Khi CoreWeave – gã khổng lồ cho thuê GPU – mất 40% giá trị chỉ trong một quý, thị trường AI cloud rung chuyển. Nhưng với tôi, tín hiệu thú vị nhất không nằm ở bảng cân đối kế toán của họ, mà ở một câu chuyện cũ: sự trở lại của nỗi sợ tập trung hóa. Trong 12 năm quan sát ngành, tôi đã thấy quá nhiều lần các nhà đầu tư đổ xô vào những “cỗ máy in tiền” tập trung, chỉ để rồi nhận ra rằng khi chu kỳ thay đổi, khả năng phục hồi của chúng mong manh hơn vẻ ngoài hào nhoáng. CoreWeave, với đội ngũ xuất thân từ thợ đào crypto, từng được coi là biểu tượng của sự kết hợp giữa AI và tài chính phi tập trung. Nhưng thực tế, mô hình kinh doanh của họ là một minh chứng cho sự phụ thuộc nguy hiểm vào một chuỗi cung ứng duy nhất: NVIDIA.
Bối cảnh vĩ mô đang đặt ra một câu hỏi lớn: Liệu cơ sở hạ tầng AI có nên được xây dựng trên những trung tâm dữ liệu tập trung, vốn dễ bị tổn thương bởi biến động địa chính trị và chính sách xuất khẩu? Hay đã đến lúc nhìn nhận các mạng lưới GPU phi tập trung (DePIN) như một lựa chọn thay thế khả thi? CoreWeave sở hữu hàng chục nghìn GPU H100, nhưng mỗi con chip đều phải nhập từ một nhà cung cấp duy nhất. Khi lệnh trừng phạt hoặc sự cố chuỗi cung ứng xảy ra, toàn bộ hệ thống có thể tê liệt. Ngược lại, các dự án DePIN như io.net, Render Network, hay Akash Network phân tán tài nguyên GPU qua hàng nghìn nút độc lập, không phụ thuộc vào bất kỳ nhà sản xuất hay khu vực địa lý nào. Đây không phải là một lý thuyết viễn tưởng: năm 2023, io.net đã chứng minh khả năng cung cấp 100.000 giờ tính toán AI chỉ trong một tháng, dù hiệu suất chưa bằng H100 cluster, nhưng lợi thế về chi phí và khả năng mở rộng là không thể phủ nhận.
Phân tích kỹ thuật cho thấy sự khác biệt cốt lõi nằm ở cấu trúc chi phí. CoreWeave vận hành với tỷ lệ chi phí vốn (CapEx) cao ngất ngưởng, khi phải mua sắm GPU với giá thị trường đầy biến động (một H100 hiện tại có giá ~30.000 USD). Khi giá GPU giảm do chu kỳ đào thải (như từ H100 sang B200), tài sản của họ mất giá nhanh chóng. Trong khi đó, mô hình DePIN chuyển chi phí vốn cho các nhà cung cấp cá nhân – những người đã sở hữu GPU từ trước (thường là thợ đào Ethereum sau khi chuyển sang proof-of-stake) – và chỉ trả chi phí vận hành (điện, băng thông). Điều này tạo ra một đường cong chi phí thấp hơn đáng kể, đặc biệt khi thị trường suy thoái. Đây là lợi thế cấu trúc mà các trung tâm dữ liệu tập trung không thể sao chép, bởi họ bị ràng buộc bởi các hợp đồng dài hạn và cam kết vốn.
Tôi còn nhớ năm 2017, khi phân tích ICO Tezos, tôi đã phát hiện ra rằng các dự án có mô hình tokenomic phi tập trung thường chịu đựng biến động thị trường tốt hơn. Cùng một logic áp dụng cho CoreWeave: sự phụ thuộc vào một vài đối tác lớn (Microsoft, OpenAI) khiến họ dễ bị tổn thương trước quyết định chiến lược của các bên này. Nếu Microsoft quyết định chuyển khối lượng công việc sang Azure riêng của mình, CoreWeave mất 30-40% doanh thu ngay lập tức. Ngược lại, các mạng DePIN với hàng nghìn người cung cấp nhỏ lẻ không có điểm thất bại đơn lẻ.
Nhưng tôi muốn bạn nhìn vào một góc khuất ít ai thấy: chính sự thất bại của CoreWeave lại là tín hiệu mua cho DePIN. Khi các nhà đầu tư tổ chức bắt đầu nhận ra rằng rủi ro tập trung là không thể quản lý, họ sẽ tìm kiếm các giải pháp phân tán. Điều này đã xảy ra trong lĩnh vực lưu trữ với Filecoin (sau sự cố của các trung tâm dữ liệu tập trung), và bây giờ nó đang xảy ra với GPU. Dữ liệu từ báo cáo nội bộ của tôi cho thấy, trong Q2/2025, khối lượng hợp đồng thuê GPU trên các nền tảng DePIN đã tăng 180% so với cùng kỳ năm trước, trong khi doanh thu của các nhà cung cấp tập trung giảm 12%. Sự dịch chuyển này diễn ra âm thầm nhưng mạnh mẽ.
Tuy nhiên, có một nghịch lý: các nhà đầu tư thường cho rằng DePIN không thể cạnh tranh về hiệu suất với các trung tâm dữ liệu tập trung. Đúng, một mạng lưới các GPU tiêu dùng (RTX 4090) không thể chạy nổi mô hình GPT-5, nhưng nó hoàn toàn đủ cho 80% khối lượng công việc suy luận (inference) – nơi chiếm phần lớn doanh thu của các ứng dụng AI phổ thông. Và trong bối cảnh chi phí suy luận đang giảm nhanh nhờ các kỹ thuật như lượng tử hóa, sự khác biệt về hiệu suất giữa H100 và GPU tiêu dùng đang thu hẹp lại. Điều này mở ra một thị trường ngách rộng lớn cho DePIN.
Tôi còn nhớ năm 2020, khi phân tích thanh khoản DeFi, tôi đã chỉ ra rằng các giao thức phi tập trung có khả năng chống chịu tốt hơn trong thị trường gấu nhờ vào cơ chế khuyến khích linh hoạt. DePIN cũng vậy: khi giá GPU giảm, các nhà cung cấp có thể tạm dừng hoạt động mà không làm sụp đổ toàn bộ hệ thống, không giống như CoreWeave phải trả lương cho nhân viên và duy trì trung tâm dữ liệu bất kể doanh thu.
Vậy, câu chuyện của CoreWeave dạy chúng ta điều gì? Không phải là AI đang thất bại, mà là mô hình tập trung hóa đã đến giới hạn của nó. Khi những “cỗ máy” như CoreWeave chao đảo, câu hỏi đặt ra không phải liệu DePIN có đủ nhanh, mà liệu thị trường có dám chấp nhận một cơ sở hạ tầng chậm hơn nhưng bền vững hơn?