Tôi nhận được một tin nhắn từ đồng nghiệp cũ tuần trước: "Mày có thấy báo cáo của Dhaval Joshi không? Ổng nói AI là bong bóng cuốn chiếu, không phải bong bóng đơn."
Tôi đọc lướt bản tóm tắt trên Crypto Briefing. Một phân tích viên đầu tư kỳ cựu nói AI không phải một quả bong bóng sắp nổ, mà là một chuỗi bong bóng nhỏ hơn, lăn từ lớp này sang lớp khác của tech stack.
Nghe có vẻ hợp lý. Nhưng tôi cần xác minh.
Tôi mở ba tab: một tab dữ liệu vốn hóa thị trường của các công ty AI từ 2023 đến nay, một tab phân tích chi phí GPU, và một tab GitHub của các dự án ZK đang thử nghiệm trên AI.
Sau hai giờ, tôi có một kết luận khác với Joshi, nhưng cũng khiến tôi khó ngủ.
Hãy nói về cấu trúc của "bong bóng cuốn chiếu" trước. Joshi đúng ở chỗ: thị trường AI không có một điểm sụp đổ duy nhất. Nó đang tạo ra các đợt định giá quá cao ở từng lớp tech stack, rồi chuyển sang lớp khác khi lớp trước bão hòa.
Nhưng ông ấy thiếu một thứ: phân tích cấp độ giao thức.
Từ góc nhìn của một kỹ sư giao thức, tôi thấy AI hiện tại có ba lớp chính, mỗi lớp có cấu trúc rủi ro hoàn toàn khác nhau:
Lớp 1: Hạ tầng (GPU/Data Center) Đây là nơi tiền đổ vào nhiều nhất. Nvidia, các khoản CAPEX của Microsoft, Google, Meta. Chi phí GPU H100 và B200 đang ở mức lịch sử. Nhưng có một vấn đề: hiệu suất sử dụng GPU trung bình toàn ngành là bao nhiêu?
Tôi không có số liệu chính xác, nhưng dựa trên dữ liệu từ các nhà cung cấp đám mây, tôi ước tính con số đó dưới 40% cho các cụm GPU dùng cho training. Các cụm dùng cho inference có thể cao hơn, nhưng chi phí vận hành vẫn rất lớn.
Đây là "capital misallocation" mà Joshi nói đến. Nhưng ông ấy không giải thích tại sao nó lại nguy hiểm hơn bong bóng dot-com.
Tôi sẽ giải thích: Không giống như cáp quang năm 2000, GPU có thể tái sử dụng. Nhưng chi phí cơ hội thì khủng khiếp. Mỗi GPU đặt sai chỗ là một cơ hội mất đi để phát triển ứng dụng thực tế.
Lớp 2: Mô hình (Foundation Models) Đây là nơi bong bóng đang phình to nhất. OpenAI, Anthropic, các công ty Trung Quốc như DeepSeek. Chi phí đào tạo một mô hình GPT-4 ước tính trên 100 triệu đô. GPT-5 có thể gấp 10 lần.
Vấn đề: doanh thu từ API mô hình không đủ bù chi phí. Tôi đã xem xét các ước tính từ SemiAnalysis và các nguồn khác: OpenAI có thể đang lỗ vài tỷ đô mỗi năm, ngay cả sau khi tăng giá API.
Đây là "bong bóng" thực sự. Nhưng nó không vỡ vì luôn có vòng gọi vốn mới. Và Joshi đúng: nó sẽ lăn sang lớp tiếp theo.
Lớp 3: Ứng dụng (AI Apps) Đây là lớp mà tôi quan tâm nhất. Bởi vì nó liên quan trực tiếp đến công việc của tôi: tích hợp ZK-proofs vào mô hình học máy.
Các ứng dụng AI hiện tại có tỷ lệ giữ chân người dùng thấp. ChatGPT có DAU ấn tượng, nhưng bao nhiêu người dùng trả tiền? Các công cụ AI code assistant như Copilot có doanh thu tốt, nhưng chi phí cung cấp dịch vụ cũng cao.
Điểm mù ở đây: thị trường đang định giá các công ty ứng dụng AI dựa trên tăng trưởng người dùng, không phải lợi nhuận. Đây là mô hình dot-com thuần túy.
Bây giờ, tôi muốn nói về điều mà Joshi và tất cả các báo cáo tôi đọc đều bỏ qua: chi phí chứng minh của ZK trong AI.
Năm 2025, tôi làm technical lead cho một dự án tích hợp zk-SNARKs vào mô hình neural network. Tôi đã tự tay prototype một hệ thống chứng minh tính toàn vẹn của đầu ra mô hình. Kết quả: chi phí chứng minh cao đến mức phi lý.
Một giao dịch ZK-proof trên Ethereum có thể tốn vài trăm đô la gas. Với AI inference, mỗi lần chạy mô hình cần một proof. Nếu bạn muốn chạy AI trên chain, bạn sẽ phá sản.
Đây là lý do tại sao tôi tin rằng "bong bóng cuốn chiếu" của Joshi có một điểm yếu chết người: nó bỏ qua các ràng buộc kỹ thuật cơ bản.
Các nhà đầu tư đang đặt cược vào AI như một công nghệ có thể mở rộng vô hạn. Nhưng thực tế: chi phí tính toán, chi phí năng lượng, và chi phí chứng minh (nếu bạn muốn phi tập trung hóa) đều đang tăng nhanh hơn doanh thu.
Hãy quay lại câu hỏi cốt lõi: "Bong bóng AI có vỡ không?"
Tôi không nghĩ nó vỡ theo kiểu sụp đổ toàn bộ. Tôi nghĩ nó sẽ "lăn" như Joshi nói, nhưng với một kết cục khác: sự phân hóa cực đoan giữa các lớp.
- Lớp hạ tầng (GPU) sẽ giữ giá trị lâu nhất, vì nó có tính hữu dụng thực tế. Ngay cả khi không có AI, GPU vẫn dùng cho game, render, và các tác vụ tính toán khác.
- Lớp mô hình sẽ chịu áp lực lớn nhất. Chi phí đào tạo tăng, doanh thu không theo kịp. Các công ty mô hình sẽ phải sáp nhập hoặc phá sản.
- Lớp ứng dụng sẽ sống sót, nhưng chỉ những ứng dụng có ROI rõ ràng mới tồn tại. AI code assistant, AI customer service, AI trong y tế... Những thứ có thể đo lường được năng suất.
Điều mà tôi muốn nói với các bạn, những người đang đọc bài viết này: đừng mua vào câu chuyện "AI sẽ thay đổi mọi thứ" mà không kiểm tra con số.
Tôi đã làm việc trong lĩnh vực blockchain từ năm 2017. Tôi đã thấy ICO bùng nổ rồi sụp đổ. Tôi đã thấy DeFi Summer rồi mùa đông. Tôi đã thấy NFT lên xuống.
Mỗi lần, câu chuyện đều giống nhau: một công nghệ mới, một làn sóng đầu tư, một niềm tin rằng "lần này khác". Và mỗi lần, nó chỉ khác ở chỗ: cấu trúc thất bại thay đổi.
Với AI, cấu trúc thất bại là sự mất cân bằng giữa chi phí và doanh thu, được che giấu bởi các vòng gọi vốn liên tục.
Tôi có một thói quen: khi đọc một báo cáo đầu tư, tôi luôn tìm xem tác giả có đưa ra dữ liệu gốc không, hay chỉ là suy luận. Joshi, từ những gì tôi thấy, đưa ra một khung suy luận thú vị, nhưng thiếu dữ liệu định lượng.
Tôi không nói ông ấy sai. Tôi nói rằng: bong bóng cuốn chiếu là một mô tả tốt, nhưng nó không phải là một dự báo.
Nếu bạn muốn dự báo, hãy nhìn vào chi phí GPU. Hãy nhìn vào doanh thu API. Hãy nhìn vào tỷ lệ giữ chân người dùng.
Và nếu bạn là một developer, hãy nhìn vào mã nguồn. Bởi vì trong mã nguồn, không có chỗ cho bong bóng. Chỉ có logic và chi phí.
Tôi kết thúc bài viết này bằng một câu hỏi, không phải một câu trả lời:
Nếu chi phí chứng minh ZK cho AI không giảm 90% trong 2 năm tới, thì toàn bộ câu chuyện về "AI phi tập trung" sẽ sụp đổ. Và nếu AI phi tập trung sụp đổ, thì phần nào của bong bóng AI sẽ chịu ảnh hưởng đầu tiên?
Tôi không có câu trả lời. Nhưng tôi có một cảm giác khó chịu trong bụng.
Và cảm giác đó, từ 26 năm làm việc trong ngành, thường không sai.