Hook: Một khoảnh khắc căng thẳng vừa diễn ra trên bàn giao dịch. Chỉ trong 48 giờ, câu chuyện "chi phí cao = hào sâu" đối với các mô hình AI lớn đã bị thách thức bởi một kẻ ngoại đạo: Kimi K3, một mô hình hiệu quả, chi phí thấp, trọng số mở từ Trung Quốc. Cùng lúc, Nvidia tiết lộ hệ thống Rubin rack trị giá 7-8 triệu USD, đẩy giới hạn của sức mạnh tính toán. Thị trường crypto, vốn đã đặt cược vào AI agent và DePIN, bất ngờ phải đối mặt với một sự phân kỳ kỹ thuật có thể phá vỡ toàn bộ câu chuyện định giá. Đây không phải là một cuộc tranh luận kỹ thuật đơn thuần – đó là một sự kiện chuyển câu chuyện, một 'narrative flip' mà tôi, với tư cách là một thợ săn câu chuyện thị trường, đã săn đuổi từ đầu chu kỳ này.
Context: Trong thế giới blockchain, câu chuyện về AI agent đã thống trị nửa đầu năm 2025. Hàng trăm dự án như Fetch.ai, Vana, Bittensor, v.v., đã huy động hàng tỷ USD, dựa trên lời hứa rằng các mô hình AI lớn (LLM) sẽ ngày càng mạnh mẽ, tạo ra nhu cầu gần như vô hạn về sức mạnh tính toán – và do đó, nhu cầu về chip GPU và cơ sở hạ tầng phi tập trung. Nhưng câu chuyện đó có một lỗ hổng: nó giả định rằng 'thuật toán mở rộng' (scaling law) là con đường duy nhất dẫn đến AI mạnh hơn. Kimi K3 đã phá vỡ giả định đó. Nó cho thấy rằng với kiến trúc và dữ liệu tốt hơn, bạn có thể đạt được hiệu suất tương đương (và thậm chí tốt hơn trong một số tác vụ) với chi phí chỉ bằng một phần nhỏ. Tại sao điều này lại quan trọng đối với crypto? Bởi vì phần lớn các dự án AI agent trên blockchain đều phụ thuộc vào chi phí suy luận (inference cost) thấp để khả thi về mặt kinh tế. Nếu Kimi K3 và các mô hình hiệu quả tương tự trở nên phổ biến, chi phí chạy một agent thông minh trên chuỗi sẽ giảm mạnh, mở ra cánh cửa cho hàng loạt trường hợp sử dụng mới. Nhưng đồng thời, nó cũng làm suy yếu luận điểm đầu tư của các dự án cơ sở hạ tầng dựa trên GPU: nếu bạn không cần nhiều GPU như vậy, thì nhu cầu về các thị trường tính toán phi tập trung có thể bị thổi phồng.
Core: Hãy nhìn vào con số. Theo báo cáo của The Information, Kimi K3 đã đạt được 95% hiệu suất của GPT-4 trên một số chuẩn mực với chi phí huấn luyện ước tính chỉ bằng 1/10. Điều này đặt ra một câu hỏi khó chịu: liệu thị trường đã từng trả giá quá cao cho sức mạnh tính toán? Dữ liệu on-chain từ LunarCrush cho thấy, trong tuần qua, tâm lý xã hội xoay quanh 'AI inference cost' đã tăng 340%, trong khi độ đề cập đến 'GPU demand' giảm 12%. Đây là một tín hiệu rõ ràng: các nhà đầu tư đang bắt đầu tính toán lại. Họ không còn chỉ nhìn vào 'sức mạnh' mà còn nhìn vào 'hiệu quả chi phí'. Năm 2020, trong mùa hè DeFi, tôi đã học được một bài học quý giá: khi nguồn cung thanh khoản trở nên dư thừa, lợi nhuận từ farming sẽ giảm. Tương tự, khi nguồn cung 'thông minh AI' trở nên rẻ hơn, giá trị của các dự án chỉ dựa vào sức mạnh tính toán có thể bị xói mòn. Nhưng đừng vội kết luận. Nvidia Rubin, với giá 7-8 triệu USD mỗi rack, là một tuyên bố ngược lại: 'lớn hơn, đắt hơn vẫn là con đường phía trước'. Nếu Rubin thành công, nó sẽ duy trì nhu cầu về GPU cao cấp. Trên thực tế, tôi đã thấy một sự phân kỳ thú vị: các dự án AI agent tập trung vào suy luận (inference) có thể được hưởng lợi từ mô hình rẻ hơn, trong khi các dự án đào tạo (training) vẫn cần siêu máy tính. Trong khung Narrative Survivability của tôi, chỉ những dự án có thể thích ứng với cả hai kịch bản – hoặc tận dụng sự khác biệt – mới sống sót qua chu kỳ này. Ví dụ, một mô hình như Fetch.ai có thể chuyển từ việc cung cấp GPU sang cung cấp các agent 'chi phí thấp' được hỗ trợ bởi Kimi K3, trong khi Bittensor có thể vẫn phụ thuộc vào các subnet đào tạo mô hình lớn đòi hỏi Rubin.
Contrarian: Đây là góc nhìn phản trực giác mà hầu hết các nhà phân tích đang bỏ lỡ: Kimi K3 không phải là mối đe dọa đối với nhu cầu GPU dài hạn – nó có thể là chất xúc tác lớn nhất cho nó. Hãy nghĩ về Jevons paradox: khi một công nghệ trở nên hiệu quả hơn, tổng mức tiêu thụ của nó thường tăng lên, không giảm. Nếu suy luận AI trở nên rẻ hơn 10 lần, sẽ có 100 lần nhiều ứng dụng hơn, và do đó, nhu cầu tổng thể về sức mạnh tính toán sẽ tăng vọt. Trong bối cảnh crypto, điều này có nghĩa là các blockchain AI-agent sẽ trở nên khả thi về mặt kinh tế cho hàng triệu người dùng, thúc đẩy khối lượng giao dịch và phí gas. Tôi đã thấy điều này xảy ra với Ethereum DeFi: khi phí giảm nhờ các giải pháp Layer 2, hoạt động on-chain bùng nổ. Nhưng có một điểm mù: Jevons paradox chỉ hoạt động nếu việc mở rộng công dụng xảy ra đủ nhanh. Nếu không, thị trường có thể rơi vào tình trạng dư thừa công suất tính toán, và các dự án DePIN như Render Network hay Akash sẽ chịu áp lực giảm giá. Rủi ro thực sự không phải là AI trở nên rẻ hơn, mà là các nhà đầu tư đã định giá nhu cầu GPU dựa trên giả định 'Scaling Law là bất biến'. Khi giả định đó bị phá vỡ, các token liên quan đến GPU sẽ trải qua một cuộc định giá lại đau đớn trước khi tìm thấy điểm cân bằng mới.
Takeaway: Câu hỏi thực sự không phải là 'Kimi K3 hay Rubin sẽ thắng?' – đó là một cái bẫy. Câu hỏi mà mọi nhà đầu tư crypto nên tự hỏi là: liệu mô hình định giá của dự án AI mà bạn đang nắm giữ có phụ thuộc vào chi phí tính toán không đổi hay không? Nếu câu trả lời là có, hãy chuẩn bị cho sự biến động. Chu kỳ tiếp theo sẽ được quyết định bởi những ai hiểu được sự tương tác giữa hiệu quả thuật toán và quy mô hạ tầng – và sẵn sàng tái phân bổ vốn khi câu chuyện thay đổi.