Cứ cách một khoảng thời gian, trong cộng đồng lại nổi lên một đợt “làn sóng” tiếng ồn “AI phi tập trung sẽ lật đổ OpenAI”. Nói thật, nghe nhiều rồi tôi chỉ thấy tai mình nổi kén. Bởi vì nếu bạn bình tĩnh trải bài của cả hai bên ra so sánh một lần, thì bạn sẽ thấy: nếu AI phi tập trung muốn đánh bại OpenAI trực diện trên chiến trường mà OpenAI mạnh nhất, thì về cơ bản là thua chắc.
Trước tiên, hãy thừa nhận thực tế, càng tàn khốc càng tốt.
Hào luỹ của các “ông lớn” tập trung là được xây bằng tiền, bằng thời gian và bằng quy mô. Nó có các cụm GPU đẳng cấp nhất, kiến trúc suy luận được tối ưu hóa, chi phí biên thấp nhất và trải nghiệm người dùng mượt mà nhất, cùng với vòng lặp cải tiến được “mớm” bằng khối lượng phản hồi người dùng thật khổng lồ. Còn bạn, một mạng phân tán—các nút chỗ này một cái chỗ kia một cái, chỉ riêng độ trễ liên lạc giữa các nút thôi đã đủ khiến người ta “uống một bầu”… huống hồ chi phí phối hợp sẽ tăng vọt theo mức độ phi tập trung.
Vì vậy, ở ba tiêu chí “nhanh hơn, rẻ hơn, dễ dùng hơn”, AI phi tập trung trong ngắn hạn gần như không có cơ hội thắng. Một người dùng bình thường, tại sao lại từ bỏ một sản phẩm trưởng thành vừa nhanh vừa tốt lại vừa rẻ, để đi chịu đựng một mô hình trên chuỗi có độ trễ cao hơn và còn phải trước tiên hiểu cách dùng ví và Gas? Vì lý tưởng ư? Lý tưởng không chống đỡ được việc giữ chân người dùng thực tế.
Nói đến đây, nhiều người có thể nghĩ rằng tôi đang bi quan. Ngược lại. Tôi muốn nói là: cơ hội thật sự của các dự án như OpenLedger ngay từ đầu không nằm trên “chiến trường” đó. Việc họ đi so hiệu năng với OpenAI, dùng chính điểm yếu của mình để đâm vào điểm mạnh của người khác—thuần túy là một sai lầm về chiến lược.
Thứ bài chính thực sự của nó là ba điều mà các “ông lớn” tập trung về cấu trúc không thể cung cấp.
Mẫu thứ nhất là khả truy xuất và thuộc quyền. AI tập trung là một chiếc hộp đen hoàn toàn—bạn không hề thấy mô hình đã “ăn” dữ liệu gì, chịu ảnh hưởng của ai, đóng góp của bạn rốt cuộc đáng giá bao nhiêu, và bạn cũng chẳng nhận được một xu nào. Còn OpenLedger nhờ Proof of Attribution và ghi sổ trên chuỗi, lần đầu tiên biến thành một lộ trình có thể tra được, có thể kiểm chứng, có thể phân chia: “dữ liệu đã được ai dùng, tạo ra bao nhiêu giá trị, và nên phân chia thế nào”. Đây không phải là lợi thế về hiệu năng, mà là một thứ mà các “ông lớn” trong mô hình kinh doanh của họ căn bản không muốn và cũng không thể cung cấp—vì logic kiếm tiền của họ được xây trên việc “miễn phí trắng trợn lấy dữ liệu của bạn”. Họ trả tiền cho bạn đồng nghĩa với việc tự chặt đứt đường tài chính của chính họ.
Mẫu thứ hai là chống kiểm duyệt và chống độc quyền. Khi toàn bộ năng lực AI trên thế giới bị nắm trong tay chỉ ba năm công ty, điều đó vốn đã là một rủi ro hệ thống cực lớn. Chúng có thể quyết định điều gì được phép nói và điều gì không được nói, có thể bất cứ lúc nào đổi giá, bất cứ lúc nào khóa tài khoản, và bất cứ lúc nào gỡ bỏ một năng lực nào đó. Giá trị của AI phi tập trung không nằm ở chỗ hôm nay nó “dùng tốt hơn” so với giải pháp tập trung, mà ở chỗ nó cung cấp một phương án dự phòng không bị một thực thể đơn lẻ bóp cổ. Đây là giá trị mang tính “bảo hiểm”—thường ngày có thể không dùng đến, nhưng nếu thiếu nó, cả hệ sinh thái sẽ giao “điểm mấu chốt” của mình cho người khác nắm giữ.
Mẫu thứ ba là tính tổ hợp. Năng lực AI trên chuỗi có thể bị tách ra, được gọi dùng, được nhúng vào đủ loại DApp, và được kết hợp với các tài sản khác trên chuỗi như những mảnh LEGO. Một nhà phát triển có thể ghép liền “dữ liệu + mô hình + thanh toán + quy kết (attribution)” trong cùng một hệ thống—khả năng tổ hợp nguyên sinh này mà API tập trung kiểu “vườn đóng cửa” không thể cung cấp.
Vì vậy, quan điểm của tôi về giá trị dài hạn của AI phi tập trung là như sau: đòn quyết định của nó không phải là “có làm tốt hơn OpenAI hay không”, mà là “nó có thể đáp ứng đủ khả dụng những nhu cầu mà các giải pháp tập trung không làm được hay không”.
Những tình huống nào vốn cần đến những thứ này? Các lĩnh vực cần kiểm toán tuân thủ, nơi nguồn dữ liệu phải được chứng minh; sản xuất nội dung mà bản quyền và thuộc quyền cực kỳ nhạy cảm; doanh nghiệp không muốn giao dữ liệu cốt lõi cho hộp đen của các “ông lớn”; và mọi “góc khuất” nơi “niềm tin quan trọng hơn hiệu năng”. Ở những nơi đó, chiếc hộp đen của AI tập trung không phải là lợi thế mà lại là nhược điểm. Đặc tính của OpenLedger mới thực sự trở thành nhu cầu thiết yếu, chứ không phải chiêu trò.
Đương nhiên, con đường này hoàn toàn không hề dễ dàng. Những vấn đề mà tôi lo trong các bài viết trước vẫn chưa biến mất—cơ chế quy kết liệu có bị gian lận phá vỡ không, nhu cầu của các mô hình “đuôi dài” rốt cuộc nằm ở đâu, an ninh xuyên chuỗi có chịu được không, và mạng lưới phi tập trung liệu có lén lút quay lại trung tâm hóa trên các “đường then chốt” hay không. Đây đều là những câu hỏi hóc búa thực sự treo ngay trên đầu. Việc có làm được về mặt kỹ thuật hay không chưa bao giờ là rủi ro lớn nhất; rủi ro lớn nhất là thị trường đã sắp xếp sai mốc thời gian—trong khi sản phẩm vẫn đang được hoàn thiện, thì câu chuyện lại được “thực hiện” quá sớm, và cuối cùng bao giờ cũng là người đi sau phải trả giá cho bọt sớm của người đi trước.$LAB
Vì vậy kết luận của tôi rất đơn giản: Đừng lấy bốn chữ “phi tập trung” làm niềm tin để mua một cách mù quáng; cũng đừng vì trong ngắn hạn không vượt nổi các “ông lớn” mà phủ định toàn bộ. Thứ thực sự đáng để theo dõi là liệu nó có mọc ra các “mắt xích” mà “các ông lớn không muốn làm và cũng không thể làm”, tạo thành những tình huống sử dụng thật sự, có người sẵn sàng trả tiền hay không.#BTC
Giá có thể được đẩy lên nhờ cảm xúc trong một thị trường tăng giá, nhưng khi chu kỳ đảo chiều, thứ sống sót mãi mãi là những hệ thống đã tìm đúng vị trí không thể thay thế thật sự của mình. Còn lại, dù câu chuyện có hoành tráng đến đâu, cũng không thể vượt qua được dòng tiền.