Kimi K3: Hiệu quả tăng, nhu cầu mạng cũng tăng – Bài học cho DePIN và AI-Web3

Ba năm trước, tôi từng nghĩ rằng nếu một giao thức blockchain giảm được phí giao dịch 10 lần, thì tắc nghẽn mạng sẽ biến mất. Cho đến khi tôi nhìn vào dữ liệu từ SemiAnalysis về Kimi K3 – một mô hình AI 2.8 nghìn tỷ tham số với 896 chuyên gia. Họ nói: KDA (một cơ chế attention cục bộ) giảm băng thông truyền KV cache tới 10 lần. Nhưng tổng nhu cầu mạng lại tăng vọt. Vì sao? Vì WideEP – cơ chế phân tán token trên 896 GPU – yêu cầu 120 lần gửi và gộp kết quả mỗi bước tính toán. Đây là Jevons paradox trong thực tế: hiệu quả càng cao, càng khuyến khích mở rộng quy mô, và tổng tài nguyên tiêu thụ lại càng lớn. Học từ scam, không phải từ thành công. Trong thế giới Crypto, chúng ta thường mắc sai lầm tương tự. Tôi đã chứng kiến ICO năm 2017 – token dễ dàng huy động vốn, nhưng scam lại nhiều hơn. DeFi Summer 2020 – phí giao dịch rẻ từ L2 như Arbitrum và Optimism tưởng chừng sẽ giết chết Mainnet, nhưng thực tế tổng phí ETH lại tăng do khối lượng giao dịch bùng nổ. Bây giờ, Kimi K3 cho thấy mô hình AI hiệu quả hơn vẫn cần nhiều mạng hơn, không ít. Điều này đặt ra câu hỏi: Liệu các giải pháp mở rộng như ZK Rollup có thực sự giảm tải cho L1? Hay chúng chỉ làm tăng tổng cầu về không gian block? KDA của Kimi K3 là một ví dụ điển hình: nó nén KV cache – tương tự như việc nén dữ liệu giao dịch trong rollup. Nhưng để vận hành 896 chuyên gia (mỗi chuyên gia là một tập con mạng neural), hệ thống cần kết nối all-to-all giữa hàng trăm GPU. Mỗi token phải được gửi tới tất cả chuyên gia, kết quả phải được gộp lại. Điều này tạo ra lượng traffic khổng lồ – ước tính mỗi bước cần truyền hàng chục GB. Nếu so sánh với blockchain, nó giống như một shard phải gửi dữ liệu tới tất cả các shard khác để xác thực. Chi phí giao tiếp sẽ vượt xa lợi ích từ việc nén. Tôi từng tham gia tư vấn cho một quỹ ETF Bitcoin tại Hong Kong năm 2024. Khi đó, tôi nhận ra rằng các tổ chức đánh giá thấp chi phí hạ tầng của AI và Crypto kết hợp. Kimi K3 đòi hỏi GB300 NVL72 – 72 GPU kết nối bằng NVLink siêu tốc – và một cụm switch Clos với cổng 800G. Chi phí cho một cụm suy luận 10 triệu QPS có thể lên tới 1 tỷ USD. Trong Crypto, chúng ta cũng thấy điều tương tự: các dự án DePIN như Filecoin hay Arweave yêu cầu băng thông khổng lồ; nếu hiệu quả lưu trữ tăng, người dùng sẽ lưu nhiều hơn, kéo theo nhu cầu mạng tăng. Điểm mù ở đây là gì? Chúng ta thường cho rằng tối ưu hóa là đủ. Nhưng Jevons paradox cho thấy: khi chi phí giảm, quy mô sử dụng tăng nhanh hơn. Nếu một ZK Rollup giảm phí 100 lần, tổng số giao dịch có thể tăng 200 lần, khiến L1 vẫn bị tắc. Đây không phải lỗi của rollup, mà là bản chất của thị trường: cầu co giãn theo giá. Kimi K3 là minh chứng cho thấy bất kỳ hệ thống phi tập trung hay tập trung nào cũng phải đối mặt với thực tế này. Vậy bài học cho Crypto là gì? Đầu tiên, chúng ta cần đầu tư vào hạ tầng mạng từ bây giờ. Switch 800G, cáp quang, switch Clos – tất cả đều là nền tảng cho AI-Web3. Thứ hai, đừng nghĩ rằng L2 sẽ giết L1; hãy chuẩn bị cho L1 trở thành trung tâm thanh toán với lưu lượng khổng lồ. Thứ ba, các dự án AI + Crypto như Bittensor hay Render Network cần hiểu rằng hiệu quả tính toán không giảm nhu cầu băng thông – nó chỉ dịch chuyển nó từ CPU sang mạng. Học từ scam, không phải từ thành công. Bài học từ Kimi K3 là lời nhắc nhở rằng trong cả AI và Crypto, không có bữa trưa miễn phí. Hiệu quả chỉ là bước đệm để phát triển lớn hơn. Câu hỏi là: Bạn đã sẵn sàng cho hạ tầng của tương lai chưa?