Sự rời bỏ một vị trí C-Suite tại một hãng xe Trung Quốc để gia nhập một phòng thí nghiệm AI hàng đầu thế giới thường chỉ được báo giới tài chính hay công nghệ phương Tây quan tâm. Nhưng tuần này, câu chuyện về ông Lu Siyuan – cựu Giám đốc AI Infrastructure của XPeng Motors – gia nhập OpenAI đã gây ra một chấn động nhỏ, vang vọng từ Thâm Quyến đến tận Thung lũng Silicon và lan vào các cộng đồng Builder tại Việt Nam. Không phải vì tên tuổi của ông quá lớn, mà bởi vì hành động này đã vẽ ra một bản đồ năng lượng mới của cuộc đua AI toàn cầu, một cuộc đua mà DePIN (Decentralized Physical Infrastructure Networks) và các dự án AI Crypto đang cố gắng định nghĩa lại luật chơi.
Tại sao một sự kiện nhân sự đơn thuần lại có liên quan đến những người đang hold token hay farm điểm trên các giao thức DeFi tại quận 1, Sài Gòn? Bởi vì nó tiết lộ một sự thật phản trực giác: Giá trị thực sự của một dự án AI Crypto không nằm ở layer ứng dụng (App layer), mà nằm ở khả năng vận hành tầng hạ tầng máy tính (Compute Layer) một cách hiệu quả.
Hãy nhìn vào bức tranh toàn cảnh. Khi tôi ngồi đây, phân tích dòng vốn và nhân tài giữa Kuala Lumpur và Singapore, tôi thấy rõ một điều. Trong 18 tháng qua, các quỹ đầu tư mạo hiểm lớn đã đổ hàng tỷ USD vào các startup AI, nhưng phần lớn số tiền đó đang bị hút vào các công ty tập trung như OpenAI, Google DeepMind, và Anthropic. Các dự án DePIN như Render Network, Akash Network hay gần đây hơn là io.net đang cố gắng tạo ra một thị trường phi tập trung cho sức mạnh tính toán (GPU). Tuy nhiên, họ đang đối mặt với một vấn đề cốt lõi: họ thiếu những kỹ sư hệ thống có khả năng tối ưu hóa phần cứng từ cấp độ chip cho đến tầng framework.
Trở lại với câu chuyện của ông Lu Siyuan. Trước khi gia nhập OpenAI, ông chịu trách nhiệm quản lý một đội ngũ khoảng 200 người tại XPeng, phụ trách toàn bộ chuỗi từ training framework, GPU cluster, compiler cho chip tự phát triển, đến tối ưu hóa model và cuối cùng là triển khai lên xe hơi. Đây không phải là một vị trí AI research thuần túy. Đây là một “thợ máy” hạng nặng, người hiểu rõ cách làm cho phần cứng và phần mềm hoạt động như một khối thống nhất. Việc XPeng đi theo con đường tự phát triển chip (chip tự trị) có nghĩa là họ phải xây dựng một hệ sinh thái compiler và runtime riêng, một công việc cực kỳ khó khăn.
Tôi đã chạy query và kết quả là... khi nhìn vào các job posting của OpenAI cho mảng Robotics trong 6 tháng qua, tôi thấy một điểm chung: họ đang tìm kiếm những kỹ sư phần mềm hệ thống (Systems Software Engineer) và kỹ sư compiler, chứ không chỉ là các nhà nghiên cứu Robot. Điều này xác nhận một giả thuyết mà tôi đã theo đuổi từ lâu: Con đường dẫn đến AGI thông qua robot vật lý đòi hỏi sự thống trị ở tầng hạ tầng, nơi mà việc tối ưu hóa độ trễ và tiêu thụ năng lượng của model trở nên sống còn.
Góc nhìn phản trực giác mà tôi muốn đưa ra ở đây là: Sự kiện này, thoạt nhìn là một đòn giáng mạnh vào XPeng, nhưng nó lại là một tín hiệu xác nhận cho luận điểm “Decoupling” (tách rời) giữa AI tập trung và AI phi tập trung. Phân tích cluster ví cho thấy rằng các dự án DePIN thành công nhất không phải là những dự án có tokenomics phức tạp nhất, mà là những dự án giải quyết được nút thắt cổ chai về kỹ thuật: làm sao để một GPU ở Việt Nam có thể tham gia vào mạng lưới toàn cầu một cách trơn tru, với phần mềm dễ dùng và chi phí thấp. Sự ra đi của chuyên gia hạ tầng từ một công ty xe điện Trung Quốc cho thấy ngay cả những “ông lớn” trong ngành cũng đang phải vật lộn để giữ chân người tài trong lĩnh vực này.
Trong bối cảnh thị trường giảm hiện tại, việc hiểu rõ “technical debt” (nợ kỹ thuật) của một giao thức là chìa khóa. Một dự án AI Crypto có TVL khủng hay một cộng đồng Discord sôi động, nhưng nếu đội ngũ kỹ thuật của nó không có kinh nghiệm về tối ưu hóa GPU cluster hay custom compiler, thì đó là một dấu hiệu đỏ. Họ đang xây nhà trên cát. Technical debt ở đây là sự thiếu hụt trầm trọng những kỹ sư “full-stack infrastructure” – người có thể hiểu từ luồng điện trong GPU cho đến lớp ứng dụng.
Vậy chúng ta nên làm gì với thông tin này? Đầu tiên, nếu bạn đang đánh giá một dự án DePIN hay AI Crypto, hãy xem xét background của đội ngũ kỹ thuật. Họ có từng làm việc tại các công ty có hạ tầng thực tế (như Tesla, Google, Meta, hay các hãng xe tự lái)? Họ có kinh nghiệm trong việc chạy cluster GPU quy mô lớn? Đây là những câu hỏi quan trọng hơn nhiều so với việc họ có token burning mechanism hay không. Thứ hai, xu hướng này cũng mở ra một cơ hội cho cộng đồng builder tại Việt Nam. Thay vì cạnh tranh trực tiếp với OpenAI trên lớp ứng dụng, một hướng đi thông minh hơn là tập trung vào tầng middleware và công cụ dành cho các nhà phát triển DePIN, tận dụng lợi thế về nhân lực kỹ thuật phần cứng và phần mềm nhúng vốn có.
Cuối cùng, hãy nhìn vào điều này như một câu hỏi cho tương lai: Khi những bộ óc vĩ đại nhất trong lĩnh vực hạ tầng AI đều đổ dồn về một điểm (OpenAI), liệu giấc mơ về một AI phi tập trung, dân chủ có còn đứng vững? Hay nó sẽ trở thành một câu chuyện đẹp, chỉ dành cho những ai sẵn sàng chấp nhận rủi ro để đi ngược dòng? Tôi đặt cược vào điều sau, nhưng chỉ dành cho những dự án có một đội ngũ thực sự hiểu “máu” chảy trong các dây dẫn điện.