Tôi vừa thấy một con số: 400 tỷ USD. Đó là dự báo chi tiêu cho datacenter tại Mỹ vào năm 2025. Con số này xuất hiện trên Crypto Briefing, một trang tin về blockchain. Nhưng nó không phải tin tức về crypto; nó là về AI. Và nó khiến tôi – một kẻ đã dành 7 năm đào mã nguồn của các giao thức DeFi và Layer2 – phải dừng lại.
Bởi vì 400 tỷ không phải là một con số bình thường. Nó là một tín hiệu cho thấy AI đang chuyển từ giai đoạn thử nghiệm sang giai đoạn công nghiệp hóa. Nhưng cũng giống như khi tôi nhìn vào hợp đồng thông minh của The DAO năm 2017, tôi thấy những cấu trúc có vẻ vững chắc nhưng ẩn chứa lỗ hổng chết người. 400 tỷ đô la vào datacenter cũng vậy: nó là một cơn sốt vàng, và như mọi cơn sốt vàng, phần lớn số vàng sẽ không bao giờ được đào lên.
Hook: Một nghịch lý kỹ thuật Hãy tưởng tượng bạn đang xây một mạng lưới giao thông mà mọi chiếc xe đều phải chạy với tốc độ tối đa. Bạn đổ tiền vào đường xá, cầu cống, trạm xăng. Nhưng bạn quên mất rằng xe tải cần được bảo dưỡng, tài xế cần nghỉ ngơi, và – quan trọng nhất – hệ thống đèn giao thông có thể gây kẹt xe. Đó là những gì đang xảy ra với AI datacenter. 400 tỷ USD được rót vào GPU, vào điện, vào cooling. Nhưng ít ai hỏi: phần mềm của chúng ta có thực sự tận dụng được sức mạnh đó không? Hay chúng ta chỉ đang đốt tiền vào một cỗ máy chạy không tải?
Tôi đã từng đọc 15.000 dòng mã Solidity của Uniswap v1 để tìm ra lỗi trong công thức tính phí thanh khoản. Giờ đây, tôi muốn đọc kiến trúc của những datacenter này. Không phải phần cứng – tôi không phải kỹ sư điện. Mà là phần mềm điều khiển chúng: trình quản lý tài nguyên, bộ lập lịch tác vụ, cơ chế chịu lỗi.
Context: Bối cảnh của cơn sốt Con số 400 tỷ đến từ đâu? Dự báo của các nhà phân tích ngành, như Gartner hay IDC, cũng như từ các báo cáo của chính các công ty công nghệ lớn: Microsoft, Amazon, Google, Meta. Họ đang xây dựng hàng loạt datacenter mới, mỗi cái có công suất từ 100MW đến 1GW. Lý do: để phục vụ nhu cầu huấn luyện và suy luận của các mô hình ngôn ngữ lớn (LLM) và AI tạo sinh.
Nhưng hãy nhìn vào bản chất. 400 tỷ không phải là tiền kiếm được từ AI; đó là tiền bỏ ra để hy vọng AI sẽ kiếm được tiền trong tương lai. Đó là một khoản đầu tư rủi ro cao, giống như ICO năm 2017. Khi đó, các dự án huy động hàng tỷ đô la chỉ dựa trên whitepaper. Giờ đây, các công ty công nghệ đang huy động – không phải từ nhà đầu tư retail – mà từ chính ngân sách của họ, để xây dựng một hạ tầng mà họ tin là sẽ tạo ra lợi nhuận khổng lồ.
Tôi không nói rằng AI là bong bóng. Tôi nói rằng, từ góc nhìn của một kẻ đã audit code suốt 7 năm, bất kỳ khoản đầu tư lớn nào cũng đi kèm với những giả định ngầm. Và những giả định đó thường sai.
Core: Phân tích kỹ thuật – Những điểm mù trong kiến trúc datacenter Hãy đi vào chi tiết kỹ thuật. Một datacenter AI không phải là một đống máy tính xếp chồng lên nhau. Nó là một hệ thống phức tạp với nhiều lớp: compute, storage, networking, cooling, power. Và mỗi lớp đều có điểm nghẽn riêng.
- Compute Bottleneck: GPU là trái tim. Nhưng GPU không làm việc một mình. Chúng được kết nối qua NVLink, InfiniBand, hoặc Ethernet tốc độ cao. Vấn đề: khi bạn ghép hàng nghìn GPU lại, bạn gặp phải vấn đề về đồng bộ hóa và truyền thông. Mỗi lần một mô hình cần đồng bộ gradient (trong huấn luyện phân tán), độ trễ mạng tăng lên theo cấp số nhân. Có những nghiên cứu chỉ ra rằng hiệu suất của một cụm 1000 GPU chỉ đạt 60-70% so với lý thuyết, vì chi phí giao tiếp. 400 tỷ đô la sẽ mua được nhiều GPU hơn, nhưng nếu không giải quyết được bài toán này, bạn chỉ có nhiều GPU chạy dưới công suất.
- Thermal and Power Efficiency: Mỗi GPU H100 tiêu thụ 700W. Một cụm 10.000 GPU tiêu thụ 7MW chỉ riêng cho tính toán, chưa kể cooling. Cooling bằng không khí không còn đủ; cần liquid cooling. Nhưng liquid cooling đòi hỏi thiết kế lại toàn bộ datacenter. Nếu bạn chỉ xây thêm diện tích mà không tối ưu hóa thermal, bạn sẽ gặp vấn đề về quá nhiệt, dẫn đến throttle hiệu suất. Tôi đã thấy một dự án NFT năm 2021 bị lỗi về entropy; lỗi tương tự cũng có thể xảy ra với hệ thống cooling khi cảm biến nhiệt không được hiệu chuẩn đúng.
- Security Surface: Một datacenter AI là một mục tiêu hấp dẫn cho tấn công. Không chỉ về mặt vật lý, mà còn về mặt logic. Các mô hình AI có thể bị tấn công thông qua poisoning, backdoor, hoặc side-channel. Nhưng điều ít ai nói đến là lớp phần mềm trung gian: Kubernetes, Slurm, hoặc các orchestrator khác. Một lỗ hổng trong scheduler có thể cho phép kẻ tấn công chiếm quyền điều khiển một phần của cụm, hoặc đánh cắp dữ liệu huấn luyện. Khi bạn chi 400 tỷ, bạn thu hút sự chú ý của tin tặc. Và tin tặc ngày nay không chỉ là script kiddie; họ là những nhóm có tổ chức, thậm chí có nhà nước bảo trợ.
- Software Stack Fragmentation: Mỗi công ty lớn đều có stack riêng: AWS có Trainium, Google có TPU, Microsoft có Maia. Nhưng phần mềm thì chưa chuẩn hóa. PyTorch, TensorFlow, JAX là những framework phổ biến, nhưng chúng tối ưu cho từng loại phần cứng riêng. Khi bạn xây một datacenter với GPU đa dạng (H100, MI300, Gaudi…), bạn gặp vấn đề về tương thích. Chi phí để viết lại code cho từng loại chip là rất lớn. Tôi đã từng mất 3 tháng để tối ưu hóa một thuật toán DeFi để giảm gas cost; việc tối ưu hóa kernel cho ML còn khó hơn gấp nhiều lần.
Contrarian: Điểm mù bảo mật và hiệu quả kinh tế Điều phản trực giác: Càng đầu tư nhiều vào datacenter, bạn càng dễ mắc kẹt vào một kiến trúc cứng nhắc. Các công ty đang đặt cược vào GPU hiện tại, nhưng công nghệ thay đổi nhanh. Trong 2-3 năm nữa, có thể có chip neuromorphic hoặc quang học hiệu quả hơn gấp 10 lần. Những datacenter xây hôm nay có thể trở thành legacy.
Hơn nữa, vấn đề về bảo mật thường bị bỏ qua khi chạy đua về quy mô. Như tôi đã nói, mỗi lớp phần mềm đều có thể bị khai thác. Và một lỗ hổng trong datacenter có thể ảnh hưởng đến hàng triệu người dùng thông qua các API AI.
Có một góc nhìn khác: Liệu 400 tỷ này có cần thiết không? Hay nó chỉ là kết quả của hiệu ứng bầy đàn? Tôi nhớ đến câu chuyện về Layer2: sequencer tập trung vẫn là điểm yếu chính. Ở đây cũng vậy, datacenter tập trung là điểm yếu của AI. Một công ty sở hữu một cụm 100.000 GPU có quyền lực khổng lồ; điều đó tạo ra rủi ro chính trị và xã hội.
Takeaway: Dự báo lỗ hổng Trong vòng 12 tháng tới, sẽ có một hoặc nhiều sự cố an ninh mạng lớn nhắm vào AI datacenter. Đó không phải là nếu, mà là khi. Và khi nó xảy ra, cộng đồng sẽ nhận ra rằng việc chạy đua xây dựng mà không chú trọng đến độ bền vững kỹ thuật sẽ dẫn đến hậu quả nặng nề. Câu hỏi dành cho bạn: Bạn có tin rằng 400 tỷ đô la đó sẽ tạo ra giá trị thực, hay chỉ là một vụ đốt tiền khác trong lịch sử công nghệ?
Dựa trên kinh nghiệm audit của tôi, câu trả lời là: cả hai. Nhưng tỷ lệ nghiêng về đốt tiền nhiều hơn bạn nghĩ.
