AI rời cuộc đua mô hình lớn: 'Chương trình ngoài' thống trị và vì sao blockchain đứng trước ngã rẽ lịch sử

Trong 48 giờ qua, giới phát triển và đầu tư tiền mã hóa lan truyền một tuyên bố gây chú ý: cuộc đua trí tuệ nhân tạo không còn nằm ở việc huấn luyện mô hình ngôn ngữ lớn hơn, mà nằm ở việc xây dựng một hệ thống agent tổng thể — nơi mô hình thần kinh hoạt động cùng một chương trình bên ngoài có thể thực thi, gọi API, truy vấn dữ liệu và tự thay đổi hành vi. Người phát ngôn không ai khác là Francois Chollet, cha đẻ của bộ benchmark ARC-AGI. Tôi đã vận hành các bot quét on-chain từ năm 2017, qua ba chu kỳ thị trường, và tôi nhận ra một điều: cấu trúc "model + program" mà Chollet mô tả giống hệt một blockchain thu nhỏ. Có lớp quy tắc bất biến. Có lớp logic linh hoạt. Và có một vòng lặp liên tục giữa hai lớp đó. Nhưng blockchain có validator để đảm bảo an toàn; còn hệ thống agent tổng thể mà Chollet nói tới lại chưa có một cơ chế xác minh tương đương. Đây là khoảng trống lớn nhất trong cả ngành AI lẫn crypto hiện tại. Vì sao tuyên bố này lại đến vào thời điểm thị trường crypto đang đi ngang? Bởi vì ngành AI đang rơi vào một cuộc khủng hoảng niềm tin sau giai đoạn tăng trưởng nóng. Chi phí huấn luyện mô hình tăng vọt, giá API sụt giảm do cạnh tranh, nhưng các sản phẩm agent lại phát triển nhanh hơn hẳn các ứng dụng chat thông thường. ChatGPT Code Interpreter, Claude Computer Use, Manus, AutoGPT — tất cả đều là những minh chứng cho một sự thật: người dùng không cần một cỗ máy nói chuyện thông minh, họ cần một hệ thống làm được việc. Chollet vừa đặt một cái tên có hệ thống cho trào lưu này, và với giới đầu tư tiền mã hóa, đó là tín hiệu cho thấy dòng vốn và câu chuyện tăng trưởng đang dịch chuyển. Nhắc tới ARC-AGI: bộ benchmark này không kiểm tra kiến thức, mà kiểm tra khả năng thích nghi của một hệ thống trong môi trường chưa từng thấy. Chollet đã dùng nó để chứng minh rằng các mô hình ngôn ngữ dù có hàng nghìn tỷ tham số vẫn thất bại trước những bài toán mà con người giải quyết trong vài giây. Nếu ARC-AGI trở thành tiêu chuẩn đánh giá cho các agent, thì những hệ thống được xây dựng chỉ để ghi nhớ kiến thức sẽ mất giá nhanh chóng, trong khi những hệ thống có khả năng tái lập chương trình sẽ vươn lên. Điều này cũng tác động trực tiếp đến dòng vốn đầu tư: các quỹ đang quay lưng với những dự án AI "mô hình to", hướng tới những đội ngũ giỏi thiết kế vòng lặp thử nghiệm – mà trong crypto, đó chính là các giao thức có cơ chế kiểm toán on-chain minh bạch. Điều gì thực sự ẩn sau cụm từ "model + program"? Về mặt kỹ thuật, đây không phải một kiến trúc mới, mà là một chiến lược tái tổ hợp công nghệ cũ: mạng nơ-ron đảm nhận vai trò hiểu ngữ nghĩa, chương trình tượng trưng đảm nhận vai trò thực thi logic. Chollet gọi đó là "symbol sandwich" — một lớp nhân tạo ở giữa hai lớp chương trình. Chiều thứ nhất: chương trình đặt ra các luật lệ, ràng buộc đầu ra của mô hình. Chiều thứ hai: mô hình quan sát kết quả, đưa ra phán đoán, và triệu gọi chương trình mới. Đây chính xác là vòng lặp mà các hệ thống neuro-symbolic đã theo đuổi suốt ba mươi năm, nhưng lần này phần "program" được mở rộng tới mức có thể gọi bất kỳ công cụ số nào — từ trình thông dịch Python tới hợp đồng thông minh. Điều này dẫn đến một hệ quả: nếu agent có thể gọi một hợp đồng thông minh trực tiếp, nó không còn là một bot vô tri. Nó trở thành một thực thể kinh tế có khả năng tự vận hành. Hồi năm 2020, khi tôi theo dõi Yam Finance — một dự án có TVL tăng từ 0 lên 400 triệu USD trong 48 giờ rồi sụp đổ — tôi mất gần hai ngày để thu thập dữ liệu và viết cảnh báo. Một hệ thống agent theo kiểu Chollet mô tả có thể làm điều đó trong hàng chục phút, bằng cách tự chạy thử contract, kiểm tra hàm rebase, đo dòng thanh khoản và gửi báo cáo có gắn chữ ký số. Cơ hội lớn, nhưng rủi ro còn lớn hơn. Hãy nghĩ tới chuyện gì xảy ra khi agent bị tấn công prompt injection ngay trước khi nó thực hiện một lệnh chuyển tiền. Về mặt an toàn, không thể bỏ qua một kịch bản kinh hoàng: nếu agent có thể tự viết chương trình và thực thi trên một tài khoản có quyền kiểm soát quỹ, tấn công prompt injection có thể biến nó thành công cụ rút tiền. Một prompt độc hại ẩn trong dữ liệu mà agent đọc, chẳng hạn như một comment trên hợp đồng hoặc một câu trả lời từ oracle, có thể khiến agent gọi một hàm approve với số tiền không giới hạn. Blockchain là môi trường minh bạch, nhưng sự minh bạch đó cũng đồng nghĩa với việc dữ liệu có thể bị đầu độc bởi bất kỳ ai trả phí giao dịch. Vì vậy, bất kỳ hệ thống agent nào kết nối với DeFi đều cần một tầng lọc dữ liệu, một danh sách trắng các contrat được phép gọi, và một cơ chế hoãn lệnh để con người hoặc một bên trọng tài có thể can thiệp. Nếu không có những thành phần này, "model + program" sẽ là cơn ác mộng kiểm toán. Đến đây, tôi muốn nói thẳng về thị trường token AI agent. Dữ liệu cho thấy phần lớn token thuộc nhóm này đều được xây dựng như một lớp vỏ bọc quanh API của OpenAI hoặc Anthropic. Chúng không có vòng lặp học. Không có chương trình tự sinh. Không có cơ chế xác minh. Nhà phát triển chỉ đơn giản kết nối một LLM vào một giao diện chat, phát hành token, và kể câu chuyện về "AI agent phi tập trung". Nếu bạn đang nghĩ đến việc mua token AI agent, hãy đọc kỹ mục này: áp dụng tiêu chuẩn của Chollet, hơn 90% số token đó không phải agent, mà là một website có token. Người hưởng lợi thực sự từ xu hướng "model + program" không nằm ở lớp ứng dụng mỏng, mà nằm ở tầng hạ tầng được sử dụng làm "chương trình ngoài": mạng oracle cung cấp dữ liệu tin cậy, mạng máy tính phi tập trung cung cấp môi trường thực thi, lớp lưu trữ để lưu lại vết lịch sử hoạt động của agent, và các giao thức kiểm toán để xác minh rằng agent không tự ý sửa code của chính nó. Trong thế giới blockchain, những tầng này có thể được token hóa và vận hành bởi một mạng lưới người tham gia. Nói cách khác, blockchain có thể trở thành lớp xác minh cho AI tự chủ – một vị trí mà chưa ai chiếm giữ. Tác động lên ngành phần mềm doanh nghiệp cũng sẽ rất sâu rộng. Khi "chương trình ngoài" trở thành yếu tố quyết định, giá trị của một hệ thống AI không đến từ số tham số, mà đến từ quy trình, luật lệ, khả năng tích hợp và mức độ ổn định khi vận hành. Lớp RPA, low-code, quy trình nghiệp vụ, công cụ kiểm thử, và các khung giám sát agent sẽ chứng kiến nhu cầu tăng vọt. Các doanh nghiệp sẽ không mua một mô hình, họ sẽ mua một hệ thống hoàn chỉnh có thể kiểm soát được. Và với ngành crypto, điều này có nghĩa là cuộc cạnh tranh giữa các mạng lưới smart contract sẽ không còn dựa trên tốc độ giao dịch, mà dựa trên khả năng cung cấp một môi trường thực thi đáng tin cậy cho các agent phức hợp. Tôi cũng cần nhắc tới một khía cạnh mà bản tin gốc hoàn toàn bỏ qua: chi phí hạ tầng. Một agent thực hiện một tác vụ phức hợp có thể cần hàng chục lượt suy luận mô hình, hàng trăm lần gọi công cụ, và một môi trường chạy chương trình riêng biệt. Loại khối lượng công việc này không cần đơn thuần nhiều GPU hơn, mà cần một nền tảng lai: GPU cho mạng nơ-ron, CPU và container cho chương trình, API gateway cho kết nối, bộ nhớ truy cập nhanh cho bối cảnh. Trong môi trường phi tập trung, đây chính là một thị trường tính toán mới. Các mạng như Bittensor đang thử nghiệm điều hướng này, nhưng vẫn còn ở giai đoạn rất sớm. Các ông lớn công nghệ như OpenAI, Anthropic, Google đang cho thấy họ nắm lợi thế sân nhà rất lớn. Nhưng chính họ cũng đang đối mặt với một nghịch lý: họ kiểm soát mô hình, nhưng họ cần một hệ sinh thái các nhà phát triển xây dựng "chương trình ngoài" cho họ. Trong crypto, điều này từng xảy ra với Ethereum: giao thức chỉ cung cấp nền tảng, còn cộng đồng phát triển các hợp đồng thông minh và ứng dụng. Mô hình đó tạo ra hiệu ứng mạng lưới. Nếu AI đi theo hướng tương tự, những mạng lưới nào cho phép các agent ghi lại hành vi, chia sẻ trạng thái và xác minh lẫn nhau sẽ trở thành nền tảng thống trị. Bây giờ, tôi muốn tự phản biện chính mình. Trước khi nghe theo câu chuyện "model + program" này, hãy nhớ lại thập niên 1980 với cơn sốt hệ chuyên gia. Khi đó, các tập đoàn lớn đổ hàng tỷ USD vào những hệ thống quy tắc do con người viết tay, tin rằng chúng sẽ thay thế toàn bộ chuyên gia. Kết cục là một mùa đông AI khắc nghiệt. Kiến trúc "model + program" có thể có cùng số phận nếu không giải quyết được ba vấn đề: thứ nhất, làm sao huấn luyện end-to-end một hệ thống khi chương trình bên ngoài không khả vi? Thứ hai, làm sao đánh giá một hệ thống khi không thể cô lập biến? Thứ ba, làm sao đảm bảo an toàn khi agent có khả năng tự sinh code và thực thi code đó? Chollet là một người thông minh, và ông nói đúng về xu hướng. Nhưng ông chưa đưa ra bằng chứng thực nghiệm cho thấy "symbol sandwich" cải thiện điểm số ARC-AGI. Đây là một tuyên bố triết học, không phải một bước tiến kỹ thuật. Đối với các nhà đầu tư crypto, thách thức còn tinh vi hơn. Hầu hết các token agent đang giao dịch trên sàn phi tập trung không liên quan đến cấu trúc "model + program". Chúng được định giá dựa trên sự kỳ vọng, không dựa trên kỹ thuật. Khi thị trường đi ngang, sự kỳ vọng có thể bay hơi chỉ sau một đêm. Tôi từng chứng kiến những dự án "AI" có vốn hóa 100 triệu USD chỉ để rồi phát hiện ra rằng họ dùng cùng một API như đối thủ, với một lớp giao diện đổi màu. Nếu bạn muốn tham gia, hãy tìm những nơi có vòng lặp dữ liệu thật, có môi trường thực thi thật, và có đội ngũ hiểu sâu về symbol cũng như neural. Nếu không, bạn đang mua một câu chuyện có chu kỳ sống ngắn hơn cả một chu kỳ token. Trong năm năm tới, câu hỏi sẽ không còn là "mô hình nào tốt nhất?", mà là "hệ thống nào có thể tự viết ra chương trình đúng đắn cho chính nó?" Khi điều đó xảy ra, blockchain có thể trở thành bộ nhớ dài hạn và cơ chế kiểm toán cho các AI tự chủ. Nhưng trước khi điều đó trở thành hiện thực, chúng ta cần một hạ tầng xác minh hoàn toàn mới. Câu hỏi tôi để lại cho bạn: khi một agent tự viết hợp đồng thông minh để giao dịch với một agent khác, thì ai là người chịu trách nhiệm cuối cùng? Một DAO ẩn danh, một công ty kiểm toán, hay một mạng lưới validator không biết nhau? Hạ tầng nào trả lời được câu hỏi này sẽ trở thành lớp nền cho toàn bộ kỷ nguyên trí tuệ nhân tạo — và tôi tin rằng câu trả lời đó sẽ đến từ những người đang làm blockchain, không phải từ những phòng lab kín cổng cao tường.