách hàng thực sự của các bạn?", họ trả lời: "Các nhà phát triển AI". Khi tôi hỏi tiếp: "Họ sẽ trả bao nhiêu cho mỗi giờ GPU?", câu trả lời rất mơ hồ. Đó là một dấu hiệu đỏ.
Rủi Ro Và Cơ Hội: Khung Phân Tích Của Tôi
Sau 23 năm trong ngành, tôi đã phát triển một framework để đánh giá các narrative như thế này. Tôi gọi nó là "Narrative Survivability" — khả năng sống sót của một câu chuyện qua các chu kỳ thị trường.
Đối với "AI tính toán tài chính hóa", tôi đánh giá:
- Cơ bản (Fundamentals): Trung bình. Nhu cầu tính toán AI là thật, nhưng việc token hóa nó có giải quyết được vấn đề gì không? Có thể là thanh khoản cho GPU, nhưng GPU là tài sản khấu hao nhanh (giảm giá trị mỗi tháng). Token hóa không làm thay đổi điều đó.
- Công nghệ: Yếu. Các giải pháp xác thực tính toán chưa đủ tin cậy. Nếu không có Proof of Compute thực sự, đây chỉ là một hình thức bán khống.
- Kinh tế token: Nguy hiểm. Hầu hết các dự án đều có token inflation cao, phần thưởng đến từ việc pha loãng hơn là từ doanh thu thực. Nếu không có yield từ phí sử dụng GPU, token sẽ giảm giá trị theo thời gian.
- Quy định: Rủi ro cao. Ở Mỹ, SEC có thể coi các token này là chứng khoán nếu chúng hứa hẹn lợi nhuận từ nỗ lực của người khác. Và vì GPU là tài sản thế giới thực, nó còn liên quan đến các quy định về hàng hóa.
Dựa trên framework này, tôi tin rằng câu chuyện này sẽ tiếp tục thu hút sự chú ý trong 6-12 tháng tới, nhưng đa số các dự án sẽ thất bại. Chỉ có 1-2 dự án có đội ngũ mạnh, công nghệ thực sự, và mô hình kinh doanh bền vững mới sống sót.
Kết Luận: Câu Chuyện Tiếp Theo Là Gì?
Khi tôi trả lời vị quỹ đầu tư kia, tôi nói: "Hãy hỏi họ ba điều: (1) Làm thế nào để kiểm tra GPU thực sự chạy? (2) Doanh thu từ phí tính toán là bao nhiêu, và token có được mua lại từ doanh thu đó không? (3) Họ có kế hoạch gì để đối phó với SEC?"
Nếu họ không trả lời được, đó là một câu chuyện bán hàng, không phải một cơ hội đầu tư.
AI tính toán tài chính hóa là một trong những narrative thú vị nhất mà tôi thấy từ năm 2020. Nó kết hợp giữa nhu cầu thực tế (AI) và sự đổi mới tài chính (token hóa). Nhưng như mọi narrative, nó cần thời gian để chứng minh. Đừng để sự phấn khích của thị trường tăng che mờ đi những câu hỏi kỹ thuật cốt lõi.
Hãy nhìn vào con mồi thực sự: không phải token, mà là hạ tầng xác thực tính toán. Ai giải quyết được bài toán đó, người đó sẽ thắng.