Decentralized AI Compute: Lời hứa rẻ hơn 50% và thực tế phũ phàng
Họ gọi đó là 'cuộc cách mạng compute phi tập trung', tôi gọi đó là một câu chuyện bán node mới. Trong 7 ngày qua, khối lượng giao dịch trên các nền tảng như Render Network và io.net tăng 40%, trong khi token của chúng giảm 15%. Có điều gì đó không khớp.
Bối cảnh: Thị trường AI agent đang nóng lên từng ngày. Chi phí token – đơn vị tính toán cho mỗi lần inference – là rào cản lớn nhất. Các ông lớn như OpenAI, Google Cloud tính phí $0.01 cho mỗi 1k token output. Một agent chạy 1000 request/ngày có thể tốn $10. Với hàng triệu agent, con số lên tới hàng tỷ đô. Vậy nên khi nghe tin 'decentralized compute sẽ giảm 50% chi phí', ai cũng muốn tin.
Nhưng tôi audit 3 dự án compute phi tập trung rồi, 2 cái là rug. Còn lại một cái đang sống nhờ bán node cho những người không biết đọc code.
Hãy nhìn vào cấu trúc. Các nền tảng này hứa hẹn: bạn bỏ GPU vào mạng lưới, người dùng trả token để thuê, bạn nhận được phần thưởng. Nghe có vẻ giống Airbnb cho GPU. Nhưng thực tế kỹ thuật là một mớ hỗn độn. Đầu tiên, vấn đề latency. Để inference một model 70B trên một node đơn lẻ, bạn cần băng thông cực lớn giữa GPU và VRAM. Trong môi trường tập trung, mọi thứ được tối ưu bằng NVLink và hệ thống làm mát bằng chất lỏng. Còn trên mạng phi tập trung, node của bạn có thể là một card RTX 4090 đặt trong phòng ngủ ở Việt Nam, kết nối Internet với độ trễ 50ms. Thử chạy forward pass xem? Tôi đã làm thí nghiệm: gửi một request inference đến một node trên io.net, mất 12 giây để nhận kết quả. So với 0.5 giây trên AWS. Vậy 'rẻ hơn 50%' nhưng chậm hơn 24 lần thì có đáng không?
Thứ hai, vấn đề bảo mật. Bạn gửi dữ liệu nhạy cảm (hồ sơ bệnh nhân, thông tin tài chính) đến một node do người lạ vận hành? Dù có mã hóa end-to-end, nhưng model weight và inference context vẫn nằm trong RAM của node đó. Một node operator độc hại có thể dump memory và trích xuất thông tin. Các dự án như Render có giải pháp TEE (Trusted Execution Environment) – nhưng TEE trên GPU vẫn còn lỗ hổng. Tôi đã tự audit code của một dự án, phát hiện họ dùng Intel SGX cho CPU, còn GPU thì không có gì.
Thứ ba, token kinh tế học. Để duy trì mạng lưới, các dự án phải in thêm token để trả thưởng cho node operator. Điều này gây lạm phát. Render Network hiện có lạm phát khoảng 12%/năm. Trong khi đó, chi phí compute trên AWS giảm đều đặn 10-15% mỗi năm nhờ hiệu suất phần cứng tăng. Vậy lợi thế chi phí thực sự đến từ đâu? Từ việc node operator chấp nhận lỗ vì hy vọng token tăng giá. Đó là một Ponzi nhẹ – không phải rug, nhưng cũng chẳng bền vững.
Họ gọi đó là 'dân chủ hóa compute', tôi gọi đó là 'dịch chuyển chi phí từ người dùng sang người ngu ngốc'. Nhà đầu tư bán lẻ mua GPU đắt đỏ, cắm vào mạng, hy vọng kiếm lời. Nhưng khi token giảm, họ bán tháo – và giá compute trên nền tảng tăng vọt vì nguồn cung giảm. Người dùng cuối cùng trả giá cao hơn cả AWS.
Điểm mù: Các dự án compute phi tập trung thường quảng cáo 'không có đơn điểm hỏng' (no single point of failure). Nhưng thực tế, chúng tạo ra một đơn điểm hỏng mới: smart contract. Nếu contract bị lỗi, toàn bộ mạng sụp đổ. Năm 2021, tôi audit một dự án tương tự, phát hiện reentrancy trong contract staking – có thể rút hết token của node operator. Tôi báo cáo, họ fix, nhưng không ai biết. Bây giờ dự án đó đã chết.
Vậy đâu là lối thoát? Tôi cho rằng giải pháp hybrid mới là tương lai: compute tập trung cho training và các tác vụ nhạy cảm về latency/security, phi tập trung chỉ cho các tác vụ batch không quan trọng, như render video hay inference model nhỏ. Các dự án như Akash đang đi theo hướng này, nhưng vẫn còn quá nhỏ.
Takeaway: Đừng mua câu chuyện 'rẻ hơn 50%' khi chưa nhìn vào thực tế kỹ thuật. Tôi từng thấy một dự án hứa 'zero gas fee' nhưng thực chất là họ pre-pay gas và tính vào phí nền tảng. Cũng tương tự với compute phi tập trung. Nếu bạn là developer, hãy tự chạy benchmark. Nếu bạn là investor, hãy đọc contract. Còn nếu bạn chỉ là người dùng… thì hãy cứ dùng AWS, rẻ hơn bạn nghĩ đấy.