2026-08-05 Thứ tư

Tin tức tiền kỹ thuật số - Trang 202

Luôn dẫn đầu thị trường tiền kỹ thuật số. Tin tức theo thời gian thực, thông tin chuyên sâu, giá, chủ đề thịnh hành và phân tích từ chuyên gia - tất cả đều ở một nơi.

Meta cũng bắt đầu bán 'xẻng', Mark Zuckerberg: Mô hình có thể chậm, nhưng GPU nhất định phải kiếm tiền

Meta, công ty mẹ của Facebook, đang cân nhắc mở rộng sang kinh doanh cơ sở hạ tầng điện toán AI, với kế hoạch có tên "Meta Compute", theo Bloomberg. Động thái này diễn ra trong bối cảnh các nỗ lực phát triển mô hình AI nội bộ như Llama và Muse Spark gặp phải thách thức, bao gồm việc bị giới hạn truy cập vào Gemini của Google và tiến độ chậm hơn dự kiến. Meta sở hữu một mạng lưới trung tâm dữ liệu khổng lồ, với công suất hàng gigawatt đang được xây dựng và đặt hàng. Lượng tài nguyên điện toán này được dự kiến phân bổ cho: đào tạo mô hình nội bộ thế hệ tiếp theo (như Watermelon), cải thiện hệ thống quảng cáo, cho thuê cao cấp cho khách hàng bên ngoài theo mô hình tương tự SpaceX, và lưu trữ các mô hình của bên thứ ba như Claude của Anthropic. Việc chuyển hướng một phần sang "bán cuốc" (cung cấp sức mạnh tính toán) được cho là để tạo ra dòng doanh thu có lợi nhuận cao từ các khoản đầu tư khổng lồ vào GPU, trong khi vẫn theo đuổi mục tiêu dài hạn là phát triển trí tuệ nhân tạo cấp độ cao (ASI). Thông báo này đã khiến giá cổ phiếu Meta tăng mạnh, phản ánh sự đón nhận tích cực từ thị trường đối với câu chuyện kinh doanh mới này.

marsbit07/06 01:20

Meta cũng bắt đầu bán 'xẻng', Mark Zuckerberg: Mô hình có thể chậm, nhưng GPU nhất định phải kiếm tiền

marsbit07/06 01:20

Trung tâm dữ liệu lớn nhất thế giới đã "đổ bể"

Thị trường đang xôn xao về thương vụ Blackstone bán ba trung tâm dữ liệu ở Virginia với giá 3,5 tỷ USD, thì gã khổng lồ quản lý tài sản thay thế toàn cầu này lại có một động thái bất ngờ hơn: QTS, nhà điều hành trung tâm dữ liệu thuộc quyền sở hữu của họ, đã chính thức dừng dự án xây dựng Trung tâm Dữ liệu Digital Gateway tại địa phương. Dự án từng được mệnh danh là "khuôn viên trung tâm dữ liệu lớn nhất thế giới" này, với tổng diện tích lớn hơn hai lần Công viên Trung tâm New York, đã hoàn toàn đình trệ. Trong vòng vài ngày, Blackstone một mặt thu lời cao từ việc bán các tài sản trưởng thành, mặt khác chủ động cắt bỏ dự án dự trữ khổng lồ. Thao tác chuyển hướng đột ngột này đã phơi bày những khó khăn thực tế đang bị che khuất dưới làn sóng đầu tư cơ sở hạ tầng AI. Dự án nằm ở Quận Prince William, Virginia, rộng 2.100 mẫu Anh, với kế hoạch đầu tư ban đầu hơn 100 tỷ USD để xây 37 tòa nhà trung tâm dữ liệu. Tuy nhiên, ngay từ ngày đầu công bố, nó đã vấp phải làn sóng phản đối kịch liệt từ cư dân địa phương do nằm gần di tích chiến trường lịch sử và lo ngại về tiêu thụ tài nguyên, ô nhiễm. Cuộc tranh chấp kéo dài 5 năm, và một sai sót thủ tục nhỏ trong quá trình phê duyệt cuối cùng đã dẫn đến phán quyết của tòa án vào tháng 3 năm nay, tuyên bố việc phân vùng không hợp lệ. Đối tác phát triển, Compass Datacenters của Brookfield, đã rút lui, để lại chi phí cơ sở hạ tầng khổng lồ cho QTS. Cuối cùng, Blackstone quyết định cắt lỗ. Sự rút lui này không phải là cá biệt. Một báo cáo cho thấy chỉ trong quý I, các dự án trung tâm dữ liệu bị trì hoãn ở Mỹ có tổng giá trị lên tới khoảng 130 tỷ USD. Các nút thắt chính bao gồm hạn chế về nguồn cung điện (trung tâm dữ liệu có thể chiếm tới 25% nhu cầu điện ở Virginia) và sự phản đối ngày càng tăng từ cộng đồng. Số lượng nhóm phản đối cơ sở trên toàn quốc đã tăng mạnh, và chính sách địa phương đang thắt chặt. Động thái của Blackstone, một nhà tiên phong trong lĩnh vực này, được xem như một tín hiệu "thoát đỉnh", cho thấy rủi ro của ngành có thể đang bắt đầu vượt quá lợi nhuận. Làn sóng đầu tư cơ sở hạ tầng AI đang va phải trần thực tế về chi phí, cơ sở hạ tầng và sự chấp nhận của xã hội.

marsbit07/06 01:09

Trung tâm dữ liệu lớn nhất thế giới đã "đổ bể"

marsbit07/06 01:09

OpenAI đề xuất chuyển nhượng 5% cổ phần cho Chính phủ Mỹ

OpenAI đã đề xuất chào bán 5% cổ phần cho chính phủ Mỹ với mức định giá 852 tỷ USD, trị giá hơn 400 tỷ USD. CEO Sam Altman cũng đề xuất tất cả các công ty AI lớn của Mỹ cùng tham gia một cơ chế tương tự, đóng góp cổ phần vào một quỹ công cộng để chia lợi nhuận cho chính phủ và người dân, lấy cảm hứng từ Quỹ Thường trực Alaska. Động thái này được xem như một nỗ lực chia sẻ lợi ích và xây dựng lòng tin với các nhà quản lý, trong bối cảnh ngành AI đang đối mặt với sức ép giám sát ngày càng tăng tại Mỹ. Các cuộc đàm phán sơ bộ đã diễn ra với các quan chức cấp cao. Altman lập luận rằng việc công chúng nắm giữ cổ phần là cách tốt nhất để chia sẻ thành quả từ tăng trưởng AI. Tuy nhiên, đề xuất này vẫn chỉ mang tính chất khái niệm và có thể cần luật của Quốc hội để thực hiện. Trong khi đó, một số chính trị gia như Thượng nghị sĩ Sanders lại ủng hộ mức nắm giữ công cộng lên tới 50%, phản ánh các quan điểm khác nhau về mức độ can thiệp. Đề xuất diễn ra khi OpenAI và Anthropic đang chuẩn bị cho việc lên sàn chứng khoán và đối mặt với sự chậm trễ trong việc phê duyệt phát hành các mô hình AI tiên tiến. Việc chính phủ trở thành cổ đông có thể tạo ra một kênh ảnh hưởng đến các quyết định quan trọng, từ an toàn đến quản trị, định hình lại mối quan hệ giữa ngành công nghiệp AI và nhà nước trong cuộc đua phát triển AGI (Trí tuệ nhân tạo phổ quát).

marsbit07/06 01:07

OpenAI đề xuất chuyển nhượng 5% cổ phần cho Chính phủ Mỹ

marsbit07/06 01:07

1 Megawatt nuôi sống 60.000 tác nhân thông minh, NVIDIA GB300 áp đảo thế hệ trước gấp 20 lần

Cùng một megawatt điện, hệ thống GB300 NVL72 mới nhất của Nvidia có thể xử lý đồng thời 61.400 tác nhân AI (agent), trong khi thế hệ trước H200 chỉ xử lý được khoảng 2.600. Khoảng cách hiệu suất lên tới 20 lần. Sự khác biệt này được đo bằng thước đo mới: AA-AgentPerf, tiêu chuẩn đo lường đầu tiên được thiết kế riêng cho tác nhân AI. Thay vì đo tokens mỗi giây, nó đo "số lượng tác nhân đồng thời trên mỗi megawatt", phản ánh khả năng hệ thống "nuôi" bao nhiêu agent làm việc thực tế cùng lúc với một mức điện năng cố định. Lý do là các bài kiểm tra cũ, tập trung vào các yêu cầu đơn lẻ có độ dài cố định, không thể đo lường chính xác khối lượng công việc phức tạp của agent. Một agent hoạt động giống như một cuộc chạy tiếp sức, chia nhỏ mục tiêu thành hàng chục hoặc hàng trăm bước, với các lần gọi mô hình lớn, gọi công cụ và ngữ cảnh ngày càng mở rộng được xâu chuỗi với nhau. AA-AgentPerf sử dụng các bản ghi agent lập trình thực tế, với các phiên dài tới 200 lượt và ngữ cảnh lên đến hơn 100.000 token. Nó đặt ra các mục tiêu cấp độ dịch vụ (SLO) về tốc độ phản hồi, sau đó đo xem hệ thống có thể duy trì bao nhiêu agent đồng thời trong khi vẫn đáp ứng SLO. Nó cũng cho phép tất cả các tối ưu hóa thực tế được sử dụng trong sản xuất. Kết quả cho thấy, đối với một mô hình MoE tiên tiến, GB300 NVL72 đạt 61.400 agent/MW (57,5 agent/GPU), trong khi H200 đạt khoảng 2.600 agent/MW (1,4 agent/GPU). Sự nhảy vọt này không chỉ đến từ sức mạnh chip đơn lẻ mà còn là chiến thắng ở cấp độ hệ thống. GB300 NVL72 kết nối 72 GPU thành một khối thống nhất qua NVLink, cho phép phân phối mô hình hiệu quả và chia sẻ dữ liệu nhanh chóng. Cần lưu ý rằng con số 61.400 là từ mô phỏng trong điều kiện kiểm tra chuẩn, sử dụng các bản ghi đã được ghi lại, không phải là 61.400 mô hình đầy đủ chạy độc lập trong môi trường thực tế. AA-AgentPerf vẫn là một tiêu chuẩn mới và hiệu suất có thể tiếp tục được cải thiện thông qua tối ưu hóa phần mềm.

marsbit07/06 01:05

1 Megawatt nuôi sống 60.000 tác nhân thông minh, NVIDIA GB300 áp đảo thế hệ trước gấp 20 lần

marsbit07/06 01:05

Solana Chỉ Ra Rằng Tài Sản Từ Bên Ngoài Cần Nhiều Hơn Một Cây Cầu Để Xây Dựng Thị Trường Thực Sự

Solana nhấn mạnh rằng việc chuyển tài sản từ chuỗi khác sang (bridge) không đồng nghĩa với việc tạo ra thị trường thực sự cho chúng. Thay vì chỉ tập trung vào cầu nối, mạng lưới này cho rằng yếu tố then chốt là khả năng sẵn sàng ngay từ đầu về thanh khoản, định tuyến và cấu trúc thị trường. Bài viết nêu bật ví dụ về Sunrise, một lớp điều phối giúp tài sản bên ngoài như HYPE có thể kết nối ngay lập tức với cơ sở hạ tầng của Solana. Điều này nhằm đảm bảo khi tài sản đến, người dùng có thể giao dịch chúng một cách hiệu quả trên các sàn, ví và ứng dụng DeFi, tránh tình trạng tài sản có sẵn về mặt kỹ thuật nhưng không có hoạt động kinh tế. Định hướng này phù hợp với mục tiêu rộng hơn của Solana là trở thành nơi hình thành các thị trường vốn, tài sản thực (RWA) và giao dịch tốc độ cao, thay vì chỉ là nơi phát hành token. Bằng cách tạo điều kiện để tài sản bên ngoài tiếp cận ngay một môi trường có sẵn tính thanh khoản và khả năng tích hợp, Solana muốn khẳng định vị thế là điểm đến cho thế hệ tài sản trên chuỗi tiếp theo, nơi chất lượng thanh khoản quan trọng không kém tốc độ giao dịch.

bitcoinist07/06 00:57

Solana Chỉ Ra Rằng Tài Sản Từ Bên Ngoài Cần Nhiều Hơn Một Cây Cầu Để Xây Dựng Thị Trường Thực Sự

bitcoinist07/06 00:57

Anthropic tạo ra một bộ 'hình phạt' cho AI vượt ngục: Yêu cầu của bạn, bốn cách chết

Bài viết thảo luận về hệ thống phân loại và đánh giá mức độ nghiêm trọng của các yêu cầu "jailbreak AI" (vượt rào an ninh AI) mới được Anthropic công bố, có tên là Khung Đánh giá Mức độ Nghiêm trọng Vượt Rào AI (CJS). Hệ thống phân loại của Anthropic chia các yêu cầu liên quan đến an ninh mạng thành bốn loại: (1) Nguy hiểm cao (ví dụ: phần mềm tống tiền) bị chặn hoàn toàn; (2) Công cụ kép rủi ro cao (như thử nghiệm thâm nhập); (3) Công cụ kép rủi ro thấp (như quét lỗ hổng đã biết); và (4) Vô hại (như gỡ lỗi). Tuy nhiên, hệ thống được thiết kế quá nhạy, dẫn đến việc chặn nhiều yêu cầu hợp pháp (ví dụ đếm chữ cái, debug). Để đánh giá mức độ nguy hiểm của một lần vượt rào, Anthropic đề xuất khung CJS với bốn thang đo: Mức độ tăng cường khả năng tấn công (0-4), Phạm vi khả năng (0-2), Độ khó vũ khí hóa (0-2) và Tính dễ phát hiện (0-2). Tổng điểm 0-10 xác định mức độ nghiêm trọng từ CJS-0 (thông tin) đến CJS-4 (khủng hoảng). Điểm số phụ thuộc vào bối cảnh thời gian và kiến thức của người dùng. Bài viết chỉ ra rằng Anthropic, thông qua liên minh Glasswing với các tập đoàn công nghệ lớn, đang nắm quyền định nghĩa "nguy hiểm" và thiết lập tiêu chuẩn này. Điều này có thể ảnh hưởng đến việc kiểm duyệt mô hình và trải nghiệm người dùng. Bối cảnh được đặt trong lệnh cấm xuất khẩu của Mỹ lần đầu tiên nhắm vào API mô hình AI (như với Fable 5), cho thấy sự kiểm soát công nghệ ngày càng chặt chẽ. Khung CJS được xem như một công cụ để hợp thức hóa các quyết định kiểm soát đó. Cuối cùng, bài viết đưa ra một số lời khuyên cho người dùng khi bị chặn: điều chỉnh từ ngữ trong lệnh, cảnh giác với tín hiệu bị giáng cấp chất lượng phản hồi, hoặc kiên nhẫn chờ đợi các cải tiến không rõ thời hạn từ Anthropic.

marsbit07/06 00:26

Anthropic tạo ra một bộ 'hình phạt' cho AI vượt ngục: Yêu cầu của bạn, bốn cách chết

marsbit07/06 00:26

Thu nhập 100 triệu đô la mỗi năm, hai bạn cùng phòng Berkeley thế hệ 9x tạo ra mô hình kinh doanh AI sinh lời nhất

Công ty không tạo ra AI nào nhưng kiếm được 100 triệu USD mỗi năm! Đó là Arena, nền tảng bảng xếp hạng và đánh giá mô hình AI khổng lồ, bắt nguồn từ một dự án nghiên cứu mã nguồn mở có tên Chatbot Arena do một nhóm từ UC Berkeley khởi xướng vào năm 2023. Cốt lõi của Arena là một bảng xếp hạng được xây dựng dựa trên hàng chục triệu lượt bình chọn "mù" của người dùng thực. Người dùng nhập prompt, hai mô hình ẩn danh trả lời và họ chọn câu trả lời tốt hơn. Cơ chế "đấu trường" đơn giản này đã thu hút hơn 1000 triệu lượt đánh giá, trở thành điểm tham chiếu quan trọng. Tất cả các gã khổng lồ như OpenAI, Google, Anthropic, Meta đều đưa mô hình hàng đầu của họ lên đây để kiểm tra, thậm chí cả GPT-5 dưới bí danh. Bí quyết kiếm tiền của Arena nằm ở dịch vụ thương mại AI Evaluations, ra mắt tháng 9 năm ngoái. Các công ty phát triển mô hình và doanh nghiệp lớn trả phí để Arena huy động cộng đồng hàng triệu người dùng đánh giá chuyên sâu mô hình của họ, cung cấp phân tích hiệu suất trong thế giới thực mà các bài kiểm tra tiêu chuẩn không có được. Đây là mô hình kinh doanh "bán dụng cụ" trong cơn sốt AI: khi các công ty đua nhau cải thiện mô hình, nhu cầu cho dịch vụ đánh giá và tinh chỉnh sau khi triển khai càng lớn. Dự án này được đồng sáng lập bởi hai bạn cùng phòng tại Berkeley: CEO Anastasios Angelopoulos (chuyên gia học máy) và CTO Wei-Lin Chiang (người đứng sau chatbot mã nguồn mở Vicuna nổi tiếng). Dự án tách ra thành công ty vào mùa xuân 2025, nhanh chóng huy động được 100 triệu USD vốn hạt giống, định giá 6 tỷ USD. Đến tháng 1 năm nay, họ đã hoàn thành vòng gọi vốn Series A 150 triệu USD, định giá 1.7 tỷ USD. Arena không ngừng mở rộng, gần đây ra mắt Chế độ Tác nhân (Agent Mode) để đánh giá các AI thực hiện nhiệm vụ dài, phức tạp như viết mã, nghiên cứu. Arena đặt cược vào một tương lai nơi việc đánh giá khách quan, dựa trên dữ liệu thực tế về hiệu suất AI sẽ ngày càng quan trọng và có giá trị.

marsbit07/06 00:21

Thu nhập 100 triệu đô la mỗi năm, hai bạn cùng phòng Berkeley thế hệ 9x tạo ra mô hình kinh doanh AI sinh lời nhất

marsbit07/06 00:21

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

Vercel, công ty đứng sau Next.js, đã ra mắt công cụ Skills - một trình quản lý gói (package manager) dành cho AI Agent, cho phép cài đặt các "kỹ năng" (skill) chuyên biệt vào các công cụ lập trình AI như Claude Code, Cursor, Codex... chỉ bằng một dòng lệnh `npx skills add <package>`. Kho lưu trữ chính thức đã đạt 24,000 sao GitHub trong vòng 5 tháng. Một skill là một thư mục chứa tài liệu hướng dẫn (SKILL.md), tài liệu tham khảo và cả script có thể thực thi, giúp AI tuân thủ các quy tắc, phong cách code cụ thể của dự án một cách tự động và lâu dài. Tính năng nổi bật là "Find Skills", một skill giúp AI tự động tìm kiếm và cài đặt skill phù hợp nhất dựa trên yêu cầu của người dùng, hoạt động như một công cụ tìm kiếm năng lực cho AI. Tuy nhiên, tiện ích đi kèm rủi ro bảo mật lớn. Các nghiên cứu từ Snyk và Koi Security cho thấy hàng trăm skill chứa mã độc, có khả năng đánh cắp khóa, thực hiện prompt injection hoặc phân phối phần mềm độc hại. Khác với npm, skill hợp nhất lệnh, mã code và quyền truy cập đầy đủ, tạo ra mối đe dọa trực tiếp đến hệ thống cục bộ. Vercel, thông qua sáng kiến này, đang tìm cách định hình lại lớp công cụ AI, biến trải nghiệm "một dòng lệnh" từng thành công với Next.js thành chuẩn mực mới trong việc mở rộng năng lực cho trợ lý lập trình AI, đồng thời cũng đặt ra những thách thức bảo mật cần được quản lý cẩn thận.

marsbit07/06 00:21

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

marsbit07/06 00:21

Claude Engineer Cuối Cùng Đã Giao Ra Fable 5 Đốt Quyết, Hướng Dẫn Bạn Phá Vỡ Khoảng Cách Thông Tin Với Mô Hình

Fable 5 ra mắt với sự chú ý toàn cầu, từ kỳ vọng cao đến lệnh cấm và hạn chế truy cập. Claude Code kỹ sư Thariq Shihipar chia sẻ hướng dẫn sử dụng Fable 5 hiệu quả, giải quyết vấn đề chênh lệch thông tin giữa người dùng và mô hình. Ông so sánh "bản đồ" (prompt, kỹ năng, ngữ cảnh người dùng cung cấp) với "lãnh thổ" (môi trường thực tế cần xử lý). Khoảng cách này là "điểm chưa biết". Chất lượng công việc phụ thuộc vào khả năng làm rõ các điểm chưa biết này. Bài viết phân loại "điểm chưa biết" thành bốn loại: Đã biết mình biết (nội dung trong prompt), Đã biết mình chưa biết, Chưa biết mình đã biết (điều hiển nhiên không nói ra), và Chưa biết mình chưa biết. Để thu hẹp khoảng cách, tác giả đề xuất các phương pháp lặp đi lặp lại trước, trong và sau khi thực hiện công việc: - **Trước khi thực hiện:** Quét điểm mù, động não tạo nguyên mẫu, đặt câu hỏi ngược, tham khảo tài liệu, lập kế hoạch triển khai. - **Trong khi thực hiện:** Ghi chú lại các quyết định và điều chỉnh trong quá trình thực thi. - **Sau khi thực hiện:** Tạo tài liệu giải thích/giới thiệu và tự kiểm tra kiến thức. Ví dụ, chính video ra mắt Fable đã được Claude Code biên tập bằng cách áp dụng các bước trên: học về kỹ thuật phụ đề, tạo nguyên mẫu đồng bộ hóa, và học về chỉnh màu video. Bài học cốt lõi: Mô hình càng mạnh, việc xác định rõ các "điểm chưa biết" của bạn trước khi bắt đầu càng quan trọng để dẫn đến kết quả tốt hơn. Hãy để Claude giúp bạn tìm ra chúng.

marsbit07/06 00:17

Claude Engineer Cuối Cùng Đã Giao Ra Fable 5 Đốt Quyết, Hướng Dẫn Bạn Phá Vỡ Khoảng Cách Thông Tin Với Mô Hình

marsbit07/06 00:17

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

Token hiện đang tiêu tốn tới 30% tổng lương nhân viên tại SemiAnalysis, một viện nghiên cứu bán dẫn Silicon Valley, nhưng đổi lại mang lại hiệu suất cao gấp nhiều lần chi phí lao động truyền thống. CEO NVIDIA, Jensen Huang, thậm chí khuyến khích các kỹ sư sử dụng Token với ngân sách bằng nửa lương, coi đây là "tư liệu sản xuất" mới. Tuy nhiên, mặt khác, nhiều gã khổng lồ công nghệ như Uber và Microsoft đang vật lộn với hóa đơn AI tăng vọt ngoài tầm kiểm soát, trong khi mối liên hệ giữa việc sử dụng AI và đổi mới sản phẩm thực tế vẫn chưa rõ ràng. Một nghiên cứu của MIT năm 2024 chỉ ra trong 77% công việc liên quan đến thị giác, thuê người vẫn rẻ hơn dùng AI. Báo cáo của SemiAnalysis nhấn mạnh đừng chỉ nhìn vào chi phí hiện tại. Với sự tối ưu hóa phần mềm (như tăng tốc độ xử lý token lên 14 lần) và phần cứng mới (hiệu suất cao gấp 17-32 lần), chi phí token dự kiến sẽ giảm mạnh. Gartner dự báo đến 2030, chi phí suy luận cho mô hình lớn có thể giảm hơn 90% so với 2025. Bài viết kết luận rằng dù các công ty công nghệ đang đầu tư hàng nghìn tỷ USD vào AI và cắt giảm nhân sự, tác động kinh tế rộng lớn vẫn chưa thấy rõ. Đây là giai đoạn "xây đường ống" cần thiết, tương tự như điện lưới hay internet trước đây. SemiAnalysis, với 30% chi phí lương chuyển thành token, đã thấy được đòn bẩy sản xuất khổng lồ và đứng về phía bên kia của dòng chảy. Câu hỏi đặt ra cho các công ty khác là bắt đầu ngay hay chờ đợi và bị tụt lại phía sau.

marsbit07/06 00:16

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

marsbit07/06 00:16

活动图片