Hook
Tuần trước, khi tôi đang kiểm tra mã nguồn của một giao thức lending mới trên Arbitrum, một học viên từ ChainLearn gửi cho tôi tweet của Zhu Su: “AI cuối cùng sẽ trở thành hàng hóa như dầu mỏ, với lợi nhuận tập trung vào hạ tầng và phân phối, không phải mô hình.” Tôi dừng lại. Câu nói ấy không chỉ đúng với AI – nó là tấm gương phản chiếu chính xác những gì đang xảy ra trong crypto. Khi nhìn vào cơn sốt GPU DePIN, token hóa dữ liệu, và các dự án “AI + blockchain” huy động hàng trăm triệu USD, tôi thấy một câu chuyện lịch sử lặp lại. Và nếu không hiểu cấu trúc, chúng ta sẽ lại mắc bẫy.
Context
Zhu Su, đồng sáng lập Three Arrows Capital, không phải là nhà kỹ thuật. Nhưng với kinh nghiệm 25 năm quan sát thị trường (tôi bắt đầu từ năm 1999 với mật mã học thô sơ), tôi biết rằng những người như anh ta thường nhìn thấy mô hình trước khi dữ liệu xác nhận. Bài viết gần đây của anh ta đưa ra phép so sánh: AI cũng giống dầu mỏ – một nguồn tài nguyên được khai thác, tinh chế, và cuối cùng trở thành hàng hóa. Lợi nhuận sẽ không thuộc về người tạo ra mô hình tốt nhất, mà thuộc về kẻ sở hữu hạ tầng và kiểm soát chi phí. Phép so sánh này, khi áp vào crypto, mở ra một góc nhìn phản trực giác về cách chúng ta đang định giá token và đầu tư.
Core
1. Bản chất của “hàng hóa” trong crypto
Trong thế giới dầu mỏ, mọi thùng dầu Brent đều giống nhau sau khi tinh chế. Giá được quyết định bởi cung-cầu toàn cầu, không phải bởi thương hiệu. Trong crypto, tôi thấy điều tương tự đang diễn ra với các layer 1 và layer 2. Ethereum, Solana, Avalanche – về mặt kỹ thuật, chúng khác nhau, nhưng với đa số người dùng, chúng chỉ là “mạng để chạy app”. Token của chúng đang dần trở thành hàng hóa: giá phụ thuộc vào thanh khoản và tâm lý, không phải vào khác biệt kiến trúc. Tôi đã viết trong khóa học “DeFi cho người mới” năm 2020: “Nhìn vào cấu trúc, đừng chỉ nhìn giá.” Bây giờ, cấu trúc đó đang hội tụ. Khi các giải pháp sharding, zk-rollup, và DAG trở nên phổ biến, sự khác biệt về thông lượng hay phí giao dịch sẽ biến mất. Giống như dầu mỏ, chỉ còn lại cuộc chiến về chi phí vận hành và quy mô.
2. Hạ tầng là “mỏ dầu” mới
Zhu Su nhấn mạnh rằng AI cần vốn khổng lồ do nhà nước hậu thuẫn. Trong crypto, hạ tầng tương tự là các nhà cung cấp dịch vụ staking, oracle, và cross-chain bridge. Lấy ví dụ từ kinh nghiệm cá nhân: năm 2017, khi audit hợp đồng ICO của Gnosis, tôi phát hiện lỗ hổng trong cơ chế oracle có thể gây thất thoát 1,2 triệu USD. Lúc đó, tôi nhận ra rằng oracle là mắt xích yếu nhất – cũng giống như đường ống dẫn dầu. Nếu bạn kiểm soát oracle, bạn kiểm soát dòng chảy giá trị. Hôm nay, các dự án như Chainlink, Pyth, hay Wormhole đang chiếm vị trí chiến lược ấy. Đầu tư vào hạ tầng không phải là đánh cược vào một token cụ thể, mà là đặt cược vào toàn bộ hệ sinh thái. Đó là lý do tôi khuyên học viên ChainLearn: “Giáo dục không phải đặc quyền, là quyền.” Và quyền đó bắt đầu bằng việc hiểu lớp nào đang thực sự tạo ra giá trị bền vững.
3. Dữ liệu là “dầu thô” – nhưng ai sở hữu giàn khoan?
Trong mô hình AI, dữ liệu là dầu thô. Trong crypto, dữ liệu on-chain cũng vậy. Nhưng điểm mù là: dầu thô không có giá trị nếu không có giàn khoan và nhà máy lọc dầu. Tương tự, dữ liệu giao dịch thô từ blockchain không tạo ra lợi nhuận cho đến khi được xử lý, phân tích và bán lại. Các công ty như Dune Analytics, Nansen, hay The Graph đang đóng vai trò “nhà máy lọc dầu”. Họ mua dữ liệu thô (thường là miễn phí từ node) và bán insight đã tinh chế. Nếu AI trở thành hàng hóa, thì dữ liệu cũng vậy. Nhưng những ai sở hữu quy trình tinh chế độc quyền sẽ giữ được biên lợi nhuận. Bài học: đừng chạy theo token dữ liệu nếu bạn không hiểu ai đang thực sự kiểm soát pipeline.
4. Phép so sánh với DeFi Summer 2020
DeFi Summer là một trong những giai đoạn tôi nhớ nhất. Năm 2020, tôi bỏ 200.000 USD tiền tiết kiệm để xây ChainLearn, và chứng kiến hàng loạt dự án yield farming ra đời. APY 1000% bay bổng trong vài tuần, rồi biến mất khi thanh khoản rút. Bây giờ nhìn lại, đó chính là “cơn sốt dầu mỏ” thu nhỏ: ai cũng đổ xô khai thác, nhưng chỉ những người bán cuốc xẻng (các nền tảng aggregator, audit, education) mới có lợi nhuận bền vững. Zhu Su gọi đó là “quy luật hàng hóa”. Tôi gọi đó là bài học 25 năm: khi công nghệ trưởng thành, lợi thế cạnh tranh chuyển từ innovation sang execution.
Contrarian
Tuy nhiên, tôi không đồng ý hoàn toàn với Zhu Su. Phép so sánh AI-dầu mỏ bỏ qua một điểm khác biệt then chốt: dầu mỏ là tài nguyên hữu hạn và không thể tự cải thiện. AI – và crypto – có tính chất phát sinh: càng dùng, càng thông minh. Một mô hình AI có thể tự học từ dữ liệu mới, sinh ra dữ liệu mới, tạo ra vòng lặp cải tiến. Tương tự, một mạng blockchain có thể nâng cấp thông qua fork hoặc governance. Điều này khiến cho “hàng hóa” trong thế giới số không hoàn toàn giống dầu mỏ. Lợi nhuận có thể vẫn tập trung vào người tiên phong nếu họ duy trì được tốc độ đổi mới. Lấy ví dụ: Ethereum đã từng bị coi là hàng hóa so với Bitcoin, nhưng nhờ cập nhật EIP-1559 và chuyển sang PoS, nó vẫn giữ được premium so với các layer 1 khác. Vì vậy, tôi cho rằng “hàng hóa” trong tech là một phổ, không phải điểm cuối cố định.
Một góc nhìn phản trực giác khác: trong khi Zhu Su nói rằng AI cần vốn nhà nước, crypto lại chứng minh rằng vốn cộng đồng (crowdsale, DAO treasury) có thể tài trợ hạ tầng ở quy mô tương đương. ChainLearn là một ví dụ: tôi gọi vốn 500.000 USD từ cộng đồng, không cần VC hay chính phủ. Các giao thức như Uniswap, Compound, hay Aave đều xây dựng từ cộng đồng. Điều này tạo ra một mô hình phân phối giá trị khác: không phải quốc gia, mà là mạng lưới người dùng sở hữu hạ tầng. Nếu AI cũng đi theo hướng này (như dự án Bittensor), phép so sánh dầu mỏ sẽ sụp đổ.
Takeaway
Cuối cùng, điều quan trọng không phải là tin hay không tin Zhu Su. Mà là hiểu rằng mọi thị trường đều có chu kỳ: từ khám phá đến cơn sốt, rồi đến hàng hóa hóa. Crypto cũng không ngoại lệ. Nhưng trong một thế giới mà giáo dục mở và phân phối quyền lực là mục tiêu, chúng ta có thể thiết kế một hệ thống không bị mắc kẹt trong bẫy hàng hóa. Câu hỏi dành cho bạn: bạn đang khai thác dầu, hay đang xây dựng nhà máy lọc dầu của riêng mình?
