Trong làn sóng AI bùng nổ, Meta vừa công bố kế hoạch xây dựng một khuôn viên trung tâm dữ liệu AI trị giá 100 tỷ USD, dự kiến khởi công vào năm 2028. Con số này gấp đôi toàn bộ vốn hóa thị trường của Render Network (RNDR) ở thời điểm hiện tại. Nhưng điều đáng chú ý không phải quy mô, mà là thông điệp ngầm: sức mạnh tính toán đang tập trung về tay một số ít gã khổng lồ, và những hệ thống phi tập trung như blockchain có thể là miếng vá cuối cùng cho bài toán này.
Trong bối cảnh thị trường giảm, các giao thức DeFi và Layer2 đang chảy máu thanh khoản, thì một tin tức về đầu tư hạ tầng AI của Meta có vẻ xa vời. Nhưng nếu nhìn kỹ, bức tranh lớn hơn là sự cạnh tranh khốc liệt về tài nguyên tính toán – thứ mà blockchain vốn dĩ muốn giải quyết thông qua decentralization. Khi Meta, Microsoft, Google chi hàng trăm tỷ để xây dựng các 'campus AI', họ đang tạo ra một lớp hạ tầng tập trung mà sau này sẽ phục vụ cho các mô hình AI thế hệ mới. Và câu hỏi đặt ra: liệu các dự án như Akash Network, Render, hay thậm chí là các Layer2 có cross-chain computing capability có thể cạnh tranh? Hay họ đang bị bỏ lại phía sau?
Nhìn từ góc độ kỹ thuật, một khuôn viên AI 100 tỷ USD tương đương với công suất vài trăm megawatt, đủ để vận hành hàng trăm nghìn GPU H100 hoặc thế hệ chip tiếp theo của NVIDIA (Rubin). Meta chắc chắn sẽ sử dụng phần lớn số chip này để train các phiên bản Llama tiếp theo. Dựa trên kinh nghiệm audit smart contract và phân tích on-chain của tôi, việc tập trung tính toán như vậy tạo ra một single point of failure khổng lồ. Nếu Meta gặp sự cố kỹ thuật, hoặc bị tấn công, toàn bộ hệ sinh thái AI của họ có thể sụp đổ. Trong khi đó, các mạng lưới phi tập trung như Render Network (dùng GPU để render) hay Akash Network (dùng GPU cho machine learning) đã chứng minh khả năng chịu lỗi tốt hơn nhờ phân tán tài nguyên. Tuy nhiên, vấn đề là quy mô: tổng công suất GPU của Akash chỉ tương đương vài trăm GPU H100, trong khi Meta sẽ sở hữu hàng trăm nghìn.
Điểm mấu chốt là chi phí và độ trễ. Các mạng GPU phi tập trung hiện có giá thành cạnh tranh (rẻ hơn 30-50% so với đám mây tập trung) nhưng lại có độ trễ cao do phải xác minh work trên blockchain. Meta, với quy mô của mình, có thể đạt được hiệu quả kinh tế nhờ economies of scale và tối ưu hóa phần cứng (như self-design AI chip). Nhưng điều này tạo ra một nghịch lý: càng tập trung, càng dễ bị tổn thương bởi các cuộc tấn công mạng hoặc kiểm duyệt chính trị.
Góc nhìn ngược chiều: Nhiều người cho rằng các giao thức DePIN (Decentralized Physical Infrastructure Networks) sẽ hưởng lợi từ làn sóng đầu tư AI vì nhu cầu tính toán tăng. Nhưng tôi cho rằng đây là ảo tưởng. Các dự án như io.net, Render, Akash đang gặp vấn đề về cầu nối giữa nhu cầu thực và khả năng cung cấp. Các công ty lớn như Meta không bao giờ muốn chạy workload nhạy cảm (như dữ liệu người dùng) trên các mạng không tin cậy. Họ chỉ có thể sử dụng các mạng phi tập trung cho các tác vụ không nhạy cảm (như fine-tuning mô hình nhỏ). Do đó, thị trường GPU phi tập trung vẫn chỉ là một thị trường ngách, phục vụ cho các startup và cá nhân nhỏ lẻ, chứ không phải ông lớn.
Takeaway cho cộng đồng blockchain Việt Nam: Đừng bị cuốn vào câu chuyện 'AI sẽ cứu DePIN'. Hãy nhìn vào dữ liệu thực tế: hàng trăm nghìn GPU đang được các công ty tập trung mua lại, trong khi các mạng lưới phi tập trung vẫn loay hoay với bài toán thanh khoản và độ tin cậy. Nếu bạn đang hold token của các dự án DePIN, hãy hỏi: họ có ký được hợp đồng với các công ty AI không? Hay chỉ đang chạy các task giả tạo để inflate số liệu? Tương lai của decentralized compute không nằm ở cạnh tranh trực tiếp với Meta, mà ở các ứng dụng chuyên biệt mà Big Tech bỏ qua: như AI on-chain agents, private inference, hay training models với dữ liệu nhạy cảm mà không muốn lộ ra ngoài. Còn nếu Meta tiếp tục đổ tiền, họ sẽ thống trị AI một cách tập trung, và blockchain sẽ chỉ đóng vai trò minh bạch hóa (dùng smart contract để xác thực kết quả) chứ không phải cung cấp compute. Và điều đó, với tư cách là một Layer2 researcher, tôi cho rằng đó là một thất bại của tầm nhìn phi tập trung.
