Tác giả gốc: K, Nhà nghiên cứu Web3Caff Research
Trong quỹ đạo phát triển của trí tuệ nhân tạo, hai năm gần đây đã trải qua một bước ngoặt cấu trúc sâu sắc. Năng lực mô hình không ngừng đột phá, hiệu suất suy luận không ngừng được tối ưu hóa, vốn toàn cầu và cỗ máy nhà nước đổ xô đến. Tuy nhiên, đằng sau làn sóng tập trung hóa với sự cuồng nhiệt và tập trung vốn, DeAI (kiến trúc đào tạo và suy luận AI phi tập trung) đang trở thành một con đường khác hướng tới tương lai, nó chỉ thẳng vào hai mối lo ngại lớn trong sự phát triển AI hiện nay: cơ chế tin tưởng mù quáng và tính dễ tổn thương khi mở rộng.
Sự thịnh vượng của AI tập trung được xây dựng dựa trên cơ sở hạ tầng vật chất khổng lồ, từ các cụm siêu máy tính đến hộp đen suy luận mô hình khép kín, từ các sản phẩm SaaS được đóng gói sẵn đến các lệnh gọi API nội bộ doanh nghiệp. Nhưng giống như quá trình Internet phát triển từ khép kín sang mở, từ nền tảng Web2 sang giao thức Web3, sự phát triển của AI rốt cuộc cũng không thể tránh khỏi việc đối mặt với hai vấn đề cốt lõi: Thứ nhất, làm thế nào người dùng xác nhận được kết quả suy luận của mô hình không bị giả mạo và có tính xác thực? Thứ hai, khi việc đào tạo và suy luận vượt qua ranh giới khu vực, thiết bị, văn hóa và pháp luật, kiến trúc tập trung có còn duy trì được lợi thế về chi phí và hiệu suất?
Mạng lưới DeAI đề xuất một con đường giải quyết khác biệt hoàn toàn so với mô hình tập trung. Nó lấy "Tính toán có thể xác minh (Verifiable Compute)" làm tư tưởng cốt lõi, thông qua mật mã học và cơ chế đồng thuận đảm bảo mỗi lần chạy mô hình đều có đường thực thi có thể truy vết, có thể chứng minh. Điều này không chỉ giải quyết vấn đề "tin tưởng mù quáng" của người dùng vào mô hình, mà còn cung cấp nền tảng tin cậy chung cho sự hợp tác xuyên biên giới. Hiện nay, những người tiên phong như Prime Intellect và Inference Labs đã đạt được suy luận có xác minh một phần trong các cụm GPU từ xa, mở ra khả năng mới cho dịch vụ đào tạo phân tán và AI tự trị. [70]
Và từ góc độ kinh tế, sự trỗi dậy của DeAI cũng liên quan mật thiết đến sự thay đổi RoG (Return-on-GPU, tức lợi nhuận mang lại mỗi giờ từ sức mạnh tính toán GPU) trong ngành AI. Thiết kế của GPT-4.1 không còn đơn thuần theo đuổi mô hình lớn và đống sức mạnh tính toán, mà nhấn mạnh vào việc tinh chỉnh tinh vi và cấu hình nguồn lực suy luận, chẳng hạn như tái sử dụng ngữ cảnh hiện có càng nhiều càng tốt trong quá trình tạo, giảm thiểu việc tính toán lại không cần thiết, từ đó giảm đầu ra không hiệu quả và tiêu thụ Token, khiến sức mạnh tính toán được sử dụng nhiều hơn cho quá trình suy luận thực sự có giá trị. [68] Điều này đánh dấu trọng tâm ngành đang chuyển từ "có thể đốt bao nhiêu GPU" sang "mỗi giờ có thể thu được bao nhiêu giá trị". Định hướng hiệu suất này lại cung cấp một điểm đột phá tuyệt vời cho mạng lưới AI phi tập trung.
Chi phí cố định cao và nút thắt cổ chai về hiệu suất trong triển khai quy mô lớn của các cụm GPU tập trung sẽ khó lòng sánh được với một mạng lưới GPU không đồng nhất được đóng góp bởi người dùng toàn cầu mà không cần cấp phép (Permissionless). Và nếu mạng lưới này có tính "có thể xác minh", thì không chỉ có thể cạnh tranh về cấu trúc chi phí với cơ sở hạ tầng tập trung như AWS, Azure, mà còn có ưu thế vốn có là minh bạch và đáng tin cậy.
Hơn nữa, ảnh hưởng của DeAI vượt xa tầm kỹ thuật, nó sẽ định hình lại quyền sở hữu và cấu trúc tham gia của tất cả quá trình phát triển AI. Trong hệ sinh thái đào tạo khép kín do các gã khổng lồ như OpenAI, Anthropic thống trị hiện nay, đại đa số nhà phát triển chỉ có thể tồn tại như "người dùng mô hình", mà không thể tham gia vào lợi nhuận đào tạo mô hình hoặc quyết định suy luận. Trong khi đó, trong mạng lưới DeAI, mọi người đóng góp, cho dù là nút cung cấp sức mạ tính toán, người dùng cung cấp dữ liệu, hay kỹ sư phát triển ứng dụng Agent, đều có thể tham gia quản trị và chia sẻ lợi nhuận thông qua giao thức. Đây không chỉ là đổi mới cơ chế kinh tế, mà còn là một bước tiến trong đạo đức phát triển AI.
Tất nhiên, DeAI hiện vẫn đang trong giai đoạn khám phá ban đầu. Nó chưa thiết lập được mức hiệu suất đủ để thay thế các mô hình tập trung, cũng chưa vượt qua được các nút thắt cổ chai về tính ổn định mạng và hiệu suất xác minh. Nhưng tương lai của AI sẽ không phải là một con đường duy nhất, mà là nhiều đường song song. Các nền tảng tập trung sẽ tiếp tục thống trị thị trường doanh nghiệp, theo đuổi sản phẩm hóa tối đa với RoG được tối ưu hóa; còn mạng lưới DeAI sẽ phát triển trong các kịch bản biên và thị trường mới nổi, dần dần tiến hóa thành hệ sinh thái mô hình mở với sức sống riêng. Giống như Internet đối với tự do thông tin, DeAI đối với quyền tự chủ thông minh. Tầm quan trọng của nó, không chỉ vì lợi thế kỹ thuật, mà còn vì nó cung cấp khả năng của một thế giới khác, một tương lai không cần tin tưởng vào trung gian cụ thể mà vẫn có thể tin tưởng vào chính trí thông minh.
Nội dung này được trích từ báo cáo nghiên cứu của Web3Caff Research: Báo cáo thường niên 40.000 chữ Web3 2025 (Phần dưới): Hướng tới giao điểm lịch sử của trật tự Tài chính × Tính toán × Internet, liệu một sự chuyển hướng lớn của ngành sắp mở ra? Phân tích toàn cảnh những thay đổi cấu trúc, tiềm năng giá trị, ranh giới rủi ro và triển vọng tương lai
Báo cáo nghiên cứu này (đã mở đọc miễn phí) do nhà nghiên cứu K của Web3Caff Research biên soạn, xoay quanh việc hệ thống hóa logic cốt lõi của những thay đổi giai đoạn phát triển Web3 vào năm 2025, tập trung thảo luận lý do tại sao việc khám phá ứng dụng và hợp tác hệ thống dần trở thành hướng quan tâm mới trong bối cảnh năng lực hạ tầng và quản lý tiếp tục phát triển, các điểm chính bao gồm:
- Bối cảnh tiến triển giai đoạn: Nguyên nhân nội tại dẫn đến sự thay đổi trong điểm quan tâm của ngành sau khi việc xây dựng cơ sở hạ tầng cơ bản kết thúc;
- Thay đổi cơ chế then chốt: Khuôn khổ quy tắc và cơ chế trên chuỗi dần rõ ràng, ảnh hưởng đến cách thức vận hành hệ thống;
- Hướng ứng dụng chính: Con đường khám phá xoay quanh thanh toán quyết toán, ánh xạ场景 thực tế và hợp tác có thể lập trình;
- Hướng phát triển tương lai: Thảo luận xu thế phát triển của Web3 vào năm 2026 và sau đó.
