Người sáng lập Aave: Bí mật của thị trường cho vay DeFi là gì?

marsbitXuất bản vào 2026-02-10Cập nhật gần nhất vào 2026-02-10

Tóm tắt

Tác giả Stani.eth, người sáng lập Aave, chia sẻ những hiểu biết sâu sắc về thị trường cho vay DeFi. Cho vay trên chuỗi (on-chain lending), bắt đầu từ năm 2017, đã phát triển thành một thị trường trị giá hơn 100 tỷ USD, chủ yếu được thúc đẩy bởi các khoản vay stablecoin được thế chấp bằng tài sản tiền mã hóa. Lợi thế cốt lõi của cho vay on-chain là chi phí thấp hơn đáng kể (khoảng 5% cho stablecoin) so với các tổ chức cho vay tập trung (7-12%), không phải nhờ trợ cấp mà nhờ loại bỏ các lớp lãng phí tài chính thông qua việc tổng hợp vốn trong các hệ thống mở. Các thị trường không cần cấp phép vượt trội về cấu trúc trong việc định giá rủi ro và tập trung vốn nhờ tính minh bạch, khả năng kết hợp (composability) và tự động hóa. Tương lai của lĩnh vực này phụ thuộc vào việc mở rộng các loại tài sản thế chấp, kết hợp tài sản tiền mã hóa gốc với các quyền lợi và nghĩa vụ trong thế giới thực được token hóa. Điều này sẽ thay thế cơ sở hạ tầng tài chính truyền thống bằng một hệ thống phi tập trung với cơ cấu chi phí thấp hơn nhiều. Vấn đề của cho vay truyền thống không phải là khan hiếm vốn mà là sự kém hiệu quả trong các khâu phát hành, đánh giá rủi ro và dịch vụ. Giải pháp là phá vỡ cấu trúc chi phí thông qua tự động hóa hoàn toàn, minh bạch và sự chắc chắn, điều mà DeFi có thể mang lại. Khi cho vay on-chain trở nên rõ ràng là rẻ hơn, việc áp dụng rộng rãi là điều tất yếu. Aave đang định vị mình như một lớp vốn cơ bản cho cơ sở hạ tầng tài chính mới này.

Tác giả: Stani.eth

Biên dịch: Ken, Chaincatcher

Cho vay trên chuỗi bắt đầu vào khoảng năm 2017, khi đó chỉ là một thử nghiệm ngoài lề liên quan đến tài sản mã hóa. Ngày nay, nó đã phát triển thành một thị trường có quy mô hơn 1000 tỷ USD, với động lực chính là cho vay stablecoin, chủ yếu được đảm bảo bởi các tài sản thế chấp gốc từ mã hóa như Ethereum, Bitcoin và các dẫn xuất của chúng. Người đi vay giải phóng tính thanh khoản thông qua các vị thế mua (long), thực hiện vòng lặp đòn bẩy và arbitrage lợi suất. Điều quan trọng không phải là sự sáng tạo, mà là sự xác minh. Hành vi trong vài năm qua cho thấy, từ rất lâu trước khi các tổ chức bắt đầu chú ý, cho vay tự động dựa trên hợp đồng thông minh đã có nhu cầu thực sự và sự phù hợp sản phẩm-thị trường thực sự.

Thị trường mã hóa hiện vẫn còn biến động. Việc xây dựng hệ thống cho vay trên các tài sản năng động nhất còn tồn tại buộc cho vay trên chuỗi phải ngay lập tức giải quyết các vấn đề quản lý rủi ro, thanh lý và hiệu quả vốn, thay vì che giấu chúng sau chính sách hoặc quyết định mang tính con người. Nếu không có tài sản thế chấp gốc từ mã hóa, sẽ không thể thấy được sức mạnh thực sự của cho vay trên chuỗi hoàn toàn tự động. Điều then chốt không nằm ở tiền mã hóa như một loại tài sản, mà nằm ở sự thay đổi cấu trúc chi phí mà tài chính phi tập trung (DeFi) mang lại.

Tại sao cho vay trên chuỗi rẻ hơn

Cho vay trên chuỗi rẻ hơn không phải vì nó là công nghệ mới, mà là vì nó loại bỏ các lớp lãng phí tài chính chồng chéo. Ngày nay, người đi vay có thể tiếp cận stablecoin trên chuỗi với chi phí khoảng 5%, trong khi các tổ chức cho vay mã hóa tập trung tính lãi suất từ 7% đến 12%, cộng thêm phí giao dịch, phí dịch vụ và các loại phụ phí khác. Khi điều kiện có lợi cho người đi vay, việc lựa chọn cho vay tập trung không chỉ không phải là thận trọng, mà thậm chí là phi lý trí.

Lợi thế về chi phí này không đến từ trợ cấp, mà đến từ sự tập hợp vốn trong một hệ thống mở. Các thị trường không cần cấp phép, về mặt cấu trúc, vượt trội hơn các thị trường khép kín trong việc tập hợp vốn và định giá rủi ro, bởi vì tính minh bạch, khả năng kết hợp (composability) và tự động hóa thúc đẩy cạnh tranh. Vốn di chuyển nhanh hơn, tính thanh khoản nhàn rỗi bị trừng phạt, sự kém hiệu quả bị phơi bày theo thời gian thực. Đổi mới lan truyền ngay lập tức.

Khi các nguyên thủy tài chính mới như USDe của Ethena hoặc Pendle xuất hiện, chúng hấp thụ thanh khoản của toàn bộ hệ sinh thái và mở rộng phạm vi sử dụng của các nguyên thủy tài chính hiện có (như Aave, v.v.) mà không cần đội ngũ bán hàng, quy trình đối soát hoặc bộ phận hậu cần. Mã code thay thế chi phí quản lý. Đây không chỉ là cải tiến dần dần, mà là một mô hình vận hành hoàn toàn khác biệt. Tất cả lợi thế về cấu trúc chi phí đều được chuyển đến cho những người phân bổ vốn, và quan trọng hơn, mang lại lợi ích cho người đi vay.

Mọi biến đổi lớn trong lịch sử hiện đại đều tuân theo cùng một khuôn mẫu. Hệ thống nặng về tài sản trở thành hệ thống nhẹ về tài sản. Chi phí cố định trở thành chi phí biến đổi. Lao động trở thành phần mềm. Hiệu ứng quy mô tập trung thay thế sự lặp lại cục bộ. Công suất dư thừa chuyển thành tỷ lệ sử dụng năng động. Sự thay đổi ban đầu trông có vẻ tệ. Chúng phục vụ người dùng không cốt lõi (ví dụ: nhắm vào cho vay tiền mã hóa, thay vì các trường hợp sử dụng chính thống), cạnh tranh về giá trước khi chất lượng được cải thiện, và chúng trông không nghiêm túc cho đến khi mở rộng quy mô, khiến các doanh nghiệp hiện tại không thể theo kịp.

Cho vay trên chuỗi hoàn toàn phù hợp với khuôn mẫu này. Người dùng ban đầu chủ yếu là những người nắm giữ tiền mã hóa thích hợp. Trải nghiệm người dùng kém. Ví điện tử cảm thấy xa lạ. Stablecoin chưa chạm đến tài khoản ngân hàng. Nhưng tất cả những điều đó không quan trọng, vì chi phí thấp hơn, thực thi nhanh hơn và việc tiếp cận mang tính toàn cầu. Khi mọi thứ khác được cải thiện, nó trở nên dễ tiếp cận hơn.

Tiếp theo sẽ phát triển như thế nào

Trong thời kỳ thị trường gấu, nhu cầu giảm, lợi suất bị nén, làm lộ ra một động lực quan trọng hơn. Vốn trong cho vay trên chuỗi luôn ở trong tình trạng cạnh tranh. Tính thanh khoản không bị đình trệ bởi quyết định của ủy ban theo quý hoặc các giả định về bảng cân đối kế toán. Nó liên tục được định giá lại trong môi trường minh bạch. Hiếm có hệ thống tài chính nào tàn nhẫn như nó.

Cho vay trên chuỗi không thiếu vốn, mà thiếu tài sản thế chấp có sẵn để cho vay. Ngày nay, hầu hết cho vay trên chuỗi chỉ là việc tuần hoàn cùng một tài sản thế chấp cho các chiến lược giống nhau. Đây không phải là hạn chế về cấu trúc, mà là tạm thời.

Tiền mã hóa sẽ tiếp tục tạo ra các tài sản gốc, các nguyên thủy sản xuất và hoạt động kinh tế trên chuỗi, từ đó mở rộng phạm vi tiếp cận của hoạt động cho vay. Ethereum đang trưởng thành thành một nguồn lực kinh tế có thể lập trình. Bitcoin đang củng cố vai trò là kho lưu trữ năng lượng kinh tế. Cả hai đều không phải là trạng thái cuối cùng.

Nếu cho vay trên chuỗi muốn chạm tới hàng tỷ người dùng, nó phải hấp thụ giá trị kinh tế thực, không chỉ là các khái niệm tài chính trừu tượng. Tương lai sẽ kết hợp các tài sản gốc mã hóa tự trị với các quyền và nghĩa vụ thế giới thực được mã hóa (tokenized), không phải để sao chép tài chính truyền thống, mà để vận hành nó với chi phí cực thấp. Điều này sẽ trở thành chất xúc tác để thay thế phần phụ trợ của tài chính cũ bằng tài chính phi tập trung.

Rốt cuộc thì cho vay đã gặp vấn đề gì

Ngày nay, cho vay đắt đỏ không phải vì vốn khan hiếm. Vốn là dồi dào. Vốn chất lượng cao được định giá (lãi suất thanh lý) từ 5% đến 7%. Vốn mạo hiểm được định giá từ 8% đến 12%. Người đi vay vẫn phải trả lãi suất cao, bởi vì mọi thứ xung quanh vốn đều kém hiệu quả.

Khâu phát hành khoản vay trở nên cồng kềnh vì chi phí thu hút khách hàng và các mô hình tín dụng lạc hậu. Sự phê duyệt theo kiểu nhị phân (có/không) dẫn đến việc người đi vay chất lượng phải trả phí quá cao, trong khi người đi vay kém chất lượng được trợ cấp cho đến khi vỡ nợ. Khâu dịch vụ vẫn mang tính thủ công, nặng về tuân thủ và chậm chạp. Cơ chế khuyến khích ở mọi tầng lớp đều bị sai lệch. Những người định giá rủi ro hiếm khi thực sự chịu rủi ro. Người môi giới không chịu trách nhiệm về vi phạm hợp đồng. Người khởi tạo khoản vay bán ngay lập tức mức độ phơi nhiễm rủi ro. Mọi người đều được trả công bất kể kết quả ra sao. Những khiếm khuyết trong cơ chế phản hồi mới là cái giá thực sự của các khoản vay.

Cho vay chưa bị đảo lộn là vì sự tin cậy được đặt lên trên trải nghiệm người dùng, quy định hạn chế đổi mới, và tổn thất che giấu các vấn đề kém hiệu quả trước khi chúng bùng phát. Hệ thống cho vay một khi sụp đổ, hậu quả thường là thảm khốc, điều này củng cố sự bảo thủ hơn là tiến bộ. Do đó, cho vay vẫn trông giống như một sản phẩm của thời đại công nghiệp được ghép nối cứng nhắc vào thị trường vốn kỹ thuật số.

Phá vỡ cấu trúc chi phí

Trừ khi việc phát hành khoản vay, đánh giá rủi ro, dịch vụ và phân bổ vốn hoàn toàn trở nên gốc phần mềm (software-native) và trên chuỗi, nếu không người đi vay sẽ tiếp tục trả phí quá cao, và người cho vay sẽ tiếp tục biện minh cho những chi phí đó. Giải pháp không phải là nhiều quy định hơn hoặc cải thiện trải nghiệm người dùng một cách biên tế. Mà là phá vỡ cấu trúc chi phí. Tự động hóa thay thế quy trình. Minh bạch thay thế quyết định tùy ý (discretion). Tính xác định thay thế việc đối soát. Đây là sự đảo lộn mà tài chính phi tập trung có thể mang lại cho hoạt động cho vay.

Khi cho vay trên chuỗi trở nên rõ ràng rẻ hơn cho vay truyền thống trong vận hành end-to-end, thì việc phổ cập không phải là vấn đề, mà là điều tất yếu. Aave ra đời trong bối cảnh này, có khả năng đóng vai trò là lớp vốn cơ sở cho phần phụ trợ tài chính kiểu mới, phục vụ toàn bộ lĩnh vực cho vay từ các công ty fintech đến người cho vay tổ chức và cả người tiêu dùng.

Cho vay sẽ trở thành sản phẩm tài chính mang lại hiệu ứng trao quyền mạnh mẽ nhất, đơn giản chỉ vì cấu trúc chi phí của tài chính phi tập trung sẽ cho phép vốn di chuyển nhanh chóng chảy vào các ứng dụng cần vốn nhất. Vốn dồi dào sẽ tạo ra vô số cơ hội.

Câu hỏi Liên quan

QTại sao cho vay trên chuỗi (on-chain lending) lại rẻ hơn so với các tổ chức cho vay tiền điện tử tập trung?

ACho vay trên chuỗi rẻ hơn không phải vì công nghệ mới, mà vì nó loại bỏ các lớp lãng phí tài chính chồng chất. Các thị trường không cần cấp phép có cấu trúc vượt trội so với thị trường khép kín trong việc tập hợp vốn và định giá rủi ro, nhờ tính minh bạch, khả năng kết hợp và tự động hóa thúc đẩy cạnh tranh. Lợi thế về chi phí này đến từ việc tổng hợp vốn trong một hệ thống mở, không phải từ trợ cấp.

QĐộng lực chính nào thúc đẩy thị trường cho vay DeFi phát triển lên quy mô hơn 100 tỷ USD?

AĐộng lực chính là cho vay stablecoin, chủ yếu được thế chấp bằng các tài sản thế chấp gốc từ crypto như Ethereum, Bitcoin và các dẫn xuất của chúng. Người đi vay sử dụng các vị thế mua (long position) để giải phóng tính thanh khoản, thực hiện đòn bẩy vòng và arbitrage lợi suất. Nhu cầu thực sự và sự phù hợp sản phẩm-thị trường đã được chứng minh.

QTheo tác giả, hạn chế hiện tại của cho vay trên chuỗi là gì?

AHạn chế hiện tại không phải là thiếu vốn, mà là thiếu tài sản thế chấp có sẵn để cho vay. Phần lớn hoạt động cho vay trên chuỗi hiện nay chỉ là việc tái sử dụng cùng một loại tài sản thế chấp cho các chiến lược tương tự. Đây không phải là hạn chế cấu trúc, mà chỉ là tạm thời.

QLàm thế nào để cho vay trên chuỗi có thể tiếp cận được hàng tỷ người dùng trong tương lai?

AĐể tiếp cận hàng tỷ người dùng, nó phải hấp thụ giá trị kinh tế thực, không chỉ là các khái niệm tài chính trừu tượng. Tương lai sẽ kết hợp các tài sản gốc crypto tự chủ với các quyền lợi và nghĩa vụ của thế giới thực được mã hóa (tokenized), nhằm vận hành hệ thống tài chính cũ với chi phí cực thấp, thay thế phần hậu kỳ của tài chính truyền thống bằng DeFi.

QNguyên nhân sâu xa khiến cho vay truyền thống đắt đỏ là gì?

AVốn không khan hiếm, nhưng mọi thứ xung quanh việc phân bổ vốn đều kém hiệu quả. Các khâu phát hành khoản vay bị phình to do chi phí acquisition và mô hình tín dụng lạc hậu. Dịch vụ vẫn mang tính thủ công, nặng về tuân thủ và chậm chạp. Cơ chế khuyến khích bị sai lệch ở mọi cấp độ, và các cơ chế phản hồi khiếm khuyết mới chính là cái giá thực sự của các khoản vay.

Nội dung Liên quan

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Tuần qua, một báo cáo từ công ty nghiên cứu SemiAnalysis đã gây xôn xao ngành AI, tiết lộ thông số kỹ thuật của Rubin Ultra - phiên bản cao cấp nhất trong kiến trúc Rubin mới của NVIDIA - đã bị giảm mạnh so với kỳ vọng trước đó. Theo báo cáo, Rubin Ultra sẽ giữ nguyên hiệu suất tính toán lý thuyết đỉnh (35 PFLOPs) so với Rubin thông thường, nhưng dung lượng bộ nhớ (VRAM) bị cắt giảm nghiêm trọng, chỉ còn 192GB (8-Hi), thậm chí thấp hơn Rubin tiêu chuẩn (288GB, 12-Hi). Băng thông bộ nhớ gần như không cải thiện và mức tiêu thụ điện năng thậm chí còn tăng nhẹ. Thay vào đó, nâng cấp chính của Rubin Ultra tập trung vào khả năng mở rộng kết nối hệ thống, có thể liên kết tối đa 576 GPU thành một "siêu GPU logic" duy nhất thông qua NVLink. Nguyên nhân chính của việc giảm cấu hình được cho là do chi phí HBM (High Bandwidth Memory) tăng quá cao, ảnh hưởng đến tính kinh tế chung của hệ thống AI. Giá HBM3 đã tăng mạnh từ mức 180-220 USD (Q2/2025) lên 700-850 USD (Q2/2026). Việc điều chỉnh thiết kế giúp giảm chi phí nguyên vật liệu (BOM) cho một tủ máy từ khoảng 8 triệu USD xuống còn 6,4 triệu USD, chuyển trọng tâm đầu tư từ HBM đắt đỏ sang khả năng kết nối mở rộng. Thông tin này đã khiến thị trường lo ngại về đỉnh cao nhu cầu HBM, dẫn đến cổ phiếu của các hãng sản xuất bộ nhớ hàng đầu như SK Hynix và Samsung giảm khoảng 8%. Động thái của NVIDIA cho thấy ngay cả gã khổng lồ dẫn đầu về sức mạnh tính toán cũng đang bắt đầu tính toán kỹ lưỡng chi phí, đánh dấu sự dịch chuyển trong ngành AI từ việc "tích trữ linh kiện và tăng giá vô tội vạ" sang tối ưu hóa hiệu quả chi phí toàn hệ thống.

Odaily星球日报10 phút trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Odaily星球日报10 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit1 giờ trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit2 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit2 giờ trước

Giao dịch

Giao ngay
活动图片