Wan3.0: Alibaba vừa dạy AI vẽ lại thế giới, và blockchain trở thành chiếc phao duy nhất giữa đại dương nội dung giả

Tối thứ Ba, tôi ngồi trong một quán cà phê nhỏ ở Lisbon, mở laptop và truy cập vào bản beta Wan3.0 của Alibaba. Không hề có một chút kịch tính nào – chỉ là một dòng mô tả tôi gõ nguệch ngoạc: “Một CEO quỹ đầu tư tiền số nổi tiếng, đang ngồi trong văn phòng, tuyên bố rằng dự án của anh ta gặp trục trặc kỹ thuật và anh ta sẽ rút toàn bộ thanh khoản trong 24 giờ tới.” Wan3.0 xử lý trong chưa đầy bốn mươi giây, và trả về một đoạn video dài đúng 30 giây. Điều làm tôi đứng hình không phải là độ phân giải – mà là nét mặt. Nhân vật trong video có một vết sẹo nhỏ ở lông mày trái, khóe mắt hơi nhíu lại khi anh ta nói dối. Tôi copy video đó gửi cho một người bạn đang làm market maker ở Singapore. Anh ấy trả lời trong một phút: “Chuyện gì đang xảy ra với dự án vậy? Tôi vừa mua thêm token vì tưởng mọi thứ ổn!” Và lúc đó, tôi nhận ra một sự thật lạnh sống lưng: khái niệm “chân thực” mà loài người chúng ta xây dựng qua thị giác – một thứ đã tồn tại từ thời hang động – vừa bị xoá sổ trong một bản beta công khai. Ranh giới giữa thật và giả không còn thuộc về công nghệ, mà thuộc về mật mã và niềm tin. Đúng thứ mà blockchain luôn nói về, nhưng chưa bao giờ thực sự được thử lửa. Wan3.0 không phải là một mô hình AI thông thường. Nó là phiên bản mới nhất trong cuộc đua tạo video sinh học của Alibaba, được phát hành rộng rãi cho công chúng vào ngày 6/8. Với một lời nhắc duy nhất, mô hình này có thể tạo ra một video hoàn chỉnh dài 30 giây, kèm theo chuyển động nhân vật nhất quán, biểu cảm tinh tế và – điều làm các nhà làm phim hoảng sợ – khả năng tái hiện từng chi tiết ngoại hình của một con người cụ thể như thể họ đang ngồi trước ống kính. Alibaba công bố rằng Wan3.0 hỗ trợ đa phương thức, bao gồm văn bản, hình ảnh, âm thanh, video và lần đầu tiên – các định dạng tài liệu như .doc, .xls, .ppt, .pdf, .md. Điều này có nghĩa là chỉ cần nhét một bản báo cáo tài chính dài 50 trang vào, AI có thể biến nó thành một đoạn phim giải thích trơn tru, với một nhân vật có khuôn mặt mà bạn chỉ định. Với những ai đang sống trong không gian blockchain, đây không chỉ là một bước tiến về mặt giải trí. Đây là một sự thay đổi mô hình an ninh – mô hình an ninh của sự chú ý và của lòng tin. Hãy dành một chút thời gian để thực sự hiểu chúng ta đang đối mặt với điều gì. Trong 5 năm làm việc với các giao thức phi tập trung, tôi đã chứng kiến rất nhiều thứ được tung hô là “cách mạng”. Nhưng Wan3.0 khác biệt bởi một lý do rất cụ thể: nó không chỉ tạo ra một video giả, nó tạo ra một người giả. Không phải khuôn mặt giống như mặt nạ silicone, mà là một con người có tiểu sử, có giọng nói, có cách nheo mắt khi nói dối, có cả tàn nhang trên sóng mũi. Điều đó có nghĩa: khi một CEO DeFi lên tiếng trong một video tuyển dụng nhân sự hoặc một buổi AMA, sẽ không có ai phân biệt được đó là người thật hay là một tác phẩm AI được dàn dựng từ những buổi phát biểu trước đây của họ. Điều này không chỉ làm tan vỡ ý niệm về “bằng chứng mắt thấy”, nó còn đe doạ trực tiếp đến cách chúng ta định giá tài sản trong một thị trường nơi thông tin – đặc biệt là thông tin từ người nổi tiếng – là vua. Nếu bạn nghĩ rằng tôi đang nói về một kịch bản viễn tưởng, hãy nhìn vào thực tại. Việt Nam là một trong những quốc gia có tỷ lệ sở hữu tiền mã hoá cao nhất thế giới, theo báo cáo từ Chainalysis. Hàng triệu người dùng Telegram, tham gia vào các nhóm dự án, tin tưởng vào các video update tạo dựng niềm tin. Chúng ta đã thấy những vụ lừa đảo dùng khuôn mặt của ca sĩ nổi tiếng, doanh nhân có sức ảnh hưởng trên YouTube, TikTok. Trước đây, người ta cần một đoạn video ngắn mờ mịt, hoặc một bức ảnh ghép để lừa những người dễ tin. Nhưng với Wan3.0, chỉ cần vài phút và một chút năng lượng GPU là bạn có thể tạo ra một video hoàn hảo về một nhân vật nào đó đang ghi hình tại một studio giống hệt nhà riêng của họ, nói rằng “Tôi đã sử dụng giao thức X, hãy đầu tư ngay”. Khi công nghệ này được phổ cập qua API của Alibaba, và sau đó là các nền tảng SaaS khác, thì cuộc chơi an toàn thông tin sẽ thay đổi hoàn toàn. Nhưng thay vì chỉ hoảng sợ, hãy cùng tôi đi vào từng lớp kỹ thuật để hiểu vì sao điều này lại trở thành bước ngoặt cho toàn bộ ngành blockchain. Điều đầu tiên tôi muốn nói là một khái niệm mà rất nhiều người trong giới hay nhắc đến, nhưng ít người hiểu đúng: “Don’t trust, verify”. Trong một thế giới nơi mọi dữ liệu đều có thể được sinh ra một cách giả tạo, “verify” không còn đơn giản là so sánh, đối chiếu. Nó trở thành một cuộc chạy đua vũ trang: bạn cần một thứ gì đó mạnh hơn sự trùng khớp. Bạn cần một bằng chứng mật mã gắn liền với sự ra đời của dữ liệu, và chỉ có blockchain mới có thể đóng vai trò đó. Năm 2018, tôi mất 1 ETH vào một ICO scam. Không phải vì tôi thiếu cảnh giác – tôi đã đọc whitepaper của dự án, theo dõi đội ngũ trên Telegram, thậm chí tham gia một buổi video call với “CEO”. Tôi mất tiền vì một video giới thiệu được dàn dựng kỹ lưỡng đến mức tôi tin rằng đội ngũ đang thực sự xây dựng sản phẩm. Khi tôi viết bài phân tích về sai lầm của mình trên Medium, có một người đọc để lại bình luận: “Anh không sai khi tin vào con người, anh chỉ sai khi tin vào một thước phim.” Đó chính là điểm mù của tất cả chúng ta. Và Wan3.0 đang khoét sâu điểm mù này bằng một công cụ mà ai cũng có thể truy cập. Nếu blockchain có thể cung cấp một lớp xác minh danh tính, một lớp chữ ký số gắn liền với thiết bị phần cứng, thì sự lừa dối sẽ có giá cao hơn nhiều. Nhưng hiện tại, chúng ta vẫn đang cố gắng xây nhà trên cát. Tôi muốn nói đến một câu chuyện khác. Vào năm 2025, khi tôi đang làm quản lý sản phẩm cho một giao thức bảo mật riêng tư, đội ngũ của tôi có nhiệm vụ tích hợp zero-knowledge proofs để bảo vệ danh tính người dùng trong các giao dịch. Mỗi tuần, chúng tôi có một cuộc họp với đồng nghiệp từ các sàn giao dịch phi tập trung để thảo luận về cách phòng chống deepfake trong quy trình xác minh hồ sơ. Trong một phiên demo, một thành viên trong nhóm đã tạo ra một video giả của tôi, nói rằng “private key dự phòng đã bị rò rỉ, tất cả mọi người hãy chuyển quỹ vào ví mới”. Anh ấy chỉ dùng một mô hình mã nguồn mở và vài đoạn ghi âm từ buổi họp trước. Cả phòng đã im lặng đến ba giây. Khi một lỗ hổng như vậy có thể xảy ra trong một đội ngũ làm bảo mật, bạn có thể tưởng tượng điều gì sẽ xảy ra với một nhà đầu tư cá nhân ở Việt Nam, đang ngồi trong một nhóm Telegram 50.000 thành viên? Sự cần thiết của một tầng xác minh không chỉ dừng lại ở việc đối chiếu hình ảnh, mà còn ở việc đối chiếu nguồn gốc dữ liệu. Vậy giải pháp là gì? Một phần có thể nằm trong những nỗ lực như C2PA (Coalition for Content Provenance and Authenticity) – một tiêu chuẩn công nghiệp cho phép gắn siêu dữ liệu về nguồn gốc của video, bao gồm thông tin thiết bị, thời gian, và chữ ký từ phần cứng máy quay. Nhưng hãy suy nghĩ một chút: nếu phần mềm AI nằm trong chính máy quay – như trường hợp điện thoại thông minh có camera AI – thì liệu siêu dữ liệu có đáng tin cậy? Một phần của giải pháp nằm ở các giao thức phi tập trung như Numbers Protocol hay Arweave, nơi mỗi nội dung được gán một ID duy nhất, lưu trữ hàm băm và dấu thời gian bất biến trên chuỗi. Nhưng đó mới chỉ là một phần của câu chuyện. Một video hoàn toàn do AI tạo ra cũng có thể được gán ID và hàm băm, và nó sẽ được xác thực như một dữ liệu hợp lệ. Vì vậy, chúng ta cần không chỉ xác thực nguồn gốc dữ liệu, mà còn xác thực quá trình tạo ra dữ liệu: liệu nó có đến từ một thiết bị ghi âm thực sự hay từ một mô hình sinh học? Điều này dẫn đến một thiết kế an toàn hơn: camera hoặc microphone có một chip bảo mật riêng, ký số từng khung hình dưới sự xác nhận của người dùng, và gửi toàn bộ bằng chứng lên blockchain, tạo nên một cây đáng tin cậy. Đây chính là mảnh ghép mà nhiều dự án đang phát triển, nhưng chưa được áp dụng rộng rãi trên thị trường đại chúng. Nếu hạ tầng phần cứng vẫn còn là một câu chuyện tương lai, thì ngay lúc này, chúng ta vẫn còn một ưu thế rất quan trọng: sự hỗn loạn về thông tin có thể được kiểm soát bằng cách thiết kế lại cách chúng ta tiêu thụ nội dung. Trong thị trường giảm như hiện tại, các nhà đầu tư không còn quan tâm đến những lời hứa tăng trưởng. Họ muốn biết tài sản của họ có an toàn không. Điều này khiến cho mỗi token bị rỉ thanh khoản đều phải chịu áp lực kiểm chứng mạnh mẽ hơn. Một giao thức vừa bị mất 40% LP trong 7 ngày, và một video AI được tạo ra để trấn an cộng đồng, thì làm sao biết được đâu là thật? Trong một thế giới như vậy, chính người dùng sẽ bắt đầu đòi hỏi những bằng chứng mật mã. Họ sẽ hỏi: “Chữ ký của bạn ở đâu? Hợp đồng thông minh của bạn có được xác minh bởi các nhà nghiên cứu độc lập không?” Các giao thức không cung cấp được lớp bằng chứng này sẽ bị bỏ rơi – không phải vì công nghệ kém, mà vì lòng tin đã trở nên đắt đỏ. Một điều nữa mà ít người nhìn thấy từ sự kiện Wan3.0: mối liên hệ với bài toán bão hoà dữ liệu sau Dencun. Khi mọi người bắt đầu tạo video AI hàng loạt, nhu cầu lưu trữ sẽ tăng vọt, nhưng không phải tất cả dữ liệu đều cần được đưa lên blockchain. Chúng ta có thể phân loại thành hai loại: dữ liệu nội dung (video thô) và dữ liệu chứng cứ (hash, chữ ký, timestamp). Loại thứ nhất hoàn toàn có thể nằm ngoài chuỗi, trên các mạng lưu trữ phi tập trung như IPFS, Filecoin hoặc Arweave. Loại thứ hai mới là thứ cần được neo vào các block. Nhưng liệu các blockchain hiện tại có đủ không gian để lưu hàng triệu chứng cứ mỗi ngày? Với bão hoà blob sau Dencun, phí gas của các rollup sẽ tăng gấp đôi trong vòng hai năm tới, khiến cho việc lưu trữ mỗi chứng cứ tốn kém hơn. Điều này tạo ra một nghịch lý: nhu cầu xác thực tăng lên, trong khi chi phí xác thực lại tăng lên. Những giao thức DePIN – mạng lưới hạ tầng vật lý phi tập trung – có thể là câu trả lời, vì chúng tạo ra một thị trường cho việc lưu trữ và xác thực phi tập trung với chi phí cạnh tranh. Nhưng thị trường mới chỉ ở giai đoạn sơ khai, và cần thêm rất nhiều thử nghiệm. Hãy nhìn vào bức tranh toàn cảnh: AI tạo sinh và blockchain không phải là hai thế lực đối đầu, mà là hai mặt của cùng một đồng xu. AI tạo ra nội dung, blockchain tạo ra sự thật về nội dung đó. Nhưng nếu không được dẫn dắt một cách bài bản, kết cục có thể là sự hỗn loạn: deepfake tràn ngập, và những giao thức không xây dựng được hàng rào xác thực sẽ phải chịu sự rút vốn hàng loạt. Với một người làm giao thức, tôi thấy rằng chính cú sốc này sẽ tạo ra một làn sóng thay đổi mạnh mẽ trong kiến trúc blockchain – những blockchain không chỉ lưu trữ tài sản mà còn lưu trữ niềm tin. Nhưng điều phản trực giác mà tôi muốn nói tới, có lẽ là điều quan trọng nhất: loài người sẽ không bao giờ phân biệt được thật và giả bằng mắt thường nữa. Điều này nghe đáng sợ, nhưng nó cũng là một cơ hội chưa từng có để đẩy nhanh quá trình áp dụng blockchain. Khi không ai tin vào một video lang thang trên mạng, họ sẽ tìm về những nguồn thông tin được xác minh một cách mật mã. Họ sẽ tìm về các cộng đồng nhỏ, nơi người dùng xây dựng danh tiếng bằng cách liên tục tương tác và xác thực lẫn nhau. Blockchain – với tư cách là một lớp niềm tin phi tập trung, không cần cấp phép – sẽ trở thành nền tảng cho các mối quan hệ xã hội kỹ thuật số này. Điều này có thể dẫn đến một thế giới phân mảnh, nơi có hàng ngàn “ốc đảo niềm tin” riêng biệt, nhưng chúng được kết nối bởi cùng một chuẩn mật mã. Một kỷ nguyên của các nền cộng hoà nhỏ – không phải theo nghĩa địa lý, mà theo nghĩa danh tính và niềm tin. Đã đến lúc chúng ta – những người tin vào phi tập trung – nhìn thẳng vào thực tại. Wan3.0 không chỉ là một sản phẩm của Alibaba; nó là một biểu tượng của cuộc chơi mới. Khi một tập đoàn khổng lồ có thể dạy máy móc tái tạo gương mặt một con người, thì chỉ có một công nghệ sinh ra từ sự hoài nghi triệt để – blockchain – mới có thể cứu lấy ý niệm về sự thật. Nhưng điều đó không tự nhiên xảy ra. Người dùng phải bắt đầu đòi hỏi những bằng chứng mật mã trong mọi video market update, mọi bài tweet tuyển dụng, mọi buổi AMA. Các nhà phát triển phải bắt tay vào xây dựng các công cụ xác minh thân thiện với người dùng đến mức không thể bỏ qua. Và những ai làm trong lĩnh vực DeFi phải hiểu rằng: một giao thức không có lớp xác minh nguồn gốc thông tin sẽ không thể tồn tại lâu dài trong một thị trường nơi sự hoài nghi là mặc định. Tôi nhớ lại một buổi tối ở Lisbon, sau khi xem xong đoạn video mô phỏng nhân vật CEO giả mạo, tôi đã đứng nhìn ra cửa sổ một lúc lâu. Ở ngoài kia, máy bay đang hạ cánh, ánh đèn thành phố lung linh như thể mọi thứ vẫn bình yên. Nhưng tôi biết, từ đêm nay, sẽ có một cuộc chạy đua âm thầm giữa những kẻ tạo ra sự giả dối hoàn hảo và những người xây dựng cơ sở hạ tầng để xác minh sự thật. Liệu chúng ta – những người làm giao thức phi tập trung – có sẵn sàng đứng về phía sự thật, hay sẽ bị bỏ lại phía sau, chìm sâu trong những thước phim do AI tạo ra? Câu hỏi không phải là liệu Wan3.0 có thể đưa chúng ta đến một thế giới hỗn loạn hay không – nó chắc chắn có thể. Câu hỏi duy nhất còn lại là: phi tập trung có đủ mạnh để trở thành chiếc la bàn giữa đại dương mơ hồ này?