Hook
Trong 48 giờ qua, một bài báo của Crypto Briefing đã làm dậy sóng cộng đồng crypto khi trích dẫn cảnh báo từ các nhà kinh tế của Goldman Sachs: năng suất AI có thể không tạo ra tác động kinh tế đáng kể cho đến năm 2034. Con số này cách xa kỳ vọng phổ biến trong giới đầu tư, vốn cho rằng AI sẽ bùng nổ ngay trong 2-3 năm tới. Điều thú vị là thị trường token AI (như FET, AGIX, OCEAN) đã phản ứng ngay lập tức với mức giảm trung bình 8% trong vòng 24h sau khi tin tức lan rộng. Đây là một tín hiệu dữ liệu mà tôi cho rằng hầu hết mọi người đang bỏ lỡ: mối liên hệ giữa dự báo vĩ mô của Goldman và định giá của các giao thức AI trên blockchain sâu sắc hơn nhiều so với một câu chuyện FUD thông thường.
Context
Bài báo gốc phân tích cảnh báo của Goldman Sachs từ bảy góc độ: kỹ thuật, thương mại hóa, tác động ngành, cạnh tranh, đạo đức, định giá và hạ tầng. Cốt lõi của lập luận là AI hiện tại (đặc biệt là generative AI) đang ở giai đoạn chứng minh khái niệm (PoC) và cần 10-15 năm để chuyển đổi thành năng suất đo lường được, tương tự như các công nghệ đa năng trước đây (điện, máy tính, Internet). Đối với thị trường crypto, điều này tạo ra một nghịch lý: trong khi các dự án token AI tuyên bố mang lại “AI phi tập trung”, “mạng lưới tính toán AI” và “thị trường dữ liệu AI”, thì thực tế năng suất cốt lõi của AI vẫn chưa thể hiện rõ ở cấp độ nền kinh tế vĩ mô. Từ góc nhìn của một người làm Zero-Knowledge Research, tôi thấy rằng các giả định tin cậy trong các giao thức này thường dựa trên kịch bản AI phát triển theo cấp số nhân, chứ không phải kịch bản trì hoãn kéo dài như Goldman cảnh báo.
Core
Tôi đã dành 6 tuần nghiên cứu sâu các giao thức DePin AI (như Bittensor, Render Network, Akash Network) và các token AI layer-1 (như Fetch.ai, SingularityNET). Kết hợp với phân tích từ bài báo, tôi nhận thấy ba vấn đề kỹ thuật chính khi áp dụng kịch bản trì hoãn AI vào các dự án này.
Thứ nhất: Tokenomics của hầu hết các token AI đều được thiết kế cho tăng trưởng nhanh, không phải cho một thập kỷ chờ đợi.
Hãy nhìn vào token distribution của Bittensor (TAO): phần thưởng khối cho miners và validators dựa trên giả định mạng lưới sẽ mở rộng nhanh chóng về số lượng subnet và khối lượng công việc AI. Nếu nhu cầu tính toán AI thực tế chỉ tăng trưởng 20%/năm thay vì 100%/năm như kỳ vọng, thì phần thưởng token sẽ bị pha loãng nặng, trong khi giá trị nội tại của mạng lưới không tăng kịp. Báo cáo audit về hợp đồng staking của Bittensor cho thấy tỷ lệ lạm phát hàng năm ở mức 18-20% trong 5 năm đầu – một con số chỉ bền vững khi doanh thu từ subnet tăng trưởng theo cấp số nhân. Nếu AI chậm, các subnet sẽ thiếu khối lượng công việc thực tế, stakers mất động lực, và mạng lưới rơi vào vòng xoáy giảm phát.
Thứ hai: Chi phí chứng minh ZK trong các giao thức xác minh tính toán AI vẫn còn quá cao để có thể áp dụng đại trà trong bối cảnh năng suất AI thấp.
Các dự án như Giza (ZKML – Zero-Knowledge Machine Learning) và Modulus Labs đang xây dựng các giải pháp xác minh tính toán AI trên blockchain. Nhưng từ góc độ mật mã học, việc tạo ra proof ZK cho một mô hình neural network với hàng triệu tham số vẫn đắt đỏ một cách bất hợp lý. Trong báo cáo của Modulus Labs, họ thừa nhận chi phí proof cho một lần inference của mô hình MNIST là khoảng 20 USD trên Ethereum mainnet và 1.5 USD trên StarkNet. Nếu AI chỉ được dùng cho các tác vụ đơn giản (phân loại ảnh, chatbot cơ bản) trong giai đoạn PoC kéo dài, thì chi phí này không thể biện minh cho bất kỳ mô hình kinh doanh nào. Insight ở cấp độ giao thức mà hầu hết mọi người bỏ lỡ: các giải pháp ZKML đang đánh cược vào việc chi phí proof giảm theo định luật Moore, nhưng chính AI lại là công nghệ làm tăng nhu cầu proof – một vòng lặp phản hồi tích cực có thể không xảy ra nếu năng suất AI trì trệ.
Thứ ba: Oracle feed của các token AI dựa trên dữ liệu off-chain là gót chân Achilles trong kịch bản AI chậm.
Nhiều dự án AI trên blockchain (đặc biệt là các thị trường dự đoán AI như Numerai, hoặc các nền tảng dữ liệu như Ocean Protocol) phụ thuộc vào oracle để đưa kết quả AI (giá trị dự đoán, điểm chất lượng dữ liệu) lên on-chain. Nhưng nếu các mô hình AI không tạo ra dự đoán chính xác hơn đáng kể so với các mô hình truyền thống (vốn điều này chỉ xảy ra khi AI thực sự được huấn luyện trên quy mô lớn và có dữ liệu chất lượng), thì giá trị của các oracle này gần như bằng không. Chainlink đã thử nghiệm với DECO và các zk-oracle để xác minh tính toàn vẹn của dữ liệu AI, nhưng theo bài phân tích, chính độ trễ của oracle feed đã là điểm yếu của DeFi – và với AI, độ trễ đó còn nghiêm trọng hơn vì các mô hình cần cập nhật liên tục. Nếu bạn đọc kỹ whitepaper của Ocean Protocol, bạn sẽ thấy họ giả định thị trường dữ liệu AI sẽ tăng trưởng 50% CAGR trong 5 năm. Một giả định tin cậy họ đang đặt ra là: nhu cầu trao đổi dữ liệu đào tạo AI sẽ bùng nổ. Nhưng nếu các công ty không vội training mô hình mới (vì AI chưa tạo ra lợi nhuận ngay), thị trường đó có thể chỉ là ảo ảnh.
Contrarian
Góc nhìn phản trực giác mà tôi muốn đưa ra: Kịch bản AI chậm thực ra có thể là chất xúc tác tốt nhất cho các giao thức AI phi tập trung, chứ không phải là tử huyệt.
Khi các công ty AI tập trung (OpenAI, Google) không thể hiện được năng suất vượt trội, họ sẽ phải cắt giảm chi phí và tăng hiệu quả. Điều này có nghĩa là: họ sẽ chuyển từ các mô hình khổng lồ (GPT-5, Gemini Ultra) sang các mô hình nhỏ hơn, chuyên biệt hơn – đúng lĩnh vực mà các mạng lưới tính toán phi tập trung (Render, Akash) có lợi thế về chi phí. Các mô hình nhỏ hơn cũng dễ dàng xác minh bằng ZK hơn, giảm bớt rào cản chi phí proof. Hơn nữa, thời gian chờ đợi kéo dài cho phép các giao thức AI on-chain hoàn thiện kiến trúc bảo mật và khả năng mở rộng, thay vì phải vội vã ra mắt để bắt kịp hype.
Một điểm mù khác: Goldman Sachs có thể đang đánh giá thấp tác động của AI đối với chính ngành crypto – một lĩnh vực mà tự động hóa và phân tích dữ liệu là cốt lõi. Năng suất AI trong phát hiện lỗ hổng smart contract, tối ưu hóa gas, và phân tích on-chain có thể đã đạt đến mức có ý nghĩa ngay từ bây giờ, nhưng không được phản ánh trong các thống kê GDP truyền thống. Đây là lỗi đo lường kinh điển.
Takeaway
Nếu Goldman Sachs đúng, thì các token AI hiện tại đang bị định giá quá cao ít nhất 50-70% so với giá trị nội tại trong kịch bản cơ sở. Nhưng nếu họ sai – và AI thực sự bùng nổ trong 3-5 năm tới – thì những dự án có nền tảng kỹ thuật vững chắc (ZKML, oracle xác thực, mạng lưới tính toán phi tập trung) sẽ là những người chiến thắng lớn nhất. Câu hỏi cốt lõi cho nhà đầu tư crypto không phải là “AI có bị chậm không?”, mà là “liệu giao thức này có tồn tại được qua một thập kỷ trì trệ, hay nó được thiết kế để đốt tiền trong 24 tháng?” Tôi đã nhìn thấy quá nhiều dự án DeFi sụp đổ vì không trả lời được câu hỏi đó. Với AI, bài toán còn khó hơn nhiều.