Có bao giờ bạn tự hỏi vì sao cùng một mô hình "xây đường trước, đón xe sau" – thứ khiến cả thế giới crypto bị chế giễu suốt năm năm trời – giờ lại được tôn vinh như một chiến lược bất khả chiến bại ở Thung lũng Silicon?
Tuần vừa qua, giới phân tích tài chính bắt đầu lan truyền một con số khiến ngay cả những người quen với sự hoang đường của thị trường tiền số cũng phải nhíu mày: hơn 2000 tỷ USD đã được rót vào hạ tầng AI bởi các tập đoàn công nghệ Mỹ. Số tiền ấy tương đương GDP của một nước G20. Và quan trọng hơn cả con số khổng lồ đó: các tập đoàn này đang lỗ. Lỗ có hệ thống. Họ kỳ vọng sẽ hòa vốn vào năm 2027 hoặc 2028 – tức là còn tới ba năm nữa – và nếu dòng tiền tiếp tục trễ hẹn, toàn bộ định giá cổ phiếu của nhóm công ty này sẽ trải qua một đợt điều chỉnh sâu.
Nghe quen không? Với tôi, câu chuyện này có vị của năm 2017 – khi tôi đang làm phân tích viên blockchain tại một quỹ đầu tư ở Singapore và dành ba tháng liền đào bới mã nguồn của một dự án ICO tên TokenHub. Tôi tìm thấy bốn lỗi logic có thể khiến kẻ tấn công rút sạch token trước khi phân phối, thiệt hại tiềm năng lên tới 500 ETH. Khi tôi viết báo cáo, các đồng nghiệp bảo tôi "nghiêm trọng hóa vấn đề". Bốn tháng sau, dự án sụp đổ, và tôi là người duy nhất trong đội được mời làm audit chính thức.
Tôi kể chuyện này không phải để khoe thành tích. Tôi kể nó vì 2000 tỷ USD kia đang đối mặt với cùng một cấu trúc sai lầm mà tôi đã thấy trong hàng trăm dự án crypto: chi tiêu hạ tầng được quyết định bởi kỳ vọng tăng trưởng, không phải bởi dòng doanh thu hiện hữu.
Bối cảnh: Một bài toán tài chính ngụy trang thành câu chuyện công nghệ
Trước khi mổ xẻ kỹ thuật, cần đặt bài toán vào đúng ngữ cảnh. Bản phân tích từ Crypto Briefing không chỉ là một tin tức tài chính khô khan. Nó là một lời thú nhận – có lẽ là vô tình – rằng Silicon Valley đang vận hành theo đúng logic của một quỹ đầu tư mạo hiểm crypto: ném tiền vào hạ tầng, trì hoãn lợi nhuận, và đặt cược toàn bộ vào sự xuất hiện của một sản phẩm đột phá ở cuối đường hầm.
Nhưng có một chi tiết kỹ thuật mà hầu hết bản tin bỏ qua: 2000 tỷ USD không phải là một khối chi phí đồng nhất → nó là sự pha trộn giữa CAPEX – mua GPU, xây trung tâm dữ liệu, thiết kế chip – và OPEX – tiền điện, lương nghiên cứu viên, chi phí vận hành. Ước tính theo kinh nghiệm đánh giá của tôi, phần CAPEX chiếm từ 70 đến 80% tổng số tiền. Điều này tạo ra một nghịch lý kế toán: trong ngắn hạn, nó làm dịu bớt cú sốc lên lợi nhuận ròng vì CAPEX chỉ được khấu hao dần; nhưng trong dài hạn, nó khiến dòng tiền thực tế bỏ ra còn căng thẳng hơn nhiều con số lỗ mà báo cáo thể hiện.
Nói một cách khác: các tập đoàn này đang nợ chính tương lai của mình. Và họ tin rằng tương lai sẽ bắt đầu trả nợ từ năm 2027.
Trong ngôn ngữ blockchain, chúng tôi gọi đó là "liquidity farming" – chỉ khác là ở đây, phần thưởng không phải là token, mà là thị phần, dữ liệu, và quyền lực thống trị. Câu hỏi then chốt là: phần thưởng ấy có đủ lớn để bù đắp chi phí vốn? Là một người đã bốn năm nghiên cứu mô hình thanh khoản của Uniswap V2 và Compound, tôi có thể nói với bạn rằng – câu trả lời không nằm ở lời hứa của đội ngũ phát triển. Nó nằm ở đơn vị kinh tế vận hành nhỏ nhất. Và để tìm ra đơn vị đó, tôi cần đi sâu vào phần lõi.
Lõi: Tách bạch chi phí và doanh thu – một bài tập tôi học được từ Layer2
Hãy để tôi đưa ra một phép so sánh dị giáo, nhưng tôi tin là cần thiết. Khi phân tích một dự án Layer2 rollup, tôi luôn bắt đầu từ một câu hỏi duy nhất: tỷ lệ giữa data availability được tạo ra so với phí thực mà người dùng trả để đăng dữ liệu đó lên Ethereum. Nếu một rollup không tạo ra đủ giao dịch thực tế → toàn bộ cỗ máy DA – dù tinh vi đến đâu – chỉ là một lò đốt tiền với hiệu suất zero.
Trong báo cáo nội bộ năm 2022, tôi viết rằng 99% rollup thời điểm đó không cần một lớp DA chuyên dụng, vì bản thân chúng không tạo ra đủ dữ liệu để lấp đầy một block. Nghe có vẻ phản trực giác, nhưng chính các giao thức hot nhất lại là những nơi phung phí gas nhiều nhất, bởi vì họ phải chi trả cho "độ an toàn" mà họ không sử dụng tới.
Bây giờ, hãy áp dụng cùng câu hỏi đó cho 2000 tỷ USD của Silicon Valley: tỷ lệ giữa hạ tầng AI được xây dựng và doanh thu AI thực tế phát sinh là bao nhiêu? Khi nhóm nghiên cứu của tôi cố gắng mô hình hóa bài toán này, chúng tôi vấp phải một bức tường: không một tập đoàn lớn nào tách doanh thu AI một cách minh bạch khỏi các mảng kinh doanh khác. Microsoft gộp Copilot vào Azure. Google nhét Gemini vào Search và Cloud. Amazon giấu AI trong AWS. Meta thì không thực sự "bán" AI – họ dùng AI để tối ưu quảng cáo. Tất cả những phép trộn này khiến cho bất kỳ phép đo ROI nào cũng trở thành trò chơi thao túng số liệu.
Đây là điểm tương đồng sâu sắc nhất với crypto: trong crypto, chúng ta từng chứng kiến hàng trăm giao thức "tạo doanh thu" bằng cách in token của chính mình, dùng token đó mua lại sản phẩm của mình từ chính ví của mình, rồi công bố "revenue" trong báo cáo định kỳ. Trong AI, các ông lớn đang làm điều tương tự ở quy mô lớn hơn: họ bán AI cho chính các phòng ban nội bộ, rồi công bố "AI adoption". Các con số này tạo ra một ảo giác tăng trưởng mà khi đưa lên bảng cân đối kế toán, sẽ bộc lộ sự mong manh khủng khiếp.
Bây giờ hãy nhìn vào vòng đời của một đồng GPU. Mua một cluster GPU trị giá 5 tỷ USD với chu kỳ khấu hao ba đến năm năm, công ty đang đánh cược rằng cỗ máy đó sẽ tạo ra lợi nhuận trong vòng đời của nó. Nhưng nếu điểm hòa vốn dự kiến là 2027-2028, nghĩa là các GPU mua vào năm 2024 chỉ bắt đầu "đẻ trứng" vào năm cuối của chu kỳ sống – thời điểm chúng đã lỗi thời về công nghệ. Điều này giống như bài toán gas cost trong Ethereum: bạn có thể tối ưu chi phí gas cho một batch giao dịch, nhưng nếu batch đó không có giá trị trao đổi thực, bạn chỉ tối ưu cho một cái xác.
Một lớp chi phí ẩn khác mà bài toán 2000 tỷ USD không tính đến: năng lượng. Trong các buổi đánh giá, chúng tôi ước tính một trung tâm dữ liệu quy mô lớn với 100.000 GPU H100 sẽ tiêu thụ khoảng 150 MW điện – tương đương một thành phố 100.000 dân. Với giá điện công nghiệp bình quân tại Mỹ khoảng 5 cent mỗi kWh, chi phí vận hành hàng năm sẽ vào khoảng 65 triệu USD, chưa kể làm mát. Đây là một khoản chi phí cố định không thể trì hoãn, bất kể bạn có sử dụng GPU hay không. Trong mô hình dự báo tài chính của các tập đoàn công nghệ, chi phí điện năng thường bị gộp vào mục "chi phí vận hành trung tâm dữ liệu" – một cách làm mà tôi gọi là "che giấu phi tập trung": biến một khoản chi phí chết chìm thành thứ trông có vẻ linh hoạt.
Trong các phiên đánh giá rủi ro với khách hàng, tôi liệt kê ba lớp vấn đề trong cấu trúc tài chính của khoản đầu tư này:
Lớp thứ nhất là rủi ro thời gian. Nếu dòng tiền dự kiến chỉ bắt đầu quay lại từ 2027-2028, các tập đoàn sẽ phải tiếp tục ghi nhận lỗ trong ba đến bốn năm tới. Trong bối cảnh lãi suất duy trì ở mức 4-5%, chi phí cơ hội của việc khóa vốn trong hạ tầng AI là vô cùng lớn. Một quỹ đầu tư có thể mua trái phiếu chính phủ với lãi suất phi rủi ro 4%, thì việc chấp nhận 0% lợi nhuận để chờ đợi một viễn cảnh không chắc chắn là một quyết định tài chính mang nặng tính hành vi, không phải logic.
Lớp thứ hai là rủi ro công nghệ. Tốc độ thay thế phần cứng và mô hình ngôn ngữ diễn ra nhanh hơn tốc độ khấu hao. GPU H100 mua năm 2023 có thể không còn cạnh tranh vào năm 2026, nhưng bảng cân đối kế toán vẫn còn nguyên giá trị. Đây là thứ tôi gọi là "nợ công nghệ". Trong báo cáo so sánh zkEVM năm 2023, tôi từng mô tả vấn đề tương tự: Scroll chấp nhận chi phí và thời gian tạo chứng minh cao hơn để hỗ trợ nhiều opcode tương thích với EVM hơn, trong khi Polygon zkEVM chọn tốc độ nhanh hơn nhưng phải chấp nhận độ lệch so với EVM chuẩn. Cả hai lựa chọn đều là đánh cược, vì không ai biết hệ sinh thái sẽ đi về đâu trong hai năm tới – giống như không ai biết liệu kiến trúc transformer có còn là chuẩn mực trong hai năm nữa hay không.
Lớp thứ ba, và có lẽ đáng ngại nhất, là rủi ro tập trung hóa. Trong nghiên cứu của tôi về Bitcoin sau halving thứ tư, tôi dự đoán hash power cuối cùng sẽ hội tụ về ba pool lớn, biến thứ từng được gọi là "phi tập trung" thành một mô hình độc quyền nhóm ngụy trang. Bức tranh AI hiện tại cũng y hệt: năng lực tính toán vốn đã được đổ dồn về một nhóm tập đoàn nắm giữ nguồn vốn hóa thị trường khổng lồ. Những công ty nhỏ không dám tham gia vì chi phí gia nhập quá lớn. Kết quả là, thị trường tự do AI trở thành sân chơi của nhóm đầu sỏ kỹ thuật số – nơi "sự tối ưu hóa" không đến từ năng lực kỹ thuật mà từ khả năng chịu lỗ. Nếu có một lỗ hổng bảo mật ở quy mô hệ thống trong câu chuyện này, nó sẽ không nằm ở một dòng code, mà nằm ở mô hình kinh doanh vốn được thiết kế để chấp nhận thua lỗ kéo dài.
Góc nhìn ngược: Điều gì khiến câu chuyện AI khác – và vì sao nó không cứu được họ
Đến đây, tôi phải tự tranh luận với chính mình. Nếu dừng lại ở những so sánh cấu trúc, tôi sẽ bỏ lỡ một sự khác biệt quan trọng: AI – không giống crypto – có một thị trường ứng dụng thực sự đang lớn lên từng ngày. Mọi thứ từ sinh code, phân tích dữ liệu, tự động hóa văn phòng đều có khách hàng trả tiền thật. Vấn đề không phải là "AI không tạo ra doanh thu", mà là "doanh thu đó quá nhỏ so với quy mô vốn đã đổ vào".
Thế nhưng, chính sự khác biệt này lại tạo ra điểm mù nguy hiểm nhất: vì có doanh thu thật → các công ty có thể tự thuyết phục rằng họ đang đi đúng hướng – chỉ cần bơm thêm vài trăm tỷ USD nữa là sẽ chạm đến điểm bùng nổ. Trong khi một quỹ đầu tư crypto phải trả lời câu hỏi "bao giờ hòa vốn?" mỗi quý, các tập đoàn công nghệ có hàng thập kỷ tín nhiệm và các mảng kinh doanh truyền thống để bù lỗ. Điều này làm cho cơ chế tự hiệu chỉnh của thị trường – thứ mà lý thuyết kinh tế mô tả như một đòn bẩy thần kỳ – trở nên ì ạch và chậm chạp.
Một điểm mù khác nằm ở chính cộng đồng phân tích. Trong năm 2020, khi xây dựng mô hình mô phỏng cho AMM, tôi phát hiện rằng các mô hình lãi suất của Aave và Compound hoàn toàn tùy tiện – chúng chẳng liên quan gì đến cung-cầu thị trường thực. Chúng là những hàm bậc ba được tinh chỉnh bằng trực giác của đội ngũ phát triển. Và giờ đây, nhìn vào những mô hình dự báo ROI của AI, tôi thấy cùng một sự tùy tiện: ba năm, bốn năm, hòa vốn vào 2027, 2028 – những con số đó đến từ đâu? Dựa trên giả định về tốc độ chấp nhận của người dùng, về chi phí suy luận, về giá điện? Hay dựa trên một con số ấn tượng được chọn để vừa đủ dài nhằm biện minh cho khoản đầu tư tiếp theo? Tôi nghiêng về giả thuyết sau, và kinh nghiệm audit của tôi dạy tôi rằng: khi một tham số không thể giải thích bằng logic, hãy tìm lý do chính trị.
Có một câu hỏi chưa có lời giải: liệu các tập đoàn này có sẵn sàng cắt giảm một khoản đầu tư mà họ đã công bố công khai với cả thị trường? Trong lý thuyết trò chơi, đây là một biến thể của thế lưỡng nan – nơi mà dù hành động có hợp lý đến đâu, người chơi vẫn chọn tiếp tục vì sợ mất mặt và sợ đối thủ chiếm lợi thế. Tôi gọi đây là "lời nguyền chịu lỗ": mỗi công ty đều biết khoản đầu tư này phi hiệu quả, nhưng không ai đủ can đảm cắt giảm trước, bởi ai cắt giảm trước là người "đầu hàng" trong cuộc đua AI. Kết quả là, thị trường sẽ phải chứng kiến một chu kỳ chịu đựng kéo dài hơn nhiều so với dự đoán của các mô hình tài chính thông thường.
Hệ quả gián tiếp: Dòng vốn AI suy yếu sẽ đi về đâu?
Có một khía cạnh mà phân tích nguồn không phát triển, nhưng lại là vấn đề sống còn với độc giả blockchain: nếu các tập đoàn công nghệ buộc phải cắt giảm chi tiêu AI, dòng vốn rút ra sẽ tìm đến đâu? Trong lịch sử, mỗi khi các tài sản đầu cơ chủ đạo sụt giảm, dòng vốn chảy vào crypto như một kênh trú ẩn thứ cấp. Nhưng lần này, nếu sự điều chỉnh diễn ra, nó có thể lại không đến crypto – vì crypto và AI đang nằm trong cùng một hệ sinh thái đầu cơ. Điều này tạo ra một tương quan ngoài dự đoán: đau khổ của Google cũng là đau khổ của những quỹ đầu tư crypto có tỷ trọng token AI.
Hãy để tôi kể lại một trải nghiệm cá nhân khác. Năm 2021, khi phân tích chi phí gas của tiêu chuẩn ERC-721 so với ERC-1155, tôi phát hiện rằng ERC-1155 tiết kiệm tới 40% chi phí gas cho batch mint 50 token. Đó là một phát hiện nhỏ, nhưng nó dạy tôi một điều lớn: trong thị trường đi ngang, chi phí ẩn chính là thứ quyết định ai sẽ sống sót. Tương tự với AI, khi cuộc chơi tăng trưởng kết thúc, chi phí vốn thực và dòng tiền âm sẽ là thước đo phân định người thắng kẻ bại. Các công ty có dòng tiền dương sẽ sống, còn những kẻ đốt vốn mà không tạo được lợi thế bền vững – dù tên tuổi lớn đến đâu – sẽ là những ERC-721 của câu chuyện AI: hoạt động tốt trong bull market, biến mất trong bear market.
Takeaway: Lịch sử không lặp lại, nhưng nó ngân nga
Vậy chúng ta nên đứng ở đâu? Tôi không nói rằng AI là một bong bóng sẽ vỡ. Tôi nói rằng: cấu trúc vốn đằng sau câu chuyện này – nếu nó là bong bóng – tuân theo một vòng lặp mà tôi đã thấy ba lần trong đời mình. Lần đầu là ICO 2017, khi những dự án không có sản phẩm huy động hàng trăm triệu USD. Lần hai là DeFi Summer 2020, khi TVL tăng vọt nhưng doanh thu thực chỉ đủ trả gas. Lần ba là Layer2 mania 2021-2022, khi các đội ngũ dày dạn nhất cũng không thể trả lời câu hỏi "bạn tạo ra phí từ đâu". Mỗi lần, câu chuyện kết thúc theo cùng một cách → hạ tầng vẫn đứng đó, giá trị bị xóa sổ, và một vài người chơi có kỷ luật tài chính sẽ mua lại tài sản với giá rẻ.
Khi các nhà đầu tư AI năm 2027 nhìn lại quyết định rót vốn của mình, họ sẽ rút ra bài học gì từ những vết xe đổ mà cộng đồng crypto đã để lại? Hay họ sẽ viết lại lịch sử, gọi đó là "quá trình thăm dò công nghệ" – và tiếp tục đổ tiền vào một vòng lặp mới?
Tôi nghiêng về khả năng sau. Và đó là lý do vì sao cuốn sổ ghi chú của tôi vẫn còn nhiều trang trống.