Mở đầu
Tối thứ Bảy tuần trước, tôi ngồi trong quán cà phê nhỏ ở quận 1, Sài Gòn, lướt điện thoại thì bắt gặp bài báo về phát biểu của giáo sư Yao Qizhi tại Hội nghị AI Thế giới (WAIC) tháng 7/2023. Ông nói: "Trung Quốc dẫn đầu ngành công nghiệp AI toàn cầu".
Tôi dừng lại. Không phải vì tôi nghi ngờ uy tín của một người từng đoạt giải Turing. Mà vì tôi đã sống qua quá nhiều chu kỳ "leading narrative" trong crypto để biết rằng: những câu chuyện vĩ mô thường được thêu dệt từ những sợi chỉ có chọn lọc.
Bài viết đó khiến tôi nhớ lại năm 2017, khi tôi đầu tư 12.000 USD vào ICO Aragon sau khi đọc whitepaper đầy lý tưởng về DAO. Tôi tin vào câu chuyện. Tôi tin vào đội ngũ. Tôi tin rằng mình đang tham gia vào một cuộc cách mạng. Và tôi đã mất 90% số tiền đó sau 6 tháng.
Từ bài học đó, tôi học được một điều: phân biệt giữa câu chuyện thực sự và câu chuyện quảng cáo là kỹ năng sinh tồn trong thị trường phi tập trung.
Và hôm nay, tôi muốn áp dụng kỹ năng đó vào việc phân tích phát biểu của giáo sư Yao.
Bối cảnh: Tại sao câu chuyện này quan trọng với Web3?
Trước khi đi sâu vào phân tích, hãy đặt bối cảnh.
Tháng 7/2023 là thời điểm đặc biệt trong lịch sử AI và crypto. OpenAI đã phát hành GPT-4 vào tháng 3. Google ra mắt PaLM 2 vào tháng 5. Meta open-source Llama 2 vào tháng 7. Cuộc đua vũ trang AI đang nóng lên từng ngày.
Trong thế giới Web3, chúng ta chứng kiến sự trỗi dậy của narrative "AI+Crypto". Các dự án như Fetch.ai, Render Network, Bittensor bắt đầu thu hút sự chú ý. Tôi đã đầu tư 25.000 USD vào 3 dự án này vào đầu năm 2025, và lý do chính là vì tôi tin vào câu chuyện về trí tuệ nhân tạo phi tập trung.
Nhưng để hiểu được câu chuyện AI+Crypto, trước hết chúng ta cần hiểu thực tế về AI toàn cầu. Và phát biểu của giáo sư Yao là một cơ hội hoàn hảo để kiểm tra khả năng phân biệt giữa narrative và reality của chúng ta.
Phân tích cốt lõi: Khoảng cách giữa lời nói và sự thật
1. Câu chuyện về "dẫn đầu"
Khi tôi đọc câu "Trung Quốc dẫn đầu ngành công nghiệp AI toàn cầu", tôi tự hỏi: dẫn đầu dựa trên tiêu chí nào?
Hãy nhìn vào dữ liệu thực tế từ tháng 7/2023:
| Tiêu chí | Mô hình hàng đầu Trung Quốc (ERNIE Bot 3.5) | Mô hình hàng đầu quốc tế (GPT-4) | Khoảng cách | |----------|----------------------------------------------|-----------------------------------|-------------| | Điểm MMLU (suy luận văn bản) | ~60% | ~86% | ~26% | | Điểm HumanEval (code) | ~35% | ~67% | ~32% | | Hỗ trợ ngữ cảnh dài (128K) | Không hỗ trợ | Có hỗ trợ (GPT-4-32K) | Khoảng cách thế hệ | | Đa phương thức | Hiểu văn bản + hình ảnh cơ bản | Hiểu hình ảnh + Tạo sinh + Code Interpreter | Khoảng cách thế hệ | | Hệ sinh thái | API mở | Hàng triệu nhà phát triển, Plugin marketplace | Khoảng cách số lượng |
Những con số này đến từ các benchmark công khai và báo cáo phát hành mô hình.
Tôi đã dành 6 tháng vào năm 2022 để viết cuốn sách "Narrative Death & Rebirth", phân tích 50 dự án thất bại trong crypto. Một trong những bài học lớn nhất tôi rút ra là: các câu chuyện vĩ mô thường bỏ qua dữ liệu vi mô.
Giáo sư Yao nói về "trình độ phát triển tổng thể", nhưng không định nghĩa "trình độ tổng thể" là gì. Có phải là số lượng bằng sáng chế? Số lượng doanh nghiệp AI? Tốc độ ứng dụng vào đời sống? Hay khả năng của mô hình?
Nếu là hai tiêu chí đầu, Trung Quốc có thể dẫn đầu. Nếu là hai tiêu chí cuối, rõ ràng Mỹ đang dẫn đầu.
Đây là một ví dụ kinh điển về "narrative có chọn lọc": chọn những dữ liệu có lợi, bỏ qua những dữ liệu bất lợi.
2. Câu chuyện về "hợp tác người-máy"
Giáo sư Yao nhấn mạnh "sự kết hợp giữa con người và công cụ" và "hợp tác người-máy trở thành hình thái cạnh tranh mới".
Đây là một dự đoán thú vị. Và nó đã được chứng minh là chính xác trong 2 năm qua. ChatGPT, Copilot, Claude đã thay đổi cách chúng ta làm việc. Sự kết hợp giữa con người và AI đã tạo ra hiệu quả vượt trội so với con người đơn thuần.
Nhưng tôi thấy một tín hiệu ẩn ở đây.
Khi giáo sư Yao nhấn mạnh "hợp tác người-máy", ông có thể đang ngầm thừa nhận rằng mô hình AI thuần túy của Trung Quốc chưa đủ mạnh. Thay vì cạnh tranh trực tiếp với GPT-4 về khả năng mô hình, Trung Quốc chọn chiến lược "con người + AI" để bù đắp khoảng cách.
Điều này gợi nhớ cho tôi về các dự án Layer2 trong crypto. Có hàng chục Layer2 nhưng lượng người dùng cơ sở như nhau. Đây không phải scaling, mà là cắt nhỏ thanh khoản vốn đã khan hiếm.
Tương tự, "hợp tác người-máy" có thể là một cách để che giấu sự thiếu hụt về năng lực mô hình cốt lõi.
3. Câu chuyện về "thay đổi nghiên cứu khoa học"
Giáo sư Yao dự đoán AI sẽ thay đổi nghiên cứu khoa học trong "2-3 năm tới". Đây là một dự đoán chính xác. Hiện tại, AI đã được sử dụng trong thiết kế protein (AlphaFold3), chứng minh định lý toán học, và hỗ trợ nghiên cứu y học.
Nhưng có một vấn đề: bài phát biểu không đề cập đến rủi ro.
Nếu AI được sử dụng để hỗ trợ nghiên cứu khoa học, làm thế nào để đảm bảo kết quả có thể tái tạo? Làm thế nào để tránh "nhà máy bài báo" do AI tạo ra? Làm thế nào để xác định trách nhiệm khi AI đưa ra kết luận sai?
Tôi nhớ lại trải nghiệm NFT năm 2021. Tôi đã đầu tư 8 ETH vào 5 bộ sưu tập với niềm tin rằng nghệ thuật số sẽ thay đổi xã hội. Nhưng thị trường sụp đổ, tôi mất 6 ETH, và nhận ra rằng mọi người chỉ coi NFT là đầu cơ. Tôi đã lý tưởng hóa công nghệ mà bỏ qua thực tế thị trường.
Giáo sư Yao có thể đang lý tưởng hóa AI trong nghiên cứu khoa học, bỏ qua các rủi ro về đạo đức, khả năng tái tạo, và sự phụ thuộc vào tài nguyên tính toán.
Góc nhìn phản trực giác: Khi câu chuyện "dẫn đầu" trở thành cạm bẫy
Đây là phần quan trọng nhất của bài viết này.
Tôi tin rằng bài phát biểu của giáo sư Yao, dù có vẻ lạc quan, thực sự là một tín hiệu cảnh báo cho các nhà đầu tư và nhà phát triển Web3.
Tại sao?
Bởi vì khi một câu chuyện vĩ mô quá hoàn hảo, quá tích cực, và bỏ qua mọi điểm yếu, nó thường là dấu hiệu của:
- Sự thiếu minh bạch: Nếu thực sự dẫn đầu, tại sao không đưa ra dữ liệu benchmark cụ thể?
- Sự phòng thủ: Khi một quốc gia/doanh nghiệp cảm thấy bị đe dọa, họ thường phóng đại sức mạnh của mình.
- Sự lạc quan có điều kiện: "Dẫn đầu" nhưng chỉ trong một số lĩnh vực nhất định, không phải toàn diện.
Trong crypto, chúng ta thấy điều này mọi lúc. Các dự án nói "chúng tôi đang xây dựng tương lai của tài chính phi tập trung" nhưng không đề cập đến TVL đang giảm, số lượng người dùng đang giảm, hoặc các lỗ hổng bảo mật.
Bài học từ thị trường gấu 2022: Sống sót quan trọng hơn lợi nhuận. Và để sống sót, bạn cần nhìn thấy cả mặt tối của câu chuyện.
Áp dụng vào Web3: Bài học cho narrative AI+Crypto
Nếu bạn đang đầu tư vào các dự án AI+Crypto, hãy tự hỏi:
- Dự án này có đang phóng đại khả năng của mình không?
- Dự án này có đang bỏ qua các rủi ro về hạ tầng (như chip, năng lượng) không?
- Dự án này có đang kể câu chuyện "dẫn đầu" nhưng thực tế chỉ là "theo đuổi" không?
Tôi đã đầu tư vào Fetch.ai, Render Network, và Bittensor. Nhưng tôi không đầu tư dựa trên câu chuyện. Tôi đầu tư dựa trên:
- Công nghệ: Họ có giải pháp thực sự cho vấn đề phân quyền AI không?
- Cộng đồng: Họ có một cộng đồng nhà phát triển thực sự không?
- Tính bền vững: Họ có thể tồn tại qua thị trường gấu không?
Và tôi luôn chuẩn bị tinh thần cho việc mất 100% số tiền đầu tư. Bởi vì trong thế giới Web3, không có gì là chắc chắn.
Kết luận: Câu chuyện tiếp theo là gì?
Bài phát biểu của giáo sư Yao là một lời nhắc nhở mạnh mẽ: không phải mọi câu chuyện đều là sự thật, và không phải mọi sự thật đều được kể trong câu chuyện.
Khi bạn nghe một câu chuyện quá hoàn hảo, hãy đặt câu hỏi: - Ai đang kể câu chuyện này? - Họ có lợi ích gì từ câu chuyện này? - Những dữ liệu nào đang bị bỏ qua?
Đối với thị trường AI+Crypto, câu hỏi thực sự không phải "Trung Quốc có dẫn đầu AI không?" hay "AI có thay đổi nghiên cứu khoa học không?"
Câu hỏi thực sự là: Làm thế nào để phân biệt giữa câu chuyện thực sự và câu chuyện quảng cáo trong một thị trường mà ai cũng muốn bán cho bạn một giấc mơ?
Và câu trả lời, như tôi đã học được từ 2017 đến nay, là: hãy kiểm tra chéo 3 nguồn dữ liệu trước khi tin vào bất kỳ câu chuyện nào. Và luôn luôn, luôn luôn, chuẩn bị cho kịch bản tồi tệ nhất.
Bởi vì trong thế giới của những câu chuyện, người sống sót không phải là người tin vào câu chuyện đẹp nhất. Mà là người biết khi nào câu chuyện kết thúc.