DeepSeek 60 tỷ USD: Bài toán hiệu quả đang định hình lại câu chuyện AI trên blockchain

Cuối tuần này, tôi đọc xong một bản phân tích về DeepSeek, phòng thí nghiệm trí tuệ nhân tạo đang gây sốt với thông tin định giá 60 tỷ USD. Điều khiến tôi dừng lại không phải con số, mà là chi tiết nhà sáng lập Liang Wenfeng từ chối văn hóa KPI và tăng ca. Với một người làm giáo dục blockchain, tôi lập tức liên tưởng tới hàng chục dự án crypto từng mời tôi tham gia cố vấn. Họ hào hứng nói về token, về cách mạng hóa dữ liệu, về mạng lưới tính toán phi tập trung. Nhưng khi tôi hỏi chi phí huấn luyện mô hình là bao nhiêu, hầu hết đều im lặng. DeepSeek không phải một công ty blockchain, nhưng câu chuyện của họ giống một tấm gương phản chiếu bộ mặt thật của ngành công nghiệp AI đang bị crypto săn đón. Cơn sốt token AI đang diễn ra trong bối cảnh phần lớn giá trị chỉ là câu chuyện. Các dự án mọc lên với lời hứa về trí tuệ nhân tạo phi tập trung, nhưng rất ít nơi công bố kiến trúc, chi phí hay dữ liệu huấn luyện. DeepSeek cho thấy một định nghĩa khác của giá trị: hiệu quả trước, quy mô sau. Báo cáo phân tích mà tôi đọc nhấn mạnh rằng lợi thế cạnh tranh của họ không đến từ một đột phá lý thuyết, mà đến từ sự tối ưu có hệ thống trong từng lớp mạng, từng dòng mã. Điều đó thể hiện rõ nhất trong kiến trúc DeepSeek-V3. Mô hình này có tới 671 tỷ tham số, nhưng khi xử lý một token, nó chỉ kích hoạt 37 tỷ tham số. Nhờ cơ chế chú ý tiềm ẩn đa đầu và kiến trúc hỗn hợp chuyên gia, lượng tính toán bị cắt giảm một cách triệt để. Con số được công bố là 2,78 triệu giờ GPU H800 để hoàn tất huấn luyện, tương đương khoảng 5,57 triệu USD nếu tính theo giá thuê. So với Meta Llama 3 cần 30,8 triệu giờ GPU và chi phí khoảng 61 triệu USD, khoảng cách lên tới hai bậc. Hiệu quả, không phải lời hứa, là thứ cuối cùng tạo ra giá trị bền vững. Đây là điều mà các dự án AI trên blockchain cần ghi nhớ trước khi phát hành token. Phương pháp huấn luyện GRPO cũng là một quyết định đáng chú ý. Trong khi các mô hình khác dùng PPO với một mô hình phê bình riêng để đánh giá, DeepSeek loại bỏ lớp này và dùng điểm thưởng tương đối theo nhóm. Điều đó giúp giảm tài nguyên, giảm độ phức tạp, nhưng vẫn giữ được chất lượng hội thoại. Họ không cần xây dựng một hệ thống chấm điểm tuyệt đối; họ chỉ cần so sánh các câu trả lời trong cùng một nhóm. Tôi nghĩ đây là một tư duy rất gần với triết lý phi tập trung: không cần một cơ quan trung ương đánh giá, chỉ cần sự so sánh minh bạch giữa các thành viên. Tuy nhiên, nếu chỉ nhìn vào kỹ thuật, chúng ta sẽ bỏ lỡ phần quan trọng của bối cảnh. DeepSeek không chọn hiệu quả vì họ thích sự thanh thoát. Họ bị ép buộc bởi lệnh cấm chip, khiến họ không thể tiếp cận H100 mạnh nhất. Họ phải dùng H800 và A800, những con chip có hiệu năng thấp hơn và băng thông NVLink bị giới hạn. Trong hoàn cảnh đó, hiệu quả không còn là lựa chọn mà là điều kiện sống còn. Khi thiếu tài nguyên, con người buộc phải sáng tạo. Nhưng tôi muốn nhấn mạnh rằng điều này cũng có nghĩa: hiệu quả của DeepSeek không hoàn toàn là câu chuyện quản trị, mà là câu chuyện sinh tồn. Chiến lược thương mại của DeepSeek tiếp tục củng cố thông điệp đó. Họ phát hành mô hình với giấy phép mã nguồn mở, cho phép bất kỳ ai tải về, chạy thử và xây dựng ứng dụng bên trên. API của họ có giá 0,27 USD cho mỗi triệu token, rẻ hơn GPT-4o tới 18 lần. Đây là cách để một phòng thí nghiệm không có đội ngũ bán hàng tiếp cận hàng triệu nhà phát triển trên toàn cầu. Nhìn từ góc độ blockchain, nó giống một giao thức mở hơn là một công ty phần mềm độc quyền. Họ không giấu code, không giấu tham số, không giấu chi phí. Họ để sản phẩm tự nói. Tôi từng chứng kiến nhiều dự án crypto chi hàng chục triệu USD cho marketing, sàn giao dịch và đội ngũ tư vấn, nhưng lại không thể công bố một báo cáo kỹ thuật rõ ràng. Khi tôi ngồi audit hợp đồng thông minh của một dự án AI, tôi thường hỏi: mô hình của bạn ở đâu, chi phí vận hành là gì, và tại sao bạn cần token? Rất ít nơi trả lời trọn vẹn. DeepSeek đang đặt ra một chuẩn mực hoàn toàn khác: hãy để code và chi phí tự nói lên giá trị. Nếu một dự án blockchain thực sự muốn xây dựng trí tuệ nhân tạo phi tập trung, họ cần làm điều tương tự. Nhưng đừng vội tôn thờ DeepSeek như một hình mẫu hoàn hảo. Báo cáo phân tích chỉ ra rằng không KPI chỉ đúng với nhóm nghiên cứu. Bộ phận vận hành API, kiểm soát chi phí và thương mại hóa vẫn phải có những chỉ số hiệu suất rất rõ ràng. Nếu không có sự kỷ luật ở tầng vận hành, sự tự do ở tầng nghiên cứu sẽ trở thành một mớ hỗn độn. Con số 60 tỷ USD cũng cần được nhìn nhận thận trọng, bởi đó mới là thông tin đồn đoán từ các giao dịch cổ phần thứ cấp, chưa có xác nhận chính thức. Trong thị trường tiền mã hóa, chúng ta đã quá quen với những định giá ảo. Một điểm mù lớn hơn nằm ở tính bền vững của lợi thế chi phí. DeepSeek rất hiệu quả với tác vụ ngắn, nhưng khi chuyển sang ngữ cảnh dài, tác nhân AI đa bước hoặc huấn luyện đa phương thức, chi phí suy luận có thể tăng theo cấp số nhân. Nếu giữ giá API quá rẻ trong khi lượng gọi tăng vọt, họ có thể rơi vào nghịch lý quy mô không kinh tế. Đây là bài toán tương tự mà các mạng lưới tính toán phi tập trung đang đối mặt: làm sao vừa rẻ, vừa nhanh, vừa an toàn. Không có bữa trưa miễn phí. Điều quan trọng nhất mà giới đầu tư crypto hay bỏ qua là nguồn lực nuôi dưỡng DeepSeek. Họ được chống lưng bởi High-Flyer, một quỹ định lượng có lợi nhuận lớn và sở hữu cụm GPU riêng từ trước đó. Nhờ vậy, họ không bị áp lực từ nhà đầu tư bên ngoài, không cần phải tăng trưởng bằng mọi giá, không phải lo lắng về việc token sẽ bị bán tháo khi mở khóa. Nếu một dự án crypto áp dụng mô hình DeepSeek mà không có nguồn lực tương tự, họ sẽ sớm phá sản. Câu hỏi cuối cùng là liệu lợi thế này có kéo dài. Khi các cộng đồng mã nguồn mở như Mistral, Llama hay những mô hình mới học theo chiến lược tối ưu hiệu quả, DeepSeek sẽ không còn là lựa chọn duy nhất. Hàng rào kỹ thuật của họ có thể bị thu hẹp trong vòng 6 đến 12 tháng. Điều đó có nghĩa là thị trường AI, giống như thị trường blockchain, không bao giờ đứng yên. Người chiến thắng không phải người có câu chuyện hay nhất, mà là người có thể liên tục thích nghi. Vậy bài học cho blockchain là gì? Không phải là bỏ KPI, cũng không phải là tìm cách định giá lại token AI. Bài học nằm ở việc đưa hiệu quả trở thành trung tâm của mọi quyết định. Một dự án AI phi tập trung xứng đáng được định giá cao khi công bố được chi phí huấn luyện, kiến trúc rõ ràng và một con đường tạo ra giá trị thực. Ngược lại, một dự án chỉ có slide đẹp, đội ngũ hùng hậu và câu chuyện về tương lai sẽ không thể tránh khỏi sự đào thải. Câu hỏi còn bỏ ngỏ: khi cả thế giới học được cách tối ưu như DeepSeek, lợi thế của họ sẽ kéo dài bao lâu? Và liệu cộng đồng tiền mã hóa, vốn tự hào về sự minh bạch, có dám công khai những con số khiến họ xấu hổ hay không? Có lẽ đó mới là thứ mà thị trường tăng giá này thực sự cần.