Tôi không cần nhìn vào bảng giá token sáng nay để biết thị trường đang giảm.
Thứ làm tôi thức giấc là một tin nhắn từ founder của một giao thức compute phi tập trung: "Đội của tôi vừa mất 40% LP trong 7 ngày. Người dùng rút thanh khoản vì họ nghĩ AI bubble sắp vỡ."
Đó là lúc tôi mở tab phân tích của Crypto Briefing về bài phát biểu của Lisa Su — CEO AMD. Bà ấy nói về "AI turning point". Và tôi thấy một tín hiệu hoàn toàn khác với những gì thị trường đang hoảng loạn.
Bối cảnh: Khi AI và blockchain cùng đói GPU
Năm 2024, hai ngành công nghiệp lớn nhất đang tranh giành cùng một tài nguyên: GPU. Nvidia bán hết sạch H100 cho Microsoft, Meta, Google. AMD MI300X vừa ra mắt cũng bị ôm trọn bởi các hyperscaler. Trong khi đó, hàng trăm dự án DePIN (Decentralized Physical Infrastructure Networks) như Akash, Render, io.net, Gensyn đang cố gắng xây dựng thị trường compute phi tập trung — tận dụng GPU nhàn rỗi từ game thủ, nhà đầu tư crypto, hoặc các máy trạm nhỏ.
Nhưng giữa cơn khát GPU toàn cầu, Lisa Su tuyên bố rằng "AI đang bước vào một giai đoạn chuyển đổi có ý nghĩa". Bà ấy nói về sự đa dạng hóa nguồn cung, về việc AMD đã sẵn sàng với MI300X và đang nhận được sự quan tâm chưa từng có từ khách hàng. Bài báo từ Crypto Briefing phân tích chiều sâu chiến lược của AMD — nhưng với tôi, đây không chỉ là câu chuyện về bán dẫn, mà là về tương lai của nền kinh tế compute phi tập trung.
Phân tích kỹ thuật: MI300X có thực sự thay đổi cuộc chơi cho Web3?
Hãy nhìn vào thông số. MI300X có 192 GB HBM3, trong khi H100 chỉ 80 GB. Băng thông 5.2 TB/s, hơn H100 55%. Trong bài toán inference — đặc biệt là long-context, batch processing — MI300X vượt trội. Đây là điều mà các giao thức AI phi tập trung như Bittensor (các subnet inference) hay Allora (dự đoán thị trường) sẽ hưởng lợi trực tiếp. Vì sao? Vì inference là workload chính của các dApps AI, không phải training. Training đòi hỏi cluster hàng nghìn GPU với InfiniBand — thứ mà Nvidia thống trị tuyệt đối nhờ NVLink và Megatron-LM. Còn inference, đặc biệt là chạy model LLM cho người dùng cá nhân, không cần kết nối tốc độ cao giữa các GPU. Một node MI300X với 192 GB VRAM có thể chạy Llama 3 70B (8-bit quantized) trong một batch lớn hơn gấp đôi so với H100, giảm latency và tăng throughput.
Tín hiệu đầu tiên: ROCm 6.0 và cánh cửa mở cho Web3
Nvidia có CUDA — ecosystem kín, bản quyền mạnh, nhưng cũng là rào cản cho các dự án muốn tối ưu. AMD đã phát hành ROCm 6.0 với hỗ trợ PyTorch và TensorFlow tự nhiên hơn, và quan trọng nhất: ROCm là open-source. Với các nhóm Web3 — vốn quen với mã nguồn mở — việc tích hợp ROCm không yêu cầu giấy phép thương mại, chi phí thấp hơn. Nếu một giao thức như Gensyn (mạng lưới tính toán phi tập trung cho training) muốn hỗ trợ nhiều kiến trúc GPU, ROCm giúp họ giảm phụ thuộc vào Nvidia. Độc lập là giá trị cốt lõi của phi tập trung. Một thị trường GPU đa dạng hơn đồng nghĩa với khả năng phục hồi tốt hơn cho hạ tầng.
Tín hiệu thứ hai: Chiến lược giá và tác động lên giá GPU second-hand
Bài phân tích ghi chú rằng AMD có thể định giá MI300X thấp hơn H100 từ 30-50%. Khi AMD đẩy mạnh sản lượng — nếu họ thành công — GPU giá rẻ sẽ tràn vào thị trường. Điều này tác động trực tiếp lên nguồn cung cho các mạng compute phi tập trung. Akash, Render, io.net — tất cả đều phụ thuộc vào GPU của người dùng cá nhân và các nhà đầu tư nhỏ lẻ. Khi AMD đưa ra sản phẩm giá rẻ hơn, chi phí đầu tư ban đầu của một node provider giảm, từ đó tăng lợi nhuận khi cho thuê compute. Và khi Nvidia buộc phải giảm giá để cạnh tranh, toàn bộ thị trường GPU sơ cấp và thứ cấp sẽ rẻ hơn. Một chu kỳ tăng nguồn cung compute phi tập trung.
Góc nhìn phản trực giác: AI không cứu được GPU mining – nhưng ROCm có thể giết chết CUDA độc quyền
Đây là điểm tôi muốn dừng lại. Nhiều người nghĩ rằng AI boom sẽ kéo theo GPU mining quay lại. Sai. GPU mining (đào coin) đã chết từ khi Ethereum chuyển sang Proof-of-Stake. Nhưng những cỗ máy đó (card RTX 3090, 4090…) không chạy thuật toán mining nữa — chúng chạy inference cho các ứng dụng AI. Người dùng có thể kiếm tiền bằng cách cho thuê sức mạnh tính toán qua các giao thức DePIN. Và điều này phụ thuộc vào khả năng của các giao thức đó hỗ trợ AMD GPU, vì NVIDIA GPU đắt hơn và khan hiếm hơn. Nếu ROCm không đủ tốt, nếu các model AI chỉ tối ưu cho CUDA, thì các node chạy AMD sẽ bị bỏ lại — và mạng compute phi tập trung sẽ thất bại vì thiếu tính tương thích.
Phản trực giác số hai: AMD thắng, Nvidia thua – chưa chắc Web3 hưởng lợi
Bài phân tích chỉ ra rằng các khách hàng lớn (Microsoft, Meta) mua AMD chỉ để đa dạng hóa nguồn cung, không phải vì công nghệ vượt trội. Nếu AMD chỉ chiếm 10-15% thị phần AI, lượng GPU dư thừa cho thị trường thứ cấp sẽ rất nhỏ. Nvidia kiểm soát ecosystem quá chặt. Các startup Web3 phải tự tối ưu code để chạy trên AMD — điều này tốn thời gian và nhân lực. Trong mùa đông crypto, ai dám đầu tư vào tối ưu hóa cho một thị trường chưa chắc đã tồn tại? Đó là lý do vì sao tôi thấy nhiều dự án DePIN vẫn âm thầm mua H100 từ Nvidia dù giá cao gấp rưỡi.
Tầm nhìn tiến bộ: Sự hội tụ AI và blockchain sẽ sinh ra nền kinh tế compute phi tập trung
Tôi vẫn nhớ buổi tối tháng 12/2022, khi mất 80% danh mục, ngồi với 30 người lạ trong quán cà phê ở Manhattan, phân tích lỗi kiến trúc của Terra. Lúc đó tôi nói với họ: "Thị trường giảm là lúc tìm thấy những thứ thật sự bền vững." Hôm nay tôi cũng nói vậy với cộng đồng Web3. AI turning point của Lisa Su không phải là tin tức giảm giá cho token — nó là tín hiệu cho thấy compute đang trở thành hàng hóa. Nếu AMD thành công trong việc phá vỡ thế độc quyền của Nvidia, nguồn cung GPU trên thế giới sẽ phân tán hơn. Và chính sự phân tán đó là nền tảng cho một mạng lưới tính toán phi tập trung thực sự — nơi bất kỳ ai cũng có thể tham gia và kiếm tiền từ sức mạnh tính toán của mình.
Hãy nhìn vào dữ liệu, đừng nhìn vào FUD. Trong 7 ngày qua, một giao thức compute phi tập trung đã mất 40% LP. Nhưng lý do không phải vì AI chết — mà vì người dùng hoảng sợ khi thấy tin Nvidia bán chạy. Họ quên rằng AMD đang lặng lẽ xây một cây cầu. Và khi cây cầu hoàn thành, GPU sẽ không còn là của riêng Big Tech.