Giới AI không có thời gian quan tâm đến blockchain.

Tác giả: Ekko An, Ryan Yoon; Nguồn: Tiger Research; Biên dịch: BitpushNews

Ngành công nghiệp trí tuệ nhân tạo tiếp tục phát triển mạnh mẽ, không có dấu hiệu hạ nhiệt. Tuy nhiên, lĩnh vực "Blockchain AI" lại hoàn toàn khác. Tại sao nó không thu hút được sự quan tâm tương xứng?

Điểm chính

• Trong cơn sốt AI, ngành blockchain cần nhìn nhận từ góc độ nhu cầu: nó giải quyết những vấn đề gì mà hệ thống hiện tại không thể giải quyết, và mang lại những khả năng độc đáo nào?

• Điện toán và lưu trữ phi tập trung thực sự có logic hợp lý về chủ quyền dữ liệu và cạnh tranh chi phí. Rào cản nằm ở chỗ cả hai hiện đều chưa thể hiện được lợi thế công nghệ đủ thuyết phục để khiến những khách hàng đã gắn bó với cơ sở hạ tầng đám mây hiện tại sẵn sàng chấp nhận rủi ro di chuyển.

• Công nghệ xác thực mô hình và quyền riêng tư giải quyết những vấn đề chưa đạt đến mức độ cấp bách khiến doanh nghiệp chủ động hành động. Loại nhu cầu này có nhiều khả năng đến sau các yêu cầu pháp lý hơn là đi trước chúng. Đạo luật AI của EU là một mô hình điển hình: tiêu chuẩn đi trước, thị trường theo sau.

• Trong danh mục khung tác nhân (Agent), nút thắt không nằm ở công nghệ. Các doanh nghiệp chủ đạo hiện vẫn tập trung vào tự động hóa quy trình làm việc nội bộ, trong khi các dự án blockchain đã xây dựng lớp cơ sở hạ tầng cho giai đoạn tiếp theo. Nhu cầu cần thời gian để bắt kịp công nghệ.

• Thanh toán tác nhân là lĩnh vực duy nhất mà blockchain và tài chính truyền thống cùng ở vạch xuất phát. Cả hai bên đều chưa giải quyết được vấn đề này, khiến nó trở thành danh mục duy nhất mà cả hai cùng đối mặt với thách thức tương tự.

• Nhìn chung, ngành blockchain AI gặp khó khăn không phải vì sự kết hợp giữa hai lĩnh vực thiếu tính hợp lý, mà vì sự không phù hợp: bốn danh mục mỗi danh mục đều đối mặt với những lý do khác nhau khiến nhu cầu chưa hình thành, và chỉ có thanh toán tác nhân hiện đủ điều kiện để cạnh tranh cùng lúc.

1. Các dự án blockchain bị lãng quên trong cơn sốt AI

Ngành công nghiệp trí tuệ nhân tạo đang trải qua sự đầu tư vốn và cơ sở hạ tầng chưa từng có. Hệ sinh thái mô hình ngôn ngữ lớn do các công ty công nghệ lớn dẫn đầu đã trở thành một tính năng tiêu chuẩn của cuộc sống hàng ngày và hoạt động công nghiệp. Trong quá trình mở rộng nhanh chóng này, ngành công nghiệp tiền điện tử cũng đang phát triển nhanh chóng, tìm kiếm điểm kết nối công nghệ với AI.

Những nỗ lực ban đầu tập trung vào việc bổ sung hoặc sao chép các phần của chuỗi giá trị AI truyền thống: cung cấp GPU phi tập trung, khôi phục quyền sở hữu dữ liệu và xác minh mật mã. Gần đây, trọng tâm chuyển sang lấp đầy những khoảng trống mà kiến trúc tập trung khó giải quyết, bao gồm hoạt động tự chủ trên chuỗi của các tác nhân AI và thanh toán máy với máy (M2M) theo thời gian thực.

Mô tả lĩnh vực này một cách chung chung là "AI cộng với blockchain" đã che giấu sự phức tạp của nó. Chúng ta cần phân tích nghiêm túc từ phía nhu cầu: mỗi phân khúc giải quyết vấn đề gì? Các giải pháp blockchain có mang lại giải pháp thực sự khác biệt không?

2. Chức năng của từng danh mục

2.1. Điện toán phi tập trung

Thị trường điện toán đám mây hiện nay phụ thuộc về mặt cấu trúc vào một số ít các công ty công nghệ lớn kiểm soát tài nguyên điện toán. GPU hiệu suất cao vừa khó tiếp cận vừa đắt đỏ, tạo ra rào cản gia nhập dốc cho các công ty khởi nghiệp AI và nhóm nghiên cứu không có cơ sở hạ tầng quy mô lớn.

Hệ thống tập trung tập trung tài nguyên vào những người mua lớn nhất, và trên thị trường không có kênh trung lập để phân phối lại dung lượng GPU nhàn rỗi dồi dào.

Điện toán phi tập trung giải quyết sự tập trung hóa và kém hiệu quả này theo hai cách:

• Mô hình kinh tế chia sẻ: Các dự án tổng hợp tài nguyên GPU nhàn rỗi do các cá nhân và trung tâm dữ liệu nhỏ nắm giữ vào một mạng lưới thống nhất, từ đó tạo ra một chuỗi cung ứng linh hoạt hơn bên ngoài sự độc quyền công nghệ hiện có.

• Mô hình điện toán phân tán: Người dùng có thể thuê tài nguyên điện toán trên toàn cầu mà không phụ thuộc vào cơ sở hạ tầng của bất kỳ nhà cung cấp đơn lẻ nào, do đó cải thiện việc sử dụng phần cứng và hạ thấp rào cản gia nhập cho điện toán hiệu suất cao.

2.2. Lưu trữ phi tập trung

Kiến trúc lưu trữ dữ liệu hiện tại gần như hoàn toàn phụ thuộc vào cơ sở hạ tầng đám mây tập trung do các công ty như Google và Meta vận hành. Khi người dùng tải dữ liệu lên các nền tảng này, quyền sở hữu thực tế đã chuyển sang nền tảng, củng cố sự kiểm soát độc quyền của họ đối với dữ liệu huấn luyện AI. Cơ sở hạ tầng tập trung cũng đưa đến rủi ro vận hành: thay đổi chính sách, gián đoạn dịch vụ hoặc sự cố nền tảng có thể cắt quyền truy cập dữ liệu hoặc gây mất dữ liệu.

Lưu trữ phi tập trung giải quyết các vấn đề cấu trúc này theo hai cách:

• Mô hình kinh tế chia sẻ: Ví dụ Filecoin và Arweave, tổng hợp không gian lưu trữ nhàn rỗi của người tham gia thành một mạng lưới, có thể thay thế các dịch vụ đám mây tập trung hiện có.

• Mô hình lưu trữ vĩnh viễn: Sao chép dữ liệu phân tán qua các nút, đảm bảo tính bền vững của dữ liệu mà không phụ thuộc vào trạng thái hoạt động của bất kỳ máy chủ đơn lẻ nào, và giảm sự phụ thuộc vào bất kỳ nền tảng đơn lẻ nào.

2.3. Thị trường dữ liệu

Các nhà phát triển AI cần dữ liệu huấn luyện, nhưng thị trường phân phối dữ liệu hiện tại hoạt động theo mô hình khép kín, với các nền tảng lớn như Hugging Face và nhà cung cấp đám mây chiếm lợi ích kinh tế và kiểm soát giá cả. Người tạo dữ liệu hầu như không được đền bù, và cơ chế thưởng cho việc thu thập và đóng góp dữ liệu thiếu minh bạch.

Thị trường trên chuỗi loại bỏ trung gian thông qua hợp đồng thông minh và thiết lập các điều khoản giao dịch minh bạch:

• Mô hình giao dịch trực tiếp: Ví dụ Ocean Protocol, chủ sở hữu dữ liệu và nhà phát triển AI giao dịch trực tiếp thông qua hợp đồng thông minh, phân phối thù lao minh bạch.

• Mô hình thưởng đóng góp: Ví dụ Grass, cá nhân kết nối băng thông nhàn rỗi để thu thập dữ liệu AI và nhận thù lao tỷ lệ với giá trị đóng góp của họ.

2.4. Xác thực mô hình & suy luận / Quyền riêng tư

Các hệ thống AI truyền thống hoạt động như "hộp đen", không có phương tiện bên ngoài để xác minh liệu mô hình có chạy đúng hay không, hoặc dữ liệu người dùng nhạy cảm có được xử lý an toàn hay không.

Học máy không kiến thức (ZKML) đưa vào lớp xác minh mật mã cho suy luận AI, cho phép bảo vệ quyền riêng tư và khả năng kiểm toán. Trong kiến trúc này, mô hình chạy ngoài chuỗi theo cách truyền thống, nhưng quá trình tính toán tạo ra một bằng chứng mật mã chứng minh quá trình đã được thực thi chính xác theo các quy tắc đã định.

Được ghi lại trên chuỗi là "bằng chứng" này, chứ không phải dữ liệu cơ bản. Ví dụ: Trong dịch vụ yêu cầu bảo hiểm y tế tự động, bệnh viện chỉ cần gửi bằng chứng rằng mô hình AI chạy đúng, mà không cần chia sẻ hồ sơ y tế đầy đủ. Công ty bảo hiểm có thể xác minh tính hợp pháp của yêu cầu mà không cần truy cập dữ liệu gốc.

2.5. Khung tác nhân AI

Khi các tác nhân AI trở thành cốt lõi chính của lưu lượng truy cập và tạo giá trị, chúng đang tiến hóa từ công cụ thành các tác nhân kinh tế tự chủ. Hệ thống tài chính hiện tại được thiết kế xung quanh mô hình tiêu dùng của con người, và không tương thích về mặt cấu trúc với môi trường thanh toán lấy máy làm trung tâm.

Nền kinh tế tác nhân cần thanh toán vi mô, thanh toán tần suất cao và thanh toán xuyên biên giới ở cấp độ mili giây, mà cơ sở hạ tầng tài chính hiện tại không thể đáp ứng.

Cơ sở hạ tầng tác nhân trên chuỗi giải quyết vấn đề này thông qua hai cơ chế:

• Cơ chế thực thi và kiểm soát tự chủ: Cấp ví và danh tính duy nhất cho các tác nhân AI, cho phép chúng ký giao dịch trực tiếp, với hạn mức chi tiêu và các biện pháp bảo vệ chống lại các hành vi không mong muốn.

• Cơ chế thanh toán dựa trên giao thức: Sử dụng các giao thức thanh toán stablecoin như x402, thanh toán vi mô và thanh toán tần suất cao theo thời gian thực, bỏ qua các bước chuyển đổi tiền tệ và phê duyệt.

3. Tại sao Blockchain AI đi lệch khỏi chuỗi giá trị AI

Chuỗi giá trị AI hình thành xung quanh việc "loại bỏ tuần tự các nút thắt". Khi nhu cầu AI tăng lên, tình trạng thiếu bộ nhớ xuất hiện, năng lượng điện và khả năng truyền dữ liệu cũng bị hạn chế. Những công ty giải quyết nhanh chóng các vấn đề này (như nhà sản xuất HBM và nhà cung cấp cơ sở hạ tầng điện) đã thu hút vốn lớn và tăng giá thị trường. Thị trường định giá rõ ràng cho các giải pháp loại bỏ rào cản tăng trưởng.

Mặc dù các dự án blockchain AI xác định được vấn đề thực sự, chúng không nhận được sự quan tâm thị trường tương xứng. Nếu những vấn đề này thực sự cấp bách như tuyên bố, lẽ ra chúng đã thúc đẩy sự thay đổi đáng kể trên thị trường.

Các dự án blockchain AI không thu hút được vốn chủ đạo trong khi thúc đẩy các mục tiêu hợp lý như "giảm tập trung GPU" và "khôi phục quyền sở hữu dữ liệu", bởi vì có khoảng cách lớn giữa ưu tiên của nhà cung cấp công nghệ và ưu tiên của người mua kiểm soát phân bổ vốn.

Ngành AI hoạt động trên các dòng thời gian cạnh tranh, và người mua (chủ yếu là các công ty công nghệ lớn và khách hàng doanh nghiệp) đầu tư quy mô lớn vào công nghệ giải quyết nhanh nhất các nút thắt vận hành trước mắt của họ. Họ không dành thời gian đánh giá cơ sở hạ tầng chưa được kiểm chứng. Ưu tiên của họ là hiệu suất tính toán, độ tin cậy cơ sở hạ tầng và tỷ lệ hoàn vốn đầu tư có thể chứng minh.

Ví dụ: Khi tốc độ truyền dữ liệu trở thành nút thắt cho huấn luyện mô hình, vốn lớn đã chảy vào cơ sở hạ tầng cáp quang để thay thế cáp đồng; khi băng thông bộ nhớ trở thành yếu tố hạn chế chính, SK Hynix và Samsung Electronics đã giải quyết vấn đề quan trọng này thông qua bộ nhớ băng thông cao (HBM), từ đó nhận được sự công nhận toàn cầu. Mô hình nhất quán: vốn theo đuổi những người loại bỏ các yếu tố cản trở tiến bộ.

Vấn đề cốt lõi của blockchain AI nằm ở "định vị". Người mua có ngân sách vốn lớn chỉ tập trung vào cải thiện hiệu suất và giảm chi phí trong ngắn hạn. Ngược lại, blockchain AI tập trung vào các vấn đề mà người mua coi là "thứ yếu" hoặc thuộc "trạng thái tương lai". Tham vọng công nghệ từ phía cung không phù hợp với yêu cầu vận hành tức thời từ phía cầu.

3.1. Hạn chế công nghệ

Một số dự án sử dụng điểm chuẩn để thể hiện tiềm năng và ý tưởng thiết kế của cơ sở hạ tầng phi tập trung. Nhưng vấn đề căn bản hơn là công việc này chưa tạo ra bước nhảy vọt công nghệ quyết định để thay thế các gã khổng lồ hiện có trên thị trường chủ đạo.

Đối với một công nghệ mới, nếu muốn giành thị phần từ các nhà cung cấp đám mây tập trung như AWS hay GCP (những người đã có vốn và cơ sở hạ tầng khổng lồ), nó phải mang lại lợi thế hiệu suất đủ lớn đến mức làm cho khoảng cách với các gã khổng lồ hiện tại trở nên không quan trọng.

Khi Apple chuyển từ chip Intel sang chip M1 (và chấp nhận rủi ro phá vỡ tương thích phần mềm lớn), sự hợp lý của động thái này nằm ở việc hiệu suất trên mỗi watt tăng gấp ba lần — một khoảng cách đủ lớn để làm cho việc chuyển đổi trở nên đáng giá.

Đối với người mua doanh nghiệp cần đồng bộ hóa dữ liệu ở cấp petabyte và độ trễ cực thấp làm điều kiện cơ bản, blockchain AI chưa đưa ra một trường hợp đủ rõ ràng để khiến họ chấp nhận rủi ro chuyển đổi.

3.2. Sự không phù hợp về nhu cầu

Trong lĩnh vực điện toán phi tập trung, một số dự án đưa ra "Thỏa thuận mức dịch vụ" (SLA) như một cơ chế giảm thiểu rủi ro, nhưng người mua doanh nghiệp vẫn chưa bị thuyết phục. Lý do mang tính cấu trúc, không phải hợp đồng. Các nhà cung cấp đám mây lớn cung cấp trung tâm dữ liệu được kiểm soát, chuyên biệt. Mạng blockchain phụ thuộc vào sự tham gia của các nút rải rác, ẩn danh.

Nếu một nút bị ngắt kết nối và làm gián đoạn nhiệm vụ huấn luyện mô hình trị giá hàng trăm triệu won, bất kỳ khoản bồi thường token hay tài chính nào cũng không thể bù đắp được chi phí cơ hội và thời gian mất đi. Đối với người mua doanh nghiệp hoạt động trên các dòng thời gian cạnh tranh, sự ổn định hệ thống không phải là một tham số có thể thương lượng. Ngay cả khi có cơ chế phòng hộ, hầu hết người mua không có động lực để chấp nhận rủi ro không chắc chắn còn lại.

3.3. Nhu cầu chưa hình thành

Khung tác nhân blockchain được thiết kế cho các hệ sinh thái phức tạp (tức nhiều tác nhân AI hợp tác tự chủ), nhưng có khoảng cách về độ trưởng thành giữa tầm nhìn này và hiện trạng thị trường chủ đạo.

Dưới sự dẫn dắt của các công ty như Microsoft và Salesforce, việc áp dụng tác nhân AI trong doanh nghiệp đang tăng tốc, nhưng trọng tâm hiện tại được đặt vững chắc vào "tự động hóa quy trình làm việc" chạy trong các mạng nội bộ được kiểm soát. Cơ sở hạ tầng mà các dự án blockchain đang xây dựng nhắm vào giai đoạn tiếp theo: các tác nhân AI độc lập tự động chạy trên các mạng bên ngoài bên ngoài bất kỳ ranh giới tổ chức nào. Hầu hết các doanh nghiệp hiện vẫn tập trung vào việc thiết lập sự ổn định và ROI của các hệ thống AI đã triển khai của họ. Hợp tác đa tác nhân trên các mạng bên ngoài chưa nằm trong ưu tiên lộ trình cơ sở hạ tầng của doanh nghiệp.

Việc nhu cầu hạn chế ở giai đoạn hiện tại phản ánh "thời điểm" hơn là "thất bại công nghệ". Điều này nên được hiểu là đầu tư cơ sở hạ tầng dài hạn cho nền kinh tế tác nhân tương lai, hơn là cơ hội doanh thu ngắn hạn.

3.4. Điều kiện tiên quyết về quy định

Bằng chứng không kiến thức và công nghệ bảo vệ quyền riêng tư là giải pháp cốt lõi để xây dựng độ tin cậy AI, nhưng trong giai đoạn đầu áp dụng AI, nhu cầu thực tế của doanh nghiệp đối với cơ sở hạ tầng quyền riêng tư còn hạn chế. Việc áp dụng tự phát từ doanh nghiệp khó có thể thúc đẩy sự phổ biến có ý nghĩa; con đường khả thi hơn là tiêu chuẩn quy định tạo ra nhu cầu, sau đó công nghệ sẽ kết nối.

Sự cụ thể hóa ngày càng tăng của các khuôn khổ quy định toàn cầu (bao gồm Đạo luật AI của EU) là một sự phát triển tích cực trong vấn đề này. Khi các yêu cầu pháp lý về nguồn gốc dữ liệu và bảo mật trở nên cụ thể, khả năng xác minh tiên tiến của blockchain dự kiến sẽ trở thành yêu cầu tuân thủ trong triển khai doanh nghiệp, chứ không phải tính năng tùy chọn.

Sự phát triển quy định trong lĩnh vực này nên được hiểu là chất xúc tác cho sự hình thành thị trường, chứ không phải là sự ràng buộc. Các tiêu chuẩn quy định rõ ràng làm giảm sự không chắc chắn của thị trường, và do đó tạo ra một con đường ổn định để blockchain AI có thể xây dựng nhu cầu chủ đạo trong khuôn khổ thể chế.

3.5. Thiếu trường hợp sử dụng đầy đủ

Các yếu tố cấu trúc này kết hợp với nhau tạo ra một vấn đề cơ bản hơn: thiếu một "trường hợp thành công định nghĩa" có thể chứng minh giá trị ở quy mô lớn. Ngành AI truyền thống đã xây dựng vị thế hiện tại thông qua vòng xoáy áp dụng do ChatGPT gây ra, sử dụng một sản phẩm cụ thể và có thể nhìn thấy rộng rãi để thu hút vốn và nhân tài cần thiết cho tăng trưởng tiếp theo.

Các dự án blockchain AI chưa tạo ra bằng chứng về sự phù hợp thị trường sản phẩm (Product-Market Fit) tương tự ở quy mô lớn. Ngoài sự nhiệt tình cộng đồng ban đầu, không có dự án nào chứng minh được mức độ áp dụng trong vận hành doanh nghiệp hoặc đời sống hàng ngày của người tiêu dùng đủ để thu hút sự quan tâm nghiêm túc từ vốn chủ đạo. Thiếu các trường hợp tham khảo thuyết phục vẫn là rào cản lớn nhất để thu hút đầu tư thể chế bảo thủ có thể đẩy nhanh việc áp dụng rộng rãi hơn.

4. Sự kết hợp của cả hai có giá trị không?

Blockchain AI chưa tìm được chỗ đứng trong chuỗi giá trị AI chủ đạo. Nhưng điều này có nghĩa là sự kết hợp của cả hai là vô nghĩa?

Không phải vậy.

Lý do cốt lõi khiến các dự án blockchain AI hiện bị bỏ qua không phải vì logic kết hợp của hai lĩnh vực mâu thuẫn nhau, mà vì trong mỗi phân khúc, có sự không phù hợp giữa yêu cầu của ngành hiện tại và hướng đi mà công nghệ mang lại.

Ưu tiên của ngành AI truyền thống rất rõ ràng: hiệu suất ngắn hạn, tối ưu hóa chi phí và độ tin cậy cơ sở hạ tầng nghiêm ngặt. Nhiều đề xuất blockchain AI hiện tại lại tập trung vào quyền sở hữu dữ liệu, minh bạch tính toán và phi tập trung.

Những vấn đề này không phải là "nút thắt tức thời" theo quan điểm của những người tham gia ngành đã được thiết lập, và theo đuổi các mục tiêu này thường đòi hỏi chấp nhận suy giảm hiệu suất, mà chi phí này quá cao so với lợi ích.

Trước cơn sốt AI, các công ty cơ sở hạ tầng điện được phân loại rộng rãi là doanh nghiệp trưởng thành, tăng trưởng thấp. Sự gia tăng nhu cầu điện do trung tâm dữ liệu thúc đẩy đã thay đổi điều này, và sau đó chúng đã thu hút sự chú ý lớn của thị trường. Sự thờ ơ hiện tại đối với blockchain AI có thể phản ánh sự chậm trễ tương tự — tức là giai đoạn chuyển tiếp trước khi một mô hình mới tạo ra các điều kiện để thể hiện giá trị của nó.

Trong giai đoạn chuyển tiếp này, điều quan trọng là ngành phản ứng thế nào trước nhu cầu thực sự của thị trường.

Con đường phía trước chia làm hai hướng: một là chủ động thích ứng với các tiêu chuẩn chuỗi giá trị AI hiện có, thu hẹp khoảng cách hiệu suất trước mắt càng nhanh càng tốt; hai là duy trì khả năng hiện tại, đồng thời tiếp tục xây dựng cơ sở hạ tầng cần thiết cho triển khai AI thế hệ tiếp theo.

Kết quả cuối cùng sẽ phụ thuộc vào lựa chọn nào phù hợp hơn với hướng đi của nhu cầu tiếp theo.