WeLM và bài học cho AI trên Blockchain: Tập trung hay phi tập trung?

WeChat vừa xác nhận hai mô hình AI nội bộ: WeLM-80B với 80 tỷ tham số tổng, 3 tỷ active, và WeLM-617B với 617 tỷ tham số tổng, 23 tỷ active, dùng kiến trúc MoE. Cả hai đều đang trong giai đoạn thử nghiệm giới hạn, tích hợp vào AI Agent “Tiểu Vy” để xử lý chat, tìm kiếm và gọi chức năng WeChat. Số liệu từ báo cáo tài chính quý 2 của Tencent xác nhận điều này. Là một DeFi security auditor, tôi nhìn vào các con số này và thấy ngay một câu hỏi: Liệu mô hình AI tập trung khổng lồ này có thể tồn tại song song với các hệ thống phi tập trung trên blockchain? Câu trả lời nằm ở chi phí, quyền kiểm soát và rủi ro bảo mật. Phân tích kỹ thuật cho thấy WeLM chọn lộ trình “tổng tham số lớn, tham số active nhỏ” để tối ưu suy luận. Tỷ lệ active/total là 3.7% cho cả hai mô hình – một con số có chủ đích. Điều này giống với cách các giao thức DeFi dùng cơ chế sharding để giảm tải. Nhưng điểm khác biệt: WeLM chạy trên server tập trung của Tencent, trong khi blockchain buộc phải phân tán. Từ góc nhìn bảo mật, tôi thấy nguy cơ rõ ràng. Một model AI tập trung là honeypot cho tấn công adversarial. Nếu attacker có thể thao túng đầu vào, họ có thể khiến “Tiểu Vy” thực hiện các giao dịch độc hại trong WeChat Pay. Với hơn 1 tỷ người dùng, đây là mục tiêu trị giá hàng tỷ USD. Trong khi đó, các mô hình AI trên blockchain như Bittensor phân tán quyền kiểm soát qua nhiều validator, giảm thiểu rủi ro đơn điểm hỏng. Tuy nhiên, đây là góc nhìn contrarian: Nhiều người cho rằng AI tập trung vượt trội về hiệu năng và chi phí. Nhưng thực tế, WeLM-617B với 617 tỷ tham số cần cụm GPU khổng lồ, chi phí vận hành cực kỳ cao. Tencent có thể bù đắp bằng doanh thu từ WeChat, nhưng nếu dịch vụ này được mở rộng ra toàn cầu, mô hình kinh tế sẽ không bền vững. Các dự án blockchain như Render Network hay Akash cho phép thuê GPU phi tập trung với giá thấp hơn, đồng thời tận dụng tokenomics để khuyến khích cung cấp tài nguyên. Điểm mù mà bài báo gốc bỏ qua: WeLM không có cơ chế kiểm toán công khai. Là auditor, tôi không thể xác minh tuyên bố “3 tỷ active” nếu không có mã nguồn hoặc benchmark độc lập. Trong thế giới blockchain, mọi smart contract đều được audit và công khai trên explorer. Tencent có thể claim bất cứ điều gì, nhưng cộng đồng kỹ thuật không thể kiểm chứng. Hãy nhìn vào con số: Tỷ lệ 3.7% active/total là rất thấp. Điều này có nghĩa là model phải bỏ qua 96.3% tham số mỗi lần suy luận. Liệu chất lượng đầu ra có đủ tốt cho các tác vụ phức tạp như “sinh tool” cho WeChat? Tôi nghi ngờ. Các dự án AI trên blockchain như FedML đang thử nghiệm các phương pháp huấn luyện liên bang (federated learning) để giảm tải mà vẫn giữ độ chính xác. Kết luận của tôi: WeLM là một minh chứng cho sức mạnh của AI tập trung, nhưng cũng là lời cảnh báo về rủi ro bảo mật và chi phí. Các nhà phát triển blockchain nên tận dụng cơ hội này để xây dựng các giải pháp AI phi tập trung có thể kiểm toán được, với chi phí thấp hơn và khả năng chống kiểm duyệt. Đừng để WeChat trở thành “gatekeeper” của AI – hãy để blockchain làm điều đó.