Kinh doanh AI không kiếm được tiền? Ánh sáng DeAI đã xuất hiện.

Tác giả: Trương Phong

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

Một, tại sao “lỗ vốn lại thu hút khách”?

Sự khó khăn trong việc kiếm lợi từ kinh doanh 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 những mâu thuẫn cấu trúc. Cụ thể, có thể tóm gọn trong ba lý do lớn sau đây:

Tập trung cực đoan: Chi phí trên trời và độc quyền của các tập đoàn. AI hiện tại, đặc biệt là các mô hình lớn, là một ngành công nghiệp điển hình của “tài sản nặng”. Quy trình huấn luyện và suy diễn cần tiêu tốn một lượng lớn sức mạnh tính toán (GPU), lưu trữ và điện năng. Điều này dẫn đến sự phân hóa: một bên là các tập đoàn công nghệ lớn với nguồn vốn dồi dào (như Google, Microsoft, OpenAI), có khả năng chi hàng trăm triệu thậm chí hàng tỷ đô la; bên kia là hàng loạt công ty khởi nghiệp, buộc phải “cống nạp” phần lớn kinh phí cho các nhà cung cấp dịch vụ đám mây để có được sức mạnh tính toán, khiến biên lợi nhuận bị siết chặt. Mô hình này đã tạo ra “độc quyền sức mạnh tính toán”, kìm hãm sự đổi mới. Ví dụ, ngay cả OpenAI, trong giai đoạn phát triển ban đầu, cũng phụ thuộc nghiêm trọng vào khoản đầu tư khổng lồ từ Microsoft và tài nguyên điện toán đám mây Azure, mới có thể hỗ trợ việc phát triển và vận hành ChatGPT. Đối với đại đa số người chơi, chi phí cố định cao đã khiến họ khó có thể đạt được lợi nhuận quy mô.

Khó khăn về dữ liệu: Rào cản chất lượng và rủi ro về 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 đào tạo chất lượng cao và quy mô lớn. Thứ nhất, chi phí thu thập dữ liệu rất cao. Dù là thông qua việc thu thập có trả phí, gán nhãn dữ liệu hay sử dụng dữ liệu của người dùng, đều liên quan đến khoản đầu tư lớn về tài chính và thời gian. Thứ hai, rủi ro về quyền riêng tư dữ liệu và tuân thủ quy định là rất lớn. Khi các quy định về dữ liệu toàn cầu (như GDPR, CCPA) ngày càng thắt chặt, hành vi thu thập và sử dụng dữ liệu mà không có sự đồng ý rõ ràng của 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 từng 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 vô cùng khó khăn.

Phân bổ giá trị không công bằng: Người đóng góp và người sáng tạo bị loại trừ khỏi lợi ích. Trong hệ sinh thái AI hiện tại, việc phân bổ giá trị là cực kỳ không công bằng. Việc đào tạo các mô hình AI phụ thuộc vào vô số dữ liệu hành vi do người dùng tạo ra, nội dung do người sáng tạo sản xuất (văn bản, hình ảnh, mã code, 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 khoản hoàn trả nào từ giá trị thương mại khổng lồ mà các 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 người sáng tạo nội dung, và về lâu dài, sẽ xói mòn nền tảng cho sự tối ưu hóa và đổi mới liên tục của các mô hình AI. Một trường hợp điển hình là nhiều nghệ sĩ và nhà văn đã cáo buộc các công ty AI sử dụng tác phẩm của họ để đào tạo và kiếm lợi, nhưng không được đền bù, điều này đã gây ra nhiều tranh cãi và tranh chấp pháp lý.

Hai, Mô Hình Lợi Nhuận Mới

DeAI (Trí tuệ nhân tạo phi tập trung) không phải là một công nghệ đơn lẻ, mà là một kiểu mẫu mới kết hợp giữa blockchain, mật mã và tính toán phân tán. Nó nhằm mục đích tái cấu trúc quan hệ sản xuất của AI theo cách phi tập trung, từ đó giải quyết một cách có mục tiêu ba điểm đau lớn 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 và cạnh tranh, có thể giảm đáng kể chi phí tính toán. Người tham gia nhận được phần thưởng token bằng cách đóng góp sức mạnh tính toán, đạt được sự tối ưu hóa trong việc phân bổ tài nguyên.

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

DeAI đã xây dựng một hệ thống phân phối giá trị minh bạch và công bằng thông qua “kinh tế token” và “hợp đồng thông minh”. Những người đóng góp dữ liệu, nhà cung cấp sức mạnh tính toán, nhà phát triển mô hình và thậm chí cả người sử dụng mô hình đều có thể tự động nhận được phần thưởng token tương ứng theo mức độ đóng góp của họ thông qua hợp đồng thông minh. Điều này đã 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, Kiến trúc ba lớp chuyển đổi

Việc chuyển đổi các doanh nghiệp AI tập trung truyền thống sang mô hình DeAI đòi hỏi phải tiến hành tái cấu trúc hệ thống trên ba khía cạnh: công nghệ, kinh doanh và quản trị.

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

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

Lớp dữ liệu sử dụng học tập liên bang làm khung đào tạo chính, kết hợp với mã hóa đồng nhất, tính toán đa bên an toàn và các công nghệ mật mã khác để đảm bảo quyền riêng tư và an toàn dữ liệu. Thiết lập một thị trường dữ liệu dựa trên blockchain, như Ocean Protocol, cho phép dữ liệu 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 cấp phép. Mỗi lần sử dụng mô hình và doanh thu phát sinh đều có thể được ghi lại và phân phối một cách chính xác.

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

Từ SaaS đến DaaS (Dữ liệu là dịch vụ) và MaaS (Mô hình là dịch vụ), các doanh nghiệp không còn chỉ đơn thuần 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 từ phí dịch vụ đơn lẻ, đã mở rộng thành giá trị token tăng lên do sự phát triển của hệ sinh thái, chia sẻ phí giao dịch và các khoản lợi nhuận khác.

Do đó, xây dựng một nền tảng nhiệm vụ phi tập trung, công bố các nhiệm vụ như gán nhãn dữ liệu, tinh chỉnh mô hình, phát triển ứng dụng cho các tình huống cụ thể dưới dạng “thưởng”, cho phép các thành viên trong cộng đồng toàn cầu nhận và nhận thưởng, làm giảm đáng kể chi phí vận hành và kích thích sự sáng tạo.

**(3) Từ công ty truyền thống đến cấu trúc quản trị của 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 kho bạc, ưu tiên phát triển các tính năng mới, v.v. Điều này thực hiện “người dùng chính là chủ sở hữu”.

**Dựa trên sự cởi mở và minh bạch, tất cả mã nguồn, mô hình (một phần có thể mã nguồn mở), hồ sơ giao dịch và quyết định quản trị đều được đưa 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 đã trở thành một tài sản thương hiệu mạnh mẽ và sự đảm bảo tin cậy.

Lấy việc chuyển đổi từ nền tảng dữ liệu logistics truyền thống sang DeAI làm ví dụ,** những khó khăn của nền tảng dữ liệu logistics truyền thống là mặc dù nó tập hợp dữ liệu từ vận tải biển, vận tải đường bộ, kho bãi và các bên liên quan khác, nhưng các bên tham gia lại “không muốn chia sẻ” do lo ngại lộ bí mật thương mại, dẫn đến tình trạng đảo dữ liệu, giá trị của nền tảng bị hạn chế.** Cốt lõi của việc chuyển đổi sang DeAI là phát huy giá trị dữ liệu mà không tiết lộ dữ liệu gốc và khuyến khích một cách công bằng:

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

Thúc đẩy tài sản dữ liệu hóa và khuyến khích bằng token trong kinh doanh. Phát hành điểm thưởng tiện ích nền tảng, các công ty logistics “khai thác” để nhận thưởng điểm thông qua việc đóng góp dữ liệu (tham số mô hình). Trong khi đó, khách hàng hạ nguồn (như chủ hàng) trả token để tra cứu “kết quả dự đoán” chính xác cao (ví dụ: tỷ lệ đúng giờ của một tuyến đường trong tuần tới), thay vì mua dữ liệu gốc. Doanh thu được phân phối tự động cho các bên đóng góp dữ liệu thông qua hợp đồng thông minh.

Xây dựng DAO ngành công nghiệp trên 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 nhau bỏ phiếu quản trị, biến nền tảng từ công ty tư nhân thành một cộng đồng ngành.

Nền tảng đã chuyển mình từ một cơ quan trung ương cố gắng thu phí trung gian dữ liệu thành hệ thống thần kinh của toàn bộ chuỗi cung ứng logistics, thông qua việc giải quyết vấn đề niềm tin, đã nâng cao đáng kể hiệu quả hợp tác của ngành và khả năng chống rủi ro.

Bốn, Tuân thủ và An toàn

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

Sự tuân thủ và không chắc chắn về mặt pháp lý. Về quy định dữ liệu, ngay cả khi dữ liệu không di chuyển, các mô hình như học liên bang cũng 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 bên dự án phải thiết kế cơ chế cấp phép và rút lui dữ liệu tuân thủ.

Về mặt quy định chứng khoán, các token phát hành của dự án rất dễ bị các cơ quan quản lý quốc gia (chẳng hạn như SEC của Mỹ) coi là chứng khoán, từ đó phải đối mặt với sự kiểm tra quy định nghiêm ngặt. Cách 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 lệch hoặc bất hợp pháp, thì ai sẽ là người chịu trách nhiệm? Là nhà phát triển mô hình, nhà cung cấp năng lực tính toán hay là người nắm giữ token quản trị? Điều này đã mang lại những thách thức mới cho hệ thống pháp luật hiện hành.

Thách thức về an toàn và hiệu suất, an toàn 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 tận dụng các lỗ hổng trong hợp đồng thông minh, hoặc phá hoại có chủ đích hệ thống học tập liên bang thông qua việc tiêm dữ liệu độc hại.

Bottleneck hiệu suất chính là tốc độ giao dịch (TPS) và giới hạn lưu trữ của chính blockchain, có thể không hỗ trợ được các yêu cầu suy diễn mô hình lớn với tần suất cao, độ trễ thấp. Điều này cần sự kết hợp hiệu quả giữa các giải pháp mở rộng Layer2 và tính toán ngoài chuỗi.

Hiệu quả hợp tác tức là hợp tác phân tán mặc dù công bằng, nhưng hiệu quả quyết định và thực hiện có thể thấp hơn so với công ty tập trung. Cách đạt được sự cân bằng giữa hiệu quả 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 lãng phí 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 vẫn 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 dịch vụ tập trung là chủ yếu, nhưng một số khám phá đã chỉ ra hướng đi cho tương lai.

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

Như hình mẫu hợp tác của hệ thống đa đại lý. Một số dự án đang khám phá việc xây dựng môi trường cho các đại lý AI tương 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 đa đại lý 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 quy tắc tương tác cơ bản của thế giới DeAI.

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

Ví dụ khác về AI tự chủ hơn: Các sản phẩm loại Deep Research cho thấy sự tự chủ mạnh mẽ của AI trong các nhiệm vụ cụ thể (chẳng hạn như tìm kiếm thông tin, phân tích). Chúng có khả năng tự lập kế hoạch, thực hiện các bước hành động và tối ưu hóa kết quả theo chu trình, khả năng tự động hóa nhiệm vụ này là nền tảng cho sự hoạt động độc lập của các đại lý AI trong mạng DeAI trong tương lai.

Đối với những người làm nghề AI đang vật lộn trong Biển Đỏ, thay vì mãi mê trong những khuôn khổ cũ, hãy dũng cảm đón nhận DeAI, vùng Biển Xanh mới này. Đây không chỉ là sự chuyển đổi trong lộ trình công nghệ, mà còn là một cuộc cách mạng trong triết lý kinh doanh - từ “khai thác” sang “khuyến khích”, từ “khép kín” sang “mở” và từ “độc quyền lợi nhuận” sang “tăng trưởng bao trùm”.