AI làm khoa học thất bại: Tín hiệu cho thị trường crypto và bài toán định giá lại
Trong 72 giờ qua, một kết quả nghiên cứu về năng lực AI agent trong khoa học đã âm thầm lan qua các kênh giao dịch mà tôi theo dõi. Thị trường không phản ứng. Giá Bitcoin vẫn đi ngang. Nhưng với tôi, đây là một trong những tín hiệu dài hạn quan trọng nhất mà một nhà đầu tư crypto có thể nhận được trong năm nay.
Kết quả rất đơn giản: các AI agent mạnh nhất hiện nay có thể xử lý các công việc mang tính cơ chế trong quy trình nghiên cứu — đọc tài liệu, viết code, thực thi thí nghiệm — nhưng không thể tạo ra một bài báo được chấp nhận tại các hội nghị AI hàng đầu. Điều đó nghĩa là gì? AI có thể là một trợ lý nghiên cứu xuất sắc, nhưng vẫn chưa thể trở thành một nhà khoa học thực thụ.
Nghe có vẻ không liên quan đến crypto. Nhưng hãy nhìn kỹ hơn.
Nguồn tin này đến từ một nền tảng Web3. Điều đó nói lên nhiều điều. Cộng đồng crypto đang dần chuyển sự chú ý từ những câu chuyện tài chính thuần túy sang các ngành công nghệ sâu hơn — AI for Science là một trong những lĩnh vực chiến lược. Và khi các nhà đầu tư crypto bắt đầu quan tâm đến AI, họ sẽ mang theo một thứ vũ khí nguy hiểm: sự kỳ vọng. Kỳ vọng về một nhà khoa học AI hoàn toàn tự động. Kỳ vọng về một thế giới nơi các agent tự khám phá ra loại thuốc chữa ung thư trong một tuần. Và khi thực tế không đáp ứng được kỳ vọng đó — khi một nghiên cứu chỉ ra rằng AI không thể tự viết một bài báo được chấp nhận tại ICLR — tâm lý thị trường có thể đảo chiều nhanh hơn bất kỳ đợt thanh lý nào.
Đây chính là khoảnh khắc mà framework rủi ro trở nên quan trọng hơn bao giờ hết.
Trong giao dịch, tôi học được rằng mọi sự kiện lớn đều có hai lớp: lớp thông tin và lớp diễn giải. Lớp thông tin ở đây là: AI agent không thể tạo ra nghiên cứu gốc đạt tiêu chuẩn hội nghị hàng đầu. Lớp diễn giải mới là thứ ảnh hưởng đến giá cả. Và có hai cách diễn giải phổ biến đang hình thành.
Cách thứ nhất — cách bi quan: AI for Science là một câu chuyện bị thổi phồng. Nếu AI không thể làm khoa học, thì toàn bộ hệ sinh thái khởi nghiệp xoay quanh việc tự động hóa tri thức sẽ sụp đổ. Các quỹ đầu tư sẽ rút lui. Token thuộc các dự án AI sẽ mất giá. Đây là cách diễn giải mà những người đã bỏ lỡ đợt tăng giá trước đó sẽ theo đuổi, bởi nó đưa họ trở lại thị trường với giá thấp hơn.
Cách thứ hai — cách thực dụng: AI không thể thay thế nhà khoa học, nhưng có thể tự động hóa 70% khối lượng công việc tẻ nhạt. Điều này tạo ra giá trị rất cụ thể. Và vì thị trường vẫn đang định giá AI for Science dựa trên câu chuyện “nhà khoa học tự động” — một câu chuyện viễn tưởng — nên còn rất nhiều khoảng trống định giá cho các công cụ thực dụng hơn, như một phiên bản GitHub Copilot dành cho phòng thí nghiệm.
Bằng chứng ủng hộ cách thứ hai là mạnh mẽ hơn. Vì ngay cả khi AI bị từ chối bởi một hội nghị AI hàng đầu, điều đó không có nghĩa là nó vô dụng. Thực tế, nếu một AI agent có thể tạo ra một bản thảo mà các chuyên gia đánh giá là “khả thi nhưng chưa đủ mới lạ”, thì đó đã là một mức năng lực đáng kinh ngạc. Hãy nghĩ về điều đó: đa số con người có bằng tiến sĩ còn không đạt được cột mốc đó. Việc một hệ thống AI có thể tiến gần đến ngưỡng cửa của tri thức mới — dù chưa vượt qua — là một dấu hiệu cho thấy tốc độ phát triển nhanh hơn hầu hết mọi người nhận ra.
Nhưng tôi không quan tâm đến việc tranh luận AI có thể làm gì trong tương lai. Tôi quan tâm đến cấu trúc thị trường hiện tại.
Sự kiện này diễn ra trong bối cảnh thị trường crypto đang tích lũy — một giai đoạn mà thanh khoản co lại và giá cả không có xu hướng rõ ràng. Trong giai đoạn này, tiền thông minh không giao dịch dựa trên tin tức hàng ngày; nó xây dựng các vị thế dựa trên những thay đổi cấu trúc dài hạn. Và sự thay đổi cấu trúc dài hạn ở đây không phải là khả năng AI — mà là lưu lượng vốn từ các quỹ truyền thống đang tìm kiếm sự phơi nhiễm với AI và quyết định xem crypto có phải là phương tiện để làm điều đó hay không.
Đó là lý do tại sao báo cáo này về AI agent lại quan trọng đến vậy đối với các nhà giao dịch crypto. Nó tiết lộ một sự tách biệt mà hầu hết mọi người chưa nhận thức được: mặc dù nền tảng của nó là Web3, cuộc thử nghiệm này không thực sự nói về blockchain — nó nói về năng lực AI thuần túy. Và việc các nền tảng Web3 bắt đầu đưa tin về các nghiên cứu AI “thuần túy” như thế này là một tín hiệu cho thấy cộng đồng crypto không còn hài lòng với những câu chuyện DeFi tái chế.
Khi sự chú ý dịch chuyển, vốn sẽ dịch chuyển theo.
Nhưng có một bài học mà ngành công nghiệp này dường như lặp lại mỗi chu kỳ, và thí nghiệm này vừa đưa nó trở lại bề mặt. Tôi đã mất tiền vì nó trong năm 2017. ICO đã dạy tôi rằng niềm tin không bao giờ có thanh khoản. Lần đó, cơn sốt ICO đã khiến tôi đầu tư 15 ETH vào một dự án với tầm nhìn tuyệt vời trên giấy tờ. Tôi đã kiếm được 120 ETH từ việc bán token khi giá tăng vọt, nhưng sau đó dự án không giao hàng, và tôi đã rời đi với bàn tay trắng. Niềm tin đã đánh lừa tôi — không phải code. Từ đó trở đi, tôi chỉ tin vào thanh khoản thực tế trên chuỗi.
Các dự án AI for Science ngày nay có thể đang lặp lại cùng một vòng lặp. Nhìn vào cấu trúc của các dự án này: hầu hết chúng vẫn chưa có doanh thu, vẫn đang xây dựng trên những lời hứa về tự động hóa tri thức, và vẫn định giá bản thân dựa trên khả năng của các mô hình AI chưa từng được chứng minh trong môi trường phòng thí nghiệm thực tế. Một số dự án token hóa các hạ tầng tính toán AI, hứa hẹn tạo ra doanh thu từ việc cho thuê GPU. Một số khác xây dựng thị trường phi tập trung cho dữ liệu khoa học. Tất cả đều có cùng rủi ro về định giá: nếu các mô hình AI cơ bản không thể tạo ra giá trị khoa học có thể xác minh được, thì vốn VC sẽ khô cạn, và các token này sẽ mất đi sự hỗ trợ giá trị duy nhất của chúng.
Mặt khác, mọi tiêu cực đều chứa đựng một cơ hội. Và ở đây có một nghịch lý thú vị mà hầu hết các nhà đầu tư sẽ bỏ lỡ.
Nếu kết quả nghiên cứu này làm giảm kỳ vọng về “AI nhà khoa học tự động”, thì nó đồng thời làm tăng giá trị của các công cụ “AI Copilot” trong nghiên cứu — những sản phẩm giúp tăng năng suất của nhà khoa học con người. Những công cụ này không cần phải viết được một bài báo hội nghị để tạo ra giá trị; chúng chỉ cần giảm thời gian của một nghiên cứu sinh từ 6 tháng xuống còn 3 tháng — điều này đã đủ thay đổi nền kinh tế đơn vị của ngành dược phẩm, vật liệu và hóa chất.
Và nếu nhìn vào các dự án crypto, phân khúc đang được định giá thấp nhất lại chính là các dự án hạ tầng khoa học dữ liệu — không phải những dự án hứa hẹn một hệ thống AI tự động hóa toàn bộ phòng thí nghiệm, mà là những dự án xây dựng thị trường dữ liệu phi tập trung, nơi các bộ dữ liệu khoa học có chất lượng cao được mua bán một cách minh bạch. Những dự án này không cần AI phải thông minh hơn con người. Chúng chỉ cần AI tiếp tục được sử dụng như một công cụ tăng năng suất trong ngành khoa học — một xu hướng đang diễn ra ngay bây giờ, không phải trong tương lai.
Tôi đã dành 26 năm quan sát sự giao thoa giữa công nghệ và thị trường. Và nếu có một quy luật mà tôi tin tưởng, thì đó là: thị trường luôn định giá kỳ vọng trước khi định giá hiện thực. Những gì chúng ta đang chứng kiến với AI for Science là một sự điều chỉnh kỳ vọng — từ sự kỳ vọng viển vông về trí tuệ nhân tạo tự khám phá, sang kỳ vọng thực dụng về năng suất tăng lên. Sự điều chỉnh này sẽ tạo ra một đợt thanh lọc các dự án AI “ảo”, đồng thời tạo ra cơ hội mua vào cho những dự án hạ tầng khoa học thực sự.
Điều này có nghĩa là các vị thế dài hạn nên được xây dựng trên những dự án có doanh thu thực tế từ việc cung cấp dữ liệu, tính toán và công cụ phân tích cho các phòng thí nghiệm — không phải trên những dự án tự gọi mình là “nền tảng AI phi tập trung”. Sự khác biệt giữa chúng thường chỉ nằm ở cách họ mô tả bản thân trong whitepaper, nhưng lại có thể khác nhau tới 100 lần về khả năng sống sót trong 5 năm tới.
Một lưu ý cuối cùng về tính thời vụ. Bài nghiên cứu này, dù có vẻ là một thất bại, thực sự cung cấp một dịch vụ rất tốt cho hệ sinh thái: nó làm giảm nhiệt độ của một lĩnh vực đang quá nóng. Trong một thị trường đi ngang như hiện tại, đó chính là chất xúc tác mà các nhà giao dịch chiến lược đang chờ đợi — không phải một sự kiện tăng giá ngắn hạn, mà là một sự tái định giá sâu rộng hơn, cấu trúc hơn.
Thanh khoản là thứ duy nhất không bao giờ nói dối. Và khi một lĩnh vực quá nóng bắt đầu nguội đi, thanh khoản sẽ dịch chuyển từ những câu chuyện mơ hồ sang những công cụ thực dụng. Trong giai đoạn chuyển tiếp này, nhà giao dịch thông minh không đứng về phía bi quan hay lạc quan — họ đứng về phía dữ liệu.
Mỗi lỗi quorum là một bài học về topology. Tương tự, mỗi thất bại của AI trong nghiên cứu khoa học là một bài học về cách định giá công nghệ. Nó nhắc nhở chúng ta rằng việc xây dựng những ứng dụng có giá trị trên nền tảng trí tuệ nhân tạo vẫn còn gian nan và phức tạp hơn nhiều so với những gì các câu chuyện tiếp thị tuyên bố. Nhưng đó chính xác là nơi mà những người xây dựng thực thụ sẽ làm việc, và là nơi mà các nhà đầu tư có khả năng định lượng rủi ro - chứ không phải dựa vào cảm xúc - sẽ tìm thấy alpha.
Framework rủi ro là vũ khí, không phải lý thuyết. Trong bối cảnh này, nó có nghĩa là: không đầu tư vào một dự án chỉ vì câu chuyện của nó phù hợp với xu hướng AI. Hãy đầu tư vào những dự án mà mỗi chức năng của nó có thể được kiểm chứng bằng dữ liệu, mỗi tuyên bố về năng lực kỹ thuật đều có thể được kiểm tra bằng code, và mỗi lời hứa về doanh thu đều phải đi kèm với địa chỉ hợp đồng thông minh minh bạch.
Khi một nghiên cứu chỉ ra rằng AI không thể tự làm khoa học, điều đó không phải là một lời chê bai AI. Đó là một lời nhắc nhở rằng các công cụ và hệ thống có giá trị nhất vẫn chưa được xây dựng. Và trong thế giới crypto, những gì chưa được xây dựng vẫn luôn là cơ hội lớn nhất.
...
Câu hỏi còn lại không phải là AI có thể tự làm khoa học hay không — câu hỏi là liệu bạn có đủ kiên nhẫn để theo dõi những dự án đang thực sự giải quyết vấn đề thay vì chạy theo những câu chuyện phù phiếm. Trong thị trường đi ngang này, khi mọi thứ dường như đang chờ đợi, một sự kiện định giá lại như thế này là thứ duy nhất đáng để xếp hàng.