Tôi còn nhớ cái ngày tôi đọc bản cáo bạch đầu tiên trong đời mình. Đó là mùa hè năm 2017, một dự án tên EtherZero hứa hẹn về một nền tảng hợp đồng thông minh phi tập trung — và tôi, một kỹ sư mới ra trường với hai ETH trong ví, đã ngồi cả đêm để đọc từng dòng whitepaper. Điều tôi tìm thấy không phải là một tầm nhìn, mà là một khoảng trống: tokenomics mơ hồ, mã nguồn không thực sự mở, và những lời hứa không có cơ chế kiểm chứng. Tôi đã không đầu tư. Sáu tháng sau, dự án sụp đổ.
Hôm nay, khi đọc báo cáo mới nhất của Ngân hàng Thế giới — lần đầu tiên trong lịch sử gần đây, họ công khai thúc đẩy các nền kinh tế đang phát triển "nhanh chóng áp dụng AI" trong bối cảnh tăng trưởng toàn cầu chạm đáy 30 năm — tôi lại có cảm giác quen thuộc. Cảm giác của một người đang đọc whitepaper về một cơ hội lớn, với một khoảng trống không kém phần lớn lao.
Báo cáo Kinh tế Toàn cầu của World Bank, công bố tháng 1/2025, không chỉ là một tài liệu kinh tế vĩ mô. Nó là một tuyên ngôn chính sách. Họ nhìn thấy điều gì đó: trong một thế giới mà tốc độ tăng trưởng sụt giảm, AI có thể là đòn bẩy để rút ngắn khoảng cách — một cách để các nước đang phát triển "nhảy cóc" (leapfrog), giống như cách họ đã bỏ qua thẻ tín dụng để đến thẳng mobile money.
Nhưng câu hỏi đặt ra không phải là "có nên áp dụng AI" — câu trả lời đã quá rõ ràng. Câu hỏi thực sự nằm ở lớp sâu hơn: AI tạo ra giá trị, nhưng nó không tự tạo ra niềm tin. Tôi đã dành sáu năm làm việc trong lĩnh vực blockchain để hiểu một điều đơn giản: công nghệ không bao giờ là vấn đề; vấn đề là thị trường quyết định tin ai và tin bằng cơ chế nào.
Hãy nhìn vào cấu trúc vấn đề. Khi một nước đang phát triển "nhanh chóng áp dụng AI", họ thực chất đang làm một việc: nhập khẩu trí tuệ từ nước ngoài. Dữ liệu của họ — dữ liệu nông nghiệp, dữ liệu y tế, dữ liệu giao thông — chảy vào các mô hình AI được huấn luyện từ Silicon Valley, Bắc Kinh, hoặc Châu Âu. Họ trả phí API bằng đồng nội tệ ngày càng mất giá, và nhận về những quyết định được đóng gói trong hộp đen. Đây là cấu trúc của "chủ nghĩa thực dân dữ liệu" (data colonialism) — mặc dù không ai gọi nó bằng cái tên đó trong các phiên họp của World Bank.
Khi tham gia kiểm toán bảo mật cho Uniswap v2 vào năm 2020, tôi đã học được một bài học về giá trị của tầng xác thực. Tôi dành hai tháng rà soát 50 hợp đồng thông minh, tìm thấy ba lỗ hổng liên quan đến phí LP và giá oracle — một trong số đó có thể đã khiến dự án thiệt hại 1,2 triệu USD nếu bị khai thác trước khi ra mắt. Điều khiến tôi ấn tượng không phải là lỗ hổng; mà là cách cộng đồng phản ứng: họ không hỏi "mã này có hoạt động không", họ hỏi "làm sao tôi biết mã này đáng tin".
Các nền kinh tế đang phát triển đang đối mặt với câu hỏi tương tự, ở quy mô quốc gia.
World Bank thúc đẩy "áp dụng nhanh AI" — nhưng họ không trả lời được câu hỏi cơ bản: khi quyết định của AI ảnh hưởng đến việc cấp tín dụng nông nghiệp, ai chịu trách nhiệm khi mô hình sai? Khi một mô hình ngôn ngữ lớn cung cấp thông tin y tế sai cho một bà mẹ ở vùng sâu vùng xa, cơ chế khiếu nại nằm ở đâu? Trong thế giới AI tập trung, câu trả lời là: không ai cả. Sự mơ hồ đó là một chính sách, không phải một thiếu sót.
Có một nghịch lý mà tôi quan sát được trong bảy năm qua: càng nhiều quyết định được tự động hóa, nhu cầu về sự minh bạch và khả năng kiểm chứng càng tăng — nhưng AI tập trung lại làm điều ngược lại. Các mô hình lớn nhất là những hộp đen kín nhất. Chúng ta biết ít hơn về cách GPT-4 đưa ra quyết định của nó so với cách một hợp đồng thông minh trên Ethereum xử lý giao dịch — bởi vì ít nhất hợp đồng thông minh có thể được kiểm toán bởi bất kỳ ai, trên bất kỳ nút nào.
Khi tôi làm việc với nhóm nghiên cứu tại EPFL vào năm 2026 để xây dựng VeriMind, một giao thức xác minh tính toàn vẹn dữ liệu cho AI huấn luyện phi tập trung, tôi đã thấy một điều thú vị: các nhà nghiên cứu về AI quan tâm đến tính chính xác, nhưng họ gần như không quan tâm đến tính minh bạch. Khi tôi hỏi về việc ai kiểm tra dữ liệu huấn luyện trước khi mô hình được triển khai ở một quốc gia mới, ánh mắt họ lảng tránh.
Đây là nơi blockchain — và đặc biệt là các giao thức xác thực phi tập trung — có thể thay đổi cuộc chơi, nhưng không phải theo cách mà những người ủng hộ blockchain thường tuyên bố.
Vấn đề không nằm ở việc đưa toàn bộ dữ liệu lên on-chain — điều đó là phi thực tế, tốn kém, và vi phạm quyền riêng tư. Vấn đề nằm ở tầng chứng minh và kiểm toán: dùng zero-knowledge proofs để xác nhận rằng một mô hình được huấn luyện trên một bộ dữ liệu không bị thao túng; dùng cơ chế đồng thuận để ghi nhận các quyết định của AI một cách bất biến, tạo ra trách nhiệm giải trình; dùng stablecoin phi tập trung để thanh toán giữa các tác nhân AI mà không phụ thuộc vào hệ thống ngân hàng trung ương của bất kỳ quốc gia nào.
Nhưng đây mới là góc nhìn mà World Bank và hầu hết các nhà hoạch định chính sách hoàn toàn bỏ qua: vấn đề không phải là công nghệ, mà là sự phụ thuộc. Họ khuyến nghị "nhanh chóng áp dụng" — nhưng áp dụng bằng cách nào? Thông qua các API của Google, OpenAI, hay Anthropic — nghĩa là phụ thuộc vào hạ tầng thanh toán nước ngoài, hạ tầng điện toán đặt tại Iowa hoặc Ireland, và hạ tầng quyết định nằm trong tay một nhóm kỹ sư ở San Francisco. Câu hỏi này, như thói quen của tôi khi kiểm toán, đơn giản nhưng khiến người ta khó chịu: nếu Mỹ hoặc Trung Quốc quyết định chặn một quốc gia — vì lý do chính trị chẳng hạn — thì điều gì xảy ra với hệ thống AI của quốc gia đó?
Đó là lý do tại sao tôi tin rằng open-source models — như Llama hay Qwen — là con đường duy nhất cho các nước đang phát triển. Không phải vì chúng miễn phí — thực ra, chi phí vận hành chúng có thể không rẻ hơn API của OpenAI. Mà bởi vì chúng trao quyền kiểm soát. Một quốc gia có thể tự lưu trữ mô hình, tự kiểm tra, tự sửa đổi theo ngữ cảnh địa phương.
Tuy nhiên — và đây là lúc tôi đến với góc nhìn phản trực giác — blockchain không phải là câu trả lời cho mọi thứ. Thực tế, có một sự cám dỗ nguy hiểm trong cộng đồng của chúng ta: nghĩ rằng mọi vấn đề có thể giải quyết bằng một token.
Sự thật khó chịu là: đa số các dự án AI + blockchain hiện nay đều là giải pháp đi tìm vấn đề. Việc đưa dữ liệu huấn luyện lên on-chain không làm cho AI tốt hơn; nó chỉ làm cho nó chậm hơn và tốn kém hơn. Cơ chế đồng thuận PoW không giải quyết được vấn đề chất lượng dữ liệu — nó chỉ giải quyết vấn đề thứ tự. Và khi nói đến oracle feed — nguồn dữ liệu mà các hợp đồng thông minh phụ thuộc vào — tôi vẫn thấy các vấn đề mà tôi đã nêu ra năm 2020: độ trễ, độ tập trung của các node, và sự thiếu minh bạch trong cơ chế đồng thuận giữa các nguồn dữ liệu.
Hãy nhớ rằng, Chainlink được gọi là "phi tập trung" nhưng thực tế nó là một mạng lưới các node vận hành tập trung — một nghịch lý mà ngành của chúng ta thường ngại đối mặt. Nếu chúng ta muốn xây dựng một tầng xác thực cho AI ở các nước đang phát triển, chúng ta cần trung thực về những khiếm khuyết này, thay vì bán một giấc mơ hoàn hảo.
Đối với các stablecoin — một phần quan trọng của phương trình khi nói đến "AI agents trả tiền cho AI agents" — tình hình cũng phức tạp không kém. USDT chiếm hơn 70% thị trường stablecoin, nhưng dự trữ của Tether chưa bao giờ có một cuộc kiểm toán độc lập thực sự. Toàn bộ ngành công nghiệp giả vờ vấn đề này không tồn tại — giống như cách nhiều người trong chúng ta năm 2017 giả vờ rằng token của dự án X sẽ tăng giá mãi mãi. Một nền kinh tế đang phát triển phụ thuộc vào một stablecoin không được kiểm toán để vận hành hệ thống thanh toán AI thì có gì khác biệt so với việc phụ thuộc vào một ngân hàng trung ương không minh bạch?
Nghịch lý lớn nhất của bài toán này: thế giới đang cần niềm tin ở đúng nơi mà nó thiếu nhất. Đó là lý do tại sao việc World Bank lên tiếng là một tín hiệu quan trọng — nhưng chúng ta nên đọc nó một cách cẩn thận. Đây là một tổ chức đã thúc đẩy các chính sách "thắt lưng buộc bụng" vào những năm 1980 và "số hóa mọi thứ" vào những năm 2010, với kết quả trái chiều. Khi họ nói "hãy nhanh chóng áp dụng AI", điều đó có thể là một cơ hội thực sự — hoặc cũng có thể là một khẩu hiệu để che giấu việc thiếu các giải pháp cho những vấn đề cơ bản hơn: cơ sở hạ tầng điện, kết nối internet, và năng lực hấp thụ công nghệ của con người.
Câu chuyện của tôi bắt đầu với một whitepaper đầy lỗ hổng về một dự án có tên "EtherZero". Tôi đã không đầu tư, nhưng tôi học được một bài học sâu sắc hơn: công nghệ tốt nhất không phải là công nghệ mạnh mẽ nhất; đó là công nghệ cho phép mọi người kiểm tra sự thật một cách độc lập.
Blockchain, ở mức tốt nhất, là một công cụ để tạo ra loại niềm tin đó. Nhưng blockchain, ở mức tệ nhất, chỉ là một hình thức phân quyền giả tạo — một cách để chuyển sự phụ thuộc từ một thực thể sang một nhóm thực thể không có trách nhiệm giải trình.
Vì vậy, khi tôi nhìn thấy các chính phủ ở Đông Nam Á hay châu Phi chuẩn bị "nhanh chóng áp dụng AI" sau lời kêu gọi của World Bank, điều tôi muốn hỏi họ không phải là "bạn có chiến lược AI không", mà là — trong một thế giới mà AI đến từ nước ngoài, bạn có nền tảng nào để xác thực, kiểm toán, và khi cần, từ chối những gì AI nói với bạn? Và hạ tầng để làm điều đó có thuộc về bạn không, hay bạn chỉ đang thuê nó — kèm theo một hợp đồng phụ thuộc dài hạn?
Sự lựa chọn của một thập kỷ tới không nằm ở giữa "có AI" hay "không AI". Nó nằm ở giữa một sự phụ thuộc tập trung và một sự tự chủ có trách nhiệm. Đó là một sự lựa chọn về kiến trúc. Và nếu lịch sử bảy năm làm blockchain của tôi dạy tôi bất cứ điều gì, thì đó là: kiến trúc quyết định số phận — cho dù đó là số phận của một giao thức, một quốc gia, hay một thế hệ.
