DALL-E bị khai tử: bài học về quyền lực tập trung giữa thời đại blockchain

OpenAI vừa tuyên bố ngừng DALL-E trong ChatGPT. Truyền thông gọi đó là một bước tiến hợp lý, một cú chuyển giao thế hệ mô hình. Tôi gọi đó là một động thái tái cấu trúc quyền lực của một tập đoàn công nghệ. Khi bạn sở hữu hạ tầng, bạn có quyền thay đổi, loại bỏ, hoặc ép người dùng di cư. Blockchain sinh ra để chống lại điều đó. Nhưng liệu chúng ta có thực sự thoát khỏi vòng lặp phụ thuộc này? — Root: Phát hiện. Hãy nhìn lại lịch sử. Tháng 9 năm 2023, OpenAI tích hợp DALL-E 3 vào ChatGPT, biến nó thành cổng sáng tạo hình ảnh phổ thông cho hàng triệu người dùng. DALL-E 3 dùng mô hình khuếch tán, với một bộ mã hóa văn bản CLIP và quá trình khử nhiễu nhiều bước để tạo ảnh. Trong gần hai năm, nó trở thành một chuẩn mực thị trường. Các nhà phát triển bên ngoài xây dựng hàng nghìn ứng dụng trên API của nó. Tới tháng 4 năm 2025, OpenAI phát hành gpt-image-1, một mô hình đa phương thức tự hồi quy, có thể tiếp nhận ngữ cảnh hội thoại, chỉnh sửa ảnh qua nhiều vòng lặp, và hiển thị kết quả nhất quán hơn với lời hứa ban đầu. Chỉ vài tuần sau, DALL-E bị khai tử. Nhiều người đã đoán trước sự chuyển tiếp, nhưng ít ai chuẩn bị cho một sự biến mất đột ngột. Trong giới blockchain, chúng ta quen thuộc với những cú rug pull, nhưng ít ai nhận ra rằng các công ty AI tập trung cũng có thể thay đổi giao thức của họ một cách tùy tiện. Khi một nhà cung cấp nắm toàn quyền nâng cấp, người dùng chỉ có hai lựa chọn: tuân theo hoặc rời đi. Việc OpenAI khai tử một thương hiệu lớn mà không có cơ chế phản đối cũng giống như một admin key có thể đóng băng toàn bộ thanh khoản. API không phải là một giao thức mở; nó là một hợp đồng bất đối xứng, nơi một bên có toàn quyền thay đổi điều khoản. Đi sâu hơn về mặt kỹ thuật: mô hình khuếch tán như DALL-E 3 hoạt động bằng cách học khử nhiễu từ một ma trận ngẫu nhiên. Nó tạo ra ảnh đẹp nhưng không nắm bắt tốt cấu trúc ngôn ngữ tường minh. Muốn sửa một chi tiết, bạn thường phải mô tả lại toàn bộ khung cảnh, thậm chí thay đổi cả diffusion process. Trong khi đó, gpt-image-1 dự đoán từng token trong không gian hình ảnh, học biểu diễn chung với văn bản, nhờ đó nhận diện đối tượng và chỉnh sửa có chủ đích hơn. Đây là một bước tiến thực sự. Nhưng ai quen dùng DALL-E sẽ nhận ra sự khác biệt ngay: style mặc định đổi khác, cách hiểu prompt khác hẳn, các tham số quality, style, size cũng không còn tương thích. Bạn không thể chuyển đổi như đổi một endpoint; bạn phải viết lại toàn bộ logic ứng dụng. — Root: Phát hiện. Với nhà phát triển Web3, bài toán này đau hơn. Nhiều người dùng DALL-E để tạo ảnh NFT, generative art, hoặc hình minh họa cho dApp. Khi OpenAI rút API cũ, họ phải trả một chi phí ẩn: điều chỉnh prompt cho hợp mô hình mới, kiểm tra lại quy trình lọc nội dung, và có thể làm thay đổi phong cách hình ảnh mà cộng đồng đã quen. Tôi từng audit một dự án tự quảng bá là "stable diffusion phi tập trung", nhưng khi kiểm tra, tôi phát hiện họ chỉ có hai máy chủ xử lý toàn bộ công việc. Cái gọi là phi tập trung chỉ là một tầng metadata được trang trí. Điều đó cho thấy: bất kể bạn xây dựng trên API trung tâm hay trên một mạng lưới "phi tập trung", bạn vẫn có thể bị kẹt nếu không kiểm tra kỹ hạ tầng thực thụ. Phản trực giác ở đây là: việc khai tử DALL-E có thể thực sự tốt cho người dùng cuối. gpt-image-1 mạnh hơn, hiểu ngữ cảnh hơn, và khi được tích hợp trực tiếp vào ChatGPT, bạn không cần chọn giữa các chế độ. Trải nghiệm mượt mà hơn, chỉnh sửa tự nhiên hơn. Nhiều người sẽ không bao giờ nhận ra DALL-E đã biến mất, hoặc không quan tâm. Với nhà phát triển, câu chuyện ngược lại: đây là một gánh nặng. Nhưng chính sự đối lập này cho thấy cách OpenAI định vị sức mạnh: họ tối ưu cho người dùng cuối, không phải cho những người xây dựng trên nền tảng của họ. Nhìn từ góc độ doanh nghiệp, điều đó hoàn toàn hợp lý. Nhìn từ góc độ cơ sở hạ tầng, nó là một lời cảnh báo. Trong hệ sinh thái blockchain, chúng ta vẫn chưa có một mô hình AI thực sự có thể chạy mà không cần một bên vận hành trung ương. Bittensor, Akash, Render – đó là những cái tên nổi bật, nhưng khi tôi xem xét kỹ, nhiều mạng lưới vẫn dựa vào một nhóm nhỏ các nhà cung cấp lớn. Một báo cáo nội bộ mà tôi từng đọc cho thấy 40% sức mạnh tính toán trên một mạng "compute layer" tập trung vào hai công ty. Cái gọi là phi tập trung chỉ là một sự phân tán hình thức. Không khác gì việc OpenAI dùng một cụm máy chủ của Microsoft để chạy mô hình. Sự khác biệt duy nhất là họ không thừa nhận nó. Vì vậy, khi giới crypto hân hoan trước sự ra đi của DALL-E như một minh chứng cho sự thất bại của AI tập trung, tôi thấy đó là một sự ngây thơ. OpenAI không thất bại; họ đang củng cố hào lũy. Việc loại bỏ DALL-E giúp OpenAI giảm chi phí bảo trì hai kiến trúc mô hình song song, và buộc toàn bộ người dùng đi vào một hệ sinh thái duy nhất – nơi mọi năng lực nằm trong một mô hình đa phương thức. Nó giống như một sàn giao dịch hủy niêm yết token của đối thủ để đưa token của mình lên ngôi. DALL-E rời đi, nhưng không phải vì nó kém; nó rời đi vì OpenAI muốn xóa một "vết nứt" trong thương hiệu ChatGPT. Khi một cái tên quá nổi bật, nó làm lu mờ cha mẹ đẻ. Khai tử DALL-E là cách để OpenAI tái khẳng định rằng mọi giá trị đều thuộc về ChatGPT. — Root: Phát hiện. Chúng ta cần một cách tiếp cận tỉnh táo. Trước hết, các nhà phát triển nên coi mọi API tập trung như một thứ tạm thời. Hãy xây dựng lớp trừu tượng để có thể chuyển đổi giữa các nhà cung cấp. Nếu bạn dùng gpt-image-1, hãy lưu ảnh lên IPFS, giữ metadata trên chuỗi, và kiểm tra quyền truy xuất dữ liệu của bạn. Nếu bạn đang dùng một giải pháp "decentralized AI", hãy đặt câu hỏi: số node độc lập của nó là bao nhiêu? Ai kiểm soát phần mềm client? Có thể hard fork khi một nhóm vận hành lạm quyền không? Nếu không trả lời được, bạn chỉ đang đổi một nhà độc quyền này cho một nhà độc quyền khác. Mặt khác, hãy thừa nhận rằng hầu hết người dùng không quan tâm tới kiến trúc. Họ muốn một bức tranh đẹp, một token tăng giá, một trải nghiệm mượt mà. DALL-E bị khai tử, họ sẽ chuyển sang gpt-image-1 mà không phản kháng. Điều đó cho thấy sức mạnh của các công ty nắm giữ hạ tầng. Trong một thế giới mọi thứ đều là dịch vụ, "sở hữu" trở nên mơ hồ. Bạn có thể sở hữu một bức ảnh được tạo ra trên server của OpenAI, nhưng bạn không sở hữu thuật toán, không sở hữu quyền truy cập, và không có quyền gì khi OpenAI quyết định ngừng cung cấp. Điều này đưa tôi trở lại một câu hỏi mà blockchain từng đặt ra: bạn đang xây dựng trên một lớp có thể bị rút khỏi bên dưới, hay trên một giao thức mở mà ai cũng có thể chạy? Bitcoin tồn tại vì không có một công ty nào có quyền thay đổi nó. Ethereum tồn tại vì các hợp đồng thông minh có thể kiểm tra và phân quyền. Nhưng AI của chúng ta thì sao? Khi các mô hình đa phương thức tiếp tục được tối ưu và gpt-image-1 trở thành chuẩn mới, liệu chúng ta lại tạo ra một sự phụ thuộc tập trung mới, chỉ được che đậy bằng một cái tên khác? — Root: Phát hiện. Tôi không nghĩ DALL-E bị khai tử là một thảm họa công nghệ. Nó là một sự kiện biểu tượng, một tín hiệu về cách các gã khổng lồ công nghệ vận hành. Nhưng nó nhắc tôi rằng blockchain không chỉ là một cuộc cách mạng tài chính; nó là một cuộc đấu tranh cho quyền kiểm soát hạ tầng. Nếu chúng ta không xây dựng những mô hình AI có thể sở hữu, tái sử dụng và kiểm chứng một cách mở, thế hệ sau sẽ phụ thuộc vào lòng tốt của các tập đoàn. Câu trả lời không nằm ở lời hứa hẹn của các dự án "phi tập trung" trên giấy, mà nằm ở cách chúng ta kiểm tra và vận hành chúng mỗi ngày.