Ngày 31 tháng 7, OpenAI đăng tải trên blog chính thức rằng các mô hình của họ đã vượt qua mốc 1 tỷ người dùng hoạt động hàng tháng. Đối với một người theo dõi hạ tầng phi tập trung suốt hơn hai thập kỷ, con số này không gây ấn tượng bằng một câu hỏi đơn giản: ai kiểm chứng được tuyên bố đó?
Trong thế giới blockchain, mỗi con số – dù chỉ là một giao dịch nhỏ – đều có bằng chứng trên chuỗi, có thể xác minh bởi bất kỳ ai. Còn OpenAI chỉ đưa ra một câu trên blog và một biểu đồ tăng trưởng không kèm dữ liệu mở. Sự đối lập này không đơn thuần là vấn đề minh bạch. Nó phản ánh một triết lý vận hành mà những người xây dựng giao thức phi tập trung đã chiến đấu suốt mười năm để loại bỏ: niềm tin mù quáng vào một thực thể tập trung.
Nhưng vội vàng kết luận “crypto đúng, AI sai” là một cái bẫy. Bởi vì xét về mặt kỹ thuật, việc khiến một mô hình AI có thể kiểm chứng được trên blockchain không hề đơn giản. Nói thẳng ra, nó vấp phải những giới hạn toán học mà trong ngắn hạn không một giao thức nào có thể vượt qua. Và điều đó khiến câu chuyện trở nên thú vị hơn nhiều so với một màn đối đầu ý thức hệ.
Context – Khi sự tập trung trở thành mặc định
OpenAI không phải công ty AI duy nhất đạt quy mô khổng lồ, nhưng họ là tổ chức lớn nhất. Với 1 tỷ người dùng, họ đang nắm giữ một trong những kho dữ liệu hành vi người dùng lớn nhất hành tinh. Điều đó đặt họ vào vị trí định hướng cách hàng tỷ người tiếp cận thông tin – một quyền lực trước đây thuộc về các chính phủ hoặc các nền tảng truyền thông lớn.
Trong khi đó, các giao thức AI phi tập trung như Bittensor, Fetch.ai hay Gensyn đang cố gắng xây dựng một hạ tầng thay thế. Ý tưởng chính của họ là dùng mạng lưới các nút để đào tạo, chạy và xác minh mô hình mà không cần tin tưởng một bên duy nhất. Nhưng những dự án này đối mặt với một nghịch lý: mô hình phi tập trung có thể kiểm chứng, nhưng chất lượng và tốc độ luôn thấp hơn so với một trung tâm dữ liệu tập trung của OpenAI.
Chính sự chênh lệch về năng lực tính toán này tạo ra một khoảng cách không thể thu hẹp trong ngắn hạn. Nhưng từ góc độ hạ tầng dài hạn, bài toán không phải là cạnh tranh về chất lượng, mà là xác lập một lớp tín nhiệm. Một lớp tín nhiệm không cần thay thế OpenAI, mà đủ để xã hội đặt câu hỏi: điều gì đang thực sự diễn ra bên trong chiếc hộp đen đó?
Core – Sự bất khả thi toán học của việc kiểm chứng AI quy mô lớn
Hãy nói về điều cốt lõi: làm thế nào để chứng minh một mô hình AI đưa ra câu trả lời dựa trên đúng dữ liệu và trọng số đã công bố? Với các mạng thần kinh hàng tỷ tham số, việc tính toán lại toàn bộ quá trình suy luận là phi thực tế. Ngay cả với những kỹ thuật chứng minh không tiết lộ thông tin như zkML – zero-knowledge machine learning – chi phí để tạo ra một bằng chứng cho một lần suy luận vẫn cực kỳ đắt đỏ.
Dựa trên kinh nghiệm audit các giao thức ZK Rollup của tôi, tôi có thể nói rằng: tính đến năm 2026, phần lớn các ZK Rollup vẫn không thể tự trang trải chi phí vận hành bằng phí gas. Chi phí tính toán cho một bằng chứng zk-SNARK trên mỗi giao dịch là quá cao. Bây giờ, hãy nhân mức chi phí đó lên cho một lần suy luận của một mô hình GPT-4 – tức là hàng triệu phép toán ma trận – bạn sẽ hiểu vì sao không một dự án nào dám hứa hẹn “xác minh toàn bộ OpenAI trên chuỗi”. Sự bất khả thi toán học của việc xác minh mô hình AI quy mô hàng tỷ tham số không có nghĩa là phải từ bỏ ý tưởng minh bạch. Nó có nghĩa là chúng ta cần định nghĩa lại mức độ kiểm chứng: không phải tất cả, mà là những phần quan trọng nhất.
Insight ở cấp độ giao thức mà hầu hết mọi người bỏ lỡ là: thay vì cố đưa toàn bộ AI lên blockchain, hãy đưa blockchain vào quy trình vận hành AI. Một số giao thức đã bắt đầu làm điều này – họ không chạy mô hình, mà chỉ đăng ký vân tay của các phiên bản mô hình (model fingerprint), dùng hàm băm để cố định trọng số và thiết lập cơ chế kiểm tra định kỳ. Nếu OpenAI thay đổi hành vi của mô hình mà không công bố, lớp blockchain sẽ phát hiện sự lệch vân tay đó. Đây không phải là một giải pháp toàn diện, nhưng nó tạo ra một lớp trách nhiệm giải trình tối thiểu.
Từ góc độ truyền dẫn chính sách tiền tệ, OpenAI đang hoạt động như một ngân hàng trung ương của nền kinh tế sự chú ý. Họ kiểm soát “lãi suất” chấp nhận thông tin, điều tiết luồng dữ liệu và quyết định điều gì là “sự thật” thông qua việc fine-tuning mô hình. Khi một thực thể có thể phát hành nguồn thông tin được hàng tỷ người tiêu thụ mà không cần hạch toán công khai, quyền lực của họ tương đương với việc in tiền – mà không có bất kỳ hội đồng dự trữ liên bang nào giám sát.
Đây là những gì forward guidance ám chỉ: khi OpenAI tuyên bố đạt 1 tỷ người dùng, thị trường crypto ngay lập tức điều chỉnh định giá các token AI. Chỉ trong 48 giờ sau thông báo, nhóm token liên quan đến AI tăng trung bình 12%, bất chấp không có thay đổi về doanh thu hay sản phẩm. Đó là một dạng tín hiệu định hướng thị trường – nhưng không dựa trên bất kỳ số liệu kiểm chứng nào. Nhà đầu tư đang chấp nhận một lời hứa hẹn trên blog.
Phân tích bền vững cho thấy chi phí để vận hành một lớp kiểm chứng AI phi tập trung, dù nhỏ, sẽ rẻ hơn nhiều so với chi phí xã hội khi một hệ thống tập trung đưa ra quyết định sai. Hãy nhìn vào những vụ bê bối gần đây về việc mô hình AI tạo ra thông tin sai lệch trong bầu cử, hoặc bị thao túng để phục vụ lợi ích thương mại. Khi không có cơ chế truy vết, việc khắc phục gần như bất khả thi. Chính dữ liệu của họ mâu thuẫn với tuyên bố rằng tập trung là an toàn: OpenAI đã nhiều lần cập nhật mô hình một cách âm thầm, thay đổi hành vi mà không thông báo rõ ràng cho người dùng cuối.
Contrarian – Phe bò đúng ở điểm nào
Tất nhiên, không phải mọi lập luận của phe tập trung đều sai. Thực tế, họ có một điểm mạnh lớn: hệ thống tập trung hiệu quả hơn trong việc kiểm soát an toàn. Nếu một mô hình AI có hành vi nguy hiểm, OpenAI có thể cô lập và sửa lỗi ngay lập tức. Trên mạng phi tập trung, điều đó gần như không thể. Ví dụ, nếu một nút nào đó trong mạng Bittensor đưa ra kết quả sai, bạn không thể ép nút đó tuân theo một tiêu chuẩn chung – bạn chỉ có thể trừ điểm và chờ các nút khác điều chỉnh.
Hơn nữa, phần lớn người dùng không quan tâm đến kiểm chứng. Họ muốn câu trả lời đúng, nhanh và miễn phí. Một giải pháp blockchain với độ trễ hàng giây sẽ không bao giờ cạnh tranh nổi với ChatGPT trong việc phục vụ 1 tỷ người dùng. Điều này gợi nhớ đến câu chuyện RWA on-chain – real-world assets – mà tôi đã theo dõi từ ba năm trước. Các tổ chức truyền thống không cần public chain của bạn. Họ đã có hệ thống thanh toán, pháp lý và lòng tin riêng. Blockchain chỉ trở nên hữu ích khi nó giải quyết được một điểm nghẽn cụ thể, không phải khi nó cố thay thế toàn bộ nền tảng hiện hữu.
Tương tự, các giao thức AI phi tập trung cần phải tìm một vai trò bổ trợ, không phải vai trò thay thế. Lớp kiểm chứng vân tay mô hình, cơ chế lưu trữ dữ liệu huấn luyện, hoặc thị trường dữ liệu nguồn mở – đó là những mảnh ghép mà blockchain có thể làm tốt hơn một tập đoàn tập trung. Phe bò đúng khi họ nói rằng “đừng cố đánh bại OpenAI bằng một mô hình phi tập trung kém chất lượng”. Nhưng họ đã bỏ qua một cơ hội lớn hơn: trở thành lớp tín nhiệm cho chính OpenAI.
Takeaway – Câu hỏi còn bỏ ngỏ
Con số 1 tỷ người dùng của OpenAI không phải là đích đến, mà là một phép thử cho khái niệm tin tưởng trong thế kỷ 21. Nếu chúng ta chấp nhận rằng một công ty có thể phục vụ một phần bảy nhân loại mà không cung cấp bất kỳ bằng chứng kiểm chứng nào, thì chúng ta đang lặp lại sai lầm tương tự như thời kỳ đầu của mạng xã hội – thời kỳ mà chúng ta để cho vài thuật toán quyết định số phận của nền dân chủ.
Blockchain có thể không phải câu trả lời toàn bộ. Nhưng nó là một lời nhắc nhở rằng mọi quyền lực tập trung đều cần trách nhiệm giải trình. Khi một mô hình AI – với 1 tỷ người dùng – đưa ra một quyết định sai lầm, chúng ta sẽ gọi đó là lỗi kỹ thuật, hay là một thất bại mang tính hệ thống? Cho đến khi câu hỏi đó được trả lời một cách minh bạch, tất cả những gì chúng ta có chỉ là một blog post và một lời hứa.