Hook
24/7/2024 – 3 con số từ bài phát biểu của Wang Dong, đồng sáng lập Moore Threads: “Không có chip vạn năng”, “kết hợp giải pháp phần cứng”, “ISP – Inference Service Provider sẽ bùng nổ”. Dưới góc nhìn của một chuyên gia rủi ro blockchain, những tuyên bố này không chỉ là chiến lược GPU nội địa – chúng mở ra một cánh cửa mới cho các mạng lưới AI phi tập trung (decentralized AI). Nhưng liệu tính khả thi có đủ để thay đổi cuộc chơi, hay chỉ là một bài PR khác của một startup GPU Trung Quốc? Trong bài phân tích này, tôi sẽ mổ xẻ từng lớp kỹ thuật và thương mại, đặt nó trong bối cảnh Web3.
Context
Moore Threads là công ty GPU Trung Quốc thành lập năm 2020, tập trung vào chip cho AI và đồ họa. Dòng sản phẩm MTT S3000/S4000 của họ được quảng cáo là tương thích với PyTorch và có thể thay thế NVIDIA trong một số tác vụ inference. Wang Dong, cựu kỹ sư NVIDIA, hiện là đồng sáng lập phụ trách chiến lược sản phẩm. Bài phát biểu của ông tại hội thảo AI tháng 7/2024 đưa ra luận điểm chính: thị trường inference (suy luận mô hình) không thể có một con chip duy nhất thống trị; thay vào đó, các nhà cung cấp dịch vụ inference (ISP) sẽ xuất hiện để kết hợp nhiều loại phần cứng – GPU Moore Threads, AMD, Intel, thậm chí ASIC – nhằm tối ưu chi phí cho từng mô hình cụ thể. Ông cũng nhấn mạnh “các mô hình nền tảng Trung Quốc có lợi thế chi phí” nhờ sử dụng chip nội địa và kỹ thuật tối ưu hóa mạnh mẽ.
Core – Mổ xẻ kỹ thuật và cơ hội cho AI phi tập trung
1. Từ “chip vạn năng” đến “hạ tầng inference phi tập trung” Trong blockchain, các mạng lưới như Bittensor (TAO), Akash (AKT) hay Render Network (RNDR) đang xây dựng nền tảng cho AI phi tập trung. Họ cho phép người dùng cung cấp tài nguyên GPU để chạy inference, đổi lại token. Tuy nhiên, thách thức lớn nhất là tính không đồng nhất: cùng một mô hình Llama-3 có thể cho kết quả khác nhau trên GPU NVIDIA và AMD, gây khó khăn cho việc đảm bảo tính toàn vẹn (verifiability). Wang Dong nói “không có chip vạn năng” – điều này càng đúng trong môi trường phi tập trung, nơi các node chạy vô số loại phần cứng. Một ISP kiểu mới, được mã hóa bằng smart contract, có thể giải quyết vấn đề này: nó sẽ tự động chọn GPU phù hợp cho từng yêu cầu inference, dựa trên hồ sơ hiệu năng được ghi lại trên-chain.
2. Chi phí thấp + mã nguồn mở = động lực cho Web3 Wang Dong tuyên bố các mô hình Trung Quốc có chi phí thấp nhờ chip nội địa. Nếu Moore Threads thực sự cung cấp GPU với hiệu suất/giá tốt hơn NVIDIA H20 (phiên bản bị giới hạn cho Trung Quốc), thì các giao thức DePIN (Decentralized Physical Infrastructure Networks) có thể tận dụng. Ví dụ, Akash Network cho phép thuê GPU rẻ hơn 3-5 lần so với AWS. Nếu Moore Threads tham gia, chi phí đó có thể giảm thêm 40-50%. Điều này sẽ kích hoạt hàng loạt ứng dụng Web3: từ chạy agent AI trên-chain (cần inference real-time) đến các thị trường dự đoán dùng mô hình ngôn ngữ.
3. ISPs – phiên bản “multisig” của hạ tầng inference Wang Dong dự đoán làn sóng ISP (Inference Service Provider). Trong blockchain, khái niệm tương tự là “inference relay” – một lớp trung gian phi tập trung. Thay vì một công ty duy nhất vận hành, các ISP có thể được tổ chức như DAO: các thành viên stake token, cung cấp GPU, và được thưởng dựa trên số lượng inference thành công. Kết hợp với bằng chứng không kiến thức (ZK), có thể xác minh kết quả inference mà không lộ dữ liệu đầu vào – một yêu cầu then chốt cho quyền riêng tư. Tuy nhiên, tính khả thi kỹ thuật còn thấp: hiện tại, việc chạy inference trên ZK vẫn rất chậm và đắt. Song, nếu Moore Threads tối ưu phần cứng của họ cho ZK (ví dụ: tăng tốc MSM, NTT), họ có thể trở thành nhà cung cấp chính cho các mạng ZK-inference.
4. Rủi ro hệ thống: phụ thuộc vào phần mềm Wang Dong nhấn mạnh phần mềm là chìa khóa: “thông qua hợp tác phần cứng-phần mềm, mỗi mô hình có thể tìm ra tổ hợp phù hợp”. Đây là điểm yếu chết người trong bối cảnh phi tập trung. Hiện tại, các framework như vLLM, TGI chưa hỗ trợ tốt GPU Moore Threads. Nếu cộng đồng mã nguồn mở không nhanh chóng viết backend, thì các node chạy Moore Threads sẽ bị cô lập, dẫn đến thanh khoản tính toán thấp. Điều này tương tự vấn đề “liquidity fragmentation” trong DeFi: nhiều pool riêng lẻ không thể giao dịch với nhau. Một giao thức cross-chain inference có thể giải quyết, nhưng chi phí phát triển là rất lớn.
Contrarian – Góc nhìn của phe bò
Dù tôi hoài nghi, phe lạc quan có lý do để tin: thứ nhất, chính sách Trung Quốc thúc đẩy “tự chủ tính toán” – các quỹ đầu tư nhà nước sẽ ưu tiên mua GPU nội địa, tạo ra thị trường captive cho Moore Threads. Thứ hai, nếu các ISP thực sự ra đời, họ sẽ có động lực kinh tế để hỗ trợ nhiều phần cứng – và Moore Threads, với giá rẻ, sẽ là lựa chọn hấp dẫn. Thứ ba, cộng đồng Web3 vốn “dám thử” – ví dụ, Bittensor đã tích hợp nhiều loại GPU lạ (Groq, Cerebras) mà không cần đảm bảo thương mại. Nếu Moore Threads cung cấp tài trợ cho các nhà phát triển tích hợp, họ có thể chiếm lĩnh thị phần trong các mạng tính toán phi tập trung.
Takeaway
Chiến lược “không chip vạn năng” của Wang Dong không chỉ là câu chuyện của một startup GPU – nó là lời kêu gọi xây dựng lại hạ tầng inference từ dưới lên. Với blockchain, đây là cơ hội để tạo ra một lớp dịch vụ inference phi tập trung, linh hoạt và rẻ hơn. Nhưng con đường còn đầy rào cản: từ phần mềm chưa sẵn sàng, đến thiếu bằng chứng xác thực. Câu hỏi còn bỏ ngỏ: Liệu các ISP mới sẽ là các DAO minh bạch, hay chỉ là những công ty tập trung mang danh “phi tập trung”? – chỉ có những con số và lỗ hổng mới trả lời được.
