Sự thật nằm ngoài dữ liệu, trong cấu trúc của nó.
Hai tuần trước, tôi ngồi trước màn hình với ba màn hình terminal: một hiển thị biểu đồ giá BTC, một đang chạy proof của zk-SNARKs trên môi trường testnet, và một mở sẵn trang GitHub của Bittensor. Tôi đang chờ một tín hiệu – không phải từ thị trường tiền số, mà từ báo cáo tài chính của Google và Tesla. Kỳ lạ? Không hề. Với tư cách là một Zero-Knowledge Researcher chuyên đào sâu vào cấu trúc giao thức, tôi nhận ra rằng các quyết định đầu tư của các ông lớn công nghệ chính là dữ liệu cấu trúc cho tương lai của AI phi tập trung.
Khi hầu hết mọi người nhìn vào doanh thu và lợi nhuận, tôi nhìn vào chi phí chứng minh và tỷ lệ chấp nhận của các mô hình on-chain. Báo cáo của Google và Tesla, dù chỉ là những con số vĩ mô, lại ẩn chứa những tín hiệu quan trọng về dòng vốn và mức độ ưu tiên của AI tập trung – điều sẽ định hình cạnh tranh với các mạng lưới phi tập trung như Bittensor, Render Network hay Golem. Hãy cùng mổ xẻ.
Hook: Một sự kiện bất thường trong dữ liệu on-chain
Trong 7 ngày qua, TVL của các giao thức AI phi tập trung trên Ethereum và Polkadot đã giảm 12%, trong khi khối lượng giao dịch on-chain của token TAO (Bittensor) tăng đột biến 34%. Điều này trái ngược hoàn toàn với kỳ vọng – thường thì khi thị trường giảm, các token đầu cơ như TAO sẽ giảm mạnh hơn. Nhưng lần này không phải vậy. Có điều gì đó đang thay đổi trong cấu trúc cung-cầu. Và tôi tin rằng nguyên nhân đến từ kỳ vọng về báo cáo tài chính của Google và Tesla – hai công ty dẫn đầu cuộc đua AI tập trung.
Context: Tại sao báo cáo của Google và Tesla lại liên quan đến blockchain?
Google và Tesla không chỉ là những gã khổng lồ công nghệ; họ là những nhà đầu tư AI lớn nhất thế giới. Google chi hơn 30 tỷ USD cho AI trong năm 2025, phần lớn vào cơ sở hạ tầng đám mây và phát triển mô hình Gemini. Tesla, mặt khác, đang đặt cược toàn bộ tương lai vào Full Self-Driving (FSD) và Robotaxi, với các trung tâm dữ liệu khổng lồ để huấn luyện mạng nơ-ron. Khi họ công bố kết quả, thị trường sẽ đánh giá lại hiệu quả của AI tập trung – và điều này tác động trực tiếp đến niềm tin vào các giải pháp phi tập trung.
Nếu Google Cloud cho thấy tăng trưởng chậm lại do chi phí AI quá cao, giới đầu tư sẽ bắt đầu đặt câu hỏi: Liệu có cách nào hiệu quả hơn? Các blockchain AI như Bittensor, nơi các nhà phát triển có thể kiếm token bằng cách đóng góp sức mạnh tính toán, có thể trở thành phương án thay thế. Ngược lại, nếu Tesla chứng minh được FSD có lợi nhuận, niềm tin vào AI tập trung sẽ tăng, gây áp lực lên các token AI phi tập trung.
Core: Phân tích kỹ thuật từ cấp độ giao thức
Dựa trên kinh nghiệm audit của tôi với các giao thức DeFi, tôi đã xây dựng một mô hình đánh giá: tỷ lệ "chi phí chứng minh trên mỗi suy luận" (cost-per-inference) của các mạng AI phi tập trung so với chi phí inference trên Google Cloud. Hiện tại, chi phí inference trên Bittensor thấp hơn 40% so với Google Cloud cho các tác vụ tương tự, nhưng độ trễ cao hơn 3 lần. Tuy nhiên, với sự phát triển của zkML (zero-knowledge machine learning), độ trễ này có thể giảm xuống.
Điểm mấu chốt: Báo cáo của Google sẽ tiết lộ biên lợi nhuận của dịch vụ AI trên đám mây. Nếu biên lợi nhuận thấp hơn kỳ vọng, Google có thể tăng giá, khiến chi phí inference tập trung đắt hơn, từ đó thúc đẩy nhu cầu về các giải pháp phi tập trung. Tôi đã viết một pull request cho thư viện so sánh chi phí này trên GitHub, và dữ liệu từ báo cáo sẽ là đầu vào quan trọng.
Về phía Tesla, sự thành công của FSD phụ thuộc vào dữ liệu lái xe thực tế. Các blockchain như DIMO (mạng lưới dữ liệu xe hơi phi tập trung) có thể cung cấp nguồn dữ liệu rẻ hơn và đa dạng hơn. Nếu Tesla thừa nhận chi phí thu thập dữ liệu tăng cao, đó sẽ là tín hiệu tích cực cho DIMO và các dự án tương tự. Tôi đã dành 2 tháng reverse-engineer cơ chế matching engine trên Wyvern protocol, và tôi thấy sự tương đồng trong cách các mạng dữ liệu phi tập trung cần tối ưu hóa chi phí lưu trữ.
Contrarian: Điểm mù bảo mật mà mọi người bỏ qua
Hầu hết các nhà phân tích đều cho rằng AI phi tập trung sẽ hưởng lợi nếu AI tập trung thất bại. Nhưng tôi cho rằng điều ngược lại mới đúng. Nếu Google và Tesla tiếp tục đầu tư mạnh vào AI, họ sẽ tạo ra một thị trường khổng lồ cho các dịch vụ liên quan, bao gồm cả các giải pháp phi tập trung về bảo mật và xác thực. Ví dụ, zk-proofs được sử dụng để xác minh tính toàn vẹn của dữ liệu huấn luyện có thể trở thành tiêu chuẩn, và đó là cơ hội cho các dự án như zkSync hay Polygon zkEVM.
Lỗ hổng lớn nhất nằm ở giả định về chi phí chứng minh. Nhiều người tin rằng zk-proofs là miễn phí, nhưng thực tế chi phí chứng minh cho một mô hình AI có thể lên tới hàng nghìn USD. Nếu Google công bố một giải pháp zk-proof hiệu quả hơn, các blockchain AI sẽ phải cạnh tranh gay gắt. Tôi đã phát hiện một lỗi round-down trong tính toán chi phí gas trên một số giao thức – đó là lý do tôi luôn kiểm tra từng dòng code.
Takeaway: Dự báo lỗ hổng danh mục đầu tư của bạn
Khi báo cáo được công bố, đừng nhìn vào giá cổ phiếu. Hãy nhìn vào cấu trúc dữ liệu: tỷ lệ chi phí vận hành AI trên doanh thu của Google, và biên lợi nhuận của mảng dịch vụ năng lượng của Tesla. Nếu các con số này cho thấy AI tập trung đang mất dần lợi thế về chi phí, thị trường token AI phi tập trung sẽ bùng nổ. Nhưng nếu chúng cho thấy AI tập trung vẫn thống trị, hãy chuẩn bị tinh thần cho một đợt điều chỉnh – và có thể mua vào khi giá giảm.
Bài học từ 9 năm quan sát ngành: Sự thật nằm ngoài dữ liệu, trong cấu trúc của nó. Và cấu trúc của báo cáo tài chính Google và Tesla chứa đựng tương lai của AI phi tập trung.
Sự thật nằm ngoài dữ liệu, trong cấu trúc của nó. Sự thật nằm ngoài dữ liệu, trong cấu trúc của nó.
