Torygreen

2025 là năm của các cuộc tranh luận về AGI. Không phải vì tiến bộ bị đình trệ, mà vì “trí tuệ” chưa bao giờ giảm xuống còn một giá trị đơn lẻ.
Các phòng thí nghiệm, cơ quan quản lý và người mua có thể gửi hàng - nhưng họ không thể biện minh, quản lý hoặc mở rộng các quyết định dựa trên cảm giác.
Giới hạn là xác minh: hệ thống có thể tái tạo kết quả dưới giới hạn, có nguồn gốc rõ ràng và có dấu vết kiểm toán không?
DeAI về cơ bản là triết lý đó được mã hóa vào hạ tầng. Đó là cách để tiến lên mà không cần phải đồng ý về AGI hoàn toàn.

Các mô hình như o1 đã phá vỡ giả định cốt lõi vào năm 2025: chi phí suy luận không cố định.
Chúng sẽ “suy nghĩ” cho đến khi sự không chắc chắn sụp đổ, ngay cả khi điều đó tốn kém.
Đó là lý do tại sao các ràng buộc lại quan trọng. Khi quá trình suy nghĩ được đo lường, ai đó kiểm soát đồng hồ đo đó.
Vào năm 2026, quyền kiểm soát chuyển sang người định giá, định tuyến và kiểm tra quá trình suy nghĩ quy mô lớn.

Tính toán quy mô những gì bạn có thể thử.
Đánh giá quy mô những gì bạn có thể tin tưởng.
Hệ thống tập trung tối ưu hóa thông lượng và đầu tư ít vào xác minh hơn.
Hệ thống phân tán đẩy xác minh ra phía ngoài, liên tục.
Bước đột phá tiếp theo không phải là các tác nhân thông minh hơn.
Mà là các khung làm cho đầu ra có thể chứng minh được.

Lập trình trở nên "dễ dàng" cho các mô hình không phải vì nó đơn giản, mà vì xác minh rẻ.
Công việc cao cấp thì ngược lại: phản hồi đến muộn, tín hiệu lộn xộn, các bên liên quan tuyên dương người chiến thắng.
Đánh giá rẻ làm tăng khả năng.
Đánh giá đắt làm tăng khả năng thuyết phục.
“Có vẻ đúng” là cái bẫy.

Hầu hết mọi người đang đánh giá quá thấp thời gian mà công việc tri thức cao cấp sẽ tồn tại.
Họ suy diễn từ việc AI nghiền nát các nhiệm vụ trung cấp và giả định rằng đường cong sẽ tiếp tục tăng đều đặn.
Sẽ không như vậy.
AI cực kỳ xuất sắc trong:
• Phân tích mẫu
• Truy xuất thông tin
• Tổng hợp cấp một
• Trôi chảy
• Tốc độ
Điều này xóa sổ hàng loạt công việc tri thức cấp thấp và trung cấp.
Nhưng công việc tri thức đỉnh cao không chỉ là “trí thông minh hơn.” Nó là một chế độ hoàn toàn khác.
Những gì thực sự quan trọng ở đỉnh cao:
• Chọn đúng vấn đề
• Đặt khung khi mục tiêu chưa rõ ràng
• Lý lu

Hầu hết các dự báo về AI thay thế "tất cả công việc tri thức" đều dựa trên một sai lầm dự đoán đơn giản:
Họ nhầm lẫn giữa thực hiện nhiệm vụ và phán đoán.
Mọi người thấy AI phá hủy các nhiệm vụ trung cấp và giả định rằng đường cong tiếp tục tăng đều đặn.
Nhưng đỉnh cao của công việc tri thức không phải là một phiên bản khó hơn của phần giữa. Nó là một chế độ hoàn toàn khác.
Khi công việc không còn là “giải quyết vấn đề” nữa mà trở thành “chọn đúng vấn đề,” các quy tắc sẽ đảo ngược.
Các mô hình trở nên tốt hơn trong các nhiệm vụ có bảng điểm.
Phán đoán là chọn bảng điểm, và trả tiền cho những l

Hầu hết mọi người đều đánh giá thấp thời gian công việc kiến thức cao cấp sẽ tồn tại.
Họ thấy AI nghiền nát các nhiệm vụ trung cấp và cho rằng đường cong tiếp tục tăng đều đặn.
Sẽ không.
Bởi vì “nhiệm vụ khó hơn” không chỉ là những nhiệm vụ cần nhiều IQ hơn.
AI đã rất xuất sắc trong:
1. Phân tích mẫu
2. Truy xuất
3. Tổng hợp cấp một
4. Trôi chảy
5. Tốc độ
Điều này xóa sổ hàng loạt công việc cấp dưới và trung cấp.
Bất cứ thứ gì trông giống như “chuyển đổi đầu vào thành đầu ra” đều trở nên rẻ, nhanh và phong phú.
Nhưng công việc kiến thức cao cấp hoạt động trong một chế độ khác.
Nó không phải là

Bạn sẽ không mất việc làm vì AI trước tiên.
Bạn sẽ mất nó vì sự tự tin quá mức.
AI sẽ cho phép hàng triệu người gửi câu trả lời trôi chảy mà không phải chịu trách nhiệm.
Những nạn nhân đầu tiên của AI sẽ không phải là công nhân.
Họ sẽ là những tổ chức nhầm lẫn khối lượng sản xuất với sự thật.

Một mô hình không phải là một hào.
Trí tuệ dễ dàng được sao chép.
Bạn có thể tải xuống trọng số, phân nhánh kiến trúc và tinh chỉnh mãi mãi.
Nhưng bạn không thể triển khai trí tuệ đó ở quy mô lớn nếu người khác kiểm soát việc suy luận: giá cả, hạn ngạch, KYC, khu vực và các thay đổi chính sách có thể thay đổi qua đêm.
Khi AI chuyển từ chatbot sang đại lý, thì Gate trở thành điểm nghẽn.
Ai có thể chạy, khi nào, với độ trễ nào, trên phần cứng nào, theo quy tắc của ai.... và điều gì xảy ra khi bạn bị hạn chế từ 200ms xuống 2 giây.
Các mô hình sẽ tiếp tục cải thiện.
Rails quyết định mô hình nào tì

Trong mười năm tới, công ty AI có giá trị nhất sẽ không phải là công ty sở hữu mô hình thông minh nhất.
Nó sẽ là công ty mà mọi mô hình khác phụ thuộc để vận hành.
Các mô hình nhanh chóng trở thành hàng hóa - chúng không còn đặc biệt lâu dài. Kiến trúc bị rò rỉ. Mẹo huấn luyện lan truyền. “Mô hình tốt nhất” không còn là lợi thế bền vững nữa.
Vấn đề hạ tầng khác với vấn đề mô hình.
Độ trễ, thông lượng, thời gian hoạt động, xác minh. Đó là những giới hạn vật lý và kinh tế, không phải vấn đề bạn giải quyết bằng cách công bố một bài báo khác.
Khi AI trở nên có khả năng hành động, giá trị chuyển từ

AI của bạn đang làm bạn hoang mang để trở nên kém cỏi.
Một trong những rủi ro ít được thảo luận nhất của AI tuân thủ không phải là thông tin sai lệch.
Đó là sự sai lệch trong điều chỉnh.
Các hệ thống được thiết kế để luôn đồng tình không chỉ định hình câu trả lời. Chúng còn định hình người dùng, huấn luyện mọi người nhầm lẫn sự lưu loát với năng lực.
Tôi nhận thấy điều này ở chính bản thân mình, đó là lý do tại sao tôi khuyến khích các mô hình của mình trở thành đối tác tranh luận. Khi hệ thống mượt mà và xác nhận, dễ dàng để di chuyển nhanh hơn mà không bị thử thách. Bạn cảm thấy có khả năng

The DePIN & GPU narrative persists because constraints haven't moved.
Demand for training and inference keeps compounding, while centralized clouds stay bottlenecked by CAPEX, geography, and queuing.
Sure, a few years ago, compute scarcity was still a theory.
But now it’s an operational constraint.
How does this affect the usage and revenue of decentralized compute networks?
Decentralized compute networks aren’t “waiting for utilization someday.” They’re already running production workloads for real customers, under real latency constraints.
Tokenized GPUs, on-demand clusters, and hybrid cloud

DeFAI gặp vấn đề về độ tin cậy.
Ngay khi AI agent của bạn nghĩ ngoài chuỗi, DeFAI sẽ không còn có thể xác minh nữa vì bạn đã chèn vào một khoảng trống tin cậy trong quy trình làm việc minh bạch trên chuỗi.
Khoảng trống đó là gì?
Một phụ thuộc chung mới.
Mỗi giao thức dựa vào agent ngoài chuỗi đó đều buộc phải tin tưởng vào nó, rồi truyền "hộp đen" đó xuống dưới lớp.
Cách khắc phục là biên nhận: bằng chứng mật mã.
DeFAI protocols cần chứng minh những gì, từ đầu đến cuối và minh bạch, để bất kỳ ai cũng có thể xác minh?
Dữ liệu mà agent đã xem.
Mô hình và phiên bản nó đã chạy.
Các giới hạn mà nó

Hãy hình dung nó như các lớp:
Internet = không gian thông tin chung
Crypto = không gian tài chính chung
DeAI = không gian nhận thức chung
Kết hợp lại, chúng trở thành một trí tuệ chung.
Mặc định là mở.
Có thể kiểm tra được bằng mã code.
Không thuộc sở hữu của bất kỳ ai.
DeAI là lớp còn thiếu giúp dịch crypto cho phần còn lại của thế giới.

> là openAI, 2025
> "chúng tôi tôn trọng quyền riêng tư của bạn"
> "chúng tôi không thu thập dữ liệu về cuộc sống của bạn, chúng tôi chỉ cải thiện mô hình cho mọi người"
> bạn: nghe có vẻ lành mạnh, đây là toàn bộ lịch sử thời thơ ấu của tôi với giá $20/tháng
> ra mắt "Memory"
> "cá nhân hóa dài hạn," họ nói, "để bạn không phải lặp lại chính mình"
> giờ chúng tôi nhớ công việc, người yêu cũ, macro, và nỗi sợ kỳ lạ mà bạn nói với chúng tôi lúc 3 giờ sáng
> bản cập nhật tiếp theo: Pulse
> chúng tôi âm thầm kết nối vào lịch, sở thích tin tức và “ứng dụng được liên kết” của bạn
> thức dậy với bản

Tình trạng thiếu hụt GPU hiện tại không phải là một vấn đề hậu cần tạm thời.
Đây là một thất bại mang tính cấu trúc của sự tập trung hóa.
Nguồn cung phụ thuộc vào chuỗi cung ứng một điểm nút duy nhất.
Nhu cầu cho suy luận AI có khả năng mở rộng vô hạn.
Điện toán phi tập trung là điều duy nhất có thể giảm bớt áp lực này.

một góc nhìn đáng chú ý: bộ nhớ chuyển đổi các agent từ "trả lời theo prompt" sang các hệ thống có trạng thái. Khi trạng thái đã tồn tại, bạn sẽ có hành vi cộng dồn, và đó chính là lý do tại sao bước nhảy từ công cụ sang agent lại trở nên ấn tượng đến vậy.

Hầu hết nhu cầu mới về tính toán đang lặng lẽ chuyển từ con người sang các tác nhân AI.
Các đội ngũ robot chạy hàng ngàn bot ảo qua các nhà máy và kho hàng trước khi triển khai một lần vật lý.
Các studio game mô phỏng NPC với trí nhớ dài hạn và sự phối hợp thay vì các bot đã được lập trình sẵn.
Tất cả những điều này đều cần chu kỳ mô phỏng rẻ và linh hoạt, và đây là nơi các đám mây DeAI xuất hiện với các GPU phân tán.
Hình người trong nhà máy hoặc đại lý nơi làm việc bên trong doanh nghiệp chỉ là bề mặt có thể nhìn thấy.
Điều quan trọng là vòng lặp bên dưới chúng: mô phỏng, triển khai, phản hồ