- Đây là báo cáo trong đó quỹ đầu tư mạo hiểm a16z dự báo các xu hướng chính của ngành công nghệ năm 2026, tổng hợp góc nhìn của các partner trong đội ngũ đầu tư theo từng lĩnh vực gồm hạ tầng, tăng trưởng, sinh học·y tế, speedrun, động lực Mỹ, ứng dụng, crypto
- AI agent sẽ thúc đẩy việc tái thiết kế căn bản hạ tầng doanh nghiệp, trong đó sắp xếp dữ liệu đa phương thức và hạ tầng agent-native sẽ nổi lên như các nhiệm vụ trọng tâm
- Trong phần mềm doanh nghiệp, tầm quan trọng của hệ thống lưu trữ hồ sơ (System of Record) suy giảm, chuyển sang các engine workflow tự động nơi AI trực tiếp đọc, ghi và suy luận trên dữ liệu
- Stablecoin sẽ trở thành phương thức thanh toán phổ biến, đồng thời phát hành tài sản on-chain và blockchain bảo vệ quyền riêng tư sẽ nổi lên như các yếu tố khác biệt hóa
- Dự báo đây sẽ là "Năm của tôi (Year of Me)", khi các dịch vụ AI được cá nhân hóa mang lại trải nghiệm tùy biến cho số đông trong giáo dục, sức khỏe và truyền thông
# [Infrastructure]
Các startup đang thuần hóa sự hỗn loạn của dữ liệu đa phương thức - Jennifer Li
- Dữ liệu phi cấu trúc·đa phương thức mà doanh nghiệp sở hữu là nút thắt lớn nhất trong việc triển khai AI, đồng thời cũng là tài sản bị bỏ phí lớn nhất
- PDF, ảnh chụp màn hình, video, log, email và dữ liệu bán cấu trúc đang tích tụ khắp doanh nghiệp
- Hiệu năng mô hình cải thiện rất nhanh nhưng dữ liệu đầu vào ngày càng hỗn loạn hơn
- Vì vậy, ảo giác trong hệ thống RAG và những lỗi tinh vi nhưng tốn kém của agent xảy ra
- Các luồng công việc cốt lõi vẫn phụ thuộc nặng vào QA của con người
- Yếu tố giới hạn của các công ty AI đang chuyển từ compute sang entropy dữ liệu
- Trong môi trường dữ liệu phi cấu trúc, tính cập nhật·cấu trúc·tính xác thực liên tục suy giảm
- Khoảng 80% tri thức doanh nghiệp tồn tại trong vùng phi cấu trúc này
- Việc khai mở dữ liệu phi cấu trúc trở thành cơ hội mang tính thế hệ
- Cần một hệ thống liên tục sắp xếp·cấu trúc hóa·kiểm chứng·quản trị dữ liệu đa phương thức
- Chỉ như vậy các workload AI phía dưới mới có thể vận hành đáng tin cậy trong thực tế
- Phạm vi ứng dụng đang mở rộng ra gần như mọi workflow doanh nghiệp
- Phân tích hợp đồng, onboarding, xử lý yêu cầu bồi thường, compliance, hỗ trợ khách hàng, mua sắm
- Tìm kiếm kỹ thuật, hỗ trợ bán hàng, pipeline phân tích
- Bao gồm mọi workflow agent phụ thuộc vào ngữ cảnh đáng tin cậy
- Điểm quyết định thắng thua nằm ở lớp nền tảng
- Trích xuất cấu trúc từ tài liệu·hình ảnh·video
- Điều phối xung đột dữ liệu và khôi phục pipeline
- Giữ dữ liệu luôn ở trạng thái mới nhất và luôn có thể truy xuất
- Nắm giữ phần cốt lõi của tri thức và quy trình doanh nghiệp
AI đang hồi sinh việc tuyển dụng trong an ninh mạng - Joel de la Garza
- Vấn đề lớn nhất của an ninh mạng trong 10 năm qua là tuyển dụng
- Từ năm 2013 đến 2021, số vị trí bảo mật chưa tuyển được tăng từ dưới 1 triệu → 3 triệu
- Cốt lõi của vấn đề nằm ở cấu trúc công việc bảo mật cấp độ 1
- Tuyển nhân lực kỹ năng cao để giao cho họ những công việc lặp lại và tiêu hao như rà soát log
- Gần như không ai muốn làm công việc này lâu dài
- Các tổ chức bảo mật tự tạo ra việc vặt cho chính mình
- Họ triển khai các sản phẩm bảo mật phát hiện mọi thứ
- Kết quả là hình thành cấu trúc buộc con người phải xem xét mọi cảnh báo
- Điều này tạo ra sự khan hiếm lao động giả tạo, chứ không phải thiếu hụt thực sự
- Năm 2026, AI sẽ phá vỡ vòng luẩn quẩn này
- Tự động hóa phần lớn các công việc bảo mật lặp lại và trùng lặp
- Một nửa khối lượng công việc của các đội ngũ bảo mật quy mô lớn có thể được giải quyết bằng tự động hóa
- Vấn đề khó nhất là xác định nên tự động hóa điều gì
- Khi đang chìm trong công việc, rất khó nhận diện các ứng viên phù hợp để tự động hóa
- Công cụ bảo mật AI-native sẽ thay con người đưa ra phán đoán này
- Giải phóng đội ngũ bảo mật khỏi công việc lặp lại
- Giúp họ tập trung vào truy vết kẻ tấn công, xây dựng hệ thống và khắc phục lỗ hổng
Hạ tầng agent-native sẽ trở thành yêu cầu cơ bản - Malika Aubakirova
- Cú sốc lớn nhất đối với hạ tầng năm 2026 sẽ không đến từ bên ngoài mà từ thay đổi bên trong
- Rời xa lưu lượng con người có thể dự đoán và mức đồng thời thấp
- Các workload tốc độ kiểu agent mang tính đệ quy và bùng nổ sẽ trở thành mặc định
- Backend doanh nghiệp hiện tại được thiết kế theo chuẩn hành vi con người
- Giả định một hành vi của con người tương ứng với một phản hồi từ hệ thống
- Không tính đến tình huống một mục tiêu đơn lẻ của agent có thể tạo ra hàng nghìn tác vụ con cùng lúc
- Công việc bình thường của agent lại trông như một cuộc tấn công đối với hệ thống legacy
- Refactor code hay chỉnh sửa log bảo mật có thể bị nhận diện là lưu lượng DDoS
- Trọng tâm của phản ứng nằm ở thiết kế lại control plane
- Hạ tầng agent-native sẽ trở thành yêu cầu cơ bản
- Coi mẫu thundering herd là trạng thái mặc định chứ không phải ngoại lệ
- Tiêu chuẩn hiệu năng sẽ thay đổi từ gốc
- Giảm thiểu cold start
- Thu hẹp biến động độ trễ
- Tăng giới hạn đồng thời theo cấp số
- Nút thắt không còn là tính toán mà là điều phối (coordination)
- Định tuyến, locking, quản lý trạng thái và thực thi chính sách sẽ trở thành cốt lõi của vận hành song song quy mô lớn
- Chỉ những nền tảng chịu được môi trường ngập tràn việc thực thi công cụ mới có thể tồn tại
Công cụ sáng tạo sẽ tiến hóa theo hướng đa phương thức - Justine Moore
- AI đã sở hữu các thành phần cốt lõi của storytelling
- Có thể tạo giọng nói, âm nhạc, hình ảnh và video
- Vấn đề là khả năng kiểm soát
- Khi vượt khỏi các clip đơn lẻ, việc đạt được kết quả mong muốn trở nên khó khăn và chi phí tăng vọt
- Điều này vẫn còn rất xa so với mức kiểm soát của đạo diễn truyền thống
- Các nhà sáng tạo muốn có chỉnh sửa đa phương thức dựa trên tham chiếu
- Đưa một video 30 giây vào làm đầu vào rồi thêm nhân vật mới để nối tiếp cảnh quay
- Tái dựng cảnh như thể được quay từ một góc máy khác
- Tái hiện chuyển động giống hệt video tham chiếu
- Năm 2026 sẽ là năm của AI đa phương thức
- Có thể dùng bất kỳ dạng nội dung tham chiếu nào làm đầu vào
- Việc tạo cảnh mới và chỉnh sửa cảnh hiện có sẽ được nối liền một cách tự nhiên
- Những sản phẩm ban đầu như Kling O1 và Runway Aleph đã xuất hiện
- Vẫn cần thêm đổi mới ở cả lớp mô hình lẫn lớp ứng dụng
- Sản xuất nội dung là killer use case của AI
- Hình thành một thị trường rộng lớn từ người làm meme đến đạo diễn Hollywood
Data stack AI-native sẽ tiếp tục tiến hóa - Jason Cui
- Trong một năm qua, modern data stack đã được hợp nhất rất nhanh
- Cấu trúc phân công theo thu thập·biến đổi·compute đang sụp đổ
- Bundling và nền tảng tích hợp đang trở thành tiêu chuẩn
- Thương vụ sáp nhập Fivetran/dbt và sự trỗi dậy của Databricks cho thấy điều đó
- Hệ sinh thái có vẻ đã trưởng thành, nhưng cấu trúc AI-native thực sự vẫn còn ở giai đoạn đầu
- Hạ tầng dữ liệu và hạ tầng AI đang được kết hợp trong trạng thái không thể tách rời
- Cơ sở dữ liệu vector đang trở thành một thành phần cốt lõi
- Kiến trúc vận hành cùng dữ liệu có cấu trúc sẽ trở thành mặc định
- Bài toán cốt lõi của kỷ nguyên agent là vấn đề ngữ cảnh
- Cần liên tục truy cập đúng dữ liệu và lớp ngữ nghĩa
- Cần duy trì định nghĩa kinh doanh nhất quán trên nhiều system of record
- Công cụ BI và bảng tính sẽ thay đổi từ căn bản
- Workflow dữ liệu đang dịch chuyển sang mô hình lấy agent làm trung tâm·lấy tự động hóa làm trung tâm
Năm bước vào bên trong video - Yoko Li
- Năm 2026, video sẽ không còn là phương tiện chỉ để tiêu thụ thụ động
- Nó sẽ trở thành một không gian mà con người thực sự bước vào và hoạt động
- Các mô hình video sẽ xử lý thời gian và tính nhất quán
- Ghi nhớ các cảnh trước đó
- Phản ứng với hành vi của người dùng
- Duy trì tính nhất quán liên tục tương tự thế giới vật lý
- Thoát khỏi việc tạo video ngắn và rời rạc
- Nhân vật, vật thể và các quy luật vật lý sẽ được duy trì đủ lâu
- Cho phép diễn tiến nơi hành động dẫn tới kết quả
- Video sẽ chuyển thành một phương tiện có thể xây dựng được
- Robot sẽ luyện tập trong đó
- Trò chơi sẽ tiến hóa
- Nhà thiết kế sẽ tạo prototype
- Agent sẽ trực tiếp hành động và học hỏi
- Kết quả không còn là clip mà là một môi trường sống động
- Khoảng cách giữa nhận thức và hành động sẽ được thu hẹp đáng kể
- Tạo ra cảm giác thực sự tồn tại bên trong video được sinh ra
# [Growth]
Kỷ nguyên của system of record đang khép lại - Sarah Wang
- Thay đổi thực sự của phần mềm doanh nghiệp trong năm 2026 là hệ thống ghi nhận dữ liệu (System of Record) mất đi vị thế trung tâm
- AI gần như xóa bỏ khoảng cách giữa ý định (intent) và thực thi (execution)
- Mô hình trực tiếp đọc, ghi và suy luận trên toàn bộ dữ liệu vận hành
- ITSM và CRM chuyển từ kho lưu trữ đơn thuần sang công cụ workflow tự chủ
- Vai trò của hệ thống được mở rộng nhờ sự phát triển của mô hình suy luận và workflow tác nhân
- Không chỉ phản ứng đơn thuần mà còn dự đoán, điều phối và thực thi end-to-end
- Trọng tâm của giao diện đang thay đổi
- Thay cho UI xoay quanh màn hình, lớp tác nhân động xuất hiện ở vị trí tuyến đầu
- System of Record hiện có bị đẩy lùi thành tầng lưu trữ (persistence tier)
- Quyền chủ động chiến lược đang dịch chuyển
- Không còn là ai lưu trữ dữ liệu
- Mà là ai nắm quyền kiểm soát môi trường thực thi thông minh mà nhân viên thực sự sử dụng
Vertical AI tiến hóa thành mô hình nhiều bên tham gia - Alex Immerman
- Vertical AI đang tăng trưởng với tốc độ chưa từng có
- Trong các lĩnh vực y tế, pháp lý và nhà ở, đã đạt ARR hơn $100M chỉ trong vài năm
- Các lĩnh vực tài chính và kế toán cũng đang nhanh chóng theo sau
- Giai đoạn tiến hóa đầu tiên là truy xuất thông tin
- Tìm, trích xuất và tóm tắt thông tin cần thiết
- Đến năm 2025, chuyển sang giai đoạn suy luận (reasoning)
- Hebbia phân tích báo cáo tài chính và xây dựng mô hình
- Basis đối soát bảng cân đối thử từ nhiều hệ thống
- EliseAI chẩn đoán vấn đề bảo trì và gọi đúng nhà cung cấp
- Đến năm 2026, chế độ nhiều bên tham gia được mở ra
- Phần mềm vertical có thế mạnh ở UI chuyên biệt theo miền, dữ liệu và tích hợp
- Nhưng công việc thực tế về bản chất là cấu trúc cộng tác đa bên
- Để tác nhân thay thế lao động, cộng tác là điều bắt buộc
- Người mua và người bán
- Người thuê, cố vấn và nhà cung cấp
- Mỗi bên tham gia có quyền hạn, workflow và yêu cầu tuân thủ khác nhau
- Hiện tại, AI vẫn hoạt động trong trạng thái tách biệt
- AI phân tích hợp đồng không kết nối với CFO
- AI bảo trì không biết lịch hẹn của nhân viên hiện trường
- AI nhiều bên tham gia sẽ điều phối điều này
- Định tuyến công việc giữa các bên liên quan
- Duy trì ngữ cảnh
- Đồng bộ các thay đổi
- AI phía đối tác đàm phán trong phạm vi được xác định
- Đưa các điểm mất cân đối lên để con người xem xét
- Việc chỉnh sửa của senior partner trở thành quá trình học tập cho toàn tổ chức
- Càng nhiều giá trị được tạo ra từ cộng tác, chi phí chuyển đổi càng tăng
- Xuất hiện hiệu ứng mạng mà các ứng dụng AI trước đây chưa có
- Bản thân lớp cộng tác trở thành hào lũy (moat)
Xây dựng cho tác nhân, không phải con người - Stephenie Zhang
- Từ năm 2026, mọi người sẽ dùng web thông qua tác nhân của riêng mình
- Những yếu tố từng quan trọng khi phục vụ tiêu dùng của con người sẽ không còn vận hành như cũ
- Cách tối ưu hóa truyền thống giả định hành vi của con người
- Xuất hiện ở vị trí cao trên kết quả tìm kiếm
- Lên được trang đầu của marketplace
- Cấu trúc bắt đầu bằng TL;DR
- Con người có thể bỏ lỡ câu quan trọng, nhưng tác nhân thì không
- Ngay cả câu then chốt ẩn ở trang 5, tác nhân cũng tìm ra ngay
- Sự thay đổi này cũng áp dụng vào thiết kế phần mềm
- Ứng dụng được thiết kế dựa trên ánh nhìn và cú nhấp của con người
- Tiêu chí tối ưu hóa từng là UI tốt và luồng sử dụng trực quan
- Khi tác nhân đảm nhận việc diễn giải và tìm kiếm, tiêu chí thay đổi
- Thiết kế trực quan không còn là yếu tố cốt lõi của việc hiểu nội dung
- Thay vì kỹ sư xem Grafana, AI SRE diễn giải telemetry và tóm tắt trên Slack
- Thay vì đội sales lục CRM, tác nhân tự động cung cấp mẫu hình và bản tóm tắt
- Giờ đây không còn thiết kế cho con người mà là thiết kế cho tác nhân
- Thay vì thứ bậc trực quan, mục tiêu tối ưu là khả năng máy đọc hiểu
- Sự thay đổi này làm thay đổi cả cách sáng tạo lẫn chính các công cụ
KPI screen time trong ứng dụng AI đang đi đến hồi kết - Santiago Rodriguez
- Trong 15 năm qua, screen time là chỉ số cốt lõi để đo việc truyền tải giá trị
- Thời gian xem Netflix
- Số lần nhấp trong EHR y tế
- Thời gian sử dụng ChatGPT
- Chỉ số này sắp mất hiệu lực
- Khi mô hình tính phí theo kết quả lan rộng
- Incentive của nhà cung cấp và người dùng được căn chỉnh
- Chỉ số biến mất đầu tiên chính là screen time
- Sự thay đổi đã xuất hiện trong thực tế
- ChatGPT DeepResearch tạo ra giá trị lớn ngay cả khi gần như không cần nhìn màn hình
- Abridge tự động ghi lại cuộc trò chuyện khám bệnh và xử lý công việc tiếp theo
- Cursor tạo ra cả ứng dụng để lập trình viên có thể thiết kế vòng lặp tiếp theo
- Hebbia tạo deck dựa trên hàng trăm bản công bố và giúp các banker đầu tư lấy lại giấc ngủ
- Một bài toán mới xuất hiện
- Để quyết định nên thu bao nhiêu trên mỗi người dùng, cần đo ROI phức tạp hơn
- Ứng dụng AI đồng thời nâng cao giá trị ở nhiều chiều
- Mức độ hài lòng của bác sĩ
- Năng suất của lập trình viên
- Chất lượng cuộc sống của nhà phân tích tài chính
- Hạnh phúc của người tiêu dùng
- Công ty giải thích ROI đơn giản nhất sẽ dẫn trước thị trường
# [Bio + Health]
Sự trỗi dậy của Healthy MAU - Julie Yoo
- Năm 2026, Healthy MAUs (MAU khỏe mạnh) nổi lên như nhóm khách hàng trung tâm của y tế
- Hiện chưa mắc bệnh
- Nhưng là những người tiêu dùng muốn liên tục hiểu và theo dõi sức khỏe của mình
- Hệ thống y tế hiện tại từ trước đến nay tập trung vào ba nhóm người dùng
- Sick MAUs: bệnh nhân có chi phí cao và nhu cầu điều trị tăng vọt theo từng đợt
- Sick DAUs: người dùng cần điều trị dài hạn và chuyên sâu như bệnh nặng hoặc bệnh mạn tính
- Healthy YAUs: người dùng tương đối khỏe mạnh nên hầu như không đến bệnh viện
- Healthy YAUs luôn có nguy cơ chuyển thành Sick MAUs hoặc Sick DAUs
- Quản lý dự phòng có thể làm chậm tốc độ chuyển đổi này
- Vấn đề nằm ở cấu trúc bồi hoàn hiện tại
- Hệ thống chi trả y tế mang tính phản ứng, tập trung vào điều trị, thưởng cho chữa bệnh hơn là phòng ngừa
- Khả năng tiếp cận các dịch vụ check-in hoặc theo dõi định kỳ còn thấp
- Bảo hiểm gần như không chi trả cho các dịch vụ tập trung vào phòng ngừa
- Healthy MAUs lấp đầy khoảng trống này
- Hiện tại chưa bị bệnh
- Nhưng muốn lặp lại việc kiểm tra và hiểu tình trạng sức khỏe của mình
- Có khả năng trở thành nhóm tiềm năng lớn nhất trong toàn bộ tập người tiêu dùng
- Một làn sóng dịch vụ nhắm vào nhóm khách hàng này đang bắt đầu
- Startup AI-native
- Dịch vụ được đóng gói lại từ các công ty y tế hiện hữu
- Tất cả đều đang chuyển sang cung cấp dịch vụ định kỳ theo mô hình thuê bao
- AI làm giảm cấu trúc chi phí của việc cung cấp dịch vụ y tế
- Tự động hóa giám sát và phân tích
- Giảm phụ thuộc vào nhân lực
- Mở ra khả năng xuất hiện các sản phẩm bảo hiểm tập trung vào phòng ngừa
- Người tiêu dùng ngày càng quen với mô hình thuê bao tự chi trả
- Healthy MAUs trở thành nhóm khách hàng cốt lõi của thế hệ healthtech tiếp theo
- Tham gia liên tục
- Dựa trên dữ liệu
- Hành động theo hướng phòng ngừa
# [Speedrun]
World model trở thành trung tâm của storytelling - Jon Lai
- Đến năm 2026, mô hình thế giới dựa trên AI sẽ giữ vị trí trung tâm của nghệ thuật kể chuyện
- Xuất hiện các định dạng mới dựa trên thế giới ảo có thể tương tác và nền kinh tế số
- Marble (World Labs) và Genie 3 (DeepMind) có thể tạo ra môi trường 3D hoàn chỉnh chỉ bằng lời nhắc văn bản
- Người dùng có thể trực tiếp khám phá thế giới đó như trong một trò chơi
- Khi các nhà sáng tạo bắt đầu tiếp nhận những công cụ này, các hình thức tự sự hoàn toàn mới sẽ xuất hiện
- Những thế giới khổng lồ có thể đồng sáng tạo sẽ được hình thành
- Cuối cùng, chúng sẽ tiến hóa thành một dạng gần với “Minecraft tạo sinh”
- Cơ chế game được kết hợp với lập trình ngôn ngữ tự nhiên
- Những mệnh lệnh như “hãy tạo ra một cây cọ biến mọi thứ nó chạm vào thành màu hồng” sẽ hoạt động như quy tắc của thế giới
- Ranh giới giữa người chơi và nhà sáng tạo dần biến mất
- Người dùng không còn chỉ là người tiêu thụ mà trở thành đồng tác giả
- Một đa vũ trụ tạo sinh kết nối lẫn nhau sẽ được hình thành
- Các thể loại như fantasy, horror và adventure cùng tồn tại trong một hệ sinh thái
- Nền kinh tế số bên trong các thế giới này sẽ trở nên sôi động
- Sản xuất asset
- Hướng dẫn người dùng mới
- Tạo doanh thu từ việc phát triển các công cụ tương tác mới
- Những thế giới này sẽ được sử dụng vượt ra ngoài giải trí như các môi trường mô phỏng
- Huấn luyện AI agent
- Đào tạo robot
- Xa hơn nữa là mở rộng thành không gian thử nghiệm AGI
- Sự trỗi dậy của mô hình thế giới không chỉ là sự xuất hiện của một thể loại giải trí mới mà là của một phương tiện sáng tạo mới và một mặt trận kinh tế mới
‘Năm của chính tôi’ - Josh Lu
- Năm 2026 sẽ là “The Year of Me”, năm mà sản phẩm chuyển từ sản xuất hàng loạt sang cá nhân hóa
- Sự thay đổi đã bắt đầu trong giáo dục
- Các startup như Alphaschool cung cấp gia sư AI có thể thích ứng theo tốc độ và sự tò mò của từng học sinh
- Đây là mức độ cá nhân hóa mà trước đây chỉ có thể đạt được khi chi hàng chục nghìn USD tiền gia sư cho mỗi học sinh
- Cá nhân hóa cũng trở thành điều thường nhật trong lĩnh vực sức khỏe
- AI thiết kế tổ hợp thực phẩm bổ sung, kế hoạch tập luyện và chế độ ăn phù hợp với dữ liệu sinh học cá nhân
- Điều này trở nên khả thi mà không cần phụ thuộc vào huấn luyện viên hay phòng thí nghiệm
- Truyền thông cũng sẽ được cá nhân hóa
- Tin tức, chương trình và câu chuyện được tái cấu trúc theo mối quan tâm và giọng điệu của từng cá nhân
- Những người chiến thắng của thế kỷ trước là các công ty tìm ra được người tiêu dùng trung bình
- Những người chiến thắng của thế kỷ tới là các công ty tìm ra được cá nhân ẩn bên trong mức trung bình
- Năm 2026 là thời điểm thế giới ngừng tối ưu cho ‘mọi người’ và bắt đầu tối ưu cho ‘bạn’
Trường đại học AI native đầu tiên - Emily Bennett
- Năm 2026 sẽ xuất hiện trường đại học AI native
- Đây là một tổ chức giáo dục được thiết kế ngay từ đầu với hệ thống trí tuệ làm trung tâm
- Các trường đại học hiện nay mới chỉ áp dụng AI một phần
- Chủ yếu dừng ở mức chấm điểm, tutoring và quản lý lịch trình
- Giờ đây sẽ xuất hiện một tổ chức học thuật có thể tự học và tự tối ưu
- Từ lớp học, hướng dẫn, hợp tác nghiên cứu đến vận hành tòa nhà đều thích ứng qua vòng phản hồi dữ liệu
- Mọi yếu tố của trường đại học sẽ thay đổi theo thời gian thực
- Thời khóa biểu tự tối ưu
- Danh mục tài liệu đọc được cập nhật mỗi đêm để phản ánh nghiên cứu mới nhất
- Lộ trình học tập được điều chỉnh ngay lập tức theo tốc độ và bối cảnh của sinh viên
- Đã có những dấu hiệu báo trước
- ASU đang vận hành hàng trăm dự án AI thông qua hợp tác toàn tổ chức với OpenAI
- SUNY đưa AI literacy vào chương trình giáo dục khai phóng như một yêu cầu bắt buộc
- Vai trò của giảng viên trong trường đại học AI native sẽ thay đổi
- Không còn là người truyền đạt tri thức mà trở thành người thiết kế việc học
- Họ tuyển chọn dữ liệu và tinh chỉnh mô hình
- Dạy sinh viên cách tiếp cận suy luận máy móc một cách phản biện
- Phương thức đánh giá cũng thay đổi
- Việc phát hiện đạo văn và cấm sử dụng sẽ biến mất
- Thay vào đó sẽ đánh giá cách AI được sử dụng
- Tính minh bạch và việc sử dụng có chừng mực sẽ trở thành tiêu chuẩn
- Toàn bộ ngành công nghiệp đang cần nhân lực có thể thiết kế, vận hành và cộng tác cùng AI
- Trường đại học AI native sẽ trở thành động cơ cung ứng nhân lực cho nền kinh tế mới
# [American Dynamism]
Xây dựng nền tảng công nghiệp AI native - David Ulevitch
- Những lĩnh vực tạo ra sức mạnh thực sự cho nền kinh tế Mỹ đang trở lại vị trí trung tâm
- Năng lượng, sản xuất, logistics và hạ tầng quay lại như các trụ cột cốt lõi
- Thay đổi quan trọng nhất là sự xuất hiện của nền tảng công nghiệp thực sự AI native, software-first
- Khởi đầu từ mô phỏng, thiết kế tự động và vận hành dựa trên AI
- Không phải hiện đại hóa quá khứ mà là xây dựng thế hệ tiếp theo ngay từ đầu
- Những cơ hội mới đang mở ra trên toàn bộ lĩnh vực công nghiệp
- Hệ thống năng lượng tiên tiến
- Sản xuất công nghiệp nặng lấy robot làm trung tâm
- Ngành khai khoáng thế hệ tiếp theo
- Quy trình hóa học dựa trên sinh học và enzyme làm nền tảng cho mọi ngành công nghiệp
- AI đang tái thiết kế các quy trình cốt lõi của công nghiệp
- Thiết kế lò phản ứng sạch hơn
- Tối ưu hóa khai thác tài nguyên
- Kỹ thuật enzyme tốt hơn
- Tinh chỉnh chính xác các đội máy móc tự hành
- Thế giới bên ngoài nhà máy cũng đang được tái cấu trúc
- Cảm biến tự động và drone
- Các mô hình AI mới nhất sẽ liên tục trực quan hóa cảng biển, đường sắt, lưới điện, đường ống, căn cứ quân sự và trung tâm dữ liệu
- Thế giới thực đang cần phần mềm mới
- Những startup tạo ra nó sẽ quyết định sự thịnh vượng của nước Mỹ trong thế kỷ tới
Sự phục hưng của nhà máy Mỹ - Erin Price-Wright
- Thế kỷ vĩ đại đầu tiên của nước Mỹ được xây nên trên năng lực công nghiệp
- Nhưng offshoring và thất bại trong việc xây dựng trên toàn xã hội đã làm nước Mỹ đánh mất nhiều sức mạnh
- Giờ đây cỗ máy đó đang bắt đầu chuyển động trở lại
- Sự tái sinh của nhà máy Mỹ với phần mềm và AI ở vị trí trung tâm đang diễn ra
- Đến năm 2026, toàn ngành công nghiệp sẽ tiếp cận vấn đề bằng tư duy nhà máy
- Điều này áp dụng cho năng lượng, khai khoáng, xây dựng và sản xuất
- Cốt lõi là sự kết hợp giữa AI, tính tự động theo mô-đun + lao động lành nghề
- Giúp các quy trình tùy biến và phức tạp vận hành như dây chuyền lắp ráp
- Cách tiếp cận này cho phép
- Vượt qua các quy định và phê duyệt phức tạp một cách nhanh chóng và lặp lại được
- Rút ngắn chu kỳ thiết kế và triển khai thiết kế có tính đến khả năng sản xuất ngay từ đầu
- Quản lý hiệu quả việc điều phối các dự án quy mô lớn
- Tăng tốc những công việc khó hoặc nguy hiểm với con người bằng các hệ thống tự động
- Tư duy kiểu Henry Ford sẽ được áp dụng ngay từ Day 0
- Thiết kế với giả định về quy mô và khả năng lặp lại
- Kết hợp thêm AI hiện đại vào đó
- Kết quả đang xuất hiện rất nhanh
- Sản xuất hàng loạt lò phản ứng hạt nhân
- Mở rộng nguồn cung nhà ở
- Xây dựng trung tâm dữ liệu với tốc độ siêu nhanh
- Mệnh đề “nhà máy chính là sản phẩm” một lần nữa trở thành hiện thực
- Chúng ta đang bước vào một thời kỳ hoàng kim công nghiệp mới
Làn sóng quan sát hệ thống tiếp theo không phải là kỹ thuật số mà là vật lý - Zabie Elmgren
- Trong 10 năm qua, observability phần mềm đã làm các hệ thống số trở nên minh bạch
- Con người nắm được mã và máy chủ thông qua log, metric và trace
- Cuộc đổi mới tương tự đang mở rộng sang thế giới vật lý
- Trên khắp nước Mỹ đã có hơn 1 tỷ camera và cảm biến được triển khai
- Observability vật lý để hiểu thành phố, lưới điện và hạ tầng theo thời gian thực đang vừa cấp thiết vừa khả thi
- Lớp nhận thức này sẽ mở ra giai đoạn tiếp theo của robotics và autonomy
- Máy móc cần một cấu trúc chung để nhận biết thế giới vật lý như thể đó là mã
- Rủi ro cũng hiện hữu: công nghệ phát hiện cháy rừng và ngăn ngừa tai nạn công nghiệp cũng có thể biến thành một dystopia giám sát
- Người chiến thắng sẽ là các công ty giành được niềm tin: bảo toàn quyền riêng tư, khả năng tương tác, AI native
- Chúng ta cần các hệ thống giúp xã hội dễ hiểu hơn mà không làm nó kém tự do hơn
- Những chủ thể xây dựng lớp niềm tin này sẽ định hình observability của 10 năm tới
Stack điện-công nghiệp đang vận hành thế giới - Ryan McEntush
- Cuộc cách mạng công nghiệp tiếp theo không chỉ diễn ra ở nhà máy mà còn diễn ra bên trong các cỗ máy
- Phần mềm đã thay đổi cách tư duy và thiết kế, và giờ đang thay đổi di chuyển, xây dựng và sản xuất
- Sự kết hợp giữa điện khí hóa, vật liệu và AI đang diễn ra
- Kiểm soát bằng phần mềm thực sự đang được đưa vào thế giới vật lý
- Máy móc tự cảm nhận, học hỏi và hành động
- Đây chính là electro-industrial stack
- Công nghệ nền tảng cho xe điện, drone, trung tâm dữ liệu và sản xuất hiện đại
- Kết nối công nghệ vận động các nguyên tử với các bit
- Các thành phần của stack
- Tinh luyện khoáng sản → linh kiện
- Năng lượng được lưu trữ trong pin
- Điện được điều khiển bằng điện tử công suất
- Chuyển động được truyền qua động cơ chính xác
- Phần mềm điều phối mọi thứ
- Đây là nền tảng vô hình của tự động hóa vật lý, tạo ra khác biệt giữa phần mềm gọi taxi và phần mềm cầm vô lăng
- Năng lực xây dựng stack này đang suy yếu: tinh luyện vật liệu cốt lõi và sản xuất chip tiên tiến
- Để Mỹ dẫn dắt kỷ nguyên công nghiệp tiếp theo, nước này phải trực tiếp sản xuất phần cứng
- Quốc gia làm chủ electro-industrial stack sẽ quyết định tương lai của công nghệ công nghiệp và quân sự
- Phần mềm đã nuốt chửng thế giới. Giờ nó đang làm thế giới chuyển động
Phòng thí nghiệm tự chủ thúc đẩy khám phá khoa học - Oliver Hsu
- Năng lực mô hình đang phát triển trên toàn bộ các phương thức đa phương thức
- Năng lực thao tác robot cũng tiếp tục được cải thiện
- Hai xu hướng này kết hợp với nhau, tạo ra phòng thí nghiệm tự chủ
- Hình thành giả thuyết - thiết kế thí nghiệm - thực thi - suy luận và phân tích kết quả - lặp lại định hướng nghiên cứu tiếp theo
- Vòng lặp end-to-end của khám phá khoa học được khép kín một cách tự động
- Những đội ngũ xây dựng các phòng thí nghiệm này về bản chất là liên ngành: AI, robotics, khoa học vật lý và sự sống, sản xuất, vận hành
- Thí nghiệm không người trực (lights-out) cho phép thí nghiệm liên tục
- Tốc độ khám phá tăng mạnh ở nhiều lĩnh vực khác nhau
Cuộc thập tự chinh dữ liệu hướng vào các ngành công nghiệp cốt lõi - Will Bitsky
- Trọng tâm của diễn ngôn AI năm 2025 là giới hạn compute và trung tâm dữ liệu
- Trọng tâm của năm 2026 sẽ là giới hạn dữ liệu và chiến trường dữ liệu mới, và chiến trường đó chính là các ngành công nghiệp cốt lõi
- Trong các ngành công nghiệp cốt lõi vẫn còn lượng lớn dữ liệu phi cấu trúc đang ngủ yên: vận hành xe tải, đọc đồng hồ đo, công việc bảo trì, quy trình sản xuất, lắp ráp và kiểm thử
- Tất cả các quy trình này đều trở thành dữ liệu huấn luyện mô hình, trong đó không chỉ việc đã làm gì mà cả đã làm như thế nào cũng quan trọng
- Vấn đề là tại hiện trường công nghiệp còn thiếu khái niệm về dữ liệu: thu thập, gán nhãn và huấn luyện mô hình không nằm trong vốn từ vựng của ngành
- Nhu cầu dữ liệu đang bùng nổ
- Scale, Mercor và các phòng thí nghiệm AI đang tích cực thu thập dữ liệu quy trình
- Vẫn phụ thuộc vào dữ liệu thủ công có chi phí cao
- Các công ty công nghiệp hiện hữu có lợi thế cấu trúc
- Đã sở hữu hạ tầng vật lý và lực lượng lao động
- Có thể thu thập dữ liệu gần như với chi phí biên bằng không
- Có thể tự huấn luyện mô hình hoặc cấp phép ra bên ngoài
- Startup hỗ trợ quá trình này
- Phần mềm thu thập, gán nhãn và quản lý đồng thuận
- Phần cứng cảm biến và SDK
- Môi trường reinforcement learning và pipeline huấn luyện
- Cuối cùng là cung cấp cả máy móc thông minh của riêng mình
# [Apps]
AI củng cố chính mô hình kinh doanh - David Haber
- Các startup AI xuất sắc không chỉ tự động hóa công việc mà còn khuếch đại chính cấu trúc kinh tế của khách hàng
- Lấy ví dụ là các hãng luật tính phí theo kết quả
- Chỉ tạo ra doanh thu khi thắng kiện
- Các công ty như Eve tận dụng dữ liệu kết quả vụ việc để dự đoán xác suất thắng kiện
- Chọn vụ tốt hơn, xử lý được nhiều khách hàng hơn và chiến thắng thường xuyên hơn
- AI không chỉ dừng ở vai trò công cụ cắt giảm chi phí mà còn trực tiếp làm tăng doanh thu
- Trong năm 2026, logic này sẽ lan rộng ra toàn bộ các ngành
- AI được căn chỉnh sâu hơn với động lực lợi ích của khách hàng
- Tạo ra lợi thế cạnh tranh kép theo lãi suất kép mà phần mềm truyền thống không thể bắt kịp
ChatGPT trở thành AI app store - Anish Acharya
- Một chu kỳ sản phẩm tiêu dùng cần ba yếu tố
- Công nghệ mới
- Hành vi người tiêu dùng mới
- Kênh phân phối mới
- AI đã đáp ứng hai yếu tố đầu nhưng chưa có kênh phân phối riêng, nên phải dựa vào các mạng lưới sẵn có như X hoặc truyền miệng
- Tình hình đang thay đổi
- OpenAI công bố Apps SDK
- Apple hỗ trợ mini app
- ChatGPT giới thiệu nhắn tin nhóm
- Giờ đây nhà phát triển có thể tiếp cận trực tiếp 900 triệu người dùng của ChatGPT
- Có thể tăng trưởng cùng các mạng mini app mới như Wabi
- Mảnh ghép cuối cùng này được hoàn thiện sẽ khởi động cơn sốt vàng chỉ đến một lần trong một thập kỷ của công nghệ tiêu dùng năm 2026
Tác nhân giọng nói bắt đầu mở rộng phạm vi một cách nghiêm túc - Olivia Moore
- Trong 18 tháng qua, voice AI đã đi từ khoa học viễn tưởng thành hiện thực: đặt lịch, xử lý đặt chỗ, khảo sát, tiếp nhận khách hàng
- Nó đã được sử dụng rộng rãi từ SMB đến doanh nghiệp lớn
- Hiệu quả đã rất rõ ràng: giảm chi phí, tạo thêm doanh thu, và con người đảm nhiệm các công việc có giá trị cao hơn
- Nhiều công ty vẫn chỉ dừng ở giai đoạn point solution, chỉ xử lý một số loại cuộc gọi cụ thể
- Giai đoạn tiếp theo là mở rộng toàn diện
- Xử lý toàn bộ workflow
- Tương tác đa phương thức
- Quản lý toàn bộ quan hệ khách hàng
- Để làm được điều đó cần các agent tích hợp sâu với hệ thống doanh nghiệp và quyền tự chủ để xử lý các tương tác phức tạp hơn
- Chừng nào hiệu năng mô hình còn tiếp tục cải thiện thì không có lý do gì để mọi doanh nghiệp không vận hành AI ưu tiên giọng nói
Sự xuất hiện của các ứng dụng chủ động, không cần prompt - Marc Andrusko
- Năm 2026 sẽ là sự kết thúc của ô nhập prompt
- Thế hệ ứng dụng AI tiếp theo hoạt động mà không cần đầu vào tường minh: quan sát hành vi người dùng và chủ động đưa ra đề xuất
- Ví dụ
- IDE đề xuất refactor trước cả khi được yêu cầu
- CRM soạn email follow-up ngay sau khi cuộc gọi kết thúc
- Công cụ thiết kế tạo ra các biến thể ngay trong lúc làm việc
- Giao diện chat chỉ là bánh phụ cho người mới tập đi
- AI giờ trở thành kết cấu vô hình thấm vào toàn bộ workflow
- Phản ứng với ý định chứ không phải mệnh lệnh
AI tái dựng nền tảng của ngân hàng và bảo hiểm - Angela Strange
- Các công ty tài chính truyền thống đã chồng AI lên trên hệ thống legacy: nhận diện tài liệu, voice agent
- Sự thay đổi thực sự xảy ra khi chính hạ tầng được tái xây dựng
- Trong năm 2026, rủi ro không áp dụng AI sẽ lớn hơn rủi ro thất bại
- Các tổ chức tài chính lớn sẽ chấm dứt hợp đồng với vendor legacy và chuyển sang các lựa chọn thay thế AI-native
- Đặc điểm của nền tảng tài chính mới: tập trung hóa, chuẩn hóa và tăng cường dữ liệu legacy lẫn dữ liệu bên ngoài
- Kết quả
- Song song hóa workflow ở quy mô lớn
- Xử lý công việc mà không cần chuyển đổi giữa các hệ thống
- Có thể nhìn thấy hàng trăm tác vụ trong một màn hình và agent tự động xử lý một phần
- Bản thân các category cũng được hợp nhất
- Ví dụ: KYC và giám sát chuyển đổi được kết hợp thành một nền tảng rủi ro thống nhất
- Người chiến thắng sẽ là những công ty lớn gấp 10 lần hiện nay
- Phần mềm thay thế lao động
- Tương lai của tài chính không phải là chồng AI lên hệ thống cũ mà là tạo ra một hệ điều hành mới dựa trên AI
Chiến lược forward-deployed sẽ phổ biến AI tới 99% - Joe Schmidt
- Cho đến nay, lợi ích của AI tập trung vào 1% ở Thung lũng Silicon do khả năng tiếp cận địa lý và mạng lưới VC
- Trong năm 2026, xu hướng này sẽ đảo ngược: phần lớn cơ hội AI nằm bên ngoài Thung lũng Silicon
- Các nhà sáng lập mới sẽ dùng phương thức forward-deployed để tìm ra cơ hội bên trong các ngành công nghiệp legacy
- Những lĩnh vực có cơ hội đặc biệt lớn:
- Tư vấn truyền thống
- Tích hợp hệ thống
- Các ngành chậm thay đổi như sản xuất
Fortune 500 sẽ xuất hiện lớp điều phối và vai trò mới - Seema Amble
- Doanh nghiệp đang chuyển từ một công cụ AI đơn lẻ sang hệ thống đa tác nhân
- Các tác nhân phải phối hợp như một đội ngũ số. Cùng nhau lập kế hoạch, phân tích và thực thi
- Để làm được điều đó, cần thiết kế lại cấu trúc công việc và luồng ngữ cảnh giữa các hệ thống
- AskLio và HappyRobot đã triển khai tác nhân không chỉ cho một tác vụ đơn lẻ mà cho toàn bộ quy trình
- Fortune 500 là nhóm trải qua thay đổi lớn nhất: dữ liệu bị phân mảnh trong các silo khổng lồ và tri thức ngầm chỉ tồn tại trong đầu con người
- Khi biến chúng thành một nền tảng dùng chung, có thể tăng tốc độ ra quyết định, rút ngắn chu kỳ và tạo ra các quy trình end-to-end không cần con người can thiệp
- Các vai trò mới xuất hiện: nhà thiết kế workflow AI, người giám sát tác nhân, người phụ trách quản trị
- Bên trên system of record sẽ được bổ sung system of coordination
- Con người sẽ tập trung vào những edge case phức tạp nhất
- Đa tác nhân không chỉ là tự động hóa đơn thuần mà là tái cấu trúc chính cách doanh nghiệp vận hành
AI tiêu dùng chuyển từ ‘hãy giúp tôi’ sang ‘hãy nhìn thấy tôi’ - Bryan Kim
- Năm 2026 sẽ là năm AI tiêu dùng chuyển từ năng suất sang kết nối
- AI vượt ra ngoài vai trò công cụ hỗ trợ công việc để giúp con người hiểu bản thân tốt hơn và củng cố các mối quan hệ
- Đây là một lĩnh vực khó. Nhiều AI xã hội đã thất bại
- Nhưng môi trường đã thay đổi: ngữ cảnh đa phương thức mở rộng, chi phí suy luận giảm
- Giờ đây AI có thể học được cảm xúc trong ảnh, mẫu hội thoại và sự thay đổi thói quen theo mức độ căng thẳng
- Đặc điểm của các sản phẩm kiểu ‘see me’
- Mức sẵn sàng chi trả trong ngắn hạn thấp
- Tỷ lệ giữ chân cao
- Mọi người vốn đã trao đổi dữ liệu để lấy giá trị
- Và sắp tới phần giá trị nhận lại sẽ đủ lớn
Primitive mô hình mới tạo ra những công ty từng là điều bất khả - Kimberly Tan
- Những đổi mới mô hình gần đây đang tạo ra các công ty mà trước đây không thể tồn tại
- Trước kia, mức độ chủ yếu chỉ là cải thiện sản phẩm hiện có
- Giờ đây, chính chức năng cốt lõi của sản phẩm được tạo khả năng bởi năng lực mô hình mới
- Ví dụ
- Ra quyết định phức tạp về thanh toán tài chính
- Phân tích khối lượng lớn tài liệu học thuật và nghiên cứu
- Trích xuất dữ liệu video tại hiện trường sản xuất
- Tự động hóa công việc từng bị ẩn sau desktop và các API tệ
- Suy luận, đa phương thức và khả năng dùng máy tính đang thay đổi cấu trúc của những ngành công nghiệp khổng lồ
Các startup AI phục vụ khách hàng là startup AI sẽ tăng trưởng - James da Costa
- Hiện tại là thời kỳ bùng nổ khởi nghiệp chưa từng có tiền lệ
- Các doanh nghiệp hiện hữu cũng đang nhanh chóng áp dụng AI
- Cách để startup chiến thắng là lấy những công ty đang ở giai đoạn hình thành làm khách hàng
- Nếu giành được các công ty non trẻ từ sớm, bạn sẽ cùng lớn lên khi khách hàng tăng trưởng
- Stripe, Deel, Mercury và Ramp đã dùng chiến lược này
- Nhiều khách hàng của Stripe ra đời sau chính Stripe
- Năm 2026 sẽ là năm các startup chọn chiến lược greenfield bắt đầu mở rộng quy mô thực sự trong nhiều mảng phần mềm doanh nghiệp
- Cốt lõi rất đơn giản:
- xây dựng sản phẩm tốt hơn
- và bám sát những khách hàng mới chưa bị ràng buộc bởi hệ thống cũ
# [Crypto]
Quyền riêng tư sẽ trở thành hào lũy quan trọng nhất trong crypto
- Để tài chính on-chain trở thành dòng chính, quyền riêng tư là điều bắt buộc
- Thế nhưng phần lớn blockchain gần như không có quyền riêng tư hoặc chỉ xem đó là ưu tiên thứ yếu
- Giờ đây, chỉ riêng quyền riêng tư cũng đủ để tạo khác biệt rõ ràng cho một chain
- Quyền riêng tư không chỉ là một tính năng mà còn có thể tạo ra chain lock-in
- Điều này đặc biệt mạnh trong một thế giới mà chỉ cạnh tranh hiệu năng thôi là không còn đủ
- Việc di chuyển giữa các chain công khai rất dễ nhờ bridge
- Nhưng khi có quyền riêng tư, câu chuyện sẽ khác
- Token thì dễ chuyển, nhưng bí mật thì khó chuyển
- Những rủi ro khi đi vào và đi ra khỏi vùng riêng tư
- Bên giám sát chain/mempool/lưu lượng mạng có thể suy luận danh tính
- Ngay khi vượt qua ranh giới (private↔public, private↔private), sẽ xảy ra rò rỉ metadata
- Thời điểm giao dịch, tương quan về quy mô, v.v. đều có thể trở thành manh mối truy vết
- Phí giao dịch rất dễ bị cạnh tranh kéo về gần 0
- Blockspace ngày càng đồng nhất hóa
- Vì vậy, một “chain mới không có đặc điểm nổi bật” khó tạo ra hiệu ứng mạng mạnh
- Ngược lại, chain tập trung vào quyền riêng tư có dư địa tạo ra hiệu ứng mạng mạnh hơn
- Nếu một chain đa mục đích
- không có hệ sinh thái đang phát triển mạnh
- không có killer app
- cũng không có lợi thế phân phối bất cân xứng
thì gần như không có lý do để dùng, để xây hay để trung thành
- Trên các chain công khai, “bạn ở chain nào” kém quan trọng hơn
- Vì giao dịch với người dùng chain khác cũng khá dễ
- Trên các chain riêng tư, “bạn tham gia chain nào” lại quan trọng hơn nhiều
- Rủi ro lộ thông tin khi chuyển đi lớn hơn nên tỷ lệ rời bỏ sẽ giảm
- Kết quả là các chain riêng tư có thể tạo ra cục diện gần với người thắng lấy gần hết
- Nếu phần lớn các trường hợp sử dụng trong thế giới thực đều cần quyền riêng tư
- Một số ít chain riêng tư có thể chiếm phần lớn thị trường crypto
Thị trường dự đoán sẽ lớn hơn, rộng hơn và thông minh hơn
- Thị trường dự đoán đã bước vào giai đoạn phổ biến đại chúng
- Năm tới, khi kết hợp với crypto và AI, quy mô, phạm vi và trí tuệ sẽ cùng mở rộng
- Số lượng hợp đồng niêm yết sẽ tăng lên rất nhiều
- Không chỉ các cuộc bầu cử lớn hay vấn đề địa chính trị
- Mà cả những kết quả ngày càng phức tạp và các sự kiện đan xen cũng sẽ có thể được tiếp cận dưới dạng xác suất theo thời gian thực
- Thông tin từ thị trường dự đoán đã thâm nhập sâu hơn vào hệ sinh thái tin tức
- Đồng thời, các câu hỏi xã hội cũng trở nên lớn hơn
- Làm thế nào để cân bằng giá trị và rủi ro của loại thông tin này
- Làm thế nào để thiết kế trở nên minh bạch và có thể kiểm toán hơn
- Crypto có thể giúp hiện thực hóa điều đó (với giả định sẽ có bài viết tiếp theo được dẫn)
- Khi số lượng hợp đồng tăng lên, “cách đạt đồng thuận về sự thật” sẽ trở thành nút thắt
- Việc phán định tập trung (sự kiện có thực sự xảy ra không, xác minh bằng cách nào) sẽ trở nên quan trọng
- Nhưng các vụ tranh chấp đã cho thấy giới hạn của cách này
- Muốn mở rộng, cần có cơ chế mới để xử lý các trường hợp tranh chấp
- quản trị phi tập trung
- oracle LLM (hỗ trợ phán định “sự thật” cho các kết quả gây tranh cãi)
- AI không chỉ mở rộng ở vai trò oracle mà còn ở mặt giao dịch
- Các trader tác nhân có thể gom nhặt tín hiệu từ khắp thế giới để tạo lợi thế ngắn hạn
- (Những xu hướng như Prophet Arena là một gợi ý)
- Thị trường dự đoán không thay thế khảo sát dư luận
- Thay vào đó, chúng có thể làm cho khảo sát dư luận tốt hơn
- Dữ liệu khảo sát cũng có thể trở thành đầu vào cho thị trường dự đoán
- Một trong những bài toán cốt lõi là “xác thực con người”
Nhìn lại token hóa RWA và stablecoin theo hướng native crypto hơn
- Các ngân hàng/công ty fintech/công ty quản lý tài sản
- Nhưng việc token hóa hiện nay thường mang tính skeuomorphic
- mới chỉ dừng ở mức sao chép nguyên trạng khái niệm tài sản trong thế giới thực
- chưa tận dụng đầy đủ các chức năng đặc thù của crypto
- Một lựa chọn thay thế mạnh mẽ là tài sản tổng hợp, đặc biệt là hợp đồng tương lai vĩnh cửu (perps)
- thanh khoản sâu hơn
- trong nhiều trường hợp, việc triển khai đơn giản hơn
- đòn bẩy trực quan
- có khả năng là mảng có PMF mạnh nhất trong số các sản phẩm phái sinh crypto-native
- Thử nghiệm thú vị: “perpify” cổ phiếu thị trường mới nổi
- với một số mã, quyền chọn 0DTE thậm chí còn có thanh khoản sâu hơn thị trường giao ngay
- điều này có thể khiến chúng trở thành mục tiêu hấp dẫn cho các thử nghiệm perpify
- Cuối cùng, câu hỏi là “perpify hay token hóa”
- dù theo hình thức nào, khả năng cao năm 2026 sẽ chứng kiến nhiều dòng RWA crypto-native hơn
- Với stablecoin cũng vậy, origination quan trọng hơn “token hóa”
- stablecoin đã trở nên phổ biến trong năm 2025 và số dư phát hành vẫn tiếp tục tăng
- Stablecoin không có hạ tầng tín dụng mạnh trông giống như một narrow bank
- một mô hình ngân hàng thu hẹp chỉ nắm giữ các tài sản thanh khoản rất an toàn
- đây là một sản phẩm hợp lệ, nhưng chưa đủ để trở thành xương sống dài hạn của nền kinh tế onchain
- Vì thế, với “tài sản nợ”, thay vì tạo ra ở offchain rồi token hóa
- thì origination trực tiếp trên onchain có nhiều lợi thế hơn
- giảm chi phí dịch vụ cho vay/chi phí cấu trúc back-office
- tăng khả năng tiếp cận
- Bài toán khó còn lại là tuân thủ và tiêu chuẩn hóa
- nhưng các builder muốn giải quyết vấn đề này đã bắt đầu hành động
Giao dịch không phải đích đến mà là trạm trung chuyển
- Ngoại trừ stablecoin và một phần hạ tầng cốt lõi
- một tỷ lệ đáng kể các công ty crypto đang thành công đã pivot sang giao dịch hoặc đang trong quá trình pivot
- Vấn đề nảy sinh khi ai cũng trở thành nền tảng giao dịch
- các bên tham gia trở nên đồng dạng, khiến độ nhận biết và cơ hội bị bào mòn
- rất dễ chỉ còn lại một vài kẻ thắng lớn
- những đội pivot quá sớm có thể bỏ lỡ cơ hội xây dựng một doanh nghiệp có khả năng phòng thủ
- Việc chạy theo cảm giác PMF tức thời có cái giá của nó
- đặc biệt trong crypto, nơi cấu trúc token/đầu cơ khuyến khích phần thưởng tức thì
- có thể kéo mọi thứ về phía “giao dịch” ngắn hạn thay vì xây dựng “sản phẩm” dài hạn
- Bản thân giao dịch là một chức năng thị trường quan trọng
- nhưng không nhất thiết phải là “điểm đến cuối cùng”
- Những người chiến thắng lớn hơn
Từ KYC sang KYA: biết agent thay vì khách hàng
- Nút thắt của nền kinh tế agent đang chuyển từ trí tuệ sang danh tính
- Trong dịch vụ tài chính, “danh tính phi con người” nay đã nhiều hơn nhân viên là con người theo tỷ lệ 96:1
- nhưng các danh tính này trên thực tế lại bị đối xử như những bóng ma bên ngoài hệ thống ngân hàng
- Primitive cốt lõi cần thiết là KYA (Know Your Agent)
- cũng như con người cần điểm tín dụng
- agent cũng cần thông tin xác thực được ký bằng mật mã để có thể giao dịch
- gắn với principal của agent
- nêu rõ các ràng buộc và trách nhiệm pháp lý
- Nếu không có KYA, thực tế rất đơn giản
- cửa hàng/dịch vụ sẽ tiếp tục chặn agent ở lớp tường lửa
- Một ngành đã dành nhiều thập kỷ để xây dựng hạ tầng KYC
- giờ đây lại rơi vào tình huống phải tạo ra KYA chỉ trong vài tháng
On-ramp và off-ramp stablecoin sẽ thông minh hơn
- Khối lượng giao dịch stablecoin năm ngoái được ước tính ở mức khoảng 46 nghìn tỷ USD
- vẫn đang tiếp tục lập đỉnh mới
- mốc so sánh: hơn 20 lần PayPal, gần gấp 3 Visa và đang nhanh chóng tiến sát ACH của Mỹ
- Về mặt kỹ thuật, việc “gửi đi” đã trở nên dễ dàng
- Vấn đề cốt lõi chưa được giải quyết còn lại là kết nối với các đường ray tài chính ngoài đời thực
- tức on-ramp/off-ramp của stablecoin
- Một thế hệ startup mới đang lấp đầy khoảng trống này
- kết nối với các hệ thống thanh toán quen thuộc/đồng nội tệ
- dùng bằng chứng mật mã để giữ quyền riêng tư khi hoán đổi số dư nội địa ↔ đô la số
- tích hợp thanh toán liên ngân hàng thông qua các đường ray thanh toán thời gian thực/dựa trên QR
- tầng ví toàn cầu + phát hành thẻ để chi tiêu stablecoin tại các điểm chấp nhận thanh toán hằng ngày
- Khi on-ramp/off-ramp trưởng thành, những hành vi mới sẽ xuất hiện
- trả lương xuyên biên giới theo thời gian thực
- nhận “đô la toàn cầu” mà không cần tài khoản ngân hàng
- ứng dụng có thể quyết toán ngay lập tức với người dùng trên toàn thế giới
- Stablecoin đang chuyển từ một công cụ tài chính ngách
- thành lớp thanh toán và quyết toán nền tảng của internet
Stablecoin mở ra chu kỳ nâng cấp sổ cái ngân hàng và các kịch bản thanh toán mới
- Hệ thống core banking nhìn từ góc độ của nhà phát triển hiện đại gần như là “cổ vật khảo cổ”
- thập niên 60~70: sớm triển khai các hệ thống lớn
- thập niên 80~90: core banking thế hệ thứ hai (Temenos GLOBUS, Infosys Finacle, v.v.)
- đến nay, mainframe, COBOL và giao diện tệp xử lý theo lô vẫn rất phổ biến trong sổ cái cốt lõi
- Phần lớn tài sản toàn cầu vẫn nằm trên những sổ cái lõi cũ kỹ đó
- được cơ quan quản lý tin cậy
- tích hợp rất sâu vào các kịch bản nghiệp vụ phức tạp
- đồng thời làm chậm đổi mới một cách nghiêm trọng
- ngay cả việc thêm chức năng như RTP cũng có thể mất từ vài tháng đến vài năm
- Stablecoin cho phép đổi mới “mà không cần lập tức phá bỏ hệ thống legacy”
- stablecoin, tiền gửi token hóa, trái phiếu chính phủ token hóa, trái phiếu onchain, v.v.
- trở thành con đường để ngân hàng/fintech tạo ra sản phẩm mới và khách hàng mới
- Vài năm gần đây là giai đoạn stablecoin đạt được PMF và bước vào dòng chính
- Và năm nay, TradFi đã chấp nhận ở cấp độ cao hơn
- Kết luận: stablecoin trở thành kênh đổi mới để đi vòng qua các sổ cái legacy
Tương lai gần của messaging không chỉ là kháng lượng tử mà còn là phi tập trung
- Chuẩn bị cho điện toán lượng tử là điều quan trọng
- Nhưng vấn đề lớn hơn là “niềm tin vào máy chủ”
- các ứng dụng nhắn tin lớn như Apple/Signal/WhatsApp
- rốt cuộc vẫn yêu cầu người dùng tin vào các máy chủ riêng do một tổ chức duy nhất vận hành
- điều này để lại lỗ hổng nơi chính phủ có thể chặn/backdoor/ép buộc máy chủ
- Nếu máy chủ là trung tâm của mô hình niềm tin thì đó là “hãy tin tôi”
- ngược lại, nếu không có máy chủ riêng thì sẽ thành “không cần phải tin”
- Messaging cần đi theo giao thức mở
- không có máy chủ riêng
- không có một ứng dụng duy nhất
- hoàn toàn mã nguồn mở
- mã hóa ở mức cao nhất (bao gồm cả mối đe dọa lượng tử)
- Khi mạng lưới mở
- không quốc gia hay doanh nghiệp nào có thể dễ dàng tước đi khả năng liên lạc
- dù có chặn một ứng dụng thì ngày hôm sau 500 ứng dụng khác vẫn có thể xuất hiện trở lại
- dù có tắt các node thì động lực kinh tế cũng sẽ khiến các node mới được tạo ra
- Khi tin nhắn và danh tính được sở hữu bằng khóa như tiền, cuộc chơi sẽ thay đổi
- ứng dụng có thay đổi thì quyền kiểm soát tin nhắn/danh tính vẫn ở lại với người dùng
- Cuối cùng, cốt lõi không chỉ là “mã hóa kháng lượng tử” mà còn là quyền sở hữu và phi tập trung
Từ ‘code là luật’ đến ‘spec là luật’
- Các vụ hack DeFi gần đây
- đã xảy ra ngay cả với các đội ngũ mạnh, các đợt kiểm toán kỹ lưỡng và những giao thức đã vận hành nhiều năm
- Các thực hành bảo mật hiện nay vẫn
- xoay quanh heuristic (quy tắc kinh nghiệm)
- gần như chỉ là vá lỗi theo từng sự cố
- Để bảo mật DeFi trưởng thành hơn, cần một sự chuyển hướng
- ứng phó theo mẫu lỗi → chuyển sang thuộc tính (property) ở cấp độ thiết kế
- best-effort → chuyển sang có nguyên tắc (principled)
- Ở khía cạnh trước triển khai (tĩnh)
- thay vì kiểm chứng từng phần, cần chứng minh có hệ thống các bất biến toàn cục (invariant)
- các công cụ chứng minh có AI hỗ trợ có thể
- viết đặc tả
- đề xuất bất biến
- giảm chi phí kỹ thuật chứng minh thủ công
- Ở khía cạnh sau triển khai (động)
- dùng các bất biến làm hàng rào bảo vệ khi chạy
- mã hóa chúng thành các assertion khi chạy (runtime assertion) mà mọi giao dịch đều phải thỏa mãn
- Thay vì kỳ vọng rằng “mọi lỗi đều đã được bắt”
- hãy tự động hoàn tác các giao dịch vi phạm các thuộc tính an toàn cốt lõi
- Trên thực tế, phần lớn các vụ exploit
- nhiều khả năng đã bị chặn bởi các kiểm tra kiểu này trong lúc thực thi
- Vì vậy, “code is law” đang tiến hóa thành “spec is law”
- ngay cả các kiểu tấn công mới cũng phải thỏa mãn cùng các thuộc tính an toàn đó
- nên các cuộc tấn công khả dĩ sẽ trở nên nhỏ hơn hoặc cực kỳ khó thực hiện
Crypto mang lại các primitive mới có thể dùng cả ngoài blockchain
- SNARK từ lâu gần như là công nghệ chỉ dành cho blockchain
- là bằng chứng mật mã có thể xác minh mà không cần thực thi lại phép tính
- nhưng overhead quá lớn (có thể lên tới 1.000.000 lần)
- Trong năm 2026, các zkVM prover
- nhiều khả năng sẽ giảm xuống còn khoảng overhead 10.000 lần
- memory footprint cũng giảm xuống mức vài trăm MB
- có thể chạy trên điện thoại và đủ rẻ để dùng ở khắp mọi nơi
- Vì sao 10.000 lần có thể là “con số ma thuật”
- GPU cao cấp có thông lượng xử lý song song cao hơn khoảng 10.000 lần so với CPU laptop
- vào cuối năm 2026, một GPU đơn lẻ có thể tạo bằng chứng theo thời gian thực cho việc thực thi trên CPU
- Tầm nhìn mà sự thay đổi này mở ra từ bài viết cũ: điện toán đám mây có thể kiểm chứng
- nhiều trường hợp chạy workload CPU trên cloud
- vì chưa đủ nặng để chuyển sang GPU
- hoặc thiếu chuyên môn
- hoặc vì lý do legacy
- có thể gắn kèm bằng chứng về tính đúng đắn với chi phí hợp lý
- prover đã được tối ưu cho GPU từ trước nên mã ứng dụng có thể giữ nguyên
Dùng AI cho công việc nghiên cứu thực chất
- Chỉ mới đầu năm nay, AI tiêu dùng vẫn chưa hiểu tốt workflow nghiên cứu
- Vài tháng sau, người ta đã có thể đưa cho AI những chỉ dẫn trừu tượng kiểu như giao cho nghiên cứu sinh tiến sĩ
- và đôi khi nhận lại câu trả lời mới mẻ, được thực hiện đúng cách
- Theo xu hướng rộng hơn, việc dùng AI trong nghiên cứu đang gia tăng
- Những lĩnh vực nào sẽ hưởng lợi mạnh nhất vẫn còn là câu hỏi mở
- Tuy nhiên, một phong cách nghiên cứu kiểu polymath mới có thể trở nên có lợi thế
- đặt giả thuyết về mối liên hệ giữa các ý tưởng
- coi trọng khả năng ngoại suy nhanh từ những câu trả lời chưa hoàn chỉnh
- ngay cả khi một số câu trả lời không chính xác, vẫn có thể định đúng hướng
- Nghịch lý là còn có yếu tố tận dụng cả “hallucination”
- khi AI đủ thông minh, trong quá trình dao động tự do
- nó sẽ tạo ra cả điều vô nghĩa, nhưng đôi khi cũng mở ra khe hở cho khám phá
- Workflow cần thiết cho điều này
- không phải một agent đơn lẻ mà là cấu trúc agent bọc quanh agent (nhiều lớp wrapping)
- trong đó các mô hình khác sẽ đánh giá và tổng hợp các nỗ lực và kết quả từ mô hình đi trước
- Ví dụ ứng dụng thực tế
- viết bài báo: write papers
- tra cứu bằng sáng chế, sáng tạo nghệ thuật
- và đáng tiếc là cả tìm lỗ hổng để tấn công smart contract
- Để vận hành các ensemble agent phục vụ nghiên cứu
Một loại thuế vô hình đang được áp lên web mở
- Các agent AI đang áp một loại thuế vô hình lên web mở
- Cốt lõi vấn đề là sự lệch pha giữa hai lớp của internet
- lớp ngữ cảnh: dữ liệu được cung cấp từ các website dựa vào quảng cáo
- lớp thực thi: agent trích xuất dữ liệu đó để mang lại tiện ích cho người dùng
- kết quả là lách qua các nguồn doanh thu như quảng cáo/đăng ký, từ đó làm suy yếu nền tảng
- Nếu web mở sụp đổ
- thì lượng nội dung phong phú và đa dạng mà AI tiêu thụ cũng sẽ giảm theo
- Giải pháp cần có là triển khai quy mô lớn các giải pháp cả về công nghệ lẫn kinh tế
- sponsored content thế hệ mới
- micro-attribution (theo dõi đóng góp)
- các mô hình tài trợ mới
- Các thỏa thuận cấp phép AI hiện tại
- dễ trở thành giải pháp vá víu không bền vững về tài chính để bù cho lượng truy cập bị AI bào mòn
- Chuyển đổi cốt lõi là
- từ cấp phép tĩnh → sang bồi thường theo mức sử dụng thời gian thực
- Cần thử nghiệm và mở rộng các mô hình mà trong đó, bằng nano-payment trên blockchain và các chuẩn attribution tinh vi hơn
- giá trị sẽ tự động chảy tới mọi bên
- đã đóng góp vào công việc thành công của agent
Sự trỗi dậy của media có stake
- Mô hình truyền thông truyền thống (bao gồm cả huyền thoại về “tính khách quan”) vốn đã rạn nứt từ trước
- Internet đã trao tiếng nói cho tất cả mọi người
- và các operator / practitioner / builder bắt đầu nói trực tiếp với công chúng
- Góc nhìn của con người phản ánh lợi ích gắn liền với họ (stake)
- một cách nghịch lý, khán giả đôi khi lại tin hơn chính vì có stake
- Điều mới mẻ không phải là “mạng xã hội”
- mà là sự xuất hiện của các công cụ mật mã cho phép cam kết có thể kiểm chứng công khai
- Khi chi phí tạo nội dung bằng AI tiến gần về 0, lời nói thôi sẽ không còn đủ (bao gồm bot/deepfake/nhân dạng giả)
- Vì vậy nền tảng của niềm tin đang thay đổi
- tài sản được token hóa
- programmable lockup
- thị trường dự đoán
- lịch sử on-chain
những thứ này trở thành tín hiệu niềm tin vững chắc hơn
- Cốt lõi của “staked media”
- không phải che giấu lợi ích liên quan mà là bộc lộ chúng dưới dạng có thể chứng minh
- không còn là “tôi trung lập”, mà là “đây là thứ tôi đang đặt cược và đây là cách kiểm chứng”
- Nó sẽ trở thành một tín hiệu bổ sung thay vì thay thế các loại hình truyền thông khác
Secret-as-a-service
- Mọi mô hình/tác nhân/tự động hóa rốt cuộc đều phụ thuộc vào dữ liệu
- Nhưng ngày nay, các pipeline dữ liệu thường
- thiếu minh bạch
- dễ thay đổi
- khó kiểm toán
- Với ứng dụng tiêu dùng thì đôi khi điều đó vẫn chấp nhận được, nhưng
- trong các lĩnh vực như tài chính/y tế, quyền riêng tư của dữ liệu nhạy cảm là bắt buộc
- đây cũng là rào cản lớn đối với token hóa RWA
- Câu hỏi cốt lõi là kiểm soát truy cập dữ liệu
- ai kiểm soát dữ liệu nhạy cảm
- dữ liệu được di chuyển như thế nào
- ai (hoặc cái gì) được truy cập trong điều kiện nào
- Hiện nay, để giữ bí mật thì либо
- phải phụ thuộc vào dịch vụ tập trung
- hoặc tự triển khai thiết lập tùy biến đắt đỏ
- vì thế TradFi không thể tận dụng lợi ích của quản lý dữ liệu onchain
- Khi các tác nhân bắt đầu tự chủ trong việc khám phá/giao dịch/ra quyết định, thứ cần thiết không còn là “niềm tin ở mức tốt nhất có thể” mà là bảo đảm bằng mật mã
- Vì vậy cần có secrets-as-a-service
- quy tắc truy cập gốc có thể lập trình
- mã hóa phía client
- quản lý khóa phi tập trung
- cưỡng chế ai có thể giải mã cái gì, trong điều kiện/thời gian nào
- và thực thi điều đó onchain
- Khi kết hợp với các hệ thống dữ liệu có thể kiểm chứng
- quyền riêng tư không còn là thứ ‘vá thêm’ lên ứng dụng
- mà có thể trở thành hạ tầng cốt lõi của Internet
Quản lý tài sản cho mọi người
- Quản lý tài sản cá nhân hóa vốn là dịch vụ chỉ dành cho người siêu giàu
- vì chi phí cao và độ phức tạp vận hành lớn
- Khi nhiều tài sản được token hóa hơn
- việc thực thi chiến lược/tái cân bằng trên crypto rails sẽ trở nên tức thời với chi phí thấp
- cá nhân hóa cũng được tăng cường nhờ gợi ý/copilot AI
- Đây không chỉ là robo-advisor
- mọi người sẽ có thể tiếp cận quản lý danh mục chủ động, thay vì tất cả đều là ‘thụ động’
- Trong năm 2025, TradFi đã bắt đầu tăng tỷ trọng crypto
- Đến năm 2026, các nền tảng tối ưu cho tích lũy tài sản chứ không chỉ “bảo toàn tài sản” sẽ tăng trưởng mạnh
- fintech như Revolut, Robinhood
- CEX như Coinbase sẽ mở rộng thị trường nhờ lợi thế về tech stack
- Ở phía DeFi
- các công cụ như Morpho Vaults cung cấp phân bổ tự động theo tiêu chí lợi suất đã điều chỉnh rủi ro
- và có thể trở thành vùng tạo lợi suất cốt lõi của danh mục
- Tài sản tương đương tiền cũng sẽ thay đổi
- nắm giữ stablecoin thay cho tiền pháp định
- nắm giữ MMF token hóa thay cho MMF truyền thống
- mở ra nhiều dư địa hơn cho lợi suất bổ sung/chiến lược
- Token hóa cũng mở rộng khả năng tiếp cận tài sản tư nhân
- như private credit, pre-IPO, quỹ đầu tư tư nhân
- có thể tăng tính lưu thông trong khi vẫn duy trì compliance/reporting
- Khi các thành phần cấu thành tài sản được token hóa
- tái cân bằng tự động sẽ khả thi mà không cần chuyển khoản wire
Internet trở thành ngân hàng
- Khi các tác nhân xuất hiện với số lượng lớn
- và thương mại tự động trong nền tăng lên thay cho các cú nhấp chuột
- thì cách tiền (giá trị) di chuyển cũng phải thay đổi
- Khi hệ thống vận hành bằng ý định thay vì chỉ dẫn theo từng bước
- thì giá trị cũng phải di chuyển nhanh và tự do như thông tin
- Blockchain/smart contract/các giao thức mới sẽ là nền tảng cho điều đó
- Smart contract đã có thể
- thanh toán bằng đô la và quyết toán trên toàn cầu chỉ trong vài giây
- Đến năm 2026, với các primitive như x402
- thanh toán sẽ trở nên có thể lập trình và mang tính phản hồi
- Các kịch bản khả thi
- các tác nhân thanh toán ngay chi phí dữ liệu/GPU/API call cho nhau
- không cần invoice/đối soát/xử lý theo lô, không cần cấp phép
- cập nhật phần mềm có thể tích hợp sẵn quy tắc thanh toán/hạn mức/dấu vết kiểm toán
- không cần kết nối fiat/onboard merchant/tích hợp ngân hàng
- thị trường dự đoán có thể tự quyết toán theo thời gian thực theo diễn biến sự kiện
- Ở cấp độ này, luồng thanh toán không còn là một lớp vận hành riêng biệt mà trở thành hành vi của mạng lưới
- Ngân hàng trở thành hệ thống ống dẫn cơ bản của Internet
- còn tài sản trở thành hạ tầng
- Khi tiền trở thành các gói tin mà Internet có thể định tuyến
- Internet không chỉ “hỗ trợ” hệ thống tài chính nữa
- mà trở thành chính hệ thống tài chính đó
Tiềm năng của blockchain được giải phóng khi cấu trúc pháp lý bắt kịp cấu trúc kỹ thuật
- Một trong những lý do lớn nhất khiến việc xây dựng mạng lưới ở Mỹ khó khăn suốt 10 năm qua là sự bất định pháp lý
- Luật chứng khoán đã cưỡng ép áp khung tư duy xoay quanh ‘công ty’ lên ‘mạng lưới’
- và tình trạng thực thi có chọn lọc vẫn tiếp diễn
- Kết quả là
- giảm thiểu rủi ro pháp lý được ưu tiên hơn chiến lược sản phẩm
- và luật sư ngồi ghế đầu thay vì kỹ sư
- Những tác dụng phụ mà sự méo mó này gây ra
- lời khuyên là phải tránh minh bạch
- việc phân phối trở nên tùy tiện về mặt pháp lý
- governance trở thành diễn kịch
- cấu trúc tổ chức nghiêng về tối ưu hóa lá chắn pháp lý
- token bị thiết kế để né tránh giá trị kinh tế hoặc khó có được mô hình kinh doanh
- nghịch lý là các dự án phớt lờ quy tắc lại đi nhanh hơn những builder thiện chí
- Nhưng quy định về cấu trúc thị trường có tiềm năng thay đổi tình thế
- chính phủ hiện đã tiến gần đến việc thông qua hơn bất kỳ thời điểm nào trước đây
- Nếu được thông qua, các thay đổi được kỳ vọng gồm
- Giống như GENIUS đã khiến việc phổ biến stablecoin bùng nổ, quy định về cấu trúc thị trường có thể tạo ra thay đổi lớn hơn nhiều cho “mạng lưới”
- Kết luận
- khi cấu trúc pháp lý khớp với cấu trúc kỹ thuật
- các mạng blockchain sẽ có thể vận hành đúng như bản chất của mạng lưới
- tính mở, quyền tự chủ, khả năng kết hợp, tính trung lập đáng tin cậy và tính phi tập trung sẽ trở thành hiện thực
Chưa có bình luận nào.