Daniil và David Liberman: AI không chỉ là cuộc chiến mô hình, mà còn là cuộc chiến hạ tầng tính toán

Tác giả | Gonka.ai



Lời nói đầu: Trong bối cảnh thảo luận toàn cầu về AI đang tiếp tục nóng lên, sự chú ý của ngành thường tập trung vào khả năng mô hình, đột phá công nghệ và khung quy định. Nhưng bên dưới những cuộc thảo luận này, một vấn đề cơ bản hơn đang dần nổi lên: Cơ sở hạ tầng sức mạnh tính toán của AI thực sự nằm trong tay ai? Trong một cuộc trò chuyện tại Hội nghị Unlockit, những người đồng sáng tạo giao thức Gonka, nhà tương lai học, doanh nhân và nhà đầu tư Daniil và David Liberman đã đưa ra một quan điểm cốt lõi: Trí tuệ nhân tạo không bao giờ là một công nghệ trung lập, cơ sở hạ tầng sức mạnh tính toán quyết định AI cuối cùng phục vụ ai. Theo quan điểm của họ, tương lai của AI không chỉ là một cuộc đua công nghệ, mà còn là một cuộc chơi dài hạn xoay quanh quyền kiểm soát cơ sở hạ tầng.

Nền tảng thực sự của AI: Không phải là mô hình, mà là sức mạnh tính toán

Cơ sở hạ tầng AI tập trung chỉ trông giống như một điều tất yếu khi mọi người không đặt câu hỏi về các giả định cơ bản của nó.

Trong một thời gian dài, hầu hết các cuộc thảo luận về trí tuệ nhân tạo đều tập trung vào mô hình, đạo đức hoặc quy định. Nhưng bên dưới những điều đó, còn có một tầng quyết định hơn - sức mạnh tính toán. Ai sở hữu sức mạnh tính toán, ai kiểm soát quyền truy cập vào nó, và trong những điều kiện nào nó có thể được sử dụng, cuối cùng quyết định cách thức hoạt động của trí tuệ nhân tạo và nó phục vụ ai.

Một khi nhìn AI từ góc độ này, bức tranh hiện tại khó có thể bị bỏ qua. Nghiên cứu của OECD và các dữ liệu công khai khác cho thấy, sức mạnh tính toán AI tiên tiến ngày càng tập trung vào tay một số ít nhà cung cấp dịch vụ đám mây, và tập trung ở một số quốc gia hạn chế. Điều này tạo ra một "khoảng cách sức mạnh tính toán" ngày càng mở rộng, tức là sự chênh lệch giữa những người có thể tiếp cận cơ sở hạ tầng và những người không thể.

Sự tập trung này không phải là ngẫu nhiên. Ngày nay, việc tiếp cận GPU tiên tiến được kiểm soát bởi một số ít nhà cung cấp, và ngày càng chịu ảnh hưởng bởi các ưu tiên ở cấp quốc gia. Kết quả là sức mạnh tính toán trở nên đắt đỏ, dung lượng hạn chế và phân bố không đồng đều về mặt địa lý. Và tất cả những điều này xảy ra đúng vào thời điểm AI đang trở thành yếu tố then chốt trong cơ sở hạ tầng khoa học, công nghiệp và xã hội.

Đồng thời, các hệ thống phi tập trung hiện tại cũng không tự động giải quyết vấn đề này. Nhiều hệ thống phi tập trung vẫn tiêu tốn một lượng lớn sức mạnh tính toán vào chi phí đồng thuận và bảo mật, trong khi các cơ chế khuyến khích thường thưởng cho vốn, thay vì đóng góp tính toán thực sự. Điều này làm giảm động lực của các nhà cung cấp phần cứng và làm chậm sự đổi mới ở cấp độ cơ sở hạ tầng.

Chính tại đây, suy nghĩ của chúng tôi bắt đầu phân hóa. Chúng tôi không xuất phát từ một lập trường ý thức hệ, cũng không chọn phi tập trung chỉ để chống lại các tác nhân tập trung. Chúng tôi xuất phát từ một câu hỏi thực tế hơn: Cơ sở hạ tầng AI sẽ như thế nào nếu hiệu quả, quyền truy cập và đóng góp có thể được sắp xếp phù hợp, thay vì xung đột với nhau?

Câu hỏi này cuối cùng dẫn chúng tôi đến một mô hình: Phần lớn sức mạnh tính toán được sử dụng cho công việc AI thực sự, thay vì chi phí hệ thống; Quyền tham gia và quản trị được quyết định bởi đóng góp tính toán đã được xác minh, thay vì vốn; Việc truy cập vào tài nguyên GPU toàn cầu được thiết kế không cần sự cho phép. Trong thực tế, những giả định này cũng liên tục được kiểm tra áp lực thông qua các cuộc thảo luận mở liên tục, bao gồm cả sự hợp tác trực tiếp với các nhà vận hành GPU, nhà phát triển và nhà nghiên cứu - chẳng hạn như trong cộng đồng Discord của chúng tôi.

AI không bao giờ chỉ là phần mềm. Nó luôn là một cơ sở hạ tầng. Và sự lựa chọn cơ sở hạ tầng thường khóa xã hội vào một quỹ đạo phát triển kéo dài hàng thập kỷ. Đặt cơ sở hạ tầng này dưới sự quản lý của một số ít doanh nghiệp hoặc quốc gia không phải là một kết quả kỹ thuật trung lập, mà là một quyết định cấu trúc có hậu quả kinh tế và địa chính trị lâu dài. Nếu bản thân trí tuệ trở nên phong phú, thì cơ sở hạ tầng hỗ trợ nó ngay từ đầu phải được thiết kế cho "sự phong phú".

Tiêu chuẩn thành công thực sự của AI phi tập trung

Khó khăn chủ yếu nằm ở chỗ, bạn không tranh luận với con người, mà với "các giả định mặc định".

Cộng đồng công nghệ chủ đạo thường tối ưu hóa những gì hiệu quả trong ngắn hạn: tốc độ, hiệu quả vốn, kiểm soát tập trung và quy mô thông qua hợp nhất. Những lựa chọn này là hợp lý ở cấp độ cục bộ, nhưng một khi trở thành tùy chọn mặc định, mọi người hiếm khi đặt câu hỏi về chúng. Khi bạn thách thức những giả định mặc định này, cảm giác như đang nói một ngôn ngữ khác - không phải vì ý tưởng cực đoan, mà vì những ý tưởng này chạm đến cấu trúc khuyến khích mà nhiều nghề nghiệp, công ty và chiến lược đã xây dựng.

Khó khăn hơn là vấn đề thời điểm. Các hệ thống tập trung thường trông rất thành công trước khi chi phí dài hạn của chúng lộ diện. Mặc dù các khoản đầu tư khổng lồ và chi tiêu cơ sở hạ tầng đã rất rõ ràng, nhưng chi phí sâu hơn thường chỉ xuất hiện sau này, chẳng hạn như sự phụ thuộc gia tăng, mất tính linh hoạt, quyền định giá tập trung vào tay một số ít nhà cung cấp, và không thể thay đổi hướng đi sau khi hệ thống đã được nhúng sâu.

Đối với chúng tôi, thành công không có nghĩa là thắng một cuộc tranh luận, cũng không có nghĩa là thay thế các tác nhân hiện có. Hình ảnh thành công thực sự yên tĩnh hơn nhiều. Thành công là khi cơ sở hạ tầng phi tập trung không còn là một tuyên ngôn, mà trở nên tầm thường: khi mọi người sử dụng nó, không phải vì họ tin vào phi tập trung, mà vì nó là lựa chọn thiết thực nhất.

Cuối cùng, thành công thực sự là khi toàn bộ cuộc thảo luận tự thay đổi. Khi câu hỏi không còn là "trí tuệ có nên tập trung hay không", mà trở thành "tại sao chúng ta từng nghĩ rằng nó phải tập trung". Đến lúc đó, niềm tin không cần bị thách thức trực tiếp, chúng sẽ tự nhiên tiến hóa.

Doanh nghiệp quyết định đi theo con đường tập trung hay phi tập trung như thế nào?

Cơ sở hạ tầng AI không còn chỉ là một lớp kỹ thuật, nó đang trở thành một sự phụ thuộc chiến lược.

Đối với doanh nghiệp, cơ sở hạ tầng AI tập trung tạo ra hiệu ứng khóa chặt khó đảo ngược. Một khi các hệ thống quan trọng phụ thuộc vào một số ít nhà cung cấp, quyền kiểm soát sẽ dần chuyển từ người dùng sang chủ sở hữu cơ sở hạ tầng. Theo thời gian, điều này sẽ ảnh hưởng đến giá cả, quyền truy cập, tốc độ đổi mới và phạm vi các lựa chọn chiến lược khả thi.

Đối với doanh nghiệp, vấn đề nằm ở tính linh hoạt chiến lược. Cơ sở hạ tầng tập trung có thể hoạt động tốt trong giai đoạn đầu, nhưng thường dần cứng lại thành sự phụ thuộc dài hạn. Chi phí ngày càng khó kiểm soát, các giải pháp thay thế ngày càng khó áp dụng, và việc thay đổi các quyết định kiến trúc ở quy mô lớn cũng ngày càng khó khăn hơn.

Thời điểm quyết định quan trọng thường đến sớm hơn hầu hết mọi người nghĩ. Lựa chọn cơ sở hạ tầng thường bị khóa chặt ngay cả khi hậu quả của nó chưa rõ ràng. Một khi AI chuyển từ giai đoạn thử nghiệm thành cơ sở hạ tầng hàng ngày, chi phí thay đổi kiến trúc cơ bản sẽ tăng theo cấp số nhân. Do đó, thời điểm quyết định thực sự không phải là khi hệ thống tập trung thất bại, mà là khi chúng vẫn trông có vẻ hoạt động tốt. Khám phá các giải pháp phi tập trung sớm có thể giữ lại quyền lựa chọn; chờ đợi thường có nghĩa là lựa chọn đã được đưa ra.

Nếu đã phụ thuộc vào cơ sở hạ tầng tập trung, có phải đã quá muộn?

Hiếm khi thực sự "quá muộn", nhưng theo thời gian, độ khó sẽ tăng theo cấp số nhân.

Một khi hầu hết các hệ thống được xây dựng trên cơ sở hạ tầng AI tập trung, thách thức không còn là ở cấp độ kỹ thuật, mà là ở cấp độ thể chế. Quy trình làm việc, cơ chế khuyến khích, ngân sách, yêu cầu tuân thủ, thậm chí cả con đường đào tạo nhân tài, đều dần giả định rằng tập trung là "cách mọi thứ vận hành". Đến lúc đó, thay đổi không chỉ là di chuyển cơ sở hạ tầng, mà còn cần phải học lại những thói quen, mô hình hợp đồng và cách suy nghĩ đã ăn sâu vào tổ chức.

Nghiên cứu về sự khóa chặt cơ sở hạ tầng cũng củng cố điều này. Phân tích ngành liên tục chỉ ra rằng, sau nhiều năm vận hành trong môi trường đám mây tập trung, chi phí chuyển đổi tăng mạnh, chứ không phải tăng tuyến tính. Sự gia tăng này đến từ các hợp đồng dài hạn, khung quy định, các quy trình nội bộ tích hợp sâu và lực lượng lao động chuyên môn hóa cao. Nghiên cứu của OECD cũng chỉ ra rằng, các quốc gia và tổ chức không tiếp cận được sức mạnh tính toán AI sớm sẽ phải đối mặt với bất lợi tích lũy theo thời gian, không chỉ mất khả năng cạnh tranh, mà còn mất tự do kiến trúc - tức là khả năng thực sự lựa chọn các mô hình cơ sở hạ tầng khác.

Đồng thời, lịch sử cho thấy chuyển đổi cơ sở hạ tầng hiếm khi xảy ra một lần. Chúng thường bắt đầu từ rìa. Các kịch bản ứng dụng mới, các tác nhân mới và các hạn chế mới tạo ra các điểm áp lực, nơi các hệ thống tập trung bắt đầu không còn đủ - có thể quá đắt, quá chậm, quá nhiều hạn chế hoặc quá mong manh. Đây thường là nơi các giải pháp thay thế bắt đầu trở nên quan trọng.

Theo thời gian, thứ thực sự bị xói mòn là "quyền l