Hook
750 tokens mỗi giây. Một con số khiến bất kỳ ai từng chờ đợi phản hồi từ API AI đều phải ngước nhìn. Nhưng đằng sau con số ấy là một câu chuyện sâu xa hơn về sự tập trung hóa quyền lực tính toán. Nếu OpenAI thực sự đạt được tốc độ này nhờ Cerebras, thì đó không chỉ là một bước tiến kỹ thuật – đó là một tín hiệu về việc tốc độ đang trở thành hàng hóa xa xỉ, chỉ dành cho những ai có khả năng trả giá cao. Và trong một thế giới mà blockchain từng hứa hẹn sự phân quyền, liệu chúng ta có đang chứng kiến sự trở lại của mô hình cũ?
Context
Bài viết gốc, dù chưa được xác thực từ OpenAI, đã vẽ ra một bức tranh rõ ràng: GPT-5.6 Sol – một phiên bản mới của mô hình ngôn ngữ lớn – sở hữu chế độ Ultrafast đạt 750 tokens/s, nhanh gấp 14 lần Standard và 5.6 lần so với Fast. Điểm đáng chú ý là tốc độ này không đến từ kiến trúc mô hình mới, mà từ phần cứng chuyên dụng của Cerebras – một công ty chip với kiến trúc wafer-scale engine. Điều này có nghĩa là OpenAI không tự tối ưu hạ tầng, mà thuê ngoài khả năng tăng tốc. Trong ngành blockchain, chúng ta gọi đó là outsourcing sức mạnh – một dấu hiệu của sự phụ thuộc vào các bên thứ ba tập trung.
Core: Phân tích kỹ thuật dưới góc nhìn phi tập trung
Đầu tiên, hãy nhìn vào con số 750 tokens/s. Dựa trên kinh nghiệm audit các giao thức DeFi và Layer2 của tôi, tôi biết rằng các con số hiệu năng thường được công bố ở điều kiện lý tưởng – batch size nhỏ, không tải nền, không contention. Cerebras nổi tiếng với băng thông bộ nhớ cao và khả năng xử lý batch nhỏ rất nhanh, nhưng liệu tốc độ này có duy trì được ở P99 dưới áp lực 1.000 request đồng thời? Chưa có bằng chứng.
Mỗi block là một tuyên ngôn về tự do cá nhân. Trong blockchain, mỗi giao dịch đều được xác thực bởi mạng lưới phân tán. Nhưng ở đây, tốc độ 750 tokens/s phụ thuộc hoàn toàn vào một nhà cung cấp tập trung – Cerebras. Nếu Cerebras ngừng hoạt động, hoặc thay đổi điều khoản, tốc độ đó biến mất. Đây là một rủi ro mà các ứng dụng agent, vốn được xây dựng trên nền tảng này, phải đối mặt. Tôi đã từng chứng kiến những dự án DeFi sụp đổ vì phụ thuộc vào một oracle duy nhất. Lịch sử có xu hướng lặp lại.
Thứ hai, bài viết cho thấy OpenAI đang phân tầng tốc độ thành Standard, Fast, Ultrafast. Đây là một chiến lược định giá quen thuộc: bán thời gian phản hồi như một dịch vụ cao cấp. Nhưng từ góc nhìn của một người từng viết blog về triết lý AMM vào năm 2017, tôi thấy sự tương phản rõ rệt: trong DeFi, thanh khoản là hàng hóa công cộng; còn ở đây, tốc độ là hàng hóa xa xỉ. Sự phân hóa truy cập vào AI đang diễn ra nhanh hơn chúng ta nghĩ.
Từng chiếc NFT là một mảnh ghép của tâm hồn chung. Nhưng nếu tốc độ AI chỉ dành cho những người có khả năng trả phí Ultrafast, thì tâm hồn chung ấy sẽ bị chia cắt. Những startup agent nhỏ không thể cạnh tranh với các quỹ đầu tư lớn, những người có thể mua gói Ultrafast với giá cao. Điều này đi ngược lại tinh thần của Web3 – nơi mọi người đều có quyền truy cập bình đẳng vào tài nguyên.
Contrarian: Góc nhìn phản trực giác
Nhưng hãy dừng lại. Có một góc nhìn khác: Sự tập trung hóa tốc độ này có thể thúc đẩy nhu cầu về các giải pháp AI phi tập trung. Khi OpenAI định giá tốc độ quá cao, thị trường sẽ tìm kiếm các lựa chọn thay thế rẻ hơn, minh bạch hơn. Các dự án như Bittensor, hoặc các mạng lưới inference phi tập trung dựa trên GPU chia sẻ, có thể hưởng lợi. Tôi đã thấy điều này xảy ra trong DeFi: khi Uniswap tính phí cao, các AMM khác xuất hiện.
Thêm vào đó, việc OpenAI dùng Cerebras cho thấy giới hạn của GPU trong inference tốc độ cao. Điều này mở ra cơ hội cho các kiến trúc chip chuyên dụng khác, bao gồm cả các giải pháp mã nguồn mở. Nếu Cerebras có thể cung cấp 750 tokens/s, tại sao một mạng lưới các node chạy chip RISC-V không thể làm điều tương tự?
Takeaway: Tầm nhìn tiến bộ
Câu hỏi cuối cùng không phải là liệu OpenAI có đạt được 750 tokens/s hay không, mà là ai sẽ được hưởng tốc độ đó? Trong một thế giới lý tưởng, tốc độ là quyền cơ bản, không phải đặc quyền. Nhưng thực tế, chúng ta đang chứng kiến sự tái tập trung hóa của hạ tầng AI. Liệu blockchain có thể tạo ra một lớp tốc độ phi tập trung, nơi mỗi node đóng góp một phần sức mạnh tính toán và nhận lại token? Hay chúng ta sẽ chấp nhận một thế giới nơi tốc độ được phân phối theo khả năng chi trả?
Mỗi block là một tuyên ngôn về tự do cá nhân. Nhưng nếu block đó đến từ một server tập trung, thì tuyên ngôn ấy chỉ còn là ảo ảnh. Đã đến lúc cộng đồng Web3 không chỉ quan tâm đến tài chính phi tập trung, mà còn đến trí tuệ phi tập trung.
