Một con số 55% lặng lẽ xuất hiện trong thông cáo báo chí về thỏa thuận giữa NVIDIA và Bristol-Myers Squibb (BMS). Chi phí vận hành các mô phỏng phân tử, vốn từng là gánh nặng với những cụm CPU truyền thống, được kỳ vọng sẽ giảm hơn một nửa nhờ siêu máy tính AI chuyên dụng. Nhưng với tư cách một người từng chứng kiến những lời hứa ICO tan thành mây khói ở Dubai năm 2017, tôi không thể không tự hỏi: liệu 55% đó có thực sự là phép màu, hay chỉ là một con số được chọn lọc để làm đẹp báo cáo? Hãy cùng nhìn vào bức tranh rộng hơn – nơi công nghệ tính toán gặp gỡ tham vọng phi tập trung của DeSci (Decentralized Science).
Bối cảnh: Cuộc đua vũ trang hạ tầng trong ngành dược
Khi Pfizer và Moderna chứng minh tốc độ phát triển vaccine mRNA nhờ AI vào năm 2020, các ông lớn dược phẩm bắt đầu nhận ra rằng dữ liệu và sức mạnh tính toán là vũ khí cạnh tranh mới. Không còn chuyện thuê ngoài chạy mô phỏng trên đám mây với chi phí khó kiểm soát nữa. BMS, với ngân sách R&D khoảng 9 tỷ USD mỗi năm, quyết định xây dựng một siêu máy tính AI riêng, hợp tác cùng NVIDIA – nhà cung cấp GPU độc tôn trong lĩnh vực HPC (High-Performance Computing).
Động thái này không chỉ là một giao dịch mua bán phần cứng thông thường. Nó phản ánh xu hướng sở hữu hạ tầng then chốt thay vì phụ thuộc vào dịch vụ bên thứ ba. Giống như các ngân hàng đầu tư xây dựng hệ thống giao dịch độc quyền, các công ty dược đang tạo ra các phòng thí nghiệm số khép kín. Và ở đây, blockchain – cụ thể là phong trào DeSci – xuất hiện như một lực lượng đối trọng thú vị.
Trong hệ sinh thái phi tập trung, các nhà khoa học có thể token hóa dữ liệu thí nghiệm, chia sẻ quyền truy cập thông qua smart contract, và huy động vốn từ cộng đồng để nghiên cứu các bệnh hiếm. Nhưng nếu không có hạ tầng tính toán đủ mạnh, những ý tưởng đó chỉ là giấy trắng mực đen. Do đó, thỏa thuận NVIDIA – BMS có thể là chất xúc tác gián tiếp cho DeSci: khi chi phí tính toán giảm mạnh, ngay cả các nhóm nghiên cứu nhỏ cũng có khả năng tham gia vào cuộc chơi mô phỏng phân tử, và nhu cầu lưu trữ kết quả trên các sổ cái phi tập trung sẽ tăng lên.
Phân tích cốt lõi: Con số 55% đến từ đâu?
Để hiểu liệu 55% có khả thi hay không, tôi đã dành thời gian nghiên cứu kiến trúc mà NVIDIA thường triển khai cho các khách hàng dược phẩm. Dựa trên kinh nghiệm audit của tôi với một số dự án AI trong lĩnh vực chăm sóc sức khỏe, siêu máy tính này rất có thể dựa trên nền tảng DGX SuperPOD hoặc HGX, kết hợp với phần mềm BioNeMo chuyên biệt. Thành phần chính gồm hàng trăm GPU H100 hoặc B200, kết nối qua NVLink và InfiniBand để giảm thiểu độ trễ khi chạy các tác vụ song song như docking phân tử hay mô phỏng động lực học.
Phép tính 55% có thể đến từ ba nguồn chính: 1. Hiệu suất năng lượng vượt trội của GPU so với CPU: Trong các tác vụ mô phỏng phân tử, GPU thường nhanh hơn CPU từ 10 đến 50 lần, đồng thời tiêu thụ ít điện năng hơn trên mỗi kết quả. Nếu BMS trước đây sử dụng các cụm CPU Intel Xeon, việc chuyển sang GPU có thể cắt giảm chi phí vận hành (điện + làm mát) tới 60%. 2. Tối ưu hóa phần mềm: BioNeMo tận dụng các kỹ thuật như mixed precision, pruning, và mô hình ngôn ngữ lớn chuyên ngành (MegaMolBART) để giảm số lần lặp tính toán. NVIDIA thường công bố hiệu quả tăng 2-3 lần so với các framework mã nguồn mở thông thường. 3. Chi phí bảo trì và nhân sự: GPU cluster hiện đại dễ quản lý hơn, với các công cụ tự động hóa giúp giảm nhu cầu thuê chuyên gia HPC đắt đỏ.
Tuy nhiên, con số 55% rất có thể so sánh với kịch bản “sử dụng CPU on-premise” chứ không phải so với “GPU cloud instance” – nơi các nhà cung cấp như AWS hay GCP đã tối ưu hóa chi phí. Nếu so với chạy trên đám mây, lợi thế có thể chỉ còn 15-25%. Đây là một điểm mù mà nhiều người đọc dễ bỏ qua.
Góc nhìn phản trực giác: Khi “phi tập trung” bị thách thức bởi “tập trung hóa hạ tầng”
Nếu DeSci muốn trở thành hiện thực, nó cần một lớp tính toán phi tập trung. Nhưng các siêu máy tính như của BMS – do một thực thể duy nhất sở hữu và vận hành – lại đi ngược lại tinh thần đó. Sự phân hóa giàu nghèo về năng lực tính toán sẽ càng sâu sắc hơn: chỉ các tập đoàn lớn mới có đủ khả năng đầu tư hàng trăm triệu USD vào hạ tầng AI, trong khi các nhóm nghiên cứu học thuật hoặc startup DeSci phải dựa vào các mạng lưới tính toán ngang hàng như Golem, iExec hay Akash Network.
Nhưng liệu các mạng này có đáp ứng được yêu cầu hiệu năng và độ tin cậy cho mô phỏng dược phẩm? Câu trả lời hiện tại là khó. Các tác vụ mô phỏng phân tử thường yêu cầu băng thông cực cao và độ trễ thấp giữa các GPU, điều mà một mạng ngang hàng với các nút không đồng nhất không thể đảm bảo. Đây là lý do tại sao tôi tin rằng DeSci sẽ phải tồn tại song song với hạ tầng tập trung trong ít nhất 5-7 năm nữa, và vai trò của blockchain sẽ tập trung vào quản lý quyền truy cập, xác thực kết quả, và thanh toán tự động, thay vì cung cấp sức mạnh tính toán thô.
Một góc nhìn khác: BMS có thể tận dụng siêu máy tính này để tham gia vào các DAO nghiên cứu, cho thuê một phần công suất tính toán dư thừa cho các dự án DeSci thông qua các thị trường phi tập trung. Điều này vừa tạo ra nguồn thu phụ, vừa giúp BMS xây dựng hình ảnh một công ty tiên phong trong đổi mới mở.
Takeaway: Tiến bộ cần có đối trọng
Khi công nghệ tính toán trở nên rẻ hơn và mạnh hơn, ranh giới giữa tập trung và phi tập trung không phải là một đường thẳng, mà là một vòng xoáy. BMS – NVIDIA đang tạo ra một cú hích về hiệu quả, nhưng đồng thời củng cố sự tập trung quyền lực vào tay một số ít. Đối với cộng đồng Web3, đây vừa là lời cảnh báo vừa là cơ hội: hãy xây dựng các lớp trung gian (middleware) để kết nối hạ tầng tập trung với các ứng dụng phi tập trung, biến những cỗ máy khổng lồ thành những công dân có trách nhiệm trong hệ sinh thái mới.
Sẽ thật thú vị nếu một ngày nào đó, chính các công ty dược phẩm trở thành validator cho các blockchain DeSci, stake sức mạnh tính toán của họ để nhận token thưởng, đồng thời minh bạch hóa kết quả nghiên cứu. Nhưng để đi đến đó, chúng ta cần vượt qua rào cản niềm tin và cơ chế khuyến khích. Câu hỏi của tôi dành cho bạn: Liệu một siêu máy tính tập trung có thể trở thành nền tảng cho một tương lai khoa học phi tập trung, hay nó chỉ là một công cụ củng cố thêm quyền lực của các ông lớn?
