Khi “khoảng cách thu hẹp” không có cột số liệu: Đọc lại cuộc đua AI Trung Quốc qua lăng kính on-chain
Đêm thứ Ba tuần trước, một bài viết từ Crypto Briefing xuất hiện trong nhóm Telegram của tôi. Tiêu đề nặng ký: Trung Quốc phát hành loạt AI model, thu hẹp khoảng cách với Thung lũng Silicon. Tôi mở tab, bôi đen toàn bộ nội dung, dán vào script phân tích văn bản tôi viết từ năm 2017 – thời còn thực tập tại một quỹ đầu tư ở Lagos, dùng Python scrape dữ liệu ICO từ Etherscan. Script trả về một kết quả khiến tôi dừng lại: trong toàn bài, số lượng sự kiện có thể kiểm chứng là một. Bốn luận điểm còn lại là quan điểm của tác giả. Không tên model. Không chỉ số benchmark. Không con số doanh thu. Không mốc thời gian. Một bài viết về cuộc đua AI của hai siêu cường, mà không kèm nổi một dòng timestamp.
Với tôi, đó không phải tin tức. Đó là một tín hiệu tâm lý thị trường – thứ tôi đã nhìn thấy nhiều lần trong 16 năm quan sát ngành, và 6 năm làm data scientist tại Dune Analytics. Crypto Briefing là một trang tin chuyên về tiền mã hoá, không phải trung tâm nghiên cứu AI. Khi một trang tin như thế bắt đầu viết về cuộc đua AI Trung Quốc – Mỹ, nó cho tôi biết chủ đề đã đủ nóng để lan sang cộng đồng tiền mã hoá. Nó không cho tôi biết bất kỳ điều gì về bản thân các model AI. Điều này giống hệt cảm giác tôi có khi mở một dashboard thanh khoản và thấy TVL tăng vọt: trước khi ăn mừng, hãy kiểm tra dòng tiền đi, dòng tiền đến, và timestamp.
Bài viết gốc sử dụng cụm từ “nhanh chóng thu hẹp khoảng cách”. Nhưng nó không định nghĩa khoảng cách bằng đơn vị nào. Khoảng cách về năng lực suy luận? Khoảng cách về chi phí huấn luyện? Khoảng cách về số lượng model phát hành? Hay khoảng cách về hệ sinh thái nhà phát triển? Mỗi thước đo sẽ cho một câu trả lời khác nhau. Nếu tôi gửi một dashboard kiểu này cho quỹ đầu tư từng thuê tôi, họ sẽ hỏi: cột số liệu ở đâu, đường cong tăng trưởng ở đâu, time zone nào, và nguồn dữ liệu là gì. Vì vậy, bài viết này nên được đọc như một danh sách giả thuyết cần kiểm tra, không phải một kết luận đã được chứng minh.
Vậy một bài viết về “thu hẹp khoảng cách” nên có những gì? Tối thiểu, tôi muốn thấy: tên model, ngày phát hành, benchmark so với model tham chiếu, chi phí huấn luyện nếu được công bố, giá API, và một mốc thời gian. Không có những thứ đó, tất cả những gì tôi nhận được là một câu chuyện. Không sai, nhưng chưa đủ. Năm 2022, sau sự sụp đổ của FTX, tôi được giao nhiệm vụ kiểm tra lại toàn bộ dashboard của quỹ. Tôi phát hiện ba trong số mười lăm dashboard có lỗi timestamp từ tháng 6, khiến xu hướng bị lệch. Chỉ vì một cột thời gian sai, cả bức tranh trở nên sai lệch. Bài viết của Crypto Briefing có thể cũng mắc một lỗi tương tự: nó dùng nhiều sự kiện phát hành model nhưng không kiểm tra xem các sự kiện đó có cùng một hệ quy chiếu hay không. Có thể chúng chỉ là những mảnh ghép rời rạc, không tạo thành một xu hướng.
Với kinh nghiệm của một người chuyên đào dữ liệu on-chain, tôi quyết định không dùng bài viết này làm nguồn kết luận, mà dùng nó như một danh sách giả thuyết cần kiểm tra. Tôi chia cuộc đua AI thành bảy chiều – kỹ thuật, thương mại, tác động ngành, cạnh tranh, an toàn, đầu tư, hạ tầng. Với mỗi chiều, tôi tự đặt câu hỏi: dữ liệu on-chain hoặc dữ liệu công khai nào có thể xác nhận hay bác bỏ câu chuyện “thu hẹp khoảng cách”? Đây là cách tôi làm khi rà soát một giao thức DeFi: bắt đầu từ giả thiết, kiểm tra từng dòng lệnh, rồi đối chiếu với các cột dữ liệu. — cần đào đến từng dòng lệnh.
Chiều đầu tiên là kỹ thuật. Bài viết không nói về kiến trúc model, nhưng các model Trung Quốc phát hành trong 2024-2025 cho thấy một mẫu số chung: chúng không nhất thiết tạo ra kiến trúc đột phá, nhưng tối ưu rất giỏi về chi phí huấn luyện và suy luận. DeepSeek-V3, DeepSeek-R1, Qwen, GLM, Kimi, MiniMax – mỗi cái tên đều có mặt trong báo cáo kỹ thuật của tôi. Điều thú vị không phải là một model vượt qua GPT-4 ở một benchmark đơn lẻ. Điều thú vị là chi phí – nhiều model đạt hiệu suất gần ngang hàng với chi phí thấp hơn một bậc. Đây là dấu hiệu của kỹ năng tối ưu hệ thống, không phải một cú nhảy vọt về mặt lý thuyết. Trong thế giới DeFi, tôi đã thấy điều tương tự: một giao thức có thể tăng TVL bằng cách phát token, nhưng thanh khoản thật sự bền vững chỉ đến từ việc tối ưu cấu trúc thị trường. Nếu chỉ nhìn vào số lượng model, bạn sẽ thấy một cơn mưa. Nhìn vào chi phí, bạn sẽ thấy một nhà máy. Nhưng nhà máy đó có thể tạo ra sản phẩm với biên lợi nhuận rất mỏng – và điều đó sẽ bộc lộ ở chiều tiếp theo.
Chiều thứ hai, thương mại. Khi các model Trung Quốc được phát hành với mức giá API thấp, toàn bộ chuỗi cung ứng AI toàn cầu chịu áp lực giảm giá. Nhưng chiến lược giá rẻ là con dao hai lưỡi. Nó giúp chiếm thị phần, nhưng có thể bóp nghẹt doanh thu. Câu hỏi không phải là “model nào rẻ hơn”, mà là “doanh thu có đi cùng sự tăng trưởng hay không”. Tôi nhớ năm 2020, khi tôi xây dashboard theo dõi thanh khoản Uniswap v2, tôi phát hiện một pool ETH-DAI bị rút 500.000 đô la trong ba giờ. Nhìn từ bên ngoài, TVL pool đang tăng. Nhưng đào vào từng dòng lệnh, tôi thấy đó là thanh khoản nóng – một lệnh lớn rút ra là sụp đổ. Lỗi thanh khoản thường ẩn trong cột – cột “số lượng model” không phải cột “doanh thu”. Muốn biết cuộc chiến giá có bền vững hay không, cần nhìn vào dòng tiền thực tế, không phải số lượng phát hành. Và ở đây, dữ liệu công khai còn rất mơ hồ.
Chiều thứ ba, cạnh tranh. Nếu tôi vẽ một bảng so sánh giữa các model Trung Quốc và Thung lũng Silicon, tôi sẽ liệt kê bảy hàng: suy luận văn bản, lập trình, hiểu đa phương thức, tạo đa phương thức, ngữ cảnh dài, Agent, và hệ sinh thái nhà phát triển. Ở hai hàng đầu, khoảng cách đã rất hẹp. Một số model Trung Quốc thậm chí vượt ở bài toán toán học và mã nguồn. Ở hàng đa phương thức, video generation có những sản phẩm như Kling hay Hailuo đang cạnh tranh tốt. Nhưng hàng cuối – hệ sinh thái nhà phát triển toàn cầu – vẫn là một khoảng trống lớn. Không phải vì model kém, mà vì các công cụ, tài liệu, cộng đồng và niềm tin của kỹ sư quốc tế cần nhiều năm để xây. Nếu bạn chỉ đọc tiêu đề về “thu hẹp khoảng cách”, bạn sẽ bỏ lỡ cột này. Mà lỗi thanh khoản thường ẩn trong cột – lần này, cột đó là “hệ sinh thái toàn cầu”. Một model giỏi nhưng không có hệ sinh thái thì giống một pool thanh khoản lớn nhưng chỉ có một nhà tạo lập thị trường: bề ngoài ổn định, bên trong dễ vỡ.
Chiều thứ tư, đầu tư. Bài viết không nhắc đến bất kỳ công ty, vòng gọi vốn, định giá hay doanh thu nào. Điều đó rất quan trọng. Khi một câu chuyện công nghệ được viết mà không kèm con số tài chính, nó mang tính chất cảm xúc, không phải phân tích. Tôi từng thử nghiệm mô hình LightGBM trên một triệu giao dịch Ethereum để dự đoán rủi ro rug pull. Mô hình đạt độ chính xác 82%, nhưng tôi vẫn giữ năm dashboard thủ công để kiểm tra chéo. Lý do: số liệu thống kê có thể nói dối, mà bảng cân đối cũng vậy. Nếu câu chuyện “thu hẹp khoảng cách” dẫn đến một đợt định giá lại tài sản AI Trung Quốc, nhà đầu tư cần dữ liệu về mức đốt tiền mặt, đường băng, và tốc độ tăng trưởng doanh thu. Không có chúng, mọi định giá chỉ là một câu chuyện bán hàng. Trong thị trường giảm hiện tại, đây là thứ nguy hiểm nhất: những câu chuyện không có cột số liệu, được kể để giữ chân sự chú ý, trong khi dòng tiền thật đang rút khỏi các giao thức.
Chiều thứ năm, an toàn. Đây là chiều bài viết bỏ qua hoàn toàn. Những model nguồn mở từ Trung Quốc có thể được tải về miễn phí trên toàn cầu. Điều đó tạo ra cơ hội, nhưng cũng tạo ra rủi ro lạm dụng: deepfake, lừa đảo, mã độc, tấn công phi xã hội. Trong thị trường tiền mã hoá, tôi đã chứng kiến quá nhiều giao thức tăng trưởng nhanh nhưng không có smart contract audit, hoặc audit đã lỗi thời nhiều tháng. Câu chuyện AI cũng vậy – tốc độ phát hành model không đi kèm với tốc độ kiểm định độ an toàn. “Khoảng cách thu hẹp” có thể đang thu hẹp ở phòng thí nghiệm, nhưng mở rộng ở mặt trận rủi ro. Nếu các model nguồn mở này được sử dụng để tạo ra mã độc hoặc lừa đảo quy mô công nghiệp, phản ứng của các cơ quan quản lý có thể làm chậm cả quá trình phân phối toàn cầu. Và khi đó, khoảng cách sẽ không chỉ là kỹ thuật, mà còn là khoảng cách về niềm tin.
Chiều thứ sáu, hạ tầng. Đây là biến số định đoạt toàn bộ câu chuyện. Mỗi model AI, trước khi trở thành một dòng tweet chiến thắng, đều phải đi qua hàng nghìn GPU trong nhiều tuần. Trung Quốc đang đối mặt với các lệnh kiểm soát xuất khẩu chip tiên tiến. Để duy trì tốc độ phát hành model, họ phải dựa vào tối ưu thuật toán, phần cứng nội địa, và sự khéo léo trong quản lý tài nguyên. Đây là một “sự đảo ngược sáng tạo” – giống như khi Ethereum phải đối mặt với phí gas cao, cả hệ sinh thái chuyển sang Layer 2. Nhưng có một giới hạn. Nếu không có GPU tiên tiến, sẽ đến lúc không thể huấn luyện model lớn hơn. Trong dữ liệu của tôi, tôi theo dõi chi phí gas của các hợp đồng thông minh liên quan đến AI và DePIN – dòng tiền vào các mạng lưới tính toán phi tập trung đang tăng. Điều đó cho thấy thị trường đang đặt cược vào một lớp hạ tầng thay thế. Nhưng nó vẫn còn quá nhỏ so với nhu cầu thực. Nếu bạn hỏi tôi về rủi ro lớn nhất của câu chuyện “thu hẹp khoảng cách”, tôi sẽ chỉ vào cột hạ tầng này.
Chiều thứ bảy, tác động ngành. Nếu “thu hẹp khoảng cách” là thật, ngành AI toàn cầu sẽ dịch chuyển từ một trung tâm cung cấp model duy nhất sang một thị trường đa cực. Các nhà phát triển ở Đông Nam Á, châu Phi, Mỹ Latinh sẽ có thêm lựa chọn. Chi phí vận hành ứng dụng AI sẽ giảm. Điều này có lợi cho sự đổi mới ở các thị trường mới nổi – trong đó có Nigeria, nơi tôi đang sống. Nhưng nó cũng khiến việc phân phối lợi nhuận trở nên phức tạp hơn. Một thị trường đa cực thường đi kèm với nhiều rào cản pháp lý chồng chéo. Hãy nhìn vào cách các sàn giao dịch tiền mã hoá hoạt động xuyên biên giới: mỗi quốc gia một bộ quy tắc, và chi phí tuân thủ nuốt chửng biên lợi nhuận. AI cũng sẽ như vậy.
Sau khi đi qua bảy chiều, tôi rút ra một nhận định: câu chuyện “thu hẹp khoảng cách” đúng ở một số chiều, nhưng sai ở những chiều khác. Năng lực phòng thí nghiệm – đúng, đang thu hẹp. Chi phí – đúng, đang có lợi thế. Hệ sinh thái toàn cầu – sai, vẫn còn khoảng cách lớn. Hạ tầng – sai, vẫn là một dấu hỏi. Do đó, cụm từ chính xác hơn là “tiến gần”, chứ không phải “vượt qua”. Và nếu bạn đang điều hành một quỹ đầu tư trong thị trường giảm, điều quan trọng nhất không phải là ai đang dẫn đầu đường đua, mà là giao thức nào đang chảy máu, và câu chuyện nào đang bán cho bạn một thứ không có cột dữ liệu. Năm 2017, tôi scrape dữ liệu 50 dự án ICO và phát hiện 7 dự án có phân bổ token bất thường – hơn 40% cho đội ngũ. Tôi viết báo cáo nội bộ ba trang, và quỹ đã né được chúng. Bài học vẫn còn nguyên giá trị: nếu nhìn vào whitepaper, mọi thứ đều đẹp; chỉ khi nhìn vào phân bổ token, sự thật lộ ra. Với AI cũng vậy – nếu nhìn vào thông cáo báo chí, mọi thứ đều chiến thắng; chỉ khi nhìn vào chi phí, doanh thu và hệ sinh thái, khoảng cách thật xuất hiện.
Điểm phản trực giác tôi muốn nhấn mạnh: mối tương quan giữa số lượng model phát hành và tốc độ thu hẹp khoảng cách không phải là nhân quả. Trong phân tích dữ liệu, đây là lỗi cơ bản nhất. Tôi có thể vẽ một biểu đồ cho thấy số model Trung Quốc phát hành tăng song song với giá Bitcoin. Điều đó không có nghĩa model AI thúc đẩy giá Bitcoin. Nó chỉ có nghĩa cả hai cùng bị chi phối bởi một yếu tố chung – ví dụ dòng tiền toàn cầu hoặc tâm lý chấp nhận rủi ro. Khi một bài viết khẳng định “Trung Quốc thu hẹp khoảng cách” mà không đưa ra thước đo, nó đang cài sẵn một kết luận. Dữ liệu không nói dối, nhưng người chọn dữ liệu có thể nói dối thay nó.
Một điểm mù nữa: bài viết gần như không đề cập đến địa chính trị. Nhưng địa chính trị là lý do tại sao “thu hẹp” có thể không bao giờ trở thành “bắt kịp” theo nghĩa đầy đủ. Nếu Trung Quốc bị giới hạn tiếp cận công nghệ chip tiên tiến, câu chuyện có thể rẽ hướng: thay vì bắt kịp trên cùng một đường đua, họ sẽ xây một đường đua song song với tiêu chuẩn riêng. Điều đó không làm mất đi giá trị của các model, nhưng nó thay đổi cách chúng ta đo “khoảng cách”. Trong tiền mã hoá, chúng ta có khái niệm “thanh khoản phân mảnh” – cùng một tài sản nhưng giá khác nhau giữa các sàn. Cuộc đua AI cũng có thể phân mảnh theo cách tương tự. Khi đó, câu hỏi “ai thu hẹp khoảng cách” sẽ trở thành “khoảng cách của ai”.
Tuần tới, tôi sẽ theo dõi ba nhóm dữ liệu để tự trả lời câu hỏi này. Thứ nhất, lượng tải về và số lượng dự án phái sinh từ các model Trung Quốc trên HuggingFace – một chỉ số sớm về sức hấp dẫn của hệ sinh thái. Thứ hai, dòng tiền vào các mạng lưới DePIN và nền tảng điện toán phi tập trung – tôi muốn xem liệu câu chuyện AI có thực sự chảy vào blockchain hay chỉ là một từ khoá. Thứ ba, các chính sách kiểm soát xuất khẩu chip của Mỹ – mỗi lần quy định thay đổi, tôi sẽ cập nhật dashboard rủi ro của mình. Một bài viết không có dữ liệu chỉ đáng được coi là lời mời đào sâu, không phải câu trả lời. Và khi ai đó nói “khoảng cách đang thu hẹp”, câu hỏi đầu tiên của tôi vẫn là: khoảng cách nào, cột dữ liệu nào, và họ đã đào đến từng dòng lệnh chưa. Nếu chưa, thì họ chỉ đang đọc tiêu đề – cũng giống như nhìn vào TVL mà không nhìn vào thanh khoản thật. — cần đào đến từng dòng lệnh.