Tháng 5-2026, Epoch AI công bố Game Puzzles Benchmark. Không phải một mạng nơ-ron mới. Không phải một kỳ lân AI tính phí hàng triệu đô cho mỗi API call. Đó là một bài kiểm tra. Và kết quả của nó gây sốc: mọi mô hình ngôn ngữ lớn — từ OpenAI đến Anthropic, từ Google đến các phòng thí nghiệm mới nổi — đều dừng lại ở 59%.
Năm mươi chín phần trăm.
Không phải 90% như trên MMLU. Không phải 85% như trên GSM8K. Mà là 59% — khi được đặt trước những câu đố game có quy tắc hoàn toàn mới, không xuất hiện trong bất kỳ training data nào.
Tôi nhìn con số đó và cảm thấy một nỗi ám ảnh quen thuộc. Năm 2017, tôi ngồi trước màn hình, đọc whitepaper EOS, và thấy một kiến trúc đa luồng mà cả thị trường chưa nhận ra. Tôi đầu tư 20 ETH. Mọi người bảo tôi điên. Khi EOS vượt qua rào cản, tôi chỉ còn một câu hỏi: bạn đã ở đâu?
Giữa tháng 5-2026, tôi lại có cảm giác tương tự. Không phải cảm giác về một cơ hội. Mà là cảm giác về một sự thật mà cả hai ngành — AI và blockchain — đang cố tình né tránh: chúng ta đã đo lường sai mọi thứ. Và bây giờ, cái giá của sự sai lầm đó đang hiện ra rõ ràng.
Khi benchmark tự biến thành một trò chơi
Để tôi nói về MMLU một chút. Massive Multitask Language Understanding. Trong nhiều năm, đây là thước đo chuẩn vàng để đánh giá "trí thông minh" của AI. Các công ty tự hào công bố: "Mô hình của chúng tôi đạt 90% trên MMLU, vượt xa con người!" Báo chí đưa tin. Nhà đầu tư xuống tiền. Giá cổ phiếu tăng vọt.
Nhưng có một chi tiết nhỏ mà hầu hết mọi người bỏ qua: các mô hình này đã được huấn luyện trên Internet. Và MMLU là một phần của Internet.
Nói cách khác, bạn đang cho học sinh xem trước đề thi trước kỳ thi, rồi tự hào rằng chúng đạt điểm tuyệt đối. Đó không phải trí thông minh. Đó là trí nhớ. Một trí nhớ cực kỳ lớn, cực kỳ nhanh, và cực kỳ giỏi trong việc tái tạo ngôn ngữ tự nhiên đến mức khiến chúng ta quên rằng mình đang đối thoại với một cỗ máy xác suất, không phải một tư duy.
Các mô hình này giống những sinh viên học thuộc lòng toàn bộ giáo trình nhưng không hiểu một chữ nào. Chúng giống những thí sinh luyện đề đến mức thuộc cả đáp án, nhưng khi gặp một dạng đề chưa từng xuất hiện thì hoàn toàn bối rối.
Epoch AI đã thiết kế Game Puzzles Benchmark để chỉ ra chính xác khoảng cách này.
Thay vì hỏi những câu hỏi đã có trên Internet, họ tạo ra những câu đố hoàn toàn mới — có quy tắc, có thử thách, có không gian trạng thái cần khám phá. Những trò chơi này không có trên Wikipedia. Không có trên Reddit. Không có trong bất kỳ cuốn sách nào mà người ta dùng để huấn luyện AI. Chúng đòi hỏi thứ mà các benchmark hiện tại không đo lường: khả năng suy luận trên quy tắc mới trong thời gian thực — cái mà giới nghiên cứu gọi là sự khái quát hóa. Generalization.
Và kết quả là toàn bộ những cỗ máy thông minh nhất mà nhân loại từng tạo ra — đắt tiền nhất, tham số nhiều nhất, được đánh bóng bởi đội ngũ kỹ sư tài giỏi nhất — dừng lại ở 59%.
Không phải 59% cho một mô hình yếu. Mà là 59% cho tất cả. OpenAI, Anthropic, Google, DeepSeek, Qwen, Nous Research... Tất cả. Không AI nào vượt qua mốc 59% một cách có ý nghĩa. Chúng hội tụ. Như một lời thú nhận tập thể.
Ở nơi không có đáp án
Hãy cùng tôi phân tích kỹ hơn điều gì đang xảy ra đằng sau con số đó.
Epoch AI không phải một phòng thí nghiệm học máy thông thường. Họ là một nhóm nghiên cứu chuyên theo dõi các xu hướng phát triển của ngành AI — từ chi phí huấn luyện, quy mô tính toán, đến tốc độ tăng trưởng của các chỉ số. Họ không có model riêng. Họ không bán dịch vụ. Họ là những người làm công tác đo lường và thống kê. Và thứ vũ khí mà họ sở hữu — thứ mà không phòng thí nghiệm nào có động lực để sở hữu — là một góc nhìn độc lập.
Khi một phòng thí nghiệm công bố benchmark của riêng họ, họ có động cơ để chọn bài toán mà mình mạnh nhất. Khi một tổ chức trung gian công bố benchmark, họ có động cơ để chọn bài toán mà thị trường đang cần nhất. Epoch AI đã chọn game puzzles — trò chơi giải đố — bởi vì trò chơi giải đố có một đặc tính kỳ diệu: quy tắc rõ ràng, kết quả kiểm chứng được, và khả năng chống gian lận cao gần như tuyệt đối.
Một câu đố trong game puzzles không giống một câu hỏi trong MMLU. Nó không hỏi "Thủ đô của Pháp là gì?" Nó có thể đưa ra một bàn cờ với luật chơi chưa từng tồn tại, rồi hỏi: "Nước đi nào tiếp theo sẽ thắng?" Hoặc một ô chữ có quy tắc điền từ khác hẳn quy tắc thông thường. Hoặc một bài toán quy hoạch với ràng buộc mà bạn chưa bao giờ thấy trong bất kỳ văn bản huấn luyện nào.
Để giải được, mô hình phải làm ba việc cùng lúc:
Thứ nhất: đọc và hiểu luật chơi. Điều này tưởng chừng đơn giản — vì mô hình giỏi đọc hiểu văn bản — nhưng thực ra luật chơi trong game puzzles được viết theo cách không giống văn bản thông thường. Nó ngắn gọn, cô đọng, đầy tính toán học. Nó có thể chứa các thuật ngữ mới, các phép toán mới, các định nghĩa trừu tượng. Và khi đã hiểu sai một chi tiết, mọi bước tiếp theo đều sai.
Thứ hai: xây dựng một mô hình nội bộ về trạng thái trò chơi. Đây là nơi mà hầu hết các mô hình ngôn ngữ thất bại. Một câu đố game không phải để đọc. Nó cần được mô phỏng. Bạn phải tưởng tượng ra trạng thái hiện tại, phải giữ trong bộ nhớ làm việc một lúc nhiều biến số, phải mô phỏng các bước đi khác nhau về phía trước, rồi quay lại lựa chọn. Điều này tương tự như những gì một kỳ thủ làm khi tính toán thế cờ. Nhưng các mô hình ngôn ngữ — được huấn luyện để dự đoán từ tiếp theo trong một chuỗi — không có cơ chế tự nhiên nào để thực hiện điều này một cách đáng tin cậy.
Thứ ba: lên kế hoạch nhiều bước. Không chỉ tìm một nước đi đúng, mà phải tìm một chuỗi các hành động dẫn đến chiến thắng. Điều này đòi hỏi tư duy thuật toán — thứ mà giới nghiên cứu vẫn đang tranh cãi: liệu một mô hình ngôn ngữ tự hồi quy có thực sự có khả năng lập kế hoạch dài hạn hay không?
Câu trả lời của Epoch AI là: gần như không. 59%.
Sự khác biệt giữa 85% trên MMLU và 59% trên Game Puzzles, về bản chất, chính là khoảng cách giữa "tái tạo tri thức" và "sử dụng tri thức". Một đứa trẻ có thể đọc đi đọc lại một cuốn sách giáo khoa và trả lời vanh vách. Nhưng nếu không có bài tập vận dụng, không có thực hành, thì đứa trẻ đó sẽ bối rối khi đối mặt với một tình huống cuộc sống đơn giản. Các mô hình AI của chúng ta đang rơi vào trạng thái đó. Chúng là những học sinh giỏi trong phòng thi có đáp án sẵn, và trở thành học sinh trung bình yếu khi đối mặt với những bài toán chưa từng xuất hiện trong đề cương.
Bây giờ, nếu bạn đang đọc bài này không phải từ góc nhìn của một nhà đầu tư AI, bạn sẽ tự hỏi: điều này có ý nghĩa gì với tôi?
Từ Game Puzzles đến câu chuyện Proof of Reserve
Tôi sẽ kể cho bạn nghe một câu chuyện quen thuộc hơn với giới tiền mã hóa.
Năm 2022, sàn FTX sụp đổ. Nguyên nhân trực tiếp là sự thiếu minh bạch trong quản trị quỹ và cuộc rút tiền ồ ạt. Nhưng nguyên nhân sâu xa nằm ở một thứ khác: sự tin tưởng mù quáng vào những con số mà không ai kiểm tra.
Trước khi sụp đổ, FTX được xem là một trong những sàn giao dịch có "Proof of Reserve" minh bạch nhất. Họ công bố định kỳ các số liệu dự trữ. Họ có các báo cáo từ các công ty kiểm toán. Nhưng khi sự thật được phơi bày, tất cả những con số đó đều vô nghĩa. Bởi vì các cuộc kiểm toán đó chỉ chứng minh một phần nghĩa vụ, không phải toàn bộ tài sản thực tế. Và không ai có động lực để đặt câu hỏi — cho đến khi mọi thứ sụp đổ.
Ngành AI đang sống trong một câu chuyện FTX phiên bản trí tuệ nhân tạo.
Các công ty AI công bố điểm benchmark như một hình thức "Proof of Intelligence". Họ đưa ra những con số ấn tượng: "GPT-6 đạt 92% trên MMLU", "Claude 5 Beyond vượt qua con người trong bài kiểm tra lý luận", "Mô hình mới của chúng tôi đạt 95% trên các tác vụ lập trình". Các nhà đầu tư nhìn vào đó và tin rằng AI đang tiến gần hơn đến trí tuệ tổng hợp (AGI). Các kỹ sư nhìn vào đó và tin rằng họ đang xây dựng thứ gì đó vĩ đại. Các nhà kinh tế nhìn vào đó và dự đoán sự bùng nổ năng suất.
Nhưng không ai hỏi: những con số này được đo như thế nào? Liệu các mô hình có nhìn thấy những câu hỏi này trong quá trình huấn luyện? Liệu benchmark có tự động trở thành một phần của training data sau mỗi vòng công bố? Liệu có một tổ chức độc lập đứng ra kiểm tra và đảm bảo rằng con số bạn công bố đúng với năng lực thực sự?
Câu trả lời: gần như không.
MMLU đã xuất hiện từ năm 2020. Trong suốt nhiều năm, các mô hình đạt điểm ngày càng cao. Và một phần lý do là vì các câu hỏi MMLU dần dần bị rò rỉ vào training data thông qua Internet. Không phải ai cũng cố tình "gian lận" — đơn giản là khi một bộ dữ liệu trở nên nổi tiếng, nó sẽ xuất hiện trên GitHub, xuất hiện trên các diễn đàn, xuất hiện trong các bài blog, và cuối cùng xuất hiện trong những bộ dữ liệu khổng lồ mà các phòng thí nghiệm dùng để huấn luyện. Kết quả: "điểm MMLU của bạn" ngày nay không còn phản ánh khả năng suy luận — nó phản ánh mức độ ghi nhớ của bạn. Và mức độ ghi nhớ của một mô hình ngôn ngữ khổng lồ thì gần như vô hạn.
Điều đó khiến điểm MMLU, cũng như many điểm benchmark khác, trở thành một thứ giống "Proof of Reserve kiểu FTX": có vẻ đáng tin, có vẻ minh bạch, có vẻ chuẩn hóa — nhưng thực chất chỉ là một tấm màn che cho một sự thiếu hụt trầm trọng về khái quát.
Game Puzzles Benchmark có ý nghĩa quan trọng bởi vì nó là phiên bản "kiểm toán dự trữ thực sự" đầu tiên trong ngành AI.
Tại sao? Bởi vì bằng cách cố tình sử dụng những trò chơi có quy tắc chưa từng xuất hiện trong training data, Epoch AI đã loại bỏ hoàn toàn yếu tố ghi nhớ. Mô hình của bạn không thể "nhớ" một câu đố mà chưa từng xuất hiện trong sách. Mô hình của bạn không thể "tái tạo" một quy tắc mà chưa từng có trên Internet. Mọi thứ đều phải đến từ khả năng suy luận thực sự. Và một khi không còn gì để ghi nhớ, con số 59% hiện ra như một sự thật trần trụi: năng lực suy luận tổng quát của các mô hình hiện tại, cho dù chúng có tham số đến mức nào đi nữa, vẫn ở mức dưới trung bình một chút.
Hãy để tôi diễn giải con số 59% theo một cách khác: điều đó có nghĩa là, trong 41% các trường hợp, mô hình không chỉ trả lời sai — nó còn tự tin trả lời sai. Mô hình không nói "tôi không biết". Mô hình không đưa ra xác suất không chắc chắn. Mô hình đưa ra một câu trả lời mạch lạc, có cấu trúc tốt, và hoàn toàn sai. Đây là điểm khác biệt mang tính sinh tử giữa một công cụ hỗ trợ và một hệ thống ra quyết định: nếu bạn không thể biết khi nào hệ thống sai, thì bạn không thể tin tưởng hệ thống đó ngay cả khi nó đúng 59% thời gian.
Đây chính xác là bài học mà tôi đã học với YAM vào năm 2020.
YAM, DAO và sự sụp đổ của một giấc mơ
Năm 2020, tôi tham gia yield farming YAM với 100 ETH. Vào thời điểm đó, YAM là dự án nóng nhất trong làng DeFi. Một giao thức tái cấu trúc lại các thành phần của các dự án thành công trước đó — rebase, farm, governance — kết hợp vào một hợp đồng thông minh duy nhất. Kế hoạch triển khai tài chính được thiết kế công phu. Cộng đồng cực kỳ nhiệt huyết. TVL (tổng giá trị khóa) tăng vùn vụt. Ai cũng nói rằng YAM sẽ là "cuộc cách mạng tiếp theo".
Chỉ sau vài ngày, một lỗi trong hợp đồng kiểm soát tái cân bằng đã khiến giao thức phát hành lượng token không thể kiểm soát — vượt xa nguồn dự trữ mà cộng đồng đóng góp. Giao thức sụp đổ trong vòng vài giờ. Tôi mất 60% số vốn ban đầu. 60 ETH bốc hơi — không phải vì hacker, không phải vì rug pull, mà vì một lỗi logic trong một hệ thống mà mọi người tin rằng đã được kiểm tra kỹ lưỡng.
Bài học YAM đã dạy tôi một điều mà tôi sẽ mang theo suốt đời: kiểm tra không đồng nghĩa với hiểu đúng; và bằng chứng không đồng nghĩa với sự an toàn.
Một hợp đồng trong YAM được kiểm toán — nhưng không ai kiểm tra xem logic của giao thức, theo đúng thiết kế, có khả thi trong mọi biến động thị trường hay không. Một mô hình AI được đánh giá bằng MMLU — nhưng không ai hỏi liệu benchmark này có thể hiện đúng những gì người ta nghĩ. Cả hai trường hợp đều thiếu một thứ: một cơ chế kiểm tra độc lập, mô phỏng đúng các tình huống mà hệ thống sẽ gặp phải trong thực tế.
Game Puzzles Benchmark cung cấp một phiên bản kiểm tra "mô phỏng thực tế" cho ngành AI. Và giống như một nhà đầu tư tỉnh táo sau sự cố YAM sẽ từ chối tin vào những dự án không có cơ chế chống sụp đổ rõ ràng, tôi nghĩ rằng một cách hợp lý, các nhà đầu tư AI cần bắt đầu đặt câu hỏi về những con số do chính các công ty tự công bố.
Nhưng có một điều mà tôi nhận ra sau khi đọc kỹ báo cáo Epoch AI — điều khiến câu chuyện này không chỉ đơn giản là "AI chưa thông minh". Đó là: ngay cả một benchmark xuất sắc như Game Puzzles cũng có thể trở thành một trò chơi theo đúng nghĩa của từ này.
Nghịch lý Goodhart: khi thước đo trở thành mục tiêu
Có một quy luật kinh điển trong kinh tế học được biết đến với cái tên "Định luật Goodhart": "Khi một thước đo trở thành mục tiêu, nó không còn là một thước đo tốt nữa."
Khi Epoch AI công bố Game Puzzles, và khi con số 59% được đưa lên báo chí, thị trường AI sẽ phản ứng theo một cách có thể dự đoán được. Các công ty AI ngay lập tức sẽ thêm chính xác những trò chơi đó vào danh sách các tác vụ cần tối ưu. Họ sẽ huấn luyện chéo bằng dữ liệu gần giống với dạng câu hỏi, họ sẽ chạy các vòng fine-tuning, họ sẽ "thử nghiệm 10.000 lần và chọn lấy câu trả lời tốt nhất". Và trong vòng 12 tháng tới, có thể chúng ta sẽ thấy "một bước nhảy vọt" từ 59% lên 80-90%.
Liệu khi đó AI có thông minh hơn? Không. Nó chỉ trở nên giỏi hơn trong một trò chơi mới. Giống như một học sinh luyện đề SAT rồi bỗng đạt điểm cao nhưng vẫn không hiểu gì về toán học.
Và đó chính là một lời cảnh báo sâu sắc. Các benchmark độc lập — bất kể họ cố gắng thiết kế phức tạp đến đâu — đều có thể bị "trò chơi hóa". Người ta sẽ tìm cách hack nó. Không phải vì mục đích xấu, mà vì áp lực cạnh tranh. Trong ngành blockchain, chúng ta đã chứng kiến điều này nhiều lần. Hãy nhìn vào TVL. Vài năm trước, TVL là thước đo xếp hạng các giao thức DeFi. Rồi các dự án bắt đầu "bơm" TVL bằng cách cho vay chéo tài sản, tạo ra các vòng tròn khóa tài sản mà không có sự tham gia của người dùng thực. TVL trở thành một số liệu giả. Rồi mọi người chuyển sang dùng "chỉ số phí giao dịch" — nhưng sau đó, các sàn giao dịch bắt đầu "wash-trade" để thổi phồng khối lượng. Rồi người ta chuyển sang dùng "số người dùng hoạt động hàng tuần" — nhưng rồi không ai kiểm tra xem đây là người dùng thật hay là những bot được sẽ chỉ định thuê để tương tác với giao thức mỗi ngày.
Khi một thước đo được thiết lập, một thị trường phụ trợ sẽ xuất hiện để khai thác chính thước đo đó.
Tôi không nói rằng Epoch AI đang làm điều gì sai. Trái lại, tôi tin rằng công việc của họ là một trong những điều quan trọng nhất trong ngành AI. Nhưng tôi đang dựa vào những gì đã học từ blockchain để nói rằng: không một benchmark nào có thể giải quyết bài toán cuối cùng. Bởi vì khi chúng ta xây dựng một bài kiểm tra để đo lường trí thông minh, chúng ta đã ngầm định nghĩa trí thông minh theo một cách cụ thể. Và bất kỳ định nghĩa cụ thể nào cũng có thể bị lợi dụng.
Điều này có ý nghĩa gì với các nhà đầu tư?
Tôi muốn dành một phần để nói chuyện với bạn — những người đang đọc bài này không phải vì đam mê công nghệ, mà vì bạn đang muốn hiểu tác động của nó đến danh mục đầu tư của mình. Vậy, con số 59% có nghĩa gì khi bạn đang nắm giữ cổ phiếu công nghệ, hoặc token của các giao thức phi tập trung, hoặc một quỹ ETF liên quan đến AI?
Thứ nhất: hãy cảnh giác với câu chuyện "AGI sắp đến". Các quỹ đầu tư mạo hiểm đang định giá các công ty AI ở mức hàng trăm tỷ đô la dựa trên giả định rằng: "năng lực của mô hình sẽ tiếp tục tăng trưởng theo hàm mũ". Con số 59% làm giảm sức mạnh của giả định đó. Nó không phủ nhận rằng AI sẽ không thông minh hơn — thực tế, nó sẽ thông minh hơn. Nhưng nó cho thấy rằng không có mối liên hệ tuyến tính giữa việc tăng quy mô mô hình và việc tăng khả năng suy luận. Bạn có thể tiếp tục tăng số lượng tham số từ 1.000 tỷ lên 10.000 tỷ, nhưng nếu thứ bạn đang tối ưu là khả năng dự đoán từ tiếp theo, thì bạn không nhất thiết cải thiện khả năng khái quát của suy luận. Có một bức tường ở đó. Và bức tường đó là kiến trúc, không chỉ là quy mô.
Thứ hai: hãy nhìn vào các công ty đang xây dựng "lớp đo lường và kiểm tra" cho AI. Điều này tương tự như cách các công ty kiểm toán blockchain — như Elliptic, Chainalysis — phát triển mạnh sau những vụ bê bối như FTX. Khi thị trường nhận ra rằng những con số tự công bố không đáng tin, nhu cầu về các tổ chức độc lập xác minh năng lực AI sẽ tăng lên. Epoch AI có thể là một tổ chức phi lợi nhuận không có cấu trúc vốn đầu tư, nhưng các công ty khác có thể xây dựng mô hình kinh doanh xung quanh "dịch vụ kiểm toán mô hình AI" — cung cấp cho các doanh nghiệp một quy trình đánh giá chuẩn hóa trước khi họ mua dịch vụ API của các nhà cung cấp mô hình ngôn ngữ lớn.
Thứ ba: hãy so sánh nó với thị trường tiền mã hóa. Nếu bạn là một người đang hoặc muốn đầu tư vào token của các mạng lưới tính toán phi tập trung — những dự án như Render Network, Akash, hoặc các giao thức tương tự — thì báo cáo này cần được đọc như một tín hiệu quan trọng. Tôi đã đầu tư vào Render Network từ năm 2026 với niềm tin rằng AI sẽ cần một hạ tầng GPU phi tập trung. Nhưng con số 59% khiến tôi đặt lại câu hỏi: liệu thị trường có thực sự cần lượng GPU khổng lồ cho các tác vụ suy luận có giá trị kinh tế ngay lúc này hay không? Nếu các mô hình vẫn dừng ở mức suy luận hạn chế, thì lượng GPU cần cho các ứng dụng AI thực tế sẽ không tăng vọt như một số nhà đầu tư kỳ vọng. Điều đó có thể gây ra sự điều chỉnh giá và hoạt động chuyển hướng đầu tư từ những dự án đặt cược vào sự bùng nổ hạ tầng AI ngay lập tức.
Thứ tư: trái lại, con số 59% là một tín hiệu tích cực cho những ai đang xây dựng "đánh giá và giám sát" cho hệ thống AI trong các lĩnh vực rủi ro cao như tài chính, y tế, pháp lý. Một hệ thống có độ chính xác 59% trong các tình huống mới không thể được phép tự chủ trong các quyết định lớn. Điều đó có nghĩa là các doanh nghiệp cần có con người trong vòng lặp, cần các cơ chế giám sát, cần các hệ thống cảnh báo khi mô hình hoạt động ngoài phạm vi tin cậy. Các công ty xây dựng "AI trách nhiệm giải trình" — ghi nhật ký quyết định, đánh dấu ranh giới tự chủ, theo dõi độ chệch — sẽ trở nên cần thiết.
Câu chuyện của tôi với Render Network
Năm 2026, tôi đầu tư 50 ETH vào Render Network. Niềm tin của tôi rất đơn giản: nếu AI cần GPU cho tác vụ huấn luyện và suy luận, thì một mạng lưới GPU phi tập trung có thể cung cấp năng lực rẻ hơn, chống kiểm duyệt hơn, và phi tập trung hơn so với ba đám mây lớn. Đó là một câu chuyện đầu tư hấp dẫn về mặt cấu trúc.
Nhưng năm 2026 khi thị trường AI chưa chín muồi, tôi đã trải nghiệm một điều mà nhà đầu tư nào cũng phải trải qua: giá trị của câu chuyện không bằng thời điểm. Render Network có công nghệ tốt, có đội ngũ kỹ sư xuất sắc, có thiết kế mã thông báo hợp lý. Nhưng thị trường chưa cần thứ đó. Các tác vụ AI học máy vẫn tập trung ở một vài trung tâm dữ liệu lớn, chạy trên các cụm GPU chuyên dụng, không cần đến một bộ xử lý phi tập trung toàn cầu.
Khi tôi đọc về 59%, trải nghiệm Render Network quay trở lại trong tôi như một lời cảnh báo. Nếu khả năng suy luận của AI — phần hấp dẫn nhất với người dùng — vẫn đang ở mức suy luận chưa khái quát, thì nhu cầu GPU cho các ứng dụng AI trong ngắn hạn có thể không bùng nổ như mong đợi. Người dùng có thể chấp nhận một AI viết copy nông cạn trong bán hàng. Nhưng họ sẽ không chấp nhận một AI đưa ra quyết định quản lý danh mục đầu tư với độ chính xác 59%.
Điều đó không có nghĩa là Render Network là một khoản đầu tư sai. Nó có nghĩa là "thời điểm" của khoản đầu tư đó có thể phải dài hơn tôi nghĩ. Và đây là một trong những bài học kỹ năng quan trọng mà tôi muốn gửi đến bạn: không nên nhầm lẫn giữa công nghệ tuyệt vời với cơ hội đầu tư tuyệt vời.
Nhưng tôi vẫn giữ token Render. Và tôi vẫn giữ niềm tin dài hạn. Nếu AI cuối cùng cũng đạt đến mức suy luận vượt trội— nếu con số 59% kia một ngày nào đó trở thành 90% với các quy tắc động không ngừng thay đổi — thì hạ tầng phi tập trung sẽ trở thành một phần không thể thiếu. Sự khác biệt giữa một nhà đầu tư tồi và một nhà đầu tư có thời hạn dài: họ có thể nhìn thấy bức tranh lớn trong khi vẫn chấp nhận sự không chắc chắn về thời điểm.
DeFi: nơi sự phi tập trung tạo ra nguồn gốc dữ liệu tin cậy
Trở lại với câu chuyện blockchain một chút. Bởi vì có một mối liên hệ trực tiếp giữa Game Puzzles Benchmark và sự phát triển của các oracle.
Một trong những vấn đề lớn nhất mà tôi đã nghiên cứu suốt 5 năm qua — vấn đề mà tôi tin là gót chân Achilles của DeFi — đó là độ trễ của oracle feed. Cách mà các giao thức tài chính phi tập trung lấy dữ liệu giá từ thế giới bên ngoài: vẫn phụ thuộc vào các node tập trung của Chainlink hoặc các mạng oracle tương tự. Nói cách khác, bạn xây dựng một hệ thống "phi tập trung" các quỹ thanh khoản, các khoản vay, các chiến lược đầu tư — nhưng dữ liệu bạn cho nó ăn thì lại đến từ một vài máy chủ trung tâm. Đó là một nghịch lý.
Bạn có thấy điểm tương đồng không? Trong ngành AI, bạn xây dựng các mô hình "phức tạp" "thông minh" — nhưng dữ liệu bạn đánh giá chúng lại là những bộ câu hỏi mà mô hình đã thấy hàng nghìn lần. Trong DeFi, bạn xây dựng các giao thức "phi tập trung" — nhưng dữ liệu bạn đánh giá rủi ro của chúng lại đến từ các nguồn trung tâm không minh bạch.
Cả hai ngành đều mắc phải một bệnh chung: sử dụng một công cụ đo lường thiếu tính độc lập để xác nhận một tuyên bố về khả năng. Và cả hai ngành đều vừa mới bắt đầu tìm ra cách khắc phục.
Với DeFi, giải pháp là các mạng oracle phi tập trung thực sự — nơi mà nhiều nút độc lập cung cấp dữ liệu, được tổng hợp bằng thuật toán đồng thuận, và được xác minh bằng bằng chứng mật mã. Với AI, giải pháp bắt đầu với các benchmark được thiết kế theo cách mà bài toán không bao giờ cũ — như Game Puzzles — và có thể là các cơ chế liên tục tạo ra bài toán mới, thay vì một bộ câu hỏi tĩnh.
Đây chính là lý do tại sao tôi tin rằng sự giao thoa giữa AI và blockchain — không chỉ là crypto + AI để tạo ra memecoin, mà là một hệ thống đánh giá phi tập trung cho AI — có thể là một cơ hội đầu tư lớn trong dài hạn.
Mạng lưới kiểm định AI phi tập trung: Cơ hội tiếp theo
Tôi gọi xu hướng này là "Decentralized AI Verification Network" — mạng lưới kiểm định AI phi tập trung.
Hình dung một mạng lưới gồm hàng nghìn nút độc lập — mỗi nút đóng góp một bài toán mới (puzzle mới) vào một hồ chứa câu hỏi chung. Hồ chứa này được đăng ký trên blockchain, đảm bảo không ai có thể thay đổi hoặc rút câu hỏi sau khi đã công bố. Các bên đánh giá — các công ty phát triển mô hình, các nhà cung cấp dịch vụ AI, các cơ quan quản lý — gửi mô hình của họ đến để kiểm tra. Mỗi mô hình trả lời một tập hợp con ngẫu nhiên các câu hỏi. Kết quả được ghi lại trên blockchain một cách minh bạch. Không ai có thể rút lại kết quả sau khi đã kiểm tra. Ai cũng có thể xác minh điểm số của bất kỳ mô hình nào mà không cần tin tưởng một tổ chức trung gian nào.
Điều này không chỉ giống với cách Epoch AI hoạt động — nó còn là một siêu tập hợp của những gì Epoch AI đang làm. Thay vì một tổ chức tập trung thiết kế các câu hỏi và kiểm tra kết quả, bạn có một mạng lưới phân tán tạo ra các bài toán liên tục, và các cơ chế đồng thuận đảm bảo tính toàn vẹn của quy trình đánh giá.
Điều thú vị là: những thách thức mà Epoch AI đang phải đối mặt — ngăn chặn rò rỉ câu hỏi, đảm bảo các mô hình không hợp tác với nhau, chống gian lận trong quá trình đánh giá — đều là những bài toán mà blockchain đã giải quyết trong hơn một thập kỷ qua. Commit-reveal scheme để niêm phong câu hỏi, ZK-proof để chứng minh rằng bạn đã trả lời đúng mà không cần tiết lộ nội dung câu hỏi, token staking để phạt những hành vi sai lệch — tất cả đều là công nghệ đã tồn tại trong hệ sinh thái tiền mã hóa.
Có một cơ hội lớn cho những ai đang xây dựng hạ tầng cho thị trường đó. Không chỉ là tạo ra một benchmark mới, mà là tạo ra một lớp kiểm định mà các bên liên quan — nhà phát triển mô hình, doanh nghiệp, cơ quan quản lý — đều có thể dựa vào. Và bởi vì mạng lưới này có tính phi tập trung, nó sẽ không bị kiểm soát bởi một công ty AI duy nhất, và do đó có nhiều khả năng được tin cậy rộng rãi hơn so với một benchmark do chính một phòng thí nghiệm AI tài trợ.
Chúng ta đã thấy tiền lệ trong blockchain với các thị trường oracle như Chainlink. Nhưng Chainlink chủ yếu tập trung vào dữ liệu giá cả. Mạng lưới kiểm định AI cần giải quyết một lớp dữ liệu phức tạp hơn: dữ liệu "năng lực suy luận". Đó là một bài toán khó. Và là một cơ hội lớn.
Sống sót trong một thị trường biến động
Nói về thị trường hiện tại một chút. Nếu bạn đang đọc bài viết này trong một giai đoạn thị trường suy thoái, bạn có thể sẽ lo lắng về việc các khoản đầu tư của mình đang bốc hơi. Tôi hiểu điều đó. Tôi đã mất 60% vốn trong vụ YAM. Tôi đã chứng kiến những tài sản mà tôi tin tưởng giảm giá 80% chỉ trong một tháng. Tôi đã trải qua cảm giác thị trường giảm — khi tất cả những câu chuyện đẹp đẽ mà bạn kể cho bản thân về các khoản đầu tư bỗng trở nên vô nghĩa.
Trong những thời điểm như thế này, điều duy nhất tôi có thể làm là quay trở lại những dữ liệu căn bản. Không phải các câu chuyện tiếp thị. Mà là dữ liệu về khả năng thực sự của giao thức — phân tích xem TVL có thật không, có rút khỏi không, dòng tiền ra vào có ổn định không, và các bên nắm giữ token có đang hoảng loạn hay không.
Tôi khuyên bạn hãy áp dụng cùng một cách tiếp cận với thị trường AI. Đừng chỉ nhìn vào những tuyên bố hào nhoáng của các công ty — "mô hình của chúng tôi là giỏi nhất". Hãy nhìn vào dữ liệu đo lường độc lập. Hãy nhìn vào những nơi mà các mô hình chưa được đánh giá. Hãy tôn trọng những câu hỏi chưa có lời giải — bởi vì chính những nơi đó, chứ không phải nơi mọi thứ đã được tối ưu, mới là nơi tạo ra cơ hội tăng trưởng thực sự.
EOS, bài học Benchmark và câu hỏi cuối cùng
Năm 2017, tôi đầu tư vào EOS dựa trên việc đọc whitepaper và nhận ra kiến trúc đa luồng có thể xử lý hàng nghìn giao dịch mỗi giây — một điều mà hầu hết các blockchain thời điểm đó không làm được. Tôi đã bán một phần ở đỉnh $20 và thu về 500 ETH, nhờ đó trở thành một chuyên gia đáng kính trong cộng đồng đầu tư châu Phi. Nhưng tôi cũng đã học được một bài học cay đắng hơn: bất kỳ thứ gì có vẻ "vượt trội" đều có thể trở thành trò đùa nếu bạn không ngừng kiểm tra nó. EOS từng được xem là "Ethereum Killer". Và ngày nay, số người nhớ đến EOS như một ví dụ về thổi phồng công nghệ nhiều hơn là một nền tảng thực sự đáng dùng.
Game Puzzles Benchmark có thể không phải là EOS. Nhưng con số 59% này — giống như sự lạc quan về EOS — có thể bị khai thác, có thể bị bóp méo, có thể bị thổi phồng hoặc bị xuyên tạc bởi bất kỳ ai có động cơ. Bởi vì khi bạn tạo ra một thước đo, bạn đồng thời tạo ra một động cơ để gian lận thước đo đó. Đó là bản chất con người. Đó cũng là bản chất của thị trường.
Vậy tôi muốn bạn — với bất kỳ ai đang đọc bài viết này — hãy giữ cho mình một tâm thế mà tôi đã phải mất hơn 10 năm ròng rã mới học được: không bao giờ tin vào một con số mà thiếu đi bối cảnh. Hãy hỏi: con số này được tạo ra như thế nào? Ai là người tạo ra nó? Mục tiêu của họ là gì? Và khi bạn nhìn thấy một con số ấn tượng — như 90% MMLU — hãy hỏi xem nó đã được kiểm tra độc lập hay chưa. Khi bạn nhìn thấy một con số khiêm tốn như 59% — hãy hỏi xem liệu nó có đang phản ánh một vấn đề sâu xa hơn mà thị trường chưa định giá hay không.
Câu chuyện này không kết thúc với Epoch AI. Câu chuyện này kết thúc với bạn. Và câu hỏi không chỉ là "Bạn có tin AI thông minh không?" — mà là câu hỏi về chính sự đánh giá của bạn về thế giới: bạn có tin vào những con số mà không ai kiểm tra không? Và, giống như EOS đã vượt qua rào cản — bạn đã sẵn sàng vượt qua rào cản của chính sự ngộ nhận của mình chưa?
Bởi vì nếu nhìn kỹ, bạn sẽ nhận ra rằng cuộc đời đầu tư của chúng ta không phải là cuộc đua tìm ra những con số cao nhất. Mà là cuộc đua tìm ra những con số thật. Và những con số thật, dù đẹp hay xấu, luôn luôn đáng giá hơn bất kỳ con số ảo tưởng nào.
EOS đã vượt qua rào cản, bạn ở đâu?
Con số 59% — không phải là một lời bi quan. Là một lời mời gọi. Một lời mời gọi xây dựng những cách đo lường tốt hơn, minh bạch hơn, phi tập trung hơn. Và một ngày nào đó, có thể trong vòng 10 hoặc 20 năm nữa, khi chúng ta nhìn lại, chúng ta sẽ thấy rằng thời điểm mà mọi người bắt đầu nghi ngờ những con số tự công bố — chính là thời điểm ngành công nghiệp này trở nên trưởng thành. Và cũng giống như EOS đã vượt qua rào cản, câu hỏi đặt ra cho mỗi chúng ta là: bạn đã sẵn sàng nhìn thẳng vào sự thật, dù nó không như bạn mơ ước?
Tôi không chắc là mình đã sẵn sàng. Nhưng tôi biết rằng, tốt hơn hết, mình nên bắt đầu ngay từ hôm nay. Bởi vì một thị trường được xây dựng trên sự thật — dù khắc nghiệt — sẽ luôn bền vững hơn một thị trường xây dựng trên hư vọng. Và điều đó, với tôi, là một chân lý còn quan trọng hơn mọi benchmark, mọi điểm số, và mọi con số.