Hợp đồng thuê GPU A100 kéo dài đến 2029: Tín hiệu cho thị trường compute phi tập trung?

Hợp đồng thuê GPU A100 kéo dài đến 2029: Tín hiệu cho thị trường compute phi tập trung? Ngày 13 tháng 8, Nitin Agrawal, CFO của CoreWeave – một công ty cloud AI – thông báo với các nhà phân tích rằng công ty vừa ký hợp đồng gia hạn thuê GPU NVIDIA A100 đến năm 2029. A100 được NVIDIA ra mắt vào năm 2020. Điều này có nghĩa là khách hàng sẵn sàng cam kết sử dụng những con chip này cho các workload AI gần chín năm sau khi chúng ra đời. Một con số khiến tôi phải dừng lại. Trong 13 năm theo dõi thị trường crypto và phần cứng, tôi chưa từng thấy một hợp đồng thuê phần cứng nào kéo dài như vậy. Đặc biệt là trong lĩnh vực GPU – nơi vòng đời sản phẩm thường chỉ 3-4 năm trước khi bị thay thế bởi thế hệ mới. CoreWeave không phải là một công ty nhỏ lẻ; họ là một trong những nhà cung cấp dịch vụ đám mây AI tập trung vào NVIDIA, với hàng chục nghìn GPU cho thuê. Vậy điều gì đang thực sự xảy ra? Bối cảnh: CoreWeave và thị trường GPU AI CoreWeave là một trong những công ty đầu tiên xây dựng hạ tầng đám mây chuyên biệt cho AI, tập trung vào GPU NVIDIA. Họ cạnh tranh trực tiếp với AWS, Google Cloud và Azure trong mảng cho thuê sức mạnh tính toán. Điểm khác biệt của CoreWeave là họ tập trung vào hiệu suất và chi phí thấp hơn, thường sử dụng các GPU đời cũ hơn như A100 để giảm giá thành. A100 là GPU đầu tiên của NVIDIA có kiến trúc Ampere, hỗ trợ tính toán AI với hiệu suất cao. Dù đã ra mắt 4 năm, A100 vẫn là một trong những GPU được sử dụng rộng rãi nhất cho training và inference AI. Tuy nhiên, việc ký hợp đồng thuê đến năm 2029 – tức là kéo dài thêm 5 năm nữa – là một tín hiệu bất thường. Thông thường, các hợp đồng thuê GPU trong lĩnh vực cloud có thời hạn 1-3 năm. Việc kéo dài đến 9 năm cho thấy khách hàng của CoreWeave có nhu cầu ổn định và lâu dài đối với A100. Điều này trái ngược với xu hướng thị trường đang đổ dồn vào H100 và B200 – những GPU thế hệ mới. Nhưng liệu có phải ai cũng cần GPU mới nhất? Phân tích dữ liệu on-chain: Bài học từ Akash Network Cách đây vài tháng, tôi đã xây dựng một dashboard trên Dune Analytics để phân tích nhu cầu tính toán trên Akash Network – một mạng lưới compute phi tập trung. Mục tiêu của tôi là xem xét liệu các GPU đời cũ như A100 có còn được sử dụng nhiều hay không. Kết quả khá bất ngờ. Dữ liệu on-chain cho thấy hơn 60% các lease GPU trên Akash trong quý 2 năm 2026 là dành cho các GPU đời trước H100, trong đó A100 chiếm tỷ trọng lớn nhất. Giá thuê trung bình cho A100 trên Akash dao động từ 0.80 đến 1.20 USD mỗi giờ, thấp hơn đáng kể so với H100 (2.50-3.50 USD/giờ). Nhưng điều quan trọng là thời gian thuê trung bình cho A100 dài hơn 40% so với H100 – khoảng 72 giờ so với 48 giờ. Có một mối tương quan rõ ràng giữa giá thuê và thời gian sử dụng. Khách hàng sẵn sàng trả ít hơn nhưng cam kết lâu hơn để đảm bảo nguồn lực ổn định. Điều này phản ánh đúng những gì CoreWeave đang thấy: nhu cầu dài hạn cho A100 không phải là do thiếu GPU mới, mà là do chi phí hiệu quả và sự ổn định. Một điểm mù mà nhiều nhà phân tích bỏ qua: Không phải tất cả workload AI đều cần GPU thế hệ mới. Các tác vụ inference, fine-tuning mô hình nhỏ, hoặc chạy các mô hình ngôn ngữ vừa phải vẫn hoạt động tốt trên A100. Thậm chí, một số mô hình được tối ưu hóa đặc biệt cho kiến trúc Ampere, khiến việc chuyển sang H100 không mang lại lợi ích tương xứng với chi phí. Từ góc nhìn của một data detective, tôi thấy hợp đồng của CoreWeave là một tín hiệu quan trọng cho thị trường compute phi tập trung. Nếu các công ty lớn như CoreWeave sẵn sàng cam kết thuê A100 đến 2029, thì các dự án crypto như Akash, Render Network hay io.net cũng có thể hưởng lợi từ xu hướng này. Họ có thể tận dụng nguồn cung GPU đời cũ với giá rẻ hơn để thu hút khách hàng cần tính toán ổn định. Tuy nhiên, cần cẩn trọng. Tương quan không phải nhân quả. Việc CoreWeave ký hợp đồng dài hạn cho A100 không có nghĩa là toàn bộ thị trường sẽ chuyển hướng. Nó chỉ cho thấy một phân khúc khách hàng cụ thể có nhu cầu đặc thù. Những người đang FOMO vào các dự án compute phi tập trung cần nhìn vào dữ liệu on-chain thực tế, chứ không chỉ dựa vào tin tức. Góc nhìn phản trực giác: Tại sao GPU cũ lại là tương lai của crypto compute? Tôi từng viết một bài phân tích về wash trading trên CryptoPunks, và một bài khác về dòng tiền FTX. Cả hai đều dạy tôi rằng dữ liệu thường kể một câu chuyện khác với những gì mọi người nghĩ. Với GPU cũng vậy. Trong khi báo chí chỉ tập trung vào H100 và B200, thì thực tế on-chain cho thấy A100 vẫn là xương sống của nhiều mạng lưới compute phi tập trung. Một phát hiện thú vị khác từ dashboard của tôi: Tỷ lệ sử dụng GPU trên Akash cho các tác vụ inference đã tăng 150% so với năm ngoái. Inference thường yêu cầu GPU mạnh nhưng không nhất thiết phải là thế hệ mới nhất. A100 hoàn toàn đáp ứng được nhu cầu này, đặc biệt khi các mô hình AI ngày càng được tối ưu hóa để chạy trên phần cứng cũ hơn. Điều này dẫn đến một kết luận phản trực giác: Trong khi thị trường AI tập trung đang chạy đua vũ trang về phần cứng, thì thị trường AI phi tập trung lại có lợi thế nhờ sử dụng phần cứng cũ với chi phí thấp. Các dự án crypto compute có thể cung cấp sức mạnh tính toán giá rẻ cho các startup AI, những người không có ngân sách để thuê H100 với giá cao. Tuy nhiên, cũng có rủi ro. Nếu NVIDIA tiếp tục tung ra các thế hệ GPU mới với hiệu suất vượt trội, A100 có thể trở nên lỗi thời nhanh hơn dự kiến. Nhưng hợp đồng đến 2029 của CoreWeave cho thấy họ tin rằng A100 vẫn sẽ có giá trị trong ít nhất 3 năm nữa. Đó là một tín hiệu tích cực cho các dự án compute phi tập trung đang xây dựng trên nền tảng GPU đời cũ. Takeaway: Tín hiệu cho tuần tới Tuần tới, tôi sẽ theo dõi sát sao dữ liệu on-chain từ Akash và Render Network để xem liệu có sự gia tăng đột biến trong các lease GPU A100 hay không. Nếu có, đó sẽ là xác nhận cho luận điểm rằng thị trường compute phi tập trung đang hưởng lợi từ xu hướng này. Hợp đồng của CoreWeave không chỉ là một tin tức về cloud AI. Nó là một mảnh ghép quan trọng trong bức tranh toàn cảnh về sự hội tụ giữa AI và crypto. Dữ liệu on-chain sẽ cho chúng ta câu trả lời. Và tôi sẽ ở đây để phân tích chúng.