Bỏ lỡ Nvidia, đừng bỏ lỡ Crypto AI lần nữa
Tuyển chọn TechFlowTuyển chọn TechFlow
Bỏ lỡ Nvidia, đừng bỏ lỡ Crypto AI lần nữa
Chúng ta đang đứng trước bờ vực của một đợt bùng nổ đổi mới.
Chuyên sâu báo cáo Web3Tác giả: Teng Yan
Biên dịch: TechFlow
Chào buổi sáng! Cuối cùng thì nó cũng đến rồi.
Bài luận của chúng tôi khá dài và phong phú, để giúp mọi người dễ tiếp thu hơn (đồng thời tránh vượt quá giới hạn kích thước của nhà cung cấp email), tôi quyết định chia bài viết thành nhiều phần và lần lượt chia sẻ trong tháng tới. Bây giờ, hãy bắt đầu thôi!
Một cơ hội lớn mà tôi không thể nào quên vì đã bỏ lỡ.
Điều này vẫn khiến tôi day dứt cho đến tận bây giờ, bởi đây là một cơ hội rõ ràng mà bất kỳ ai theo dõi thị trường đều có thể nhận ra, nhưng tôi lại không đầu tư dù chỉ một xu.
Không, đây không phải là "kẻ giết chết Solana" tiếp theo, cũng không phải là một đồng tiền meme với hình chú chó đội mũ hài hước.
Mà là... NVIDIA.
Biểu đồ giá cổ phiếu NVDA từ đầu năm đến nay. Nguồn: Google
Chỉ trong một năm, vốn hóa thị trường của NVIDIA đã tăng vọt từ 1 nghìn tỷ USD lên 3 nghìn tỷ USD, giá cổ phiếu tăng gấp ba lần, thậm chí còn vượt cả Bitcoin trong cùng giai đoạn.
Dĩ nhiên, một phần là do làn sóng AI thúc đẩy. Nhưng quan trọng hơn, sự tăng trưởng này có nền tảng thực tế vững chắc. Doanh thu của NVIDIA trong năm tài chính 2024 đạt 60 tỷ USD, tăng 126% so với năm 2023. Đằng sau mức tăng trưởng đáng kinh ngạc này là cuộc đua khốc liệt giữa các gã khổng lồ công nghệ toàn cầu nhằm mua GPU để dẫn đầu trong cuộc đua vũ trang hướng tới trí tuệ nhân tạo tổng quát (AGI).
Tại sao tôi lại bỏ lỡ?
Trong hai năm qua, sự chú ý của tôi hoàn toàn tập trung vào lĩnh vực tiền mã hóa, mà không theo dõi động thái trong ngành AI. Đây là một sai lầm nghiêm trọng, đến nay vẫn khiến tôi hối tiếc.
Nhưng lần này, tôi sẽ không mắc lỗi tương tự nữa.
Crypto AI ngày hôm nay khiến tôi cảm thấy quen thuộc lạ thường.
Chúng ta đang đứng ở bờ vực của một đợt bùng nổ đổi mới. Nó giống đến kinh ngạc với cơn sốt đào vàng California giữa thế kỷ 19 – các ngành công nghiệp và thành phố mọc lên như nấm, hạ tầng phát triển nhanh chóng, và những người dám mạo hiểm thì kiếm được bộn tiền.
Giống như NVIDIA thời kỳ đầu, Crypto AI trong tương lai nhìn lại sẽ trở nên cực kỳ hiển nhiên.
Crypto AI: Cơ hội đầu tư tiềm năng vô hạn
Trong phần đầu tiên của bài luận, tôi đã giải thích tại sao Crypto AI là cơ hội tiềm năng hấp dẫn nhất hiện nay, đối với cả nhà đầu tư lẫn các nhà phát triển. Dưới đây là những điểm then chốt:
-
Nhiều người vẫn coi nó như một "ảo tưởng trên không trung".
-
Crypto AI hiện đang ở giai đoạn sơ khai, có thể còn cách đỉnh cao của cơn sốt 1-2 năm.
-
Lĩnh vực này có tiềm năng tăng trưởng ít nhất 230 tỷ USD.
Crypto AI về cốt lõi là kết hợp trí tuệ nhân tạo với hạ tầng mã hóa. Điều này khiến nó có khả năng phát triển theo quỹ đạo tăng trưởng theo cấp số nhân của AI, thay vì đi theo thị trường tiền mã hóa nói chung. Vì vậy, để đi trước, bạn cần theo dõi các nghiên cứu AI mới nhất trên Arxiv và trao đổi với những người sáng lập tin rằng họ đang xây dựng điều lớn tiếp theo.
Bốn lĩnh vực cốt lõi của Crypto AI
Trong phần thứ hai của bài luận, tôi sẽ tập trung phân tích bốn lĩnh vực con đầy hứa hẹn nhất trong Crypto AI:
-
Tính toán phi tập trung: Đào tạo mô hình, suy luận và thị trường giao dịch GPU
-
Mạng dữ liệu
-
AI có thể kiểm chứng
-
Tác nhân AI chạy trên chuỗi
Bài viết này là kết quả của vài tuần nghiên cứu sâu và trao đổi với các người sáng lập và nhóm trong lĩnh vực Crypto AI. Nó không phải là phân tích chi tiết từng lĩnh vực, mà là một bản đồ chiến lược cấp cao, nhằm khơi gợi sự tò mò, giúp bạn tối ưu hướng nghiên cứu và định hướng quyết định đầu tư.
Bản đồ hệ sinh thái Crypto AI
Tôi hình dung hệ sinh thái AI phi tập trung như một cấu trúc phân tầng: bắt đầu từ tính toán phi tập trung và mạng dữ liệu mở ở một đầu, cung cấp nền tảng cho việc đào tạo mô hình AI phi tập trung.
Tất cả đầu vào và đầu ra của quá trình suy luận (inference) đều được xác minh thông qua mật mã học, động lực kinh tế mã hóa và mạng đánh giá. Những kết quả đã được xác minh này sẽ chảy vào các tác nhân AI tự chủ chạy trên chuỗi, cũng như các ứng dụng AI dành cho người tiêu dùng và doanh nghiệp mà người dùng có thể tin tưởng.
Các mạng điều phối kết nối toàn bộ hệ sinh thái, tạo điều kiện cho giao tiếp và hợp tác liền mạch.
Trong tầm nhìn này, bất kỳ nhóm nào làm việc trong lĩnh vực AI đều có thể kết nối vào một hoặc nhiều tầng của hệ sinh thái tùy theo nhu cầu. Dù là sử dụng tính toán phi tập trung để đào tạo mô hình hay thông qua mạng đánh giá để đảm bảo đầu ra chất lượng cao, hệ sinh thái này cung cấp nhiều lựa chọn linh hoạt.
Nhờ tính khả năng ghép nối (composability) của blockchain, tôi tin rằng chúng ta đang tiến tới một tương lai mô-đun. Mỗi tầng sẽ được chuyên môn hóa cao độ, các giao thức sẽ được tối ưu cho chức năng cụ thể thay vì giải pháp tích hợp tất cả trong một.
Trong những năm gần đây, mỗi tầng của stack công nghệ AI phi tập trung đã chứng kiến sự bùng nổ kiểu "Cambri", khi hàng loạt startup xuất hiện. Phần lớn trong số này mới thành lập từ 1-3 năm. Điều này cho thấy: chúng ta vẫn đang ở giai đoạn rất sớm của ngành này.
Trong số các bản đồ hệ sinh thái startup Crypto AI mà tôi từng thấy, phiên bản toàn diện và cập nhật nhất được duy trì bởi Casey và nhóm của cô ấy tại topology.vc. Đây là một nguồn tài nguyên thiết yếu đối với bất kỳ ai muốn theo dõi sự phát triển của lĩnh vực này.
Khi tìm hiểu sâu về các lĩnh vực con của Crypto AI, tôi luôn tự hỏi: cơ hội ở đây lớn đến đâu? Tôi không quan tâm đến các thị trường nhỏ, mà là những cơ hội khổng lồ có khả năng mở rộng lên hàng ngàn tỷ đô la.
-
Quy mô thị trường
Khi đánh giá quy mô thị trường, tôi tự hỏi: lĩnh vực con này đang tạo ra một thị trường hoàn toàn mới, hay đang phá rối một thị trường hiện có?
Ví dụ, tính toán phi tập trung là một lĩnh vực điển hình mang tính phá rối. Chúng ta có thể ước lượng tiềm năng của nó dựa trên thị trường điện toán đám mây hiện tại. Hiện tại, quy mô thị trường điện toán đám mây khoảng 680 tỷ USD, dự kiến sẽ đạt 2,5 nghìn tỷ USD vào năm 2032.
Ngược lại, một thị trường hoàn toàn mới như tác nhân AI lại khó định lượng hơn. Thiếu dữ liệu lịch sử, chúng ta chỉ có thể ước đoán dựa trên trực giác về khả năng giải quyết vấn đề của nó. Tuy nhiên, cần thận trọng, đôi khi một sản phẩm trông như thị trường mới lại thực chất chỉ là "tìm vấn đề cho giải pháp".
-
Thời điểm
Thời điểm là chìa khóa thành công. Mặc dù công nghệ thường cải thiện và rẻ hơn theo thời gian, tốc độ tiến bộ lại khác nhau giữa các lĩnh vực.
Độ trưởng thành của công nghệ trong một lĩnh vực con là gì? Nó đã đủ trưởng thành để áp dụng đại trà chưa, hay vẫn còn ở giai đoạn nghiên cứu, còn cách ứng dụng thực tế nhiều năm? Thời điểm quyết định một lĩnh vực có đáng để đầu tư ngay lập tức hay nên tạm hoãn theo dõi.
Ví dụ về Mã hóa đồng dạng hoàn chỉnh (Fully Homomorphic Encryption - FHE): tiềm năng là không thể phủ nhận, nhưng hiệu suất công nghệ hiện tại vẫn quá chậm để áp dụng quy mô lớn. Có lẽ chúng ta cần thêm vài năm nữa để thấy nó phổ biến. Vì vậy, tôi ưu tiên tập trung vào những lĩnh vực công nghệ đã gần sẵn sàng cho áp dụng đại trà, đặt thời gian và năng lượng vào những cơ hội đang tích tụ đà phát triển.
Nếu vẽ các lĩnh vực con này trên biểu đồ "quy mô thị trường vs. thời điểm", bố cục có thể như thế này. Lưu ý rằng đây chỉ là bản phác thảo khái niệm, chứ không phải hướng dẫn nghiêm ngặt. Mỗi lĩnh vực bên trong cũng có độ phức tạp riêng — ví dụ, trong suy luận có thể kiểm chứng (verifiable inference), các phương pháp khác nhau (như zkML và opML) lại ở các giai đoạn trưởng thành công nghệ khác nhau.
Dù vậy, tôi tin chắc rằng quy mô tương lai của AI sẽ cực kỳ lớn. Ngay cả những lĩnh vực hôm nay trông "ngách" cũng có thể trở thành một thị trường quan trọng trong tương lai.
Đồng thời, chúng ta cũng cần nhận thức rằng tiến bộ công nghệ không phải lúc nào cũng tuyến tính — nó thường tiến bộ theo bước nhảy. Khi có đột phá công nghệ mới, quan điểm của tôi về thời điểm và quy mô thị trường cũng sẽ điều chỉnh theo.
Dựa trên khung phân tích trên, chúng ta sẽ lần lượt đi sâu vào từng lĩnh vực con của Crypto AI để khám phá tiềm năng phát triển và cơ hội đầu tư.
Lĩnh vực 1: Tính toán phi tập trung
Tóm tắt
-
Tính toán phi tập trung là trụ cột cốt lõi của toàn bộ hệ sinh thái AI phi tập trung.
-
Thị trường GPU, đào tạo phi tập trung và suy luận phi tập trung liên kết chặt chẽ, phát triển đồng hành.
-
Nguồn cung chủ yếu đến từ các trung tâm dữ liệu vừa và nhỏ, cũng như thiết bị GPU của người tiêu dùng thông thường.
-
Nhu cầu hiện tại còn nhỏ, nhưng đang dần tăng, bao gồm chủ yếu những người dùng nhạy cảm với giá, không yêu cầu độ trễ thấp, và một số startup AI quy mô nhỏ.
-
Thách thức lớn nhất hiện nay đối với thị trường GPU Web3 là làm sao để các mạng này thực sự vận hành hiệu quả.
-
Việc phối hợp sử dụng GPU trong mạng phi tập trung đòi hỏi kỹ thuật kỹ sư tiên tiến và thiết kế kiến trúc mạng vững chắc.
1.1 Thị trường GPU / Mạng tính toán
Hiện tại, một số nhóm Crypto AI đang xây dựng các mạng GPU phi tập trung để tận dụng hồ tài nguyên tính toán chưa được khai thác trên toàn cầu, nhằm giải quyết tình trạng nhu cầu GPU vượt xa nguồn cung.
Giá trị cốt lõi của các thị trường GPU này có thể được tóm tắt thành ba điểm:
-
Chi phí tính toán có thể thấp hơn AWS tới 90%. Chi phí thấp này đến từ hai yếu tố: loại bỏ trung gian và mở rộng nguồn cung. Các thị trường này cho phép người dùng tiếp cận tài nguyên tính toán có chi phí biên thấp nhất toàn cầu.
-
Không cần ký hợp đồng dài hạn, không cần xác minh danh tính (KYC), không cần chờ phê duyệt.
-
Khả năng chống kiểm duyệt
Để giải quyết vấn đề nguồn cung thị trường, các thị trường này lấy tài nguyên tính toán từ các nguồn sau:
-
GPU doanh nghiệp: Ví dụ như A100 và H100, những GPU hiệu suất cao thường đến từ các trung tâm dữ liệu vừa và nhỏ (khó tìm đủ khách hàng khi hoạt động độc lập), hoặc từ các thợ đào Bitcoin muốn đa dạng hóa nguồn thu. Ngoài ra, một số nhóm đang tận dụng các dự án cơ sở hạ tầng lớn được chính phủ tài trợ, nơi xây dựng hàng loạt trung tâm dữ liệu như một phần của phát triển công nghệ. Các nhà cung cấp này thường được khuyến khích duy trì kết nối GPU vào mạng để giúp bù đắp chi phí khấu hao thiết bị.
-
GPU người tiêu dùng: Hàng triệu game thủ và người dùng gia đình kết nối máy tính của họ vào mạng và nhận thưởng bằng Token.
Hiện tại, nhu cầu tính toán phi tập trung bao gồm các nhóm người dùng sau:
-
Người dùng nhạy cảm với giá, không yêu cầu độ trễ thấp: Ví dụ như các nhà nghiên cứu ngân sách eo hẹp, các nhà phát triển AI độc lập. Họ quan tâm hơn đến chi phí thay vì khả năng xử lý thời gian thực. Do ngân sách hạn chế, họ thường khó chịu chi phí cao ngất ngưởng của các gã khổng lồ điện toán đám mây (như AWS hoặc Azure). Tiếp thị chính xác đến nhóm này rất quan trọng.
-
Các startup AI nhỏ: Những công ty này cần tài nguyên tính toán linh hoạt và có thể mở rộng, nhưng không muốn ký hợp đồng dài hạn với các nhà cung cấp điện toán đám mây lớn. Thu hút nhóm này cần tăng cường hợp tác kinh doanh, vì họ đang tích cực tìm kiếm các giải pháp thay thế truyền thống.
-
Các startup Crypto AI: Những doanh nghiệp này đang phát triển sản phẩm AI phi tập trung nhưng nếu không có tài nguyên tính toán riêng thì phải phụ thuộc vào các mạng phi tập trung này.
-
Cloud gaming: Dù liên hệ trực tiếp với AI không nhiều, nhưng nhu cầu tài nguyên GPU trong cloud gaming đang tăng nhanh.
Điều cần nhớ là: nhà phát triển luôn ưu tiên chi phí và độ tin cậy.
Thách thức thực sự: Nhu cầu, chứ không phải nguồn cung
Nhiều startup xem quy mô mạng cung cấp GPU là dấu hiệu thành công, nhưng thực tế đó chỉ là một "chỉ số phù phiếm".
Thực tế, nút thắt nằm ở phía cầu, chứ không phải phía cung. Chỉ số then chốt đo lường thành công không phải là mạng có bao nhiêu GPU, mà là tỷ lệ sử dụng GPU và số lượng GPU thực sự được thuê.
Cơ chế thưởng Token rất hiệu quả để khởi động nguồn cung, nhanh chóng thu hút tài nguyên vào mạng. Nhưng chúng không thể trực tiếp giải quyết vấn đề thiếu cầu. Thử thách thực sự nằm ở việc làm sao hoàn thiện sản phẩm đủ tốt để khơi dậy nhu cầu tiềm năng.
Như Haseeb Qureshi (từ Dragonfly) từng nói, đây mới là điểm then chốt.
Làm cho mạng tính toán thực sự vận hành
Hiện tại, thách thức lớn nhất đối với thị trường GPU phân tán Web3 là làm sao để các mạng này thực sự vận hành hiệu quả.
Đây không phải là việc đơn giản.
Việc phối hợp GPU trong mạng phân tán là một nhiệm vụ cực kỳ phức tạp, liên quan đến nhiều điểm khó kỹ thuật như phân bổ tài nguyên, mở rộng tải công việc động, cân bằng tải giữa các nút và GPU, quản lý độ trễ, truyền dữ liệu, khả năng chịu lỗi, và cách xử lý các thiết bị phần cứng đa dạng trải khắp toàn cầu. Những vấn đề này chồng chất lên nhau, tạo thành thách thức kỹ thuật khổng lồ.
Để giải quyết những vấn đề này, cần có năng lực kỹ thuật vững chắc và kiến trúc mạng mạnh mẽ, được thiết kế hợp lý.
Để hiểu rõ hơn, hãy tham khảo hệ thống Kubernetes của Google. Kubernetes được coi là tiêu chuẩn vàng trong lĩnh vực sắp xếp container, có thể tự động hóa các nhiệm vụ như cân bằng tải và mở rộng trong môi trường phân tán — những thách thức rất giống với mạng GPU phân tán. Cần lưu ý rằng, Kubernetes được phát triển dựa trên hơn mười năm kinh nghiệm tính toán phân tán của Google, và dù vậy vẫn mất nhiều năm để hoàn thiện qua các vòng lặp lặp lại.
Hiện tại, một số thị trường tính toán GPU đã ra mắt có thể xử lý khối lượng công việc nhỏ, nhưng khi cố gắng mở rộng quy mô lớn hơn, các vấn đề sẽ bộc lộ. Có thể là do kiến trúc của họ có khiếm khuyết căn bản.
Vấn đề độ tin cậy: Thách thức và cơ hội
Một vấn đề quan trọng khác mà mạng tính toán phi tập trung cần giải quyết là làm sao đảm bảo độ tin cậy của các nút, nghĩa là xác minh xem mỗi nút có thực sự cung cấp đúng sức mạnh tính toán như tuyên bố hay không. Hiện tại, quá trình xác minh này chủ yếu dựa vào hệ thống uy tín của mạng, đôi khi người cung cấp tính toán được xếp hạng theo điểm uy tín. Công nghệ blockchain có lợi thế tự nhiên ở lĩnh vực này, vì nó có thể thực hiện cơ chế xác minh không cần tin tưởng (trustless). Một số startup như Gensyn và Spheron, đang khám phá cách sử dụng phương pháp không cần tin tưởng để giải quyết vấn đề này.
Hiện tại, nhiều nhóm Web3 vẫn đang vật lộn với những thách thức này, điều đó cũng có nghĩa cơ hội trong lĩnh vực này vẫn rất rộng mở.
Quy mô thị trường tính toán phi tập trung
Vậy thì quy mô thị trường mạng tính toán phi tập trung là bao nhiêu?
Hiện tại, nó có thể chỉ chiếm một phần cực nhỏ của thị trường điện toán đám mây toàn cầu (khoảng 680 tỷ đến 2,5 nghìn tỷ USD). Tuy nhiên, miễn là chi phí tính toán phi tập trung thấp hơn các nhà cung cấp dịch vụ đám mây truyền thống, sẽ luôn tồn tại nhu cầu, ngay cả khi trải nghiệm người dùng có thêm chút ma sát.
Tôi cho rằng, trong ngắn và trung hạn, chi phí tính toán phi tập trung sẽ tiếp tục ở mức thấp. Điều này chủ yếu nhờ vào hai yếu tố: trợ cấp bằng Token và việc mở khóa nguồn cung từ những người dùng không nhạy cảm với giá. Ví dụ, nếu tôi có thể cho thuê laptop chơi game của mình để kiếm thêm thu nhập, dù là 20 hay 50 USD mỗi tháng, tôi cũng đều hài lòng.
Tiềm năng tăng trưởng thực sự và sự mở rộng đáng kể về quy mô thị trường của mạng tính toán phi tập trung sẽ phụ thuộc vào một số yếu tố then chốt sau:
-
Tính khả thi của việc đào tạo mô hình AI phi tập trung: Khi mạng phi tập trung có thể hỗ trợ đào tạo mô hình AI, sẽ tạo ra nhu cầu khổng lồ.
-
Sự bùng nổ nhu cầu suy luận: Khi nhu cầu suy luận AI tăng vọt, các trung tâm dữ liệu hiện tại có thể không đáp ứng kịp. Thực tế, xu hướng này đã bắt đầu. Jensen Huang của NVIDIA cho biết nhu cầu suy luận sẽ tăng "tỷ tỷ lần".
-
Việc đưa vào Thỏa thuận Mức Dịch vụ (SLAs): Hiện tại, tính toán phi tập trung chủ yếu cung cấp dịch vụ "cố gắng hết sức", người dùng có thể gặp rủi ro về chất lượng dịch vụ (như thời gian hoạt động). Với SLAs, các mạng này có thể cung cấp các chỉ số đáng tin cậy và hiệu suất tiêu chuẩn, phá vỡ rào cản chính ngăn doanh nghiệp áp dụng, biến tính toán phi tập trung thành lựa chọn thay thế khả thi cho điện toán đám mây truyền thống.
Tính toán phi tập trung, không cần giấy phép là tầng nền tảng của hệ sinh thái AI phi tập trung, cũng là một trong những cơ sở hạ tầng quan trọng nhất.
Mặc dù chuỗi cung ứng phần cứng như GPU đang không ngừng mở rộng, tôi tin rằng chúng ta vẫn đang ở buổi bình minh của "thời đại trí tuệ nhân loại". Trong tương lai, nhu cầu về sức mạnh tính toán sẽ là vô tận.
Hãy theo dõi các điểm ngoặt then chốt có thể kích hoạt việc định giá lại thị trường GPU — điểm ngoặt đó có thể đến rất sớm.
Ghi chú khác:
-
Cạnh tranh trong thị trường GPU thuần túy rất khốc liệt, không chỉ giữa các nền tảng phi tập trung, mà còn đối mặt với sự nổi lên mạnh mẽ của các nền tảng đám mây AI Web2 mới nổi (như Vast.ai và Lambda).
-
Các nút nhỏ (ví dụ 4 GPU H100) có nhu cầu thị trường thấp do tính ứng dụng hạn chế. Nhưng nếu bạn muốn tìm nhà cung cấp bán cụm lớn, gần như là không thể, vì nhu cầu đối với chúng vẫn rất cao.
-
Nguồn cung tài nguyên tính toán của các giao thức phi tập trung cuối cùng sẽ bị một bên thống lĩnh tích hợp, hay tiếp tục phân tán trên nhiều thị trường? Tôi nghiêng về khả năng đầu tiên và cho rằng kết quả cuối cùng sẽ tuân theo phân bố luật luỹ thừa, vì tích hợp thường nâng cao hiệu quả cơ sở hạ tầng. Tất nhiên, quá trình này cần thời gian, và trong thời gian đó, sự phân mảnh và hỗn loạn trên thị trường sẽ tiếp diễn.
-
Nhà phát triển muốn tập trung xây dựng ứng dụng hơn là dành thời gian xử lý các vấn đề triển khai và cấu hình. Vì vậy, các thị trường tính toán cần đơn giản hóa sự phức tạp này, giảm thiểu ma sát cho người dùng khi tiếp cận tài nguyên tính toán.
1.2 Đào tạo phi tập trung
Tóm tắt
-
Nếu định luật mở rộng (Scaling Laws) đúng, thì trong tương lai việc đào tạo mô hình AI hàng đầu tiếp theo trong một trung tâm dữ liệu đơn lẻ sẽ trở nên không khả thi về mặt vật lý.
-
Việc đào tạo mô hình AI đòi hỏi lượng lớn truyền dữ liệu giữa các GPU, và tốc độ liên kết thấp trong mạng GPU phân tán thường là rào cản kỹ thuật lớn nhất.
-
Các nhà nghiên cứu đang khám phá nhiều giải pháp và đạt được một số đột phá (như Open DiLoCo và DisTrO). Những đổi mới công nghệ này sẽ cộng hưởng, đẩy nhanh tiến độ đào tạo phi tập trung.
-
Tương lai của đào tạo phi tập trung có thể tập trung nhiều hơn vào các mô hình nhỏ, chuyên biệt cho lĩnh vực cụ thể, chứ không phải các mô hình hàng đầu hướng tới AGI.
-
Khi các mô hình như o1 của OpenAI phổ biến, nhu cầu suy luận sẽ bùng nổ, tạo cơ hội lớn cho mạng suy luận phi tập trung.
Hãy tưởng tượng: một mô hình AI khổng lồ, thay đổi thế giới, không được phát triển bởi phòng thí nghiệm hàng đầu bí mật, mà bởi hàng triệu người bình thường cùng nhau thực hiện. GPU của các game thủ không còn chỉ dùng để render hình ảnh đẹp mắt trong Call of Duty, mà phục vụ mục tiêu lớn hơn — một mô hình AI mã nguồn mở, sở hữu tập thể, không có bất kỳ cổng kiểm soát tập trung nào.
Trong tương lai như vậy, mô hình AI quy mô cơ bản không còn là đặc quyền của các phòng thí nghiệm hàng đầu, mà là thành quả của sự tham gia toàn dân.
Nhưng quay lại thực tế, phần lớn việc đào tạo AI quy mô lớn hiện nay vẫn tập trung ở các trung tâm dữ liệu tập trung, xu hướng này có thể không thay đổi trong một thời gian tới.
Các công ty như OpenAI đang không ngừng mở rộng cụm GPU khổng lồ của họ. Elon Musk gần đây tiết lộ rằng xAI sắp hoàn thành một trung tâm dữ liệu với tổng lượng GPU tương đương 200.000 chiếc H100.
Nhưng vấn đề không chỉ là số lượng GPU. 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
@0xPrismatic
