Alibaba và Moonshot: Cuộc đua nghìn tỷ tham số hay tấm màn khói cho một chiến lược đầu tư kép?

Crypto Briefing vừa đăng tải một bài viết có tiêu đề đầy kịch tính: “Alibaba công bố mô hình AI mạnh nhất, cạnh tranh với Moonshot trong cuộc đua nghìn tỷ tham số”. Là một người đã dành gần ba thập kỷ quan sát các hệ thống thanh toán xuyên biên giới và các giao thức phi tập trung, tôi lập tức chú ý đến một điểm: bài báo không hề cung cấp một tên mã, một bảng benchmark, hay một con số về tham số kích hoạt. Nó chỉ lặp đi lặp lại hai chữ “mạnh nhất” và cụm từ “nghìn tỷ” như thể đó là tiêu chuẩn cuối cùng của trí tuệ nhân tạo. Cảnh tượng ấy khiến tôi nhớ đến những ngày đầu của thị trường tiền mã hóa, khi các dự án tự xưng “TPS siêu cao” nhưng không thể vận hành một mạng lưới phi tập trung đúng nghĩa. Cần phải nhìn sâu hơn, bởi những gì đằng sau con số “nghìn tỷ” đó có thể nói lên nhiều điều về tương lai của cả hai ngành – AI và blockchain. Bối cảnh cần được đặt vào đúng chỗ. Alibaba là tập đoàn công nghệ lớn nhất Trung Quốc, sở hữu Alibaba Cloud – một trong những hạ tầng điện toán đám mây hàng đầu châu Á. Moonshot AI là công ty khởi nghiệp nổi tiếng với chatbot Kimi, có khả năng xử lý ngữ cảnh cực dài và đã gây được tiếng vang trên thị trường quốc tế. Điều đặc biệt là Alibaba đã đầu tư vào Moonshot trước khi trở thành đối thủ trực tiếp. Mối quan hệ “vừa là nhà đầu tư, vừa là đối thủ” này tạo ra một vùng xám chiến lược. Trong thế giới blockchain, một cấu trúc như thế thường bị coi là xung đột lợi ích và bị cộng đồng bài xích. Nhưng trong ngành AI, nó lại được gọi là “đầu tư chiến lược”. Về mặt kỹ thuật, các mô hình ngôn ngữ lớn hiện đại thường sử dụng kiến trúc Mixture of Experts, gọi tắt là MoE. Tổng số tham số có thể lên tới hàng nghìn tỷ, nhưng chỉ một phần nhỏ được kích hoạt tại mỗi bước xử lý. Vì vậy, một mô hình có “một nghìn tỷ tham số” có thể hoạt động với chi phí suy luận thấp hơn một mô hình thuần dense 100 tỷ. Truyền thông đã trộn lẫn tổng tham số và tham số kích hoạt, tạo ra một câu chuyện mang tính khuếch đại hơn là phản ánh đúng năng lực thực tế. Hãy thử tưởng tượng bạn đang đọc whitepaper của một blockchain được quảng bá với tốc độ “100.000 TPS”. Nhà đầu tư không chuyên sẽ coi đó là bước nhảy vượt bậc. Người trong nghề sẽ hỏi ngay: con số đó đến từ điều kiện phòng thí nghiệm hay từ mạng lưới phân tán thực sự? Tương tự, khi một hệ thống AI công bố “nghìn tỷ tham số”, câu hỏi đầu tiên phải là: kiến trúc dense hay MoE? Bộ dữ liệu huấn luyện có bị nhiễu? Chi phí suy luận trên mỗi token là bao nhiêu? Nếu bài báo gốc chỉ dừng lại ở việc lặp lại tổng tham số, nó không phục vụ cho khoa học mà đang hướng tới một tường thuật kinh doanh. Điều mà backtest không thể nắm bắt chính là cách tâm lý đám đông định giá những con số không thể kiểm chứng. Trong 27 năm kinh nghiệm, tôi đã chứng kiến nhiều chu kỳ mà các chỉ số kỹ thuật bị bóp méo để thu hút dòng vốn. Dòng vốn venture đang chảy vào các quỹ AI và crypto một cách dồn dập, nhưng phần lớn những người bán lẻ không đủ năng lực kiểm định lời tuyên bố từ các tập đoàn công nghệ. Họ chỉ nhìn thấy từ “nghìn tỷ” và tin rằng một kỷ nguyên mới đang mở ra, trong khi thực tế, con số đó có thể chỉ là một con số phình to về mặt truyền thông. Một góc tối khác đáng chú ý nằm ở chính mối quan hệ giữa Alibaba và Moonshot. Khi một gã khổng lồ vừa rót vốn vừa xây dựng mô hình cạnh tranh, họ đang sở hữu một cấu trúc “bán tích hợp” đầy quyền lực. Trên lý thuyết, Alibaba muốn bảo vệ khoản đầu tư của mình. Nhưng trên thực tế, họ có thể tiếp cận bảng vẽ kỹ thuật, lộ trình sản phẩm và hành vi khách hàng của Moonshot thông qua vị thế cổ đông. Những thông tin đó khi chuyển vào phòng thí nghiệm của Alibaba sẽ trở thành một lợi thế cạnh tranh mang tính lệch pha. Trong cộng đồng tiền mã hóa, nếu một sàn giao dịch vừa niêm yết token vừa nắm giữ nhiều đồng coin private round, nhà đầu tư sẽ ngay lập tức cáo buộc rò rỉ thông tin hoặc thao túng giá. Nhưng với lĩnh vực AI, điều này được bỏ qua và coi là chuyện thường trong môi trường kinh doanh. Sự im lặng đó phản ánh một khoảng trống về quy chuẩn quản trị, một vấn đề mà blockchain từng được kỳ vọng sẽ giải quyết thông qua tính minh bạch. Nhưng than ôi, chính ngành blockchain cũng đang phải vật lộn với những xung đột lợi ích tương tự. Nói về chuỗi cung ứng GPU và năng lượng, cuộc đua AI này tạo ra một cơn khát tài nguyên chưa từng thấy. Huấn luyện một mô hình nghìn tỷ tham số đòi hỏi hàng nghìn GPU H100 hoạt động liên tục trong nhiều tháng liền. Điều này khiến các dự án DePIN như Render, Akash hay io.net trở thành chủ đề nóng. Tuy nhiên, có một nghịch lý: các tập đoàn như Alibaba sẽ lựa chọn trung tâm dữ liệu riêng, nơi họ có toàn quyền kiểm soát, thay vì thuê ngoài công suất từ mạng phi tập trung. Nguyên nhân không chỉ là chi phí, mà còn là bảo mật và tuân thủ quy định. Phân tích cluster ví cho thấy hầu hết token của các dự án AI crypto đang nằm trong tay một số ít quỹ đầu tư mạo hiểm, không phải người dùng có nhu cầu điện toán thực sự. Thanh khoản này rất mỏng và dễ vỡ trước tin tức kinh tế vĩ mô. Khi làn sóng thanh lý ập đến, có thể do chính sách lãi suất thắt chặt bất ngờ của Cục Dự trữ Liên bang Mỹ, doanh thu từ việc cho thuê GPU sẽ bị cắt giảm đáng kể. Điều mà đường cong lợi suất đảo ngược có nghĩa là một thực tế hoàn toàn trái ngược với những tiếng hò reo trên mạng xã hội: nó báo hiệu sự co thắt thanh khoản, và trong môi trường đó, các câu chuyện “AI phi tập trung” sẽ phải trải qua bài kiểm tra lửa của doanh thu thực tế thay vì sự hào nhoáng của các video TikTok. Thế nhưng, câu chuyện này không hoàn toàn là một bong bóng. Nếu nhìn lại lịch sử công nghệ, cuộc đua về tốc độ xung nhịp của Intel trong thập niên 1990 cũng từng bị coi là một vòng xoáy vô nghĩa, cho đến khi một sự đảo pha xảy ra: ngành công nghiệp chuyển từ tăng tốc độ sang tăng số lõi. Cuộc đua tham số AI hôm nay cũng có thể là tiền đề cho một sự đảo pha tương tự, chuyển từ “to hơn” sang “thông minh hơn”. Khi chi phí suy luận trở thành rào cản chính, các mô hình tinh gọn được tối ưu tốt sẽ tỏ ra vượt trội hơn, và con số nghìn tỷ sẽ chỉ là di tích của thời kỳ vốn dồi dào. Điều đó có ý nghĩa rất lớn với các giao thức blockchain. Nếu các mô hình lớn trở thành các layer nền tảng – giống như Ethereum hay Solana – thì các mô hình nhỏ, chuyên biệt sẽ đóng vai trò như các layer 2 hoặc ứng dụng chuyên dụng. Lúc đó, blockchain có thể cung cấp một lớp thanh toán và xác minh cho phép trả phí suy luận theo từng yêu cầu, giúp cả hệ sinh thái AI và crypto vận hành minh bạch hơn. Những đồng coin AI có thể trở thành “nhiên liệu” của nền kinh tế tính toán mới này, miễn là chúng được neo vào các chỉ số có thể kiểm chứng được, chẳng hạn như chi phí mỗi token suy luận. Khi tôi gấp bài báo của Crypto Briefing lại, tôi không khỏi tự hỏi: thị trường đang định giá cổ phiếu của Alibaba, hay định giá một câu chuyện “nghìn tỷ” được tạo ra trên trang bìa truyền thông? Câu trả lời có thể nằm ở một thước đo đơn giản hơn nhiều: chi phí thực tế để sản xuất ra một token suy luận, chứ không phải số lượng tham số in trên slide PowerPoint. Cho đến khi các nhà phân tích và nhà đầu tư bắt đầu hỏi đúng câu hỏi đó, mỗi khi nghe cụm từ “trillion-parameter race”, chúng ta vẫn đang xem một phiên bản cũ của câu chuyện TPS được thay áo mới. Lần này, liệu ai sẽ là người đứng ngoài quan sát, và ai sẽ là người chạy theo hơi hướng một câu chuyện cũ, chỉ với một cái tên mới?