SSI sắp phát hành model đầu tiên: Cú sốc 3 tỷ USD hay liều thuốc thử cho AI phi tập trung?
Bạn có biết rằng một công ty chưa từng phát hành bất kỳ sản phẩm nào, chưa công bố một benchmark nào, lại có thể khiến cả thị trường AI phi tập trung đứng ngồi không yên chỉ vì một dòng lịch trình "tháng 8"?
Đó là câu chuyện của Safe Superintelligence (SSI) – thực thể do Ilya Sutskever, đồng sáng lập OpenAI, gây dựng. Không chỉ là một startup AI thông thường, SSI được định giá ngay từ vòng gọi vốn đầu tiên với con số 30 tỷ USD. Trong khi đó, toàn bộ vốn hóa của các token AI lớn nhất trên thị trường crypto, từ Bittensor (TAO) đến Fetch.ai (FET), có thể chỉ tương đương một phần nhỏ của con số này. Tôi theo dõi mảng hợp đồng thông minh và kiểm toán từ năm 2017, và chưa bao giờ thấy một sự mất cân đối nào rõ ràng đến vậy giữa câu chuyện và hiện thực.
Bối cảnh mà SSI xuất hiện không hề yên tĩnh. Phía bên kia chiến tuyến, các mạng lưới AI phi tập trung như Bittensor đang cố gắng chứng minh rằng mô hình học máy có thể được huấn luyện và vận hành bởi hàng nghìn node độc lập, không cần một thực thể trung ương nào kiểm soát. Bittensor xây dựng một thị trường mở, nơi các nhà phát triển cạnh tranh để cung cấp chất lượng suy luận tốt nhất, và phần thưởng được phân phối bằng giao thức. Thế nhưng, những giao thức này vẫn đang vật lộn với một câu hỏi sinh tử: làm sao để chất lượng mô hình phi tập trung có thể tiến gần đến chất lượng của các mô hình tập trung hàng đầu thế giới? Đã có rất nhiều bài phân tích so sánh hiệu năng, nhưng tất cả đều chỉ ra một thực tế: khoảng cách vẫn còn rất xa.
Và giữa lúc đó, SSI tuyên bố sẽ phát hành model đầu tiên vào tháng 8. Họ chưa công bố kiến trúc, chưa tiết lộ tham số, nhưng họ có 30 tỷ USD và đội ngũ được coi là "dream team" trong lĩnh vực an toàn AI. Tin tức này lập tức gây ra một làn sóng lo ngại trong cộng đồng tiền mã hóa: liệu một mô hình tập trung, hiệu năng cao, sẽ hút hết thanh khoản và sự chú ý của các nhà phát triển đang hướng tới các giao thức phi tập trung?
Nhìn từ góc độ kỹ thuật, tôi cho rằng nỗi lo này là có cơ sở, nhưng theo một cách hoàn toàn khác với những gì mọi người đang nghĩ. Khi tôi kiểm toán các hợp đồng thông minh của các giao thức tính toán phi tập trung như Akash hay Gensyn, tôi nhận ra một điểm mù chết người: các giao thức này đo lường "sức mạnh AI" bằng số lượng GPU hoặc số lượng node tham gia. Nhưng thị trường thực tế không trả tiền cho GPU, họ trả tiền cho kết quả suy luận chất lượng cao. Một mô hình SSI mạnh sẽ khiến các nhà phát triển ứng dụng đặt câu hỏi: tại sao tôi phải gọi API từ một mạng lưới phi tập trung chậm chạp, trong khi tôi có thể gọi một API tập trung với độ trễ thấp hơn và kết quả tốt hơn? Câu trả lời duy nhất mà các giao thức phi tập trung có thể đưa ra lúc này là "vì nó phi tập trung" – một câu trả lời không bao giờ thuyết phục được một kỹ sư đang phải tối ưu chi phí.
Tôi từng dành sáu tuần để rà soát hợp đồng thanh khoản của Uniswap v2, và học được rằng: on-chain, không có gì gọi là danh tiếng — chỉ có bằng chứng. Các giao thức AI phi tập trung đang có rất nhiều danh tiếng trong cộng đồng crypto, nhưng họ chưa có đủ bằng chứng về chất lượng mô hình. Họ có các benchmark nội bộ do chính mạng lưới tạo ra, nhưng những con số đó không thể so sánh trực tiếp với các bài kiểm tra phổ biến như MMLU hay HumanEval mà SSI (nếu có) sẽ công bố. Khi SSI công bố benchmark vào tháng 8, bất kể con số đó là gì, nó sẽ trở thành thước đo mới cho toàn ngành.
Điểm mấu chốt, và cũng là điểm phản trực giác, nằm ở chỗ: sự thành công của SSI có thể không giết chết AI phi tập trung, mà ngược lại, nó có thể cứu rỗi chúng. Hãy nhìn vào lịch sử. Khi Uniswap v2 ra mắt với chất lượng vượt trội so với các sàn giao dịch phi tập trung đời đầu, nhiều người cho rằng nó sẽ chấm dứt mọi nỗ lực xây dựng AMM khác. Kết quả ra sao? Uniswap trở thành tiêu chuẩn, và toàn bộ hệ sinh thái DeFi phát triển mạnh mẽ hơn nhờ có một chuẩn mực để hướng tới. Tương tự, nếu SSI thực sự tạo ra một mô hình an toàn, hiệu năng cao, nó sẽ chứng minh rằng thị trường AI ứng dụng có quy mô đủ lớn để nuôi sống nhiều lớp hạ tầng. Các nhà phát triển sẽ bắt đầu xây dựng các lớp xác minh tính toán phi tập trung để kiểm tra xem một kết quả từ SSI có bị giả mạo hay không. Nhu cầu về "bằng chứng tính toán minh bạch" mà tôi từng đề xuất trong các bản đánh giá rủi ro oracle AI sẽ trở nên cấp thiết hơn bao giờ hết.
Một góc nhìn khác, ít được nhắc đến, là áp lực lên hạ tầng phần cứng. SSI với 30 tỷ USD gần như chắc chắn sẽ chi một phần lớn để mua hoặc thuê GPU thế hệ mới. Điều này sẽ khiến giá thuê GPU trên các nền tảng tập trung tăng vọt, và các nhà cung cấp tính toán phi tập trung như Render hay Akash có thể hưởng lợi gián tiếp khi khách hàng tìm kiếm nguồn cung rẻ hơn. Nhưng liệu họ có đủ năng lực để đáp ứng nhu cầu lớn về chất lượng và độ ổn định hay không, vẫn là một dấu hỏi lớn. Nếu họ không chuẩn bị sẵn sàng, làn sóng GPU này sẽ chỉ chảy vào túi của Amazon Web Services chứ không phải vào mạng lưới phi tập trung.
Đừng vội tin vào bất kỳ câu chuyện tiếp thị nào từ cả hai phía. Hãy nhìn vào dữ liệu. Tôi đã viết trong một bài phân tích về zkEVM rằng, khi một công nghệ mới xuất hiện, điều quan trọng nhất không phải là nó chạy nhanh bao nhiêu mà là nó có thể được kiểm chứng như thế nào. SSI có thể tung ra bất kỳ con số ấn tượng nào vào tháng 8 tới. Nhưng nếu không có cơ chế để bên thứ ba xác minh, con số đó chỉ là một lời hứa. Ngược lại, các giao thức phi tập trung có một lợi thế mà SSI không bao giờ có thể sao chép: mọi thứ từ dữ liệu huấn luyện đến quá trình suy luận đều có thể được ghi lại trên một sổ cái công khai và kiểm toán được. Khi thị trường AI bão hòa với những lời quảng cáo rỗng tuếch, giá trị của sự minh bạch sẽ tăng lên gấp bội.
Câu hỏi thực sự không phải là "SSI có phát hành model thành công không?