Hành trình săn DePIN: Dùng sức mạnh tính toán AI làm mồi, con đường gian nan và dài đằng đẵng
Tuyển chọn TechFlowTuyển chọn TechFlow
Hành trình săn DePIN: Dùng sức mạnh tính toán AI làm mồi, con đường gian nan và dài đằng đẵng
Việc huấn luyện các mô hình AI lớn nhất không phải là kịch bản ứng dụng tốt nhất cho DePIN.
Chuyên sâu báo cáo Web3Tác giả: Hedy Bi, OKG Research
Lễ hội Web3 Hồng Kông đã khép lại, nhưng nhịp đập tự do của Web3 vẫn tiếp tục lan tỏa sang các ngành khác. So với chu kỳ trước, logic khởi động thị trường tăng giá lần này đã chuyển từ mô hình «narrative đổi mới bản địa» sang «thừa nhận mainstream, thúc đẩy bởi dòng vốn». Giai đoạn phát triển Web3 mà tác giả quan sát cũng đã tiến hóa từ giai đoạn «tự do tuyệt đối khép kín và nhỏ hẹp» sang giai đoạn «tự do tương đối thực sự bao hàm».
Trong bối cảnh như vậy, nếu không thoát khỏi tư duy hộp để phân tích, thì việc ngồi chờ narrative đổi mới bản địa sẽ không còn phù hợp với sự phát triển hiện tại của Web3. Kể từ khi toàn bộ hệ sinh thái Web3 bắt đầu hướng tới tuân thủ pháp lý, dưới sự thúc đẩy liên tục của chính quyền Hồng Kông, Web3 đang tập trung trở lại lĩnh vực tài chính. Các tổ chức tài chính mainstream cũng đang tham gia vào Web3 một cách nhanh chóng thông qua RWA và ETF giao ngay.
Tại hội nghị lần này, ngoài sự tham gia của các tổ chức tài chính mainstream vào Web3, chúng tôi còn nhìn thấy một cơ hội có thể kết nối Web2 và Web3 – đó là赛道 DePIN. Đặc biệt, sự phát triển của mô hình AI lớn đã khiến phân nhánh trong DePIN – tái phân bổ năng lực tính toán – trở thành chủ đề được chú ý nóng bỏng.
Nguồn: OKG Research
Năng lực tính toán làm mồi nhử, nhưng huấn luyện mô hình AI lớn không phải là kịch bản ứng dụng tốt nhất cho DePIN
"Blockchain xây dựng niềm tin bằng công nghệ, trong khi AI lại là một ngành cực kỳ cần niềm tin." – Haseed Qureshi, đối tác quản lý của Dragonfly Capital, phát biểu tại hội nghị.
DePIN không phải là赛道 mới, thực tế đã được đề xuất từ vài năm trước. Chính nhờ sự bùng nổ của mô hình AI lớn mà giới chuyên môn đã thảo luận sôi nổi về năng lực tính toán và dữ liệu. Theo ước tính, chi phí tính toán cho mô hình lớn tăng gấp 31 lần mỗi năm. Thiếu hụt GPU toàn cầu khiến các công ty như NVIDIA hiện đang ở đỉnh chuỗi cung ứng thị trường với quyền định giá rất lớn. Cuộc tranh luận giữa độc quyền và phi tập trung về chi phí chính là nguyên nhân khiến赛道 DePIN trong Web3 lại trở thành chủ đề bàn tán sôi nổi.
Dù huấn luyện mô hình AI lớn là điểm khởi đầu, nhưng La Mã chẳng thể xây xong trong một ngày. Huấn luyện mô hình AI lớn hiện chưa phải là kịch bản ứng dụng tốt nhất cho DePIN. Yêu cầu về năng lực tính toán trong sản xuất mô hình AI lớn chủ yếu tập trung vào hai khía cạnh: suy luận (inference) và huấn luyện (training). Trong khâu huấn luyện, mô hình mạng thần kinh phức tạp được tạo ra bằng cách đưa vào lượng lớn dữ liệu. Trong khâu suy luận, mô hình đã được huấn luyện sẽ sử dụng lượng lớn dữ liệu để đưa ra các kết luận.
Nguồn: NVIDIA
Mức độ khó khi kết hợp phi tập trung với năng lực tính toán giảm dần từ huấn luyện → huấn luyện tinh chỉnh → suy luận. Trong DePIN, ta thấy phần lớn dự án trong ngành tập trung vào suy luận hơn là huấn luyện. Lý do chủ yếu các doanh nghiệp dùng cụm GPU của NVIDIA để huấn luyện AI là vì chúng sở hữu khả năng tính toán song song mạnh mẽ cùng băng thông bộ nhớ cao. So với khâu huấn luyện, yêu cầu về khả năng tính toán song song và băng thông ở khâu suy luận thấp hơn nhiều. Hơn nữa, huấn luyện mô hình lớn đặc biệt coi trọng tính ổn định, bởi nếu quá trình bị gián đoạn, phải bắt đầu lại từ đầu. Nếu xây một ứng dụng năng lực tính toán phi tập trung trên Ethereum phục vụ GPT, chỉ riêng một phép nhân ma trận đơn lẻ đã tiêu tốn đến 10 tỷ USD phí Gas và mất tới một tháng.
Ngoài ra, tác giả đã phân tích tình trạng của một số dự án nổi bật tại hội nghị lần này, cho thấy xu hướng cung vượt cầu – tức năng lực tính toán phân bố khắp thế giới vượt quá nhu cầu của các nhà phát triển AI về nhiệm vụ huấn luyện hoặc suy luận mô hình. Không có nghĩa là nhu cầu không tồn tại; Sam Altman, người sáng lập OpenAI, từng đề xuất gây quỹ 7 nghìn tỷ USD để xây dựng một nhà máy chip tiên tiến lớn hơn quy mô TSMC hiện tại đến 10 lần, phục vụ sản xuất chip và huấn luyện mô hình. Nghiên cứu của Đại học Stanford cũng chỉ ra rằng, bất kể mô hình ngôn ngữ nào, khi quy mô tham số huấn luyện vượt ngưỡng tới hạn, hiệu suất (ví dụ độ chính xác) sẽ tăng vọt. Điều này hoàn toàn trái ngược với quy luật "sức mạnh tạo nên kỳ tích", đồng thời có nghĩa là trong thực tế, ý tưởng về năng lực tính toán phi tập trung vẫn còn nhiều vấn đề nan giải cần giải quyết.
Nguồn gốc lịch sử của赛道 DePIN có thể truy ngược về «kinh tế chia sẻ»
Khái niệm DePIN bản thân không khó hiểu, thậm chí có thể truy ngược về Web2. Nhìn lại ngành Internet, ít nhất 15 năm qua, các doanh nghiệp Web2 đã đắm mình trong việc tập hợp tài sản hữu hình cá nhân, từ đó tạo ra «kinh tế chia sẻ». Nếu tài sản vô hình (ví dụ như máy chủ nhàn rỗi) được tái phân phối trực tiếp cho bên có nhu cầu theo hình thức ngang hàng (P2P) hoặc cá nhân với doanh nghiệp (P2B), công nghệ blockchain phi tập trung có thể tối ưu hóa quan hệ sản xuất thông qua cơ chế khuyến khích. Đây chính là điều DePIN muốn làm.
Do đó, nhiệt huyết ở phía cung trong赛道 DePIN rất cao. Thực tế Web2 đã tích lũy lâu dài cho «việc tái phân phối», chỉ là lần này, loại bỏ luôn trung gian. Hiện đã có gần ngàn dự án DePIN, đặc biệt trong hệ sinh thái Solana. Theo thống kê của Messari, Solana dẫn đầu về hạ tầng DePIN nhờ tích hợp cao và hiệu năng mạnh mẽ của chuỗi công cộng này. Về phân bố khu vực, dự kiến nhiều trong số 10 DePIN hàng đầu sẽ đến từ châu Á trong giai đoạn 2024–2025.
Nguồn: Messari
Web3 và AI có rất nhiều điểm giao thoa. Năng lực tính toán, với tư cách là tiền tệ phổ quát của thế giới số tương lai, là thứ mọi người chú ý đầu tiên. Nhưng năng lực tính toán phi tập trung – mặc dù là kịch bản ứng dụng hợp lý nhất – lại không phải là dễ triển khai nhất.
Tại điểm giao thoa giữa Web3 và AI, ngoài việc kiên trì vượt qua các thách thức kỹ thuật, còn nhiều nhánh khác đáng để khám phá như trao quyền sở hữu cho người sáng tạo thông qua đại lý AI hay các kịch bản năng lực tính toán cho mô hình AI nhỏ, những hướng đi này có tính khả thi ứng dụng cao hơn. Thành công thương mại và đột phá công nghệ luôn cần sự cân bằng, DePIN đang đẩy nhanh tiến trình này, và chuyến «săn bắn» của DePIN chắc chắn sẽ thu hoạch đầy kho.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
@OKGResearch
