Cú sốc DeepSeek và cuộc phân bổ lại giá trị trong ngành AI crypto

Ngày 27 tháng 1 năm 2025, tôi mở terminal lên và nhìn vào bảng giá. NVIDIA mất hơn 580 tỷ USD vốn hóa trong một phiên — mức giảm lớn nhất từng được ghi nhận trong lịch sử chứng khoán Mỹ. Cùng lúc đó, TAO tăng hơn 10% trong khi RNDR lùi sâu. Trên App Store, một ứng dụng tên DeepSeek đã leo lên vị trí đầu bảng xếp hạng miễn phí tại Mỹ. Một mô hình ngôn ngữ được huấn luyện với chi phí khoảng 5,6 triệu USD — so với hàng trăm triệu USD mà các phòng lab phương Tây chi ra — vừa chứng minh rằng trí thông minh nhân tạo trình độ cao không nhất thiết cần một ngân sách khổng lồ. Đây không còn là một tin công nghệ đơn lẻ. Đây là một cú sốc vĩ mô, và mọi cú sốc vĩ mô đều định giá lại toàn bộ chuỗi giá trị. Ngành AI crypto không nằm ngoài vòng xoáy đó. DeepSeek, phòng lab AI có trụ sở tại Hàng Châu, trực thuộc quỹ định lượng High-Flyer, đã phát hành R1 — một mô hình suy luận mã nguồn mở được cấp phép MIT, cho phép bất kỳ ai tải về, chạy local và tùy biến. Điểm mấu chốt không nằm ở benchmark, mà nằm ở chi phí. R1 đạt hiệu suất ngang ngửa o1 của OpenAI trên nhiều tác vụ với ngân sách đào tạo chỉ bằng một phần nhỏ. Với một đất nước đang chịu lệnh cấm xuất khẩu GPU tiên tiến, việc đạt được kết quả này lại càng có ý nghĩa: nó chứng minh rằng tối ưu hóa kiến trúc có thể bù đắp cho sự thiếu hụt phần cứng. Để hiểu tác động đối với crypto, cần đặt mọi thứ lên bản đồ chuỗi giá trị AI. Các dự án AI crypto hiện chia thành ba tầng. Tầng hạ tầng tính toán — Render, Akash, io.net — bán GPU và sức mạnh xử lý. Tầng giao thức — tiêu biểu là Bittensor — tổ chức việc huấn luyện, xác minh và phân phối mô hình phân tán. Tầng ứng dụng — Fetch.ai, Virtuals và các nền tảng agent khác — xây dựng sản phẩm phục vụ người dùng cuối. Khi một biến số hiệu quả mang tính đột phá xuất hiện ở tầng mô hình, cả ba tầng đều phải được định giá lại. Nhưng hướng định giá lại không hề giống nhau. Bắt đầu từ tầng dễ tổn thương nhất: hạ tầng tính toán. Trước DeepSeek, câu chuyện của Render và Akash xoay quanh “cơn khát GPU”. Nhu cầu đào tạo mô hình lớn tạo ra một thị trường cho thuê card đồ họa với giá cao, và các mạng DePIN định vị mình như một “Airbnb của GPU”. DeepSeek đã chứng minh một điều phản trực giác: bạn không cần một cụm 10.000 chip H100 để đạt hiệu suất tiên tiến. Bạn cần một kiến trúc thông minh hơn — cụ thể là kiến trúc MoE, tức Mixture of Experts, trong đó mỗi token đầu vào chỉ kích hoạt một phần nhỏ tham số của mô hình, từ đó giảm đáng kể chi phí tính toán. Hệ quả trước mắt: phân khúc cho thuê GPU phục vụ huấn luyện — vốn là phân khúc có biên lợi nhuận cao nhất — có thể chứng kiến nhu cầu suy giảm. Khi một đơn vị trí thông minh cần ít sức mạnh điện toán hơn, giá trị của “tấn GPU” giảm xuống, còn giá trị của “thuật toán được tối ưu hóa” tăng lên. Tuy nhiên, tình huống trớ trêu là chính hiệu quả này lại mở ra một cơ hội khác cho tầng DePIN. Chi phí suy luận, hay nói đơn giản là chi phí để mô hình tạo ra phản hồi, giảm mạnh sẽ làm tăng tổng số lượt truy vấn AI. Và một phần lớn các lượt truy vấn đó có thể chạy trên GPU tầm trung, thậm chí là GPU tiêu dùng. Trước đây, việc chạy một mô hình 70B tham số gần như bắt buộc phải dùng A100. Giờ đây, các phiên bản đã chưng cất từ DeepSeek-R1 với kích thước từ 1,5B đến 70B tham số có thể chạy trên một chiếc RTX 4090. Điều này đưa “long-tail compute” — những GPU nhỏ lẻ từ máy đào, game thủ, hoặc trung tâm dữ liệu bỏ trống — vào cuộc chơi suy luận phân tán. Akash hay io.net có thể hưởng lợi từ nguồn cung mới, nhưng câu hỏi lớn nhất vẫn là liệu nhu cầu có theo kịp nguồn cung, và liệu giá thuê GPU có bị đè nặng hay không. Điều mà các dev không nói với bạn: khi họ thiết kế tokenomics cho các dự án DePIN, họ tính toán mọi thứ dựa trên một giả định về chi phí vận hành GPU. Nếu chi phí đó đột ngột giảm 10–20 lần vì một mô hình hiệu quả hơn, doanh thu tối thiểu cần thiết để duy trì giá token — hay nói thẳng ra là để trả lãi cho những người góp GPU — sẽ thay đổi hoàn toàn. Các dự án không lường trước được cú sốc này sẽ rơi vào vòng xoáy giảm phát: giá token giảm, phần thưởng trở nên kém hấp dẫn, nhà cung cấp GPU rút lui, và chất lượng dịch vụ suy giảm tạo ra một vòng lặp tiêu cực. Tiếp theo là tầng giao thức, nơi tôi dành nhiều sự quan tâm nhất. Bittensor vận hành theo mô hình mạng lưới các subnet, mỗi subnet chuyên về một tác vụ — từ huấn luyện mô hình, suy luận, cho đến lưu trữ. Các validator và miner được trả thưởng bằng TAO dựa trên chất lượng công việc được xác minh. DeepSeek tác động đến Bittensor theo hai hướng ngược nhau. Hướng tích cực: các nhóm nhỏ không cần ngân sách triệu đô vẫn có thể xây dựng một subnet huấn luyện các mô hình chuyên biệt trên nền tảng mở của DeepSeek. Rào cản gia nhập giảm, giúp mạng lưới đa dạng hóa về chuyên môn và thúc đẩy sự tham gia từ cộng đồng toàn cầu. Hướng tiêu cực: nếu mô hình tốt nhất đã có sẵn miễn phí trên HuggingFace, giá trị của một mạng lưới “đi tìm mô hình tốt nhất” sẽ bị đặt dấu hỏi lớn. Vì sao phải trả TAO cho một subnet huấn luyện mô hình trong khi tôi có thể tải R1 về và tinh chỉnh nó mà không cần xin phép ai? Giá trị của Bittensor buộc phải dịch chuyển từ vai trò “nơi tạo ra AI” sang “nơi xác minh, định tuyến và điều phối AI” — tức là xây dựng các cơ chế đánh giá chất lượng, chống đầu độc dữ liệu, và phân phối tác vụ giữa các mô hình. Nếu không làm được điều đó, câu chuyện cốt lõi của giao thức sẽ bị bào mòn dần. Ở tầng ứng dụng, bức tranh có vẻ tích cực hơn, nhưng không kém phần phức tạp. Các nền tảng agent như Fetch.ai hay Virtuals vốn đối mặt với một bài toán nan giải: chi phí vận hành một agent AI — bao gồm gọi API mô hình, chạy logic, lưu trữ bộ nhớ — thường cao hơn giá trị mà agent đó tạo ra. DeepSeek thay đổi phương trình này một cách triệt để. Nếu chi phí suy luận giảm từ 10 đến 50 lần, một agent có thể thực hiện nhiều tác vụ hơn với cùng một mức ngân sách: từ phân tích dữ liệu on-chain, quản lý danh mục đầu tư, đến tự động tương tác với các giao thức DeFi. Đây chính là khoảnh khắc kinh tế học đơn vị bắt đầu có lợi cho AI agent. Khi chi phí biên tiến gần đến số không, những trường hợp sử dụng trước đây không khả thi về mặt kinh tế bỗng trở nên khả thi. Nhưng câu hỏi quan trọng không phải là “AI agent có hoạt động không”, mà là “token nào thực sự chiếm hữu được giá trị tạo ra”. Nếu hầu hết agent đều chạy trên API của DeepSeek hoặc các mô hình mở, thì giá trị kinh tế nằm ở tầng ứng dụng và kênh phân phối, chứ không nằm ở tầng giao thức hay tầng mô hình. Các token giao thức sẽ chỉ giữ được giá trị nếu chúng chứng minh được doanh thu thực từ người dùng cuối — chứ không phải doanh thu phát sinh từ việc các nhà đầu tư mua token của nhau. Xung lực thanh khoản đang chuyển hướng. Trong ngắn hạn, chúng ta có thể thấy AI token phân hóa mạnh theo trục: compute token giằng co vì mô hình doanh thu bị đe dọa; protocol token phụ thuộc vào khả năng chứng minh giá trị xác minh; còn application token có thể thu hút dòng vốn đầu cơ lớn nhất vì câu chuyện “AI agent làm ra tiền” dễ hiểu và dễ bán hơn. Nhưng hãy cẩn thận — chính trong những giai đoạn phân hóa này, rủi ro thanh lý tập trung ở những vị thế đòn bẩy mà nhà đầu tư bán lẻ thường mắc phải. Bài học quản lý rủi ro tôi học được một cách đắt giá từ đợt depeg UST năm 2022 là: khi một câu chuyện vĩ mô thay đổi, mọi tài sản trong cùng một bucket có thể bị quét sạch cùng lúc, bất kể nền tảng của từng dự án có vững chắc đến đâu. Tôi thấy cùng một khuôn mẫu đó ở nhóm AI token hiện tại — đừng để sự phân hóa đánh lừa bạn rằng mọi thứ đều an toàn. Bây giờ đến phần tôi cho là quan trọng nhất và cũng ít được nhắc đến nhất. Câu chuyện phổ biến trên thị trường là “DeepSeek rẻ → AI phi tập trung được hưởng lợi”. Nhưng tôi muốn đề xuất một giả thuyết ngược: “DeepSeek rẻ → các token AI phải đối mặt với rủi ro tổng thị trường co lại, thay vì mở rộng”. Hãy nhìn vào kinh tế học của sự đổi mới về hiệu quả. Khi một công nghệ giảm chi phí 10 lần, nó không tự động tạo ra một thị trường lớn gấp 10 lần. Trong nhiều trường hợp, tổng doanh thu của ngành giảm vì giá giảm nhanh hơn khối lượng tăng — hiệu ứng này thường được gọi là nghịch lý Jevons, nhưng khi áp dụng vào kinh tế số, nó có một sắc thái khác: nếu AI trở nên gần như miễn phí, liệu người dùng có sẵn sàng trả phí cho một token chỉ để “truy cập AI”? Câu trả lời có thể là không, trừ khi token đó gắn liền với một giá trị không thể thay thế — quyền riêng tư, khả năng chống kiểm duyệt, hoặc quyền sở hữu một tài sản kỹ thuật số thực sự nằm trong tay người dùng. Một điểm mù khác của báo cáo gốc: nó chỉ nhìn thấy mặt tích cực của DeepSeek đối với “AI phi tập trung”, mà bỏ qua kịch bản OpenAI, Google và Anthropic buộc phải giảm giá mạnh để cạnh tranh. Nếu các gã khổng lồ tập trung cũng cắt giảm chi phí xuống mức tương đương — và họ hoàn toàn có đủ nguồn lực để làm vậy — thì lợi thế về giá của các mạng lưới phi tập trung gần như biến mất. Luận điểm đầu tư vào AI crypto khi đó phải dựa trên các đặc tính khác biệt về quyền sở hữu và khả năng chống kiểm duyệt, chứ không phải dựa trên việc rẻ hơn một chút so với API tập trung. Còn một lớp rủi ro nữa, mang tính địa chính trị. DeepSeek là sản phẩm đến từ Trung Quốc. Nếu Mỹ và EU siết chặt các quy định về sử dụng AI từ Trung Quốc — xét trên góc độ an ninh dữ liệu và kiểm soát xuất khẩu — thì các dự án crypto xây dựng trực tiếp trên DeepSeek có thể đối mặt với rào cản pháp lý ở nhiều khu vực. Điều trớ trêu là chính làn sóng bảo hộ này có thể thúc đẩy nhu cầu về một hạ tầng AI trung lập, không biên giới — thứ mà crypto có tiềm năng cung cấp. Nhưng để tận dụng được điều đó, các dự án cần một cấu trúc pháp lý minh bạch và một cơ chế quản trị thực sự, chứ không phải mô hình “phi tập trung giả” mà chúng ta vẫn thấy ở nhiều dự án Layer 2, nơi sequencer về bản chất vẫn là một node do một công ty duy nhất kiểm soát. Khi mọi thứ trở nên rẻ hơn, giá trị không còn nằm ở việc sở hữu tài nguyên, mà nằm ở khả năng điều phối, xác minh và phân phối. Câu hỏi tôi đặt ra cho các nhà đầu tư lúc này không phải là “AI có phải là xu hướng lớn không” — điều đó đã rõ ràng. Câu hỏi đúng là: token nào thực sự chiếm hữu được giá trị từ việc điều phối và xác minh, chứ không chỉ dừng lại ở việc sở hữu một kho GPU khổng lồ? Trong một thế giới mà trí thông minh có thể được tải về miễn phí, thứ khan hiếm nhất không còn là sức mạnh tính toán. Thứ khan hiếm nhất là lòng tin.