Vào ngày 8 tháng 8 vừa qua, một nhà phát triển đã mở mã nguồn dự án mang tên kimi-k3-in-c. Dự án chỉ vỏn vẹn 176KB, được viết thuần bằng ngôn ngữ C99, không phụ thuộc vào GPU, CUDA, PyTorch hay BLAS. Toàn bộ quá trình suy luận mô hình có thể hoàn thành chỉ với CPU. Một thiết bị có 8GB RAM đang cố gắng chạy một mô hình có 2,78 nghìn tỷ tham số. Thoạt nghe, đây giống như một trò đùa trong giới kỹ thuật. Nhưng khi tôi nhìn vào cấu trúc bên trong, tôi thấy một điều quen thuộc.
Dòng chảy lạnh bắt đầu từ những giọt nóng.
Mùa hè năm 2017, tôi dành ba tháng để đọc whitepaper của EOS và Tezos, ném 5000 tệ vào năm ICO khác nhau. Lần đầu chạm token, tôi thấy cả một rừng cây non. Những dự án huy động hàng trăm triệu đô la bằng một file PDF dài 50 trang. Khi đó, tôi học được rằng thanh khoản không phải là nước, mà là lòng tin. Còn bây giờ, khi đọc về dự án 176KB này, tôi chợt nhận ra một sự cộng hưởng kỳ lạ với thị trường crypto đang trong chu kỳ tăng trưởng này.
Trước tiên, hãy nói về kỹ thuật. Mô hình Kimi K3 là một kiến trúc MoE — Mixture of Experts. Tổng tham số đạt 2,78T, nhưng mỗi lớp chỉ kích hoạt 16 trên tổng số 896 expert. Về lý thuyết, việc tải toàn bộ trọng số mô hình cần khoảng 1,56TB bộ nhớ. Nhưng thay vì làm điều đó, nhà phát triển đã lưu trữ phần lớn trọng số trên ổ NVMe và đọc chúng trong thời gian thực theo nhu cầu suy luận. Các phần dense trunk cũng được tải theo từng lớp theo kiểu streaming. Kết quả: trong chế độ 8GB RAM, tạo một token mất khoảng 32,7 giây và cần gần 1,7TB dung lượng lưu trữ tốc độ cao.
Nhà phát triển thẳng thắn thừa nhận rằng giải pháp này không có giá trị sản xuất thực tế. Nhưng tôi không nhìn vào điều đó. Tôi nhìn vào thứ mà ông ấy đã chứng minh: sự kết hợp giữa streaming tải từ ổ cứng và cơ chế kích hoạt thưa thớt của MoE có thể mở ra một hướng đi mới để chạy các mô hình siêu lớn với chi phí thấp. Đây chính là bài toán thanh khoản trong thế giới AI.
Cộng đồng blockchain nên dừng lại một nhịp. Bởi vì chúng ta đã từng ở trong một tình huống tương tự. Năm 2020, khi mùa hè DeFi bùng nổ, tôi cùng nhóm bạn tranh luận rằng DeFi sẽ thay thế ngân hàng truyền thống. Chúng tôi tập trung vào cơ chế AMM, vào impermanent loss, vào lãi suất flash loan. Nhưng rồi mùa đông 2022 đến, tôi mất 70% danh mục đầu tư khi Terra sụp đổ và 3AC phá sản. Tôi ngồi lại trong hai tháng, nghiên cứu mối liên hệ giữa chính sách tiền tệ của Fed và chu kỳ crypto. Kết luận của tôi là một thứ gọi là Liquidity Cascades — những dòng chảy thanh khoản chồng tầng, và khi một tầng vỡ, các tầng khác sẽ sụp theo.
Mùa đông dạy tôi cách nhìn vào cấu trúc bên trong.
Bây giờ, hãy nhìn vào cấu trúc bên trong của bài toán mà Kimi K3 đang đối mặt. Mô hình 2,78T tham số, nhưng chỉ 16/896 expert được kích hoạt mỗi lớp. Điều đó có nghĩa là khoảng 98,2% trọng số không được sử dụng tại bất kỳ thời điểm nào. Trong thế giới tài chính, chúng ta gọi đó là tài sản đang bị đóng băng. Vốn đang nằm im, không tạo ra lợi nhuận ngay tại thời điểm đó. Nhưng nó cần được giữ ở đâu đó, sẵn sàng khi được gọi đến, giống như một quỹ dự trữ thanh khoản.
Nhà phát triển của kimi-k3-in-c đã chọn một cách tiếp cận cực đoan: không giữ toàn bộ tài sản trong bộ nhớ, mà đẩy chúng ra ổ cứng, và chỉ rút về khi cần đến. Đây chính xác là mô hình thanh khoản phân tầng mà tôi từng nghiên cứu trong lĩnh vực tài chính truyền thống. Tầng thứ nhất là RAM siêu nhanh — tương đương với tiền mặt có thể chi tiêu ngay. Tầng thứ hai là ổ NVMe với tốc độ đọc cao — tương đương với trái phiếu chính phủ, có thể chuyển hóa thành tiền mặt trong một khoảng thời gian ngắn. Toàn bộ hệ thống hoạt động dựa trên nguyên tắc: càng ít sử dụng, càng nên đưa ra xa trung tâm xử lý.
Nếu Bitcoin ETF spot 2024 từng khiến tôi phải tính toán rằng khoảng 10 tỷ USD sẽ chảy vào trong sáu tháng đầu, thì với dự án này, tôi tính toán một điều khác: chi phí thực sự để chạy một mô hình AI khổng lồ không nằm ở tổng tài nguyên cần thiết, mà nằm ở khả năng dự đoán và phân bổ tài nguyên một cách linh hoạt. Đây là nơi blockchain có thể học hỏi. Nhưng cũng là nơi blockchain đang lặp lại những sai lầm của chính mình.
Hãy nhìn vào câu chuyện layer 2. Sau bản nâng cấp Dencun, dữ liệu blob trở nên rẻ hơn, và các rollup bắt đầu ăn mừng. Nhưng theo quan điểm kỹ thuật của tôi, dữ liệu blob sẽ bão hòa trong vòng hai năm. Khi đó, phí gas của mọi rollup sẽ tăng gấp đôi. Tôi từng viết về điều này trong báo cáo khách hàng nội bộ, và bị đồng nghiệp cười vì cho rằng tôi quá bi quan. Nhưng tôi đã chứng kiến quá nhiều chu kỳ để biết rằng: khi một nguồn tài nguyên rẻ và được coi là vô hạn, nó sẽ bị tiêu thụ với tốc độ nhanh hơn bất kỳ dự đoán lạc quan nào. Điều tương tự đang xảy ra với băng thông GPU trên toàn cầu.
Trong khi đó, mô hình 8GB RAM 32,7 giây cho một token của kimi-k3-in-c lại gợi cho tôi về một thứ hoàn toàn khác: light node. Khi tôi nghiên cứu về giao thức đồng thuận và các giải pháp mở rộng quy mô, một trong những điểm nghẽn lớn nhất không phải là thông lượng, mà là khả năng tiếp cận. Một nút đầy đủ của Ethereum yêu cầu phần cứng mạnh, và điều đó dẫn đến sự tập trung hóa ngày càng tăng về hạ tầng. Nhưng nếu chúng ta áp dụng triết lý của kimi-k3-in-c vào blockchain, chúng ta sẽ có những nút ánh sáng thực sự — nơi mà phần lớn trạng thái được lưu trữ ngoài chuỗi, chỉ được kéo về khi cần bằng chứng.
Đây không phải là một ý tưởng xa vời. Đã có những dự án nghiên cứu về stateless client và verkle tree. Nhưng kimi-k3-in-c cho chúng ta một ví dụ cụ thể về việc chấp nhận sự đánh đổi: chấp nhận độ trễ cao hơn để đạt được khả năng tiếp cận rộng hơn. Trong bối cảnh thị trường tăng trưởng hiện tại, khi các quỹ đầu tư mạo hiểm đang ném tiền vào các dự án AI + Crypto với định giá hàng trăm triệu đô la, tôi nhìn thấy một sự tương phản chói lọi. Có những dự án huy động 500 triệu USD để xây dựng các mạng lưới GPU phi tập trung, trong khi một nhà phát triển đơn lẻ viết 176KB mã C99 chứng minh rằng bạn không cần GPU để chạy một mô hình 2,78T tham số. Bạn chỉ cần hiểu rõ về cấu trúc và phân bổ thanh khoản.
Hãy để tôi kể cho bạn nghe về một trong những kỷ nguyên mà tôi đã chứng kiến. Năm 2026, tôi nhìn thấy sự bùng nổ của AI agents trên blockchain. Các mô hình ngôn ngữ lớn được huấn luyện trên dữ liệu on-chain. Tôi đã đề xuất một thứ gọi là Protocol AI — dùng transformer để dự đoán thanh khoản pool. Đồng nghiệp của tôi cho rằng điều đó thật viển vông. Họ hỏi: tại sao lại dùng AI để dự đoán điều mà các thuật toán AMM đã giải quyết khá tốt? Câu trả lời của tôi là: bởi vì chúng ta đang đối mặt với một vấn đề thanh khoản phi tuyến tính, và các mô hình truyền thống không nắm bắt được sự thay đổi trong hành vi người dùng khi có quá nhiều thanh khoản được bơm vào. Khi tôi nhìn vào kimi-k3-in-c, tôi thấy cùng một logic: thay vì đầu tư vào tài nguyên khổng lồ, hãy đầu tư vào sự thông minh trong việc phân bổ tài nguyên có hạn.
Nhưng đừng hiểu lầm tôi. Tôi không nói rằng giải pháp streaming này sẽ trở thành tiêu chuẩn. Tôi cũng không nói rằng GPU sẽ trở nên lỗi thời. Điều tôi đang nói đến là một sự thay đổi trong tư duy. Trong thị trường tăng trưởng hiện tại, khi FOMO đang lan tỏa khắp cộng đồng, các nhà đầu tư và nhà phát triển thường có xu hướng giải quyết vấn đề bằng cách đổ thêm tài nguyên. Cần thêm thông lượng? Thêm GPU. Cần thêm thanh khoản? Bơm thêm token. Cần thêm bảo mật? Thêm validator. Nhưng những con số âm mở ra một lối nhìn mới. Nếu chúng ta chấp nhận rằng một hệ thống có thể hoạt động với ít tài nguyên hơn, miễn là cấu trúc của nó thông minh hơn, chúng ta sẽ bắt đầu thiết kế những giao thức hoàn toàn khác.
Tôi nhớ lại mùa hè DeFi 2020. Khi đó, tôi đặt 2000 USDT vào yield farming trên Uniswap v2 và Compound. Tôi không chỉ quan tâm đến lợi nhuận, mà còn đào sâu vào cơ chế AMM. Và tôi rút ra một bài học quan trọng: các nhóm thanh khoản phi tập trung hoạt động tốt khi thanh khoản mỏng, nhưng nhanh chóng trở nên bất ổn khi thanh khoản dày và biến động mạnh. Impermanent loss không phải là một lỗi kỹ thuật, mà là một cấu trúc phản ánh chi phí cơ hội của việc cung cấp thanh khoản. Khi tôi đọc về kimi-k3-in-c, tôi chợt nhận ra rằng các nhà phát triển AI đang đối mặt với một vấn đề tương tự: chi phí cơ hội của việc giữ toàn bộ trọng số mô hình trong bộ nhớ là quá lớn, và họ đang tìm cách tối ưu hóa theo một hướng rất quen thuộc.
Tuy nhiên, có một điểm mù lớn trong cách tiếp cận này. Khi bạn streaming tải trọng số từ ổ cứng, bạn đang tạo ra một sự phụ thuộc mới vào tốc độ đọc của lưu trữ. Trong môi trường phi tập trung, nơi mà các nút có thể nằm ở bất kỳ đâu trên thế giới với các điều kiện phần cứng khác nhau, việc đảm bảo hiệu suất nhất quán trở nên cực kỳ khó khăn. Điều này đặt ra một câu hỏi lớn: liệu chúng ta có thể xây dựng một thị trường phi tập trung cho việc lưu trữ và truy xuất trọng số AI, nơi mà các nhà cung cấp được khuyến khích bởi token để duy trì băng thông ổn định? Và nếu làm được điều đó, chúng ta có đang tạo ra một lớp hạ tầng mới phức tạp hơn so với chính vấn đề ban đầu?
Đây chính là nơi tôi nhìn thấy sự tương đồng với DAO và governance. Tôi đã phân tích dữ liệu trên chuỗi và nhận ra rằng tỷ lệ cử tri bỏ phiếu trong governance on-chain hiếm khi vượt quá 5%. Cái chúng ta gọi là ra quyết định cộng đồng, thực chất là cá voi và các quỹ đầu tư mạo hiểm giật dây sau bức màn. Vấn đề không nằm ở kỹ thuật bỏ phiếu, mà nằm ở cấu trúc khuyến khích. Tương tự, việc streaming tải trọng số mô hình không giải quyết được vấn đề cốt lõi: làm thế nào để tổ chức một hệ thống phân tán mà không tạo ra những điểm nghẽn mới. Nhà phát triển của kimi-k3-in-c có thể chạy mô hình trên máy tính của anh ta. Nhưng nếu muốn chạy nó trên một mạng lưới phi tập trung với 10.000 nút, mỗi nút có tốc độ ổ cứng và băng thông khác nhau, độ trễ sẽ không chỉ là 32,7 giây mỗi token.
Vậy, bài học lớn nhất cho ngành crypto từ dự án 176KB này là gì? Theo tôi, đó chính là sự quay trở lại với câu hỏi nền tảng: chúng ta đang tối ưu hóa cho cái gì? Trong thị trường tăng giá hiện tại, tất cả mọi người đều đang tối ưu hóa cho tốc độ và quy mô. Càng nhiều GPU, càng nhanh. Càng nhiều TPS, càng tốt. Càng nhiều thanh khoản, càng an toàn. Nhưng lịch sử của các chu kỳ tài chính cho chúng ta thấy rằng, khi mọi người đều tối ưu hóa cho tốc độ, họ sẽ bỏ quên tính bền vững. Và khi mùa đông đến, những thứ được xây dựng trên nền tảng tài nguyên vô hạn sẽ sụp đổ trước tiên.
Mùa đông năm 2022 đã dạy tôi điều đó một cách cay đắng. Tôi mất 70% danh mục đầu tư. Nhưng thay vì bán tháo, tôi dành thời gian để hiểu về cấu trúc. Tôi học về mối liên hệ giữa việc Fed tăng lãi suất và sự thiếu hụt thanh khoản toàn cầu. Tôi nhìn thấy cách mà các quỹ đầu cơ sử dụng đòn bẩy để tạo ra các dòng chảy thanh khoản giả tạo, và cách mà những dòng chảy này biến mất trong nháy mắt khi điều kiện vĩ mô thay đổi. Khi tôi nhìn vào kimi-k3-in-c, tôi thấy một bài kiểm tra về khả năng phục hồi. Một hệ thống chạy chậm nhưng hoạt động được với 8GB RAM. Một hệ thống không cần đến đồ chơi GPU đắt tiền. Một hệ thống có thể sống sót trong môi trường khắc nghiệt nhất, nơi mà tài nguyên vô cùng khan hiếm.
Trong bối cảnh này, chu kỳ nào cũng là một câu chuyện đang viết dở. Câu chuyện của kimi-k3-in-c mới chỉ bắt đầu vào ngày 8 tháng 8 năm nay. Nhưng tôi đã thấy đủ nhiều câu chuyện tương tự trong crypto để biết rằng, những hạt giống của một kỷ nguyên mới không bao giờ bắt đầu từ những tuyên bố hoành tráng. Chúng bắt đầu từ những thử nghiệm khiêm tốn — một file 176KB trên GitHub, một bài phân tích trên blog, một whitepaper bị đồng nghiệp coi là viển vông.
Hãy nhớ rằng, khi tôi lần đầu chạm token vào mùa hè 2017, tôi không hề biết rằng mình đang đứng trước một kỷ nguyên mới. Tôi chỉ thấy một rừng cây non, và tôi đã học cách đọc bản đồ thanh khoản trên toàn cầu. Ngày hôm nay, khi tôi nhìn vào thị trường AI và crypto, tôi thấy cùng một khu rừng. Và thay vì chạy theo FOMO của những token AI với vốn hóa hàng tỷ đô la, tôi chọn dừng lại và suy nghĩ về cấu trúc bên trong. Bởi vì, thanh khoản không phải là nước, mà là lòng tin. Và lòng tin thường bắt đầu từ những thứ nhỏ bé, khiêm tốn, nhưng có cấu trúc vững chắc — giống như một file mã nguồn 176KB viết bằng C99.
Liệu một ngày nào đó, chúng ta sẽ nhìn lại ngày 8 tháng 8 năm 2025 như một cột mốc mà ở đó, một cá nhân đã chứng minh rằng chúng ta không cần đến sức mạnh tính toán khổng lồ để giải quyết những vấn đề khổng lồ? Tôi không chắc. Nhưng tôi chắc chắn về một điều: thị trường tăng giá hiện tại đang che giấu quá nhiều lỗi kỹ thuật dưới lớp vỏ marketing hoành tráng. Và nếu chúng ta không học cách nhìn xuyên qua lớp vỏ đó, chúng ta sẽ lại lặp lại chu kỳ sụp đổ như đã từng xảy ra với Terra, với 3AC, với toàn bộ những kẻ tự xưng là bất khả chiến bại.
Một dự án có thể huy động 100 triệu USD chỉ dựa trên một bản deck PowerPoint, nhưng code của nó có thể trống rỗng. Một mô hình AI với 2,78T tham số có thể được quảng cáo như một kỳ quan công nghệ, nhưng thực tế chỉ có 16 trong số 896 expert được kích hoạt. Cả hai đều nói về sự lãng phí và sự không hiệu quả trong việc phân bổ tài nguyên. Và cả hai đều có thể được giải quyết bằng một tư duy: tối giản hóa cấu trúc, tối ưu hóa cho sự sống còn thay vì cho sự phô trương.
Chúng ta có muốn chấp nhận sự đánh đổi không? Chấp nhận một hệ thống chậm hơn nhưng có thể chạy trên mọi thiết bị? Chấp nhận một mô hình kém thông minh hơn nhưng có thể được vận hành bởi bất kỳ ai, ở bất kỳ đâu, mà không cần đến trung tâm dữ liệu khổng lồ? Đây không chỉ là câu hỏi kỹ thuật. Đây là câu hỏi về triết lý phân quyền. Vậy nên, khi tôi đặt câu hỏi cuối cùng: liệu chúng ta có sẵn sàng học từ một dự án chỉ có 176KB để xây dựng một hệ sinh thái crypto bền vững hơn, hay chúng ta sẽ tiếp tục đuổi theo những ảo ảnh thanh khoản? Câu trả lời, theo tôi, nằm ở việc chúng ta định nghĩa thế nào là giá trị thực sự.