Hook.
Cuối tháng 6/2025, một tin tức từ các trang tin Web3 Việt Nam lan truyền: Moonshot AI – công ty đứng sau Kimi K3 – đã đạt cột mốc 2,8 nghìn tỷ tham số với cơ chế Linear Attention. Trong vòng 48 giờ, hàng loạt bài phân tích trên Twitter và Telegram bắt đầu kết luận: “K3 sẽ không làm giảm nhu cầu GPU, ngược lại còn đẩy mạnh nó lên. Mua NVDA, mua SK Hynix.” Tôi đọc xong, chỉ thấy quen thuộc. Năm 2017, Confido cũng từng hứa hẹn “smart contract tự động thanh toán” – chỉ khác là lúc đó họ bán ICO, còn bây giờ họ bán… phần cứng.
Nhà đầu tư blockchain thường bị cuốn vào những câu chuyện tăng trưởng tuyến tính. Nhưng câu chuyện về K3 có một lỗ hổng chết người: nó đến từ một kênh thông tin vốn dĩ chuyên thổi phồng các dự án DePIN và AI phi tập trung. Trước khi lao vào mua cổ phiếu NVIDIA, hãy để tôi mổ xẻ từng lớp của “siêu mô hình” này.
Context.
K3 được giới thiệu là mô hình ngôn ngữ lớn với 2,8 nghìn tỷ tham số, sử dụng Linear Attention để giảm độ phức tạp tính toán từ O(n²) xuống O(n). Đây là một cải tiến kiến trúc đáng kể nếu so với Transformer truyền thống. Tuy nhiên, thông tin chi tiết về cơ chế cụ thể – liệu đó là State Space Model (giống Mamba) hay Linear Attention thuần (như Performer) – hoàn toàn vắng mặt. Theo SemiAnalysis, trọng số mô hình chiếm hơn 1,5 TB HBM, và KV cache vẫn phải được offload sang CPU DDR5 và NVMe. Điều này có nghĩa: Linear Attention không giải quyết được nút thắt băng thông bộ nhớ; nó chỉ giảm tải cho compute.
Moonshot AI cũng tiết lộ rằng K3 cần ít nhất 64 chip trong một miền mở rộng quy mô lớn (large-scale expansion domain) để chạy suy luận. Con số này khớp hoàn hảo với thiết kế GB300 NVL72 của NVIDIA – 72 GPU B300 kết nối qua NVLink 5.0. Nói cách khác, K3 được sinh ra để chạy trên những cụm NVIDIA đắt tiền nhất.
Vậy thì “tín hiệu” cho nhà đầu tư là gì? Rõ ràng: Linear Attention không làm giảm nhu cầu GPU; nó còn thúc đẩy nhu cầu cho những hệ thống cao cấp hơn. Đây là lý do SemiAnalysis, và sau đó là các kênh crypto, đưa ra luận điểm “Jevons Paradox trong AI” – hiệu quả cao hơn dẫn đến tổng cầu lớn hơn.
Core.
Tôi bắt đầu bằng cách kiểm tra giả thuyết “tham số lớn tất yếu cần GPU nhiều”. Điều này đúng, nhưng chưa đủ. Một mô hình 2,8 nghìn tỷ tham số rất có thể là MoE (Mixture of Experts) – nơi chỉ một phần nhỏ tham số được kích hoạt trong mỗi forward pass. Nếu vậy, trọng số tổng vẫn là 1,5 TB, nhưng compute thực tế lại thấp hơn nhiều so với mô hình dense cùng kích cỡ. Linear Attention chỉ làm giảm thêm compute. Kết quả: tổng lượng FLOPs cho mỗi token giảm, nhưng băng thông bộ nhớ (để load trọng số MoE + KV cache offload) lại trở thành nút thắt mới.
Đây là điểm mấu chốt: K3 không phải là một “cơn khát GPU” vô độ; nó là một “cơn khát băng thông và dung lượng bộ nhớ”. Cụ thể: - 1,5 TB HBM yêu cầu ít nhất 8 chip B200 (mỗi chip 192 GB HBM3e) chỉ để chứa trọng số. - KV cache, dù đã offload, vẫn cần một lượng DDR5 và NVMe khổng lồ với băng thông cao. - 64 chip trong một domain duy nhất yêu cầu NVSwitch và NVLink 5.0 – những linh kiện đắt đỏ nhất hiện nay.
Nếu chúng ta cho rằng “K3 sẽ kích thích nhu cầu GPU”, thì thực ra nó kích thích nhu cầu cho toàn bộ hệ sinh thái: HBM, high-bandwidth memory, NVMe, switch, interconnect. Các cổ phiếu như NVIDIA (GPU), SK Hynix (HBM), Micron (HBM), Astera Labs (interconnect) đều hưởng lợi. Đó là lý do các kênh blockchain – vốn thích các câu chuyện “DePIN” và “dữ liệu phi tập trung” – hăng hái chia sẻ bài phân tích này.
Nhưng đây mới là phần quan trọng: tất cả những tính toán trên đều dựa trên giả định rằng K3 thực sự hoạt động tốt và được triển khai rộng rãi. Chưa có một benchmark nào công bố. Không có MMLU, không có HumanEval, không có GSM8K. Một mô hình 2,8 nghìn tỷ tham số có thể đạt kết quả kém hơn GPT-4 (1,8 nghìn tỷ) nếu thuật toán alignment kém hoặc dữ liệu huấn luyện nhiễu.
Tôi nhớ lại năm 2021 khi CryptoPunks được định giá hàng trăm ETH mỗi punk, tôi đã phát hiện hàng loạt metadata vi phạm bản quyền. Lúc đó ai cũng nói “NFT là tương lai”, nhưng tương lai đó đổ vỡ vì những lỗ hổng cơ bản. K3 cũng vậy: một “siêu mô hình” với architecture hứa hẹn, nhưng nếu không có bằng chứng về chất lượng đầu ra, tất cả chỉ là mảnh ghép để thổi giá cổ phiếu hardware.
Contrarian.
Trái ngược với những gì các kênh crypto đang rao giảng, tôi cho rằng K3 có thể là một “bom xịt” đối với câu chuyện tăng trưởng phần cứng. Lý do: 1. Chi phí huấn luyện khổng lồ: Với 2,8 nghìn tỷ tham số, nếu huấn luyện trên 5 nghìn tỷ token, tổng FLOPs ước tính ~ 8.4e25. Trên H100 (FP8 1979 TFLOPS), cần ~ 1.2e8 GPU-hours. Tức 50.000 H100 chạy 100 ngày. Chi phí điện + khấu hao vượt 100 triệu USD. Moonshot AI – một startup AI Trung Quốc chưa có doanh thu rõ ràng – liệu có đủ tiền đốt? Nếu không, dự án sẽ thu hẹp, nhu cầu hardware không thành hiện thực. 2. Rủi ro pháp lý: K3 phục vụ thị trường Trung Quốc, nơi yêu cầu đăng ký và kiểm duyệt nội dung. Nếu mô hình không vượt qua “Miễn trừ trách nhiệm thuật toán” (Algorithm Filing), toàn bộ rollout có thể bị chậm trễ hoặc hạn chế. 3. Tác động đến ngành AI: Nếu Linear Attention thực sự vượt trội, OpenAI, Google, Anthropic sẽ sao chép ngay lập tức. Lợi thế của K3 chỉ là nhất thời. Khi đó, “cú hích cho hardware” sẽ bị phân tán bởi nhiều công ty cùng áp dụng kiến trúc mới.
Nhưng phần tôi quan tâm nhất là nguồn tin: bài viết gốc của SemiAnalysis sau đó được các trang Web3 Việt Nam phát tán. Với kinh nghiệm điều tra ICO và NFT, tôi biết rằng khi một thông tin kinh tế vĩ mô được phát tán mạnh trong cộng đồng crypto (vốn có thanh khoản thấp và tâm lý FOMO), thường có động cơ “pump and dump” đằng sau. Lần này, thay vì pump token, họ pump cổ phiếu NVIDIA. Nhưng ai sẽ là người mua cuối cùng?
Takeaway.
K3 có thể là một bước tiến kỹ thuật thực sự, nhưng cũng có thể là một vỏ bọc để hợp lý hóa nhu cầu hardware trong bối cảnh thị trường AI đang hạ nhiệt. Là nhà đầu tư blockchain, bạn đã từng thấy ICO, DeFi, NFT, GameFi, DePIN – mỗi chu kỳ đều có một “câu chuyện lớn” để thu hút vốn. Câu chuyện lần này là “K3 sẽ cứu ngành bán dẫn”.
Trước khi xuống tiền, hãy tự hỏi: benchmark ở đâu? Doanh thu từ API của K3 là bao nhiêu? Moonshot AI đã ký hợp đồng với khách hàng doanh nghiệp nào chưa? Nếu không có câu trả lời, thì câu chuyện này cũng chỉ là một hợp đồng thông minh Confido khác – đẹp trên whitepaper, rỗng tuếch trong reality.