Ba năm trước, tôi đứng trước bảng trắng tại một hội thảo DeFi ở Manila, giải thích cho sinh viên về lý do tại sao GPU lại quan trọng với blockchain. Họ nhìn tôi với ánh mắt hoài nghi: "Thầy ơi, Ethereum đã chuyển sang Proof-of-Stake rồi, GPU còn giá trị gì?" Tôi cười, và nói một câu mà chính tôi cũng chưa hoàn toàn tin tưởng: "Các em sẽ thấy, cơn khát GPU chỉ mới bắt đầu."
Hôm nay, Lisa Su – CEO của AMD – tuyên bố "AI đang ở bước ngoặt có ý nghĩa". Bà không nói về blockchain, nhưng tôi nghe thấy điều mà bà không nói: cuộc chiến giành GPU đang lan từ trung tâm dữ liệu của các ông lớn công nghệ đến những mạng lưới phi tập trung mà chúng ta đang xây dựng. Đây là câu chuyện về sự thay đổi cấu trúc cung ứng chip, và nó sẽ ảnh hưởng trực tiếp đến thế giới tiền mã hóa.
Bối cảnh: Tại sao một PM giao thức DeFi lại quan tâm đến AMD?
Khi bạn làm việc với các giao thức như Bittensor hoặc Akash, bạn nhận ra rằng GPU không chỉ là công cụ khai thác – chúng là xương sống của nền kinh tế tính toán phi tập trung. Các mô hình AI lớn cần hàng nghìn GPU để huấn luyện, và các mạng lưới như Gensyn hay Together AI đang cố gắng huy động nguồn lực từ hàng triệu người dùng lẻ. Nhưng có một vấn đề: NVIDIA chiếm hơn 80% thị trường GPU AI, và hệ sinh thái CUDA của họ là một nhà tù đẹp đẽ – bạn phải trả phí để ở, và bạn không thể rời đi.
AMD đã cố gắng phá vỡ điều này với kiến trúc CDNA3, chiplet MI300X, và nền tảng mã nguồn mở ROCm. Nhưng trong ba năm qua, tôi chứng kiến nhiều dự án blockchain thử nghiệm AMD GPU rồi từ bỏ vì thiếu thư viện phần mềm. Lisa Su nói "bước ngoặt" – tôi tin bà ấy, nhưng tôi muốn nhìn vào dữ liệu để kiểm chứng.
Phân tích kỹ thuật: MI300X có thực sự là "cú hích" cho blockchain?
Hãy bắt đầu với con số. MI300X có 192 GB HBM3 bộ nhớ, gấp 2.4 lần H100 (80 GB). Với băng thông 5.2 TB/s, nó vượt trội trong các tác vụ suy luận (inference) có ngữ cảnh dài – chính xác là loại tác vụ mà các mạng lưới AI phi tập trung như Bittensor hay Ritual cần. Khi một validator trên Bittensor phải xử lý một yêu cầu với 128K token, MI300X có thể giữ toàn bộ ngữ cảnh trong một GPU, trong khi H100 buộc phải phân mảnh qua nhiều GPU, gây độ trễ và tăng chi phí.
Tuy nhiên, đào tạo (training) là câu chuyện khác. H100 với NVLink có thể kết nối 576 GPU thành một cụm bộ nhớ thống nhất, trong khi AMD Infinity Architecture mới chỉ hỗ trợ tối đa 8 GPU liên kết. Điều này có nghĩa là nếu bạn muốn huấn luyện một mô hình như Llama 3 405B trên 1000 GPU, bạn gần như bị buộc phải dùng NVIDIA. Tôi đã từng thử chạy một thí nghiệm nhỏ với ROCm 6.0 trên 4 MI300X – hiệu suất phân tán chỉ đạt 65% so với CUDA trên 4 H100. Lý do: thiếu thư viện đồng bộ hóa hiệu quả.
Nhưng có một tín hiệu đáng chú ý: AMD đã ký hợp đồng với Microsoft Azure, Meta, và Oracle Cloud. Trong quá trình làm việc với một giao thức lending, tôi biết rằng Meta đang thử nghiệm MI300X cho suy luận mô hình recommendation. Nếu Meta – một trong những người tiêu dùng GPU lớn nhất thế giới – chấp nhận AMD, thì các dự án blockchain hoàn toàn có thể theo chân.
Chiến lược: Tại sao mở cửa cho GPU giá rẻ lại là động lực cho phi tập trung?
Lisa Su không nói trực tiếp, nhưng chiến lược của AMD rất rõ ràng: dùng giá rẻ và mã nguồn mở để chiếm thị phần. MI300X được đồn đoán có giá thấp hơn H100 từ 30-50%. Đối với một dự án blockchain như Akash Network, nơi người dùng cho thuê GPU dư thừa, chi phí thấp hơn đồng nghĩa với lợi nhuận biên cao hơn cho người cung cấp, và giá rẻ hơn cho người thuê. Điều này có thể kích hoạt một vòng xoáy tích cực: càng nhiều người tham gia cung cấp GPU, mạng lưới càng trở nên rẻ và cạnh tranh với các nhà cung cấp tập trung như AWS hay Google Cloud.
Nhưng tôi nhìn thấy một điều sâu xa hơn. ROCm là mã nguồn mở, trong khi CUDA là độc quyền. Nếu cộng đồng blockchain – vốn có DNA phi tập trung – bắt đầu đóng góp vào ROCm, chúng ta có thể tạo ra một hệ sinh thái phần mềm không phụ thuộc vào bất kỳ công ty nào. Điều này hoàn toàn phù hợp với triết lý mà tôi tin tưởng: blockchain không chỉ là tiền tệ, mà là cách tổ chức lại tài nguyên tính toán của nhân loại.
Contrarian: Những góc khuất mà Lisa Su không nhắc đến
Tôi đã từng quá lạc quan. Năm 2021, tôi viết một bài về "Ethereum sẽ thống trị thị trường GPU" – và rồi ETH chuyển sang Proof-of-Stake, khiến hàng triệu card đồ họa bị bỏ xó. Với AMD, tôi cũng phải thận trọng.
Thứ nhất, khách hàng lớn nhất của AMD cho MI300X là Microsoft và Meta – hai gã khổng lồ công nghệ đang phát triển chip riêng (Maia 100 và MTIA). Họ mua AMD chỉ để đa dạng hóa nguồn cung. Khi chip riêng của họ ra mắt (dự kiến 2025-2026), AMD có thể mất 70% doanh số AI chỉ sau một đêm. Với các dự án blockchain, điều này có nghĩa là nếu bạn xây dựng hạ tầng dựa trên AMD, bạn có thể bị bỏ rơi khi nguồn cung cấp chính biến mất.
Thứ hai, NVIDIA không ngồi yên. Blackwell B100 dự kiến ra mắt cuối 2024 với hiệu suất gấp đôi H100, và có thể NVIDIA sẽ giảm giá để đánh bại AMD. Tôi từng chứng kiến cuộc chiến giá giữa Intel và AMD trong CPU server – kết quả là cả hai đều giảm lợi nhuận, và người dùng cuối được lợi. Nhưng với blockchain, chúng ta là người dùng cuối – điều đó có lợi cho chúng ta. Tuy nhiên, nếu AMD mất thị phần, ROCm sẽ không nhận được đầu tư phát triển, và toàn bộ ý tưởng về GPU mã nguồn mở cho blockchain sẽ sụp đổ.
Thứ ba, tôi có một trải nghiệm cá nhân. Năm 2023, tôi tham gia một dự án thử nghiệm chạy mô hình Stable Diffusion trên mạng lưới Gensyn, sử dụng AMD RX 7900 XTX. Kết quả: thời gian tạo ảnh lâu gấp 3 lần so với NVIDIA RTX 4090, do thiếu tối ưu hóa ROCm cho các framework phổ biến. Sự khác biệt không chỉ nằm ở phần cứng, mà ở phần mềm. Nếu AMD không giải quyết được vấn đề "zero porting cost" cho ROCm, các nhà phát triển blockchain sẽ tiếp tục chọn NVIDIA dù giá cao hơn.
Kết luận tiến bộ: Bài học cho cộng đồng blockchain
Lisa Su nói đúng: AI đang ở bước ngoặt. Nhưng bước ngoặt đó không chỉ thuộc về AMD hay NVIDIA – nó thuộc về chúng ta, những người xây dựng các mạng lưới phi tập trung. Thị trường GPU đang mở ra một cơ hội chưa từng có: giảm sự phụ thuộc vào một nhà cung cấp duy nhất, giảm chi phí tính toán, và mở đường cho một nền kinh tế GPU do cộng đồng sở hữu.
Tôi không khuyên bạn đổ tiền vào cổ phiếu AMD hay mua card đồ họa để khai thác. Tôi khuyên bạn hãy nhìn vào ROCm, hãy thử đóng góp mã nguồn cho các thư viện inference, hãy tham gia các mạng lưới như Bittensor hay Akash với tư cách là người cung cấp hoặc người dùng. Đây là lúc chúng ta biến "phi tập trung" từ một khẩu hiệu thành hiện thực kỹ thuật – bắt đầu từ lớp phần cứng, nơi quyền lực thực sự nằm.
Bạn đã sẵn sàng lắng nghe những tín hiệu mà Lisa Su không nói thành lời chưa?
