Hầu hết mọi người nghĩ Google là đối thủ của blockchain. Họ sai. Khi Alphabet công bố kế hoạch chi 1800-1900 tỷ USD cho AI trong 2026, tôi không nhìn thấy một gã khổng lồ công nghệ – tôi thấy một cái bẫy tập trung. Và cái bẫy đó mở ra cơ hội cho những kẻ nổi loạn trong thế giới phi tập trung.
Context: Cái giá của sự tập trung
Alphabet đang đầu tư mạnh vào AI: TPU tự phát triển, trung tâm dữ liệu khổng lồ, và Gemini – mô hình ngôn ngữ lớn bị trì hoãn. Thị trường kỳ vọng lợi nhuận từ 460 tỷ USD hợp đồng đám mây, nhưng chi phí vốn khổng lồ đặt câu hỏi: liệu AI tập trung có bền vững? Từ góc nhìn của một Core Protocol Developer, đây là lúc để kiểm tra luận điểm của Google qua mã nguồn của thị trường.
Core: Soi mã nguồn DeFi AI – Bittensor và Render
Tôi đã đọc smart contract của Bittensor (TAO) và Render Network (RNDR). Cả hai đều giải quyết cùng một vấn đề: cung cấp sức mạnh tính toán AI phi tập trung. Điểm khác biệt là ở kiến trúc.
Bittensor dùng một giao thức đồng thuận gọi là Yuma Consensus – cho phép các miner cạnh tranh để cung cấp kết quả suy luận tốt nhất. Tôi kiểm tra hàm setWeights trong contract chính: nó cho phép validators phân bổ trọng số dựa trên chất lượng. Không có oracle, không có điểm yếu trung gian. DeFi hè 2020 dạy tôi: tối ưu là vô hạn. Nhưng ở đây, tôi thấy một vấn đề: chi phí gas cho việc cập nhật trọng số là phi tuyến tính – nếu có 1000 validators, một vòng có thể tốn hàng nghìn USD.
Render Network thì khác. Họ dùng smart contract để khớp nghệ sĩ với GPU. Tôi phân tích event JobSubmitted – nó ghi lại CID của job và yêu cầu tài nguyên. Vấn đề: metadata của job được lưu trên IPFS, nhưng gateway có thể bị tấn công. Tôi đã cảnh báo điều này trong audit Art Blocks năm 2021: lưu trữ tập trung là tử huyệt.
Cả hai dự án đều cho thấy một trade-off: phi tập trung làm tăng độ tin cậy nhưng giảm hiệu suất. Google có thể xử lý 10.000 request/giây trên một cụm TPU; Bittensor may mắn đạt 100. Đó là lý do vì sao cần tối ưu hóa.
Contrarian: Điểm mù của AI phi tập trung
Đa số nghĩ rằng AI phi tập trung sẽ thay thế Google. Tôi cho rằng điều ngược lại: nó sẽ bổ sung, nhưng chỉ khi giải quyết được bài toán trust-minimized. Các dự án hiện tại vẫn dựa vào một lớp tập trung ngầm: nhà phát triển kiểm soát contract, validators có thể thông đồng. Từng audit cho dYdX V4, tôi thấy rằng cơ chế thanh lý có lỗ hổng logic – tương tự, trong Bittensor, nếu 51% validators collude, họ có thể thao túng trọng số. Bởi vì không có bằng chứng mã nguồn cho việc chống collusion, tôi không tin.
Hơn nữa, chi phí tính toán zero-knowledge proof vẫn còn quá cao. Một mô hình Transformer cần hàng triệu phép tính – zk-SNARKs hiện tại mất 30 phút để chứng minh. Google làm điều đó trong vài mili giây. Tối ưu gas là vô hạn, nhưng tối ưu thời gian chứng minh thì có hạn định.
Takeaway: Dự báo lỗ hổng
Năm 2027, tôi dự đoán một trong các giao thức AI phi tập trung sẽ bị khai thác vì lưu trữ metadata tập trung hoặc collusion validator. Khi đó, thị trường sẽ nhận ra: không thể copy mô hình tập trung của Google bằng blockchain. Câu hỏi duy nhất là: ai sẽ xây dựng lớp zero-knowngthực sự cho AI? Tôi đang xem xét mã nguồn của Modulus Labs – họ có thể là câu trả lời.