Kinh doanh AI không kiếm được tiền? DeAI đã bắt đầu xuất hiện.

Tác giả: Trương Phong

Trí tuệ nhân tạo (AI) chắc chắn là lĩnh vực công nghệ nóng nhất toàn cầu, công nghệ AI đang tái cấu trúc các ngành nghề với tốc độ chưa từng có. Tuy nhiên, đằng sau sự phồn thịnh ồn ào là một thực tế tàn khốc rằng phần lớn các doanh nghiệp AI, đặc biệt là các công ty khởi nghiệp, chưa tìm được con đường lợi nhuận ổn định và bền vững. Họ rơi vào tình cảnh “khen ngợi mà không có doanh thu”, sự thịnh vượng về công nghệ và thua lỗ trong kinh doanh đồng tồn tại.

Một, tại sao lại “lỗ vốn nhưng vẫn kêu gọi”?

Nỗi khổ về lợi nhuận của doanh nghiệp AI không phải xuất phát từ sự thất bại của chính công nghệ, mà là do mô hình phát triển tập trung của nó dẫn đến mâu thuẫn cấu trúc. Cụ thể, có thể được tóm gọn thành ba lý do chính:

Tập trung cực đoan: Chi phí trên trời và độc quyền oligopoly. AI chủ đạo hiện nay, đặc biệt là các mô hình lớn, là một ngành công nghiệp “tài sản nặng” điển hình. Quá trình đào tạo và suy diễn của nó cần tiêu tốn một lượng lớn sức mạnh tính toán (GPU), lưu trữ và điện năng. Điều này dẫn đến sự phân cực: một bên là những gã khổng lồ công nghệ với vốn mạnh (như Google, Microsoft, OpenAI), có khả năng chi hàng triệu thậm chí hàng tỷ đô la; bên kia là một số lượng lớn các công ty khởi nghiệp, buộc phải dâng phần lớn vốn cho các nhà cung cấp dịch vụ đám mây để có được sức mạnh tính toán, biên lợi nhuận bị ép cực kỳ chặt chẽ. Mô hình này hình thành “oligopoly sức mạnh tính toán”, kìm hãm sự đổi mới. Ví dụ, ngay cả OpenAI, trong giai đoạn phát triển sớm của mình, cũng đã phụ thuộc nghiêm trọng vào khoản đầu tư khổng lồ của Microsoft và tài nguyên điện toán đám mây Azure, mới có thể hỗ trợ nghiên cứu và vận hành ChatGPT. Đối với hầu hết các người chơi, chi phí cố định cao khiến họ khó khăn để đạt được lợi nhuận quy mô.

Nghịch lý dữ liệu: Rào cản chất lượng và rủi ro quyền riêng tư. Nhiên liệu của AI là dữ liệu. Các công ty AI tập trung thường phải đối mặt với hai vấn đề lớn để có được dữ liệu huấn luyện chất lượng cao và quy mô lớn. Thứ nhất, chi phí thu thập dữ liệu rất cao. Dù là thông qua thu thập có trả phí, gán nhãn dữ liệu, hay sử dụng dữ liệu người dùng, đều liên quan đến đầu tư khổng lồ về tài chính và thời gian. Thứ hai, rủi ro quyền riêng tư và tuân thủ dữ liệu rất lớn. Khi các quy định dữ liệu toàn cầu (như GDPR, CCPA) ngày càng nghiêm ngặt, hành vi thu thập và sử dụng dữ liệu mà không có sự cho phép rõ ràng từ người dùng có thể dẫn đến kiện tụng pháp lý và phạt tiền khổng lồ bất cứ lúc nào. Ví dụ, nhiều công ty công nghệ nổi tiếng đã phải đối mặt với các khoản phạt khổng lồ vì vấn đề sử dụng dữ liệu. Điều này tạo ra một nghịch lý: Không có dữ liệu thì không thể phát triển AI, nhưng việc thu thập và sử dụng dữ liệu lại gặp nhiều khó khăn.

Phân phối giá trị mất cân bằng: Người đóng góp và người sáng tạo bị loại trừ khỏi lợi nhuận. Trong hệ sinh thái AI hiện tại, việc phân phối giá trị cực kỳ không công bằng. Việc đào tạo mô hình AI phụ thuộc vào vô số dữ liệu hành vi do người dùng tạo ra, nội dung do các nhà sáng tạo sản xuất (văn bản, hình ảnh, mã, v.v.) và mã nguồn mở do các nhà phát triển toàn cầu đóng góp. Tuy nhiên, những người đóng góp cốt lõi này gần như không thể nhận được bất kỳ sự đền bù nào từ giá trị thương mại khổng lồ mà mô hình AI tạo ra. Đây không chỉ là vấn đề đạo đức mà còn là một mô hình kinh doanh không bền vững. Nó làm giảm động lực của những người đóng góp dữ liệu và những người sáng tạo nội dung, về lâu dài, sẽ xói mòn nền tảng cho việc tối ưu hóa và đổi mới liên tục của mô hình AI. Một trường hợp điển hình là nhiều nghệ sĩ và nhà văn cáo buộc các công ty AI sử dụng tác phẩm của họ để đào tạo và kiếm lợi mà không được đền bù, điều này đã gây ra tranh cãi và tranh chấp pháp lý rộng rãi.

Hai, Mô hình lợi nhuận mới

DeAI (AI phi tập trung) không phải là một công nghệ đơn lẻ, mà là một mô hình mới kết hợp giữa blockchain, mật mã và tính toán phân tán. Nó nhằm mục đích tái cấu trúc quan hệ sản xuất AI theo cách phi tập trung, từ đó giải quyết một cách có mục tiêu ba vấn đề chính đã nêu, mở ra khả năng sinh lợi.

DeAI thông qua mô hình “crowdsourcing” phân tán nhu cầu tính toán đến các nút nhàn rỗi trên toàn cầu (máy tính cá nhân, trung tâm dữ liệu, v.v.). Điều này tương tự như “Airbnb cho GPU”, tạo ra một thị trường tính toán toàn cầu, cạnh tranh, có thể giảm đáng kể chi phí tính toán. Những người tham gia nhận được phần thưởng token bằng cách đóng góp sức mạnh tính toán, từ đó tối ưu hóa việc phân bổ tài nguyên.

DeAI thông qua các công nghệ như “học liên bang” và “mã hóa đồng nhất” để thực hiện “dữ liệu không di chuyển, mô hình di chuyển”. Nó không cần phải tập trung dữ liệu gốc ở một nơi, mà phân phối mô hình đến các nguồn dữ liệu để thực hiện đào tạo tại chỗ, chỉ tổng hợp các cập nhật tham số đã được mã hóa. Điều này bảo vệ quyền riêng tư dữ liệu một cách cơ bản, đồng thời hợp pháp và tuân thủ việc sử dụng giá trị dữ liệu phân tán. Chủ sở hữu dữ liệu có thể tự quyết định có cung cấp dữ liệu hay không và từ đó kiếm lợi.

DeAI thông qua “kinh tế token” và “hợp đồng thông minh”, đã xây dựng một hệ thống phân phối giá trị minh bạch và công bằng. Những người đóng góp dữ liệu, nhà cung cấp năng lực tính toán, nhà phát triển mô hình cho đến người sử dụng mô hình, đều có thể tự động nhận được phần thưởng token tương ứng dựa trên mức độ đóng góp của họ thông qua hợp đồng thông minh. Điều này biến AI từ một “hộp đen” do các ông lớn kiểm soát thành một nền kinh tế mở, được xây dựng, quản lý và chia sẻ bởi cộng đồng.

Ba, Chuyển đổi kiến trúc ba lớp

Việc chuyển đổi các hoạt động AI tập trung truyền thống sang mô hình DeAI cần phải thực hiện một sự tái cấu trúc hệ thống ở ba cấp độ: công nghệ, kinh doanh và quản trị.

(Một) Tái cấu trúc công nghệ từ tập trung sang phân phối

Lớp sức mạnh tính toán dựa trên mạng lưới cơ sở hạ tầng vật lý phi tập trung (DePIN), như Akash Network, Render Network, v.v., xây dựng các bể sức mạnh tính toán phân tán linh hoạt, chi phí thấp, thay thế cho dịch vụ đám mây tập trung truyền thống.

Lớp dữ liệu sử dụng học liên bang làm khung đào tạo cốt lõi, kết hợp với mã hóa đồng nhất, tính toán đa bên an toàn và các công nghệ mật mã khác, đảm bảo quyền riêng tư và an toàn dữ liệu. Thiết lập thị trường dữ liệu dựa trên blockchain, như Ocean Protocol, để dữ liệu có thể được giao dịch trên cơ sở quyền sở hữu và an toàn.

Lớp mô hình triển khai mô hình AI đã được đào tạo dưới dạng “Hợp đồng thông minh AI” trên blockchain, làm cho nó trở nên minh bạch, có thể xác minh và có thể gọi mà không cần giấy phép. Mỗi lần sử dụng mô hình và lợi nhuận phát sinh đều có thể được ghi lại và phân phối một cách chính xác.

(II) Tái cấu trúc kinh doanh từ dịch vụ bán hàng đến xây dựng hệ sinh thái chung

Từ SaaS đến DaaS (Dữ liệu như một dịch vụ) và MaaS (Mô hình như một dịch vụ), các doanh nghiệp không còn chỉ bán số lần gọi API, mà trở thành những người xây dựng hệ sinh thái, thông qua việc phát hành token chức năng hoặc token quản trị, khuyến khích cộng đồng tham gia vào việc xây dựng mạng lưới. Nguồn thu nhập không chỉ dừng lại ở phí dịch vụ đơn lẻ, mà mở rộng thành việc gia tăng giá trị token do sự phát triển của hệ sinh thái, chia sẻ phí giao dịch, v.v.

Do đó, xây dựng một nền tảng nhiệm vụ phi tập trung, phát hành các nhiệm vụ như gán nhãn dữ liệu, tinh chỉnh mô hình, phát triển ứng dụng cho các tình huống cụ thể dưới hình thức “tiền thưởng”, để các thành viên trong cộng đồng toàn cầu đảm nhận và nhận thưởng, từ đó giảm thiểu chi phí vận hành và kích thích sức sáng tạo.

(3) Tái cấu trúc quản trị từ công ty sang DAO

Dựa trên quản trị cộng đồng, thông qua việc nắm giữ token quản trị, các thành viên trong cộng đồng (người đóng góp, người dùng) có quyền bỏ phiếu cho các quyết định quan trọng, chẳng hạn như hướng điều chỉnh tham số mô hình, việc sử dụng quỹ quốc khố, ưu tiên phát triển tính năng mới, v.v. Điều này thực hiện được “người dùng chính là chủ sở hữu”.

Dựa trên sự mở và minh bạch, đưa tất cả mã nguồn, mô hình (một phần có thể mã nguồn mở), hồ sơ giao dịch và quyết định quản trị lên chuỗi, đảm bảo quá trình công khai và minh bạch, xây dựng mối quan hệ hợp tác không cần tin tưởng, điều này bản thân nó đã trở thành một tài sản thương hiệu mạnh mẽ và sự bảo chứng tin cậy.

Lấy ví dụ về việc chuyển đổi từ nền tảng dữ liệu logistics truyền thống sang DeAI, khó khăn của nền tảng dữ liệu logistics truyền thống là mặc dù nó tập hợp dữ liệu từ các bên như vận tải biển, vận tải đường bộ, kho bãi, nhưng các bên tham gia “không muốn chia sẻ” do lo ngại sự rò rỉ bí mật thương mại, dẫn đến các hòn đảo dữ liệu, giá trị của nền tảng bị hạn chế. Cốt lõi của việc chuyển đổi sang DeAI là giải phóng giá trị dữ liệu và khuyến khích công bằng mà không tiết lộ dữ liệu gốc:

Xây dựng một mạng máy tính đáng tin cậy về mặt kỹ thuật. Nền tảng không còn lưu trữ dữ liệu một cách tập trung mà đã chuyển đổi thành một lớp điều phối dựa trên blockchain. Sử dụng các mô hình công nghệ như học tập liên bang, cho phép các mô hình AI “nhảy dù” đến các máy chủ cục bộ của từng doanh nghiệp (chẳng hạn như công ty vận tải, kho hàng) để tiến hành đào tạo, chỉ hợp nhất các cập nhật tham số đã được mã hóa, tối ưu hóa chung mô hình dự đoán toàn cầu (như thời gian tàu hàng đến cảng, rủi ro quá tải kho), hiện thực hóa “dữ liệu không di chuyển, giá trị di chuyển.”

Triển khai tài sản dữ liệu và khuyến khích bằng token trong kinh doanh. Phát hành điểm tích lũy hữu ích trên nền tảng, các công ty logistics sẽ “khai thác” điểm thưởng bằng cách đóng góp dữ liệu (tham số mô hình). Khách hàng ở hạ nguồn (như chủ hàng) sẽ thanh toán bằng token để truy vấn “kết quả dự đoán” có độ chính xác cao (ví dụ: tỷ lệ đúng giờ trong tuần tới cho một tuyến đường nhất định), thay vì mua dữ liệu gốc. Lợi nhuận sẽ được phân phối tự động cho các bên đóng góp dữ liệu thông qua hợp đồng thông minh.

Xây dựng DAO ngành trong quản trị, các quyết định quan trọng (như phát triển tính năng mới, điều chỉnh phí) sẽ được các chủ sở hữu token (tức là những người tham gia cốt lõi) cùng bỏ phiếu quản lý, biến nền tảng từ sự lãnh đạo của công ty tư nhân thành một cộng đồng ngành.

Nền tảng đã chuyển mình từ một tổ chức trung tâm cố gắng thu phí môi giới dữ liệu thành một hệ thống thần kinh xây dựng, quản lý và chia sẻ toàn bộ chuỗi ngành logistics, thông qua việc giải quyết vấn đề niềm tin, đã nâng cao đáng kể hiệu quả hợp tác trong ngành và khả năng chống rủi ro.

IV. Tuân thủ và An toàn

Mặc dù triển vọng của DeAI rất rộng lớn, nhưng sự phát triển của nó vẫn đang ở giai đoạn đầu, phải đối mặt với một loạt thách thức không thể xem nhẹ.

Tính tuân thủ và sự không chắc chắn về pháp lý. Về quy định dữ liệu, ngay cả khi dữ liệu không di chuyển, các mô hình như học liên bang vẫn cần tuân thủ nghiêm ngặt các yêu cầu về “giới hạn mục đích”, “tối thiểu hóa dữ liệu” và quyền của người dùng (như quyền bị quên) trong các quy định như GDPR khi xử lý dữ liệu cá nhân. Các nhà phát triển dự án phải thiết kế cơ chế cấp phép dữ liệu và rút lui tuân thủ.

Trong lĩnh vực quy định về chứng khoán, các token được phát hành của dự án rất dễ bị các cơ quan quản lý của các quốc gia (như SEC Hoa Kỳ) xác định là chứng khoán, do đó phải đối mặt với sự giám sát quy định nghiêm ngặt. Cách để tránh rủi ro pháp lý khi thiết kế mô hình kinh tế token là chìa khóa cho sự tồn tại của dự án.

Về trách nhiệm nội dung, nếu một mô hình DeAI được triển khai trên chuỗi tạo ra nội dung có hại, thiên kiến hoặc bất hợp pháp, ai sẽ là chủ thể chịu trách nhiệm? Là nhà phát triển mô hình, nhà cung cấp sức mạnh tính toán hay là người nắm giữ token quản trị? Điều này mang đến những vấn đề mới cho hệ thống pháp luật hiện tại.

Về thách thức an ninh và hiệu suất, an ninh mô hình có nghĩa là các mô hình được triển khai trên chuỗi công khai có thể phải đối mặt với các vectơ tấn công mới, chẳng hạn như khai thác lỗ hổng trong hợp đồng thông minh, hoặc phá hoại hệ thống học tập liên bang thông qua dữ liệu độc hại.

Nút thắt hiệu suất là tốc độ giao dịch (TPS) và giới hạn lưu trữ của chính blockchain, có thể không hỗ trợ các yêu cầu suy diễn mô hình lớn với tần suất cao và độ trễ thấp. Điều này cần sự kết hợp hiệu quả giữa giải pháp mở rộng Layer 2 và tính toán ngoài chuỗi.

Hiệu suất hợp tác tức là hợp tác phân tán tuy công bằng, nhưng hiệu suất quyết định và thực hiện có thể thấp hơn so với các công ty tập trung. Cách đạt được sự cân bằng giữa hiệu suất và công bằng là nghệ thuật mà quản trị DAO cần tiếp tục khám phá.

DeAI như một cuộc cách mạng trong quan hệ sản xuất, thông qua công nghệ phân phối, kinh tế token và quản trị cộng đồng, có khả năng phá vỡ sự độc quyền của các ông lớn, giải phóng sức mạnh tính toán và giá trị dữ liệu bị bỏ hoang trên toàn cầu, xây dựng một hệ sinh thái AI mới công bằng hơn, bền vững hơn và có thể mang lại lợi nhuận cao hơn.

Năm, Hướng khám phá hiện tại

Sự phát triển của các công cụ AI hiện tại còn một chặng đường dài để đạt được trí tuệ nhân tạo phi tập trung lý tưởng. Hiện tại, chúng ta vẫn đang ở giai đoạn đầu với các dịch vụ tập trung chủ yếu, nhưng một số cuộc khám phá đã chỉ ra hướng đi trong tương lai.

Khám phá hiện tại và thách thức tương lai. Mặc dù DeAI lý tưởng vẫn chưa được thực hiện, nhưng ngành công nghiệp đã tiến hành những thử nghiệm có giá trị, điều này giúp chúng ta nhìn rõ con đường tương lai và những trở ngại cần phải vượt qua.

Như hình mẫu hợp tác của hệ thống nhiều đại lý. Một số dự án đang khám phá việc xây dựng môi trường cho các đại lý AI hợp tác và tiến hóa cùng nhau. Ví dụ, dự án AMMO nhằm tạo ra một “mạng lưới cộng sinh giữa con người và AI”, với khung đại lý đa dạng được thiết kế và môi trường mô phỏng RL Gyms, cho phép các đại lý AI học cách hợp tác và cạnh tranh trong các tình huống phức tạp. Điều này có thể được coi là một nỗ lực để xây dựng các quy tắc tương tác cơ bản trong thế giới DeAI.

Cũng như những nỗ lực ban đầu của mô hình khuyến khích. Trong ý tưởng của DeAI, người dùng đóng góp dữ liệu và các nút cung cấp sức mạnh tính toán đều nên nhận được phần thưởng công bằng. Một số dự án đang cố gắng thông qua hệ thống khuyến khích dựa trên mã hóa để phân phối giá trị trở lại cho những người đóng góp trong hệ sinh thái. Tất nhiên, cách mà mô hình kinh tế này có thể hoạt động quy mô lớn, ổn định và công bằng vẫn là một thách thức lớn.

Ví dụ như hướng tới AI tự chủ hơn: Các sản phẩm thuộc loại Deep Research thể hiện sự tự chủ mạnh mẽ của AI trong các nhiệm vụ cụ thể (như tìm kiếm thông tin, phân tích). Chúng có khả năng tự lập kế hoạch, thực hiện các thao tác nhiều bước và tối ưu hóa kết quả qua các vòng lặp, khả năng tự động hóa nhiệm vụ này là nền tảng cho sự hoạt động độc lập của các tác nhân AI trong mạng DeAI trong tương lai.

Đối với những người làm trong lĩnh vực AI đang vật lộn trong Biển Đỏ, thay vì cố gắng trong một khuôn khổ cũ, hãy dũng cảm đón nhận DeAI như một Biển Xanh mới. Đây không chỉ là sự chuyển đổi trong lộ trình công nghệ mà còn là sự tái cấu trúc triết lý kinh doanh - từ “chiếm đoạt” sang “khuyến khích”, từ “đóng kín” sang “mở cửa”, từ “độc quyền lợi nhuận” sang “tăng trưởng bao trùm”.