Một trang tin chuyên về tiền mã hóa bỗng trở thành chuyên gia AI chỉ sau một đêm. Họ đưa tin Alibaba phát hành mô hình ngôn ngữ 2,4 nghìn tỷ tham số, "cạnh tranh trực tiếp với Anthropic Fable". Vấn đề duy nhất: Anthropic chưa bao giờ có mô hình nào tên Fable. Và Alibaba cũng chưa bao giờ công bố một con số nào gần mức đó.
Đó không phải một chi tiết nhỏ sai sót. Đó là dấu hiệu cho thấy toàn bộ bài báo có thể được sinh ra từ trí tuệ nhân tạo, hoặc tệ hơn, từ một chiến lược thao túng tâm lý thị trường. Khi một nguồn tin về blockchain đưa ra tuyên bố kỹ thuật cực đoan mà không kèm một liên kết tài liệu kỹ thuật nào, việc đầu tiên của nhà đầu tư không phải là chạy theo tin, mà là dừng lại và truy vết dòng tiền đang đứng sau câu chuyện đó.
Crypto Briefing, trong nhiều năm qua, được biết đến như một ấn phẩm phục vụ cộng đồng nhà đầu tư tiền mã hóa. Trang web này thường xuyên đưa tin về DeFi, Web3, NFT và các dự án token. Khi một trang như vậy bất ngờ đăng tin "nóng" về một mô hình AI của Trung Quốc với thông tin chưa kiểm chứng, câu hỏi đầu tiên không nên là "Alibaba có thực sự làm được không?" mà là "vì sao một trang crypto lại muốn tôi tin điều này vào lúc này?"
Bối cảnh thị trường hiện tại đang trong giai đoạn tích lũy đi ngang. Dòng tiền đầu cơ không có hướng đi rõ ràng. Bất kỳ một câu chuyện "đột phá" nào — dù thật hay giả — cũng có thể tạo ra một cú bứt phá giá ngắn hạn cho các đồng coin liên quan đến AI. Đây là điều kiện lý tưởng để phát tán thông tin sai lệch. Đặc biệt là khi thị trường đã chứng kiến sự hội tụ ngày càng mạnh giữa AI và blockchain qua các dự án DePIN (mạng lưới hạ tầng vật lý phi tập trung) như Render, Filecoin hay Bittensor. Một tin đồn về "siêu mô hình Trung Quốc" đủ sức kéo giá các token này tăng vài chục phần trăm chỉ trong vài giờ.
Nhưng hãy nhìn vào con số. Mô hình lớn nhất từng được công bố công khai với kiến trúc MoE là DeepSeek-V3 với 671 tỷ tham số tổng cộng, chỉ 37 tỷ tham số kích hoạt trong mỗi lần xử lý. Chi phí đào tạo mô hình này ước tính khoảng 5,57 triệu USD. Trong khi đó, con số 2,4 nghìn tỷ tham số mà Crypto Briefing nhắc đến lớn hơn 3,6 lần. Nếu nhân tuyến tính chi phí, ngưỡng tối thiểu cho một lần tiền đào tạo đã vượt 20 triệu USD, chưa tính chi phí thu thập dữ liệu, căn chỉnh siêu vi, đánh giá an toàn và vận hành thử nghiệm. Với ngân sách của Alibaba, 20 triệu USD không phải số tiền quá lớn. Nhưng vấn đề không nằm ở tiền, mà nằm ở năng lực hạ tầng và tính hợp lý về mặt kỹ thuật.
Một mô hình 2,4 nghìn tỷ tham số, nếu là kiến trúc dày đặc (dense), sẽ cần một cụm GPU từ 8.000 đến 16.000 chip H100/H800, vận hành liên tục trong 3 đến 6 tháng. Tính đến thời điểm hiện tại, chưa có bất kỳ báo cáo kỹ thuật hay hình ảnh vệ tinh hay hóa đơn mua GPU nào của Alibaba cho thấy họ sở hữu cụm tính toán đơn nhất quy mô đó. Ngược lại, các thông tin công khai cho thấy Alibaba đang phân bổ nguồn lực cho nhiều mô hình kích thước trung bình, phục vụ các tình huống ứng dụng khác nhau, thay vì dồn toàn bộ trứng vào một giỏ siêu mô hình. Điều này phù hợp với chiến lược "mở + đám mây" mà Alibaba theo đuổi: phát hành các mô hình nguồn mở nhỏ hơn để thu hút cộng đồng phát triển, đồng thời kiếm tiền từ hạ tầng đám mây và API.
Nếu con số 2,4 nghìn tỷ tham số là thật, rất có thể đó là một mô hình MoE với tổng tham số lớn nhưng số tham số kích hoạt chỉ ở mức 100 tỷ — tương đương các mô hình tiên tiến hiện nay. Trong trường hợp đó, đây chỉ là một bước tiến hóa bình thường của dòng Qwen, không phải "cú nhảy vọt" làm thay đổi cục diện cạnh tranh AI toàn cầu như bài báo gốc ngụ ý. Và nếu con số là giả, thì câu chuyện càng đơn giản hơn: một trang tin đã dùng AI để tạo nội dung, rồi đăng lên mà không qua bất kỳ quy trình biên tập nào.
Điểm mù của câu chuyện này không nằm ở chuyện Alibaba có hay không có mô hình đó. Điểm mù nằm ở chỗ toàn bộ cộng đồng đầu tư vẫn đang bị ám ảnh bởi "cuộc đua tham số", trong khi lợi thế cạnh tranh thực sự của AI vào năm 2025 đã chuyển sang chi phí suy luận, hiệu quả năng lượng và khả năng triển khai thực tế.
DeepSeek đã phá vỡ câu chuyện "càng to càng mạnh" khi chứng minh một mô hình 671 tỷ tham số có thể đạt hiệu suất tương đương GPT-4 với chi phí chưa đến 6 triệu USD. Sự kiện này đã khiến thị trường chứng khoán Mỹ rung lắc và làm dấy lên câu hỏi liệu các ông lớn công nghệ Mỹ có đang chi tiêu quá mức cho hạ tầng AI hay không. Trong bối cảnh đó, nếu một công ty như Alibaba tung ra một mô hình 2,4 nghìn tỷ tham số, đó không phải tín hiệu thống trị mà là tín hiệu lãng phí — trừ khi họ có một kiến trúc đột phá hoàn toàn mới. Một tin đồn không có tài liệu kỹ thuật không thể trả lời câu hỏi đó.
Ngược lại, nếu nhìn vào bức tranh thực tế của Alibaba, chúng ta sẽ thấy một câu chuyện ít kịch tính hơn nhưng có giá trị hơn nhiều. Alibaba đã xây dựng hệ sinh thái Qwen thành một trong những dòng mô hình nguồn mở được tải xuống nhiều nhất thế giới, đứng đầu trong nhiều bảng xếp hạng trên HuggingFace. Qwen2.5-72B là một mô hình dày đặc mạnh mẽ. Qwen3-235B-A22B là một mô hình MoE hiệu quả. Còn Qwen-Max, mô hình thương mại đóng, chưa bao giờ công bố số tham số chính thức — điều này hoàn toàn bình thường trong ngành công nghiệp AI vì các công ty không muốn tiết lộ bí mật thương mại của họ. Sự im lặng đó không phải là bằng chứng của một siêu mô hình bí mật; nó chỉ đơn giản là một quyết định kinh doanh.
Nhưng điều quan trọng hơn là cách tin tức này được lan truyền. Khi một tin đồn kỹ thuật không có nguồn gốc rõ ràng xuất hiện trên một trang tin crypto, nó thường được thiết kế để phục vụ một mục đích đầu cơ nào đó. Có thể là để đẩy giá các token AI như TAO, FET hoặc RENDER. Có thể là để thu hút lưu lượng truy cập cho chính trang tin đó. Có thể là để thử nghiệm phản ứng thị trường trước một kịch bản địa chính trị nào đó. Trong cả ba trường hợp, nhà đầu tư cá nhân đều nằm ở phía chịu thiệt nếu họ hành động dựa trên cảm xúc thay vì dữ liệu.
Cách kiểm chứng một tin tức AI trong thị trường crypto không phức tạp. Bước một: tìm nguồn chính thức. Bước hai: kiểm tra thông tin kỹ thuật đi kèm. Bước ba: đặt câu hỏi về động cơ của người đăng tin. Nếu cả ba bước đều không đưa ra được câu trả lời rõ ràng, khả năng cao đó là tin giả. Trong trường hợp này, cả ba bước đều thất bại. Không có tài liệu kỹ thuật từ Alibaba. Không có bài báo khoa học. Không có mô hình tên Fable trong danh mục sản phẩm của Anthropic. Và động cơ của một trang tin crypto thì ai cũng có thể đoán được.
Cần phải nói rõ rằng, không phải mọi nguồn tin crypto đều xấu. Nhưng khi một nguồn tin chuyên về tiền mã hóa bước sang lĩnh vực AI, họ thường mang theo những định kiến và lợi ích riêng. Họ nhìn AI qua lăng kính của dòng tiền, không phải qua lăng kính của khoa học. Điều này giải thích tại sao các bài báo crypto về AI thường nói về "đột phá", "thống trị", "đối đầu" — những từ ngữ mang tính cảm xúc mạnh — thay vì nói về "độ chính xác trên benchmark", "chi phí suy luận trên mỗi token", hay "thời gian phản hồi trung bình". Ngôn ngữ sử dụng đã nói lên tất cả.
Trong 26 năm quan sát ngành công nghệ tài chính, tôi chưa từng thấy một quyết định đầu tư đúng đắn nào được tạo ra từ một bài báo "gây sốc" mà không kèm theo dữ liệu gốc. Tôi đã chứng kiến quá nhiều nhà đầu tư mua vàng kỹ thuật số, mua token AI, mua đủ thứ dựa trên những tin đồn không có căn cứ, rồi ôm trái bom nổ chậm khi sự thật được phơi bày. Thị trường blockchain từ lâu đã là mảnh đất màu mỡ cho tin giả, bởi vì tính thanh khoản cao, tâm lý FOMO mạnh, và hệ thống quản lý yếu kém. Nhưng những người sống sót qua nhiều chu kỳ đều có chung một đặc điểm: họ kiểm chứng trước khi hành động, và họ hiểu rằng việc đứng ngoài một đợt sóng giả không bao giờ là một mất mát thực sự.
Một góc nhìn phản trực giác khác: ngay cả khi Alibaba thực sự có một mô hình 2,4 nghìn tỷ tham số, điều đó cũng không có ý nghĩa quan trọng như bạn nghĩ. Các tiêu chuẩn đánh giá AI hiện đại đã chuyển từ "mô hình nào lớn hơn" sang "mô hình nào rẻ hơn để vận hành". Một mô hình 2,4 nghìn tỷ tham số có thể đạt điểm cao hơn một chút trên các bài kiểm tra MMLU hay GPQA, nhưng nếu chi phí để chạy mô hình đó quá đắt, các doanh nghiệp sẽ chọn mô hình nhỏ hơn tinh gọn hơn. Thực tế triển khai AI trong doanh nghiệp cho thấy hầu hết các ứng dụng không cần một mô hình siêu lớn. Họ cần một mô hình đủ thông minh, phản hồi nhanh, giá rẻ, và dễ tùy chỉnh. Điều này giải thích tại sao các mô hình 7B, 13B, 70B đang thống trị thị trường triển khai thực tế, trong khi các mô hình nghìn tỷ tham số chỉ tồn tại trong phòng thí nghiệm hoặc phục vụ các tác vụ đặc biệt.
Câu chuyện về "2,4 nghìn tỷ tham số" cũng phản ánh một vấn đề mang tính cấu trúc của ngành truyền thông trong thời đại AI tạo sinh. Các công cụ AI có thể tạo ra những bài báo trông rất thuyết phục nhưng chứa đầy lỗi thực tế. Thuật ngữ "ảo giác" (hallucination) không chỉ xuất hiện trong mô hình ngôn ngữ, mà còn xuất hiện trong quy trình biên tập của con người khi họ quá vội vàng đăng tải để bắt kịp xu hướng thời gian thực. Mô hình "Anthropic Fable" là một ví dụ kinh điển: một cái tên được tạo ra từ trí tưởng tượng, trông rất chuyên nghiệp, nhưng không tồn tại trong thực tế. Nếu một bài báo có một lỗi sai nghiêm trọng như vậy, làm sao ta có thể tin những phần còn lại?
Nhà đầu tư thông minh nên rút ra ba bài học từ vụ việc này.
Thứ nhất, phân biệt nguồn tin chính thống và nguồn tin phái sinh. Một thông báo từ tài khoản Twitter chính thức của Alibaba Qwen, một bài báo trên arXiv, hay một trang GitHub của nhóm nghiên cứu — đó là nguồn tin gốc. Một bài báo trên Crypto Briefing dẫn lại nguồn tin thứ ba, không có liên kết, không có tên tác giả đầy đủ — đó là nguồn phái sinh. Quy tắc của tôi rất đơn giản: không đầu tư dựa trên nguồn phái sinh; chỉ đầu tư khi nguồn gốc được xác định rõ ràng.
Thứ hai, theo dõi dòng tiền thay vì theo dõi tin tức. Nếu một tin đồn AI xuất hiện trên một trang crypto, hãy tự hỏi: ai được lợi khi tôi tin vào điều này? Nếu câu trả lời là "những người đang nắm giữ một lượng lớn token AI", thì bạn đã biết mình đang đứng ở vị trí nào. Trong thị trường tài chính, mỗi bài báo đều có một mục đích. Khi bạn hiểu được mục đích đó, bạn sẽ không còn là nạn nhân của nó.
Thứ ba, đặt cược vào hạ tầng thay vì đặt cược vào câu chuyện. Thay vì mua token AI dựa trên tin đồn, hãy nhìn vào những công ty và giao thức đang xây dựng hạ tầng thực sự cho AI phi tập trung: mạng lưới GPU, kho dữ liệu, giao thức tính toán xác minh được. Những hạ tầng này có giá trị độc lập với bất kỳ mô hình AI đơn lẻ nào. Chúng sẽ tồn tại dù AI có phát triển theo hướng nào. Đây chính là cách các quỹ đầu tư nghiêm túc — không chỉ riêng tôi — đang tiếp cận mảng hội tụ AI-crypto.
Tin tức về "Alibaba 2,4 nghìn tỷ tham số" sẽ sớm bị lãng quên, giống như hàng trăm tin đồn thất thiệt khác từng làm rung chuyển thị trường tiền mã hóa. Nhưng thói quen kiểm chứng và tư duy phản biện mà bạn xây dựng từ việc nhìn thấu nó sẽ ở lại với bạn suốt đời. Trong một thị trường mà thông tin sai lệch có thể được tạo ra nhanh hơn khả năng tiêu thụ của con người, khả năng tỉnh táo giữa cơn sốt chính là lợi thế cạnh tranh lớn nhất của nhà đầu tư cá nhân.
Khi bài báo gốc được xuất bản, tôi đã dành 30 phút để tìm kiếm tài liệu kỹ thuật liên quan đến "2.4T tham số Alibaba" và "Anthropic Fable". Kết quả rỗng. Không có gì trên arXiv, không có gì trên HuggingFace, không có gì trên trang chủ của Alibaba Cloud. Trong 30 phút đó, một nhà đầu tư thiếu kinh nghiệm có thể đã mua token AI với kỳ vọng "đón đầu sóng lớn". Sau đó, khi sự thật được xác lập, họ sẽ tự hỏi vì sao danh mục của mình lại bốc hơi. Câu trả lời nằm ở chính quy trình ra quyết định của họ.
Không có gì sai khi đón đầu một xu hướng thật. Nhưng có mọi thứ sai khi lao theo một câu chuyện giả. Sự khác biệt giữa hai điều đó chính là thứ ngăn cách nhà đầu tư chuyên nghiệp với nhà đầu cơ nghiệp dư. Trong năm 2026, khi AI và crypto tiếp tục hội tụ, những câu chuyện giả sẽ còn xuất hiện nhiều hơn, tinh vi hơn, và khó nhận biết hơn. Bạn sẽ cần mọi công cụ phản biện mà mình có. Và bạn sẽ cần nhớ rằng: khi một trang tin crypto kể cho bạn nghe về một điều kỳ diệu, hãy hỏi họ đang bán thứ gì.
Ở Pháp, có một câu ngạn ngữ: "Một nửa sự thật là một lời nói dối trọn vẹn." Câu chuyện về Alibaba và mô hình 2,4 nghìn tỷ tham số của Crypto Briefing chính là một lời nói dối trọn vẹn như vậy. Nó có chứa một hạt nhân sự thật — Alibaba đúng là một công ty AI đáng gờm, và Trung Quốc đúng là một cường quốc AI ngày càng mạnh. Nhưng phần còn lại — con số, mô hình đối thủ, mức độ đe dọa — đều được thêu dệt để phục vụ một mục đích. Hãy nhớ điều đó khi bạn đọc bất kỳ tin tức nào trong thế giới blockchain. Và hãy nhớ rằng, trong thị trường này, sự hoài nghi lành mạnh không chỉ bảo vệ vốn của bạn — nó còn là người bạn duy nhất đáng tin cậy của bạn.
