Mới đây, thông tin về việc Bristol-Myers Squibb (BMS) hợp tác với NVIDIA để xây dựng siêu máy tính AI dành riêng cho ngành dược đã gây chú ý không chỉ trong giới công nghệ mà còn với cộng đồng blockchain. Tại sao một sự kiện tưởng chừng thuần về phần cứng lại có thể thu hút sự quan tâm của những người theo dõi tiền mã hóa? Bởi vì câu chuyện này chạm đến khái niệm cốt lõi của Web3: phi tập trung hóa nguồn lực tính toán và khả năng kiểm soát dữ liệu độc lập. Khi Big Pharma bắt đầu xây dựng "đế chế compute" riêng, hệ quả đối với thị trường dịch vụ đám mây và các dự án DePIN (Decentralized Physical Infrastructure Networks) sẽ vô cùng sâu rộng.
Theo thông báo chính thức, BMS sẽ triển khai một cụm siêu máy tính dựa trên kiến trúc DGX SuperPOD hoặc HGX của NVIDIA, tích hợp phần mềm BioNeMo để tối ưu hóa quá trình khám phá thuốc. Điểm đáng chú ý nhất mà nhiều nguồn tin nhấn mạnh là cam kết giảm 55% chi phí tính toán so với các giải pháp truyền thống. Con số 55% này không phải là một quảng cáo suông: nó phản ánh sự dịch chuyển từ CPU cluster (phổ biến trong các trung tâm dữ liệu dược phẩm trước đây) sang GPU chuyên dụng với phần mềm tối ưu hóa như MVS (Multi-View Stereo) và auto-mixed precision. Tuy nhiên, điều mà ít người nói tới là con số 55% rất có thể chỉ áp dụng cho một số tác vụ cụ thể như mô phỏng động lực phân tử (molecular dynamics) hoặc docking phân tử, chứ không phải toàn bộ pipeline R&D. Nếu so sánh với các dịch vụ GPU cloud như AWS EC2 P5 hay Google Cloud A3, mức tiết kiệm này có thể thấp hơn đáng kể khi tính cả chi phí bảo trì và điện năng.
Điều mà đường cong lợi suất đảo ngược có nghĩa là... Ở đây tôi muốn dùng một phép ẩn dụ tài chính: giống như lợi suất trái phiếu dài hạn thấp hơn ngắn hạn báo hiệu suy thoái, việc BMS tự xây siêu máy tính thay vì thuê cloud cho thấy một tín hiệu cấu trúc: chi phí vốn (CapEx) đang trở nên rẻ hơn chi phí vận hành (OpEx) trong dài hạn, điều chỉ xảy ra khi lãi suất thực giảm và kỳ vọng lạm phát ổn định. Nhưng đằng sau quyết định này còn ẩn chứa một động cơ mạnh mẽ hơn: quyền kiểm soát dữ liệu. Các công ty dược phẩm lớn như BMS sở hữu kho dữ liệu lâm sàng và cấu trúc phân tử khổng lồ – tài sản vô giá mà họ không muốn chia sẻ với bất kỳ bên thứ ba nào, kể cả AWS hay Azure. Do đó, private cloud trên chính infrastructure của họ mới là đích đến.
Từ góc nhìn kỹ thuật, sự hợp tác này không mang tính đột phá về kiến trúc. Nó đơn thuần là sự kết hợp giữa GPU H100/B200, interconnect NVLink/InfiniBand và phần mềm Clara Discovery – tất cả đều là sản phẩm có sẵn của NVIDIA. Điểm mới duy nhất nằm ở việc tinh chỉnh workload cho phù hợp với đặc thù của BMS: ưu tiên các mô hình sinh học nhỏ (small-molecule generation) hơn là protein folding cỡ lớn. Sự phá vỡ tương quan chính là tín hiệu cho thấy NVIDIA đang chuyển từ bán card đồ họa sang bán giải pháp turnkey cho từng ngành dọc, giúp khách hàng không cần am hiểu sâu về parallel computing. Tuy nhiên, sự phụ thuộc này cũng là con dao hai lưỡi: nếu NVIDIA quyết định tăng giá license BioNeMo, BMS sẽ mất lợi thế chi phí ngay lập tức.
Nói thật về tâm lý giao dịch... Ở thì hiện tại, giới đầu tư đang quá lạc quan về câu chuyện "AI cứu rỗi ngành dược". Nhưng tôi cho rằng cần có một góc nhìn phản trực giác. Thứ nhất, 55% tiết kiệm chi phí có thể không tính đến hao mòn phần cứng và chi phí nhân sự vận hành – đội ngũ data engineer và MLops trong lĩnh vực life science hiện rất khan hiếm và đắt đỏ. Thứ hai, chu kỳ nâng cấp GPU rất ngắn (2-3 năm), khiến khoản đầu tư ban đầu có thể trở nên lạc hậu nhanh chóng. Điều này đặc biệt nguy hiểm trong bối cảnh NVIDIA sắp ra mắt kiến trúc Rubin vào 2026, khiến hiệu năng của H100 sau 2 năm bị tụt hậu. BMS sẽ phải đối mặt với bài toán "rip and replace" quen thuộc trong ngành HPC. Thứ ba, nếu các Big Pharma khác như Pfizer, Merck, Novartis cũng ồ ạt xây siêu máy tính riêng, thị trường GPU toàn cầu sẽ căng thẳng hơn, đẩy giá thành lên cao và làm giảm lợi thế cạnh tranh của người đi trước.
Vở kịch phi tập trung dừng lại khi... các ông lớn kiểm soát hạ tầng tập trung. Một hệ quả gián tiếp nhưng rất thú vị đối với cộng đồng Web3: sự bùng nổ nhu cầu compute riêng tư của Big Pharma có thể làm chậm lại quá trình áp dụng các giải pháp DePIN như Akash Network, Render Network vốn hướng đến thị trường AI phi tập trung. Các tập đoàn với ngân sách hàng tỷ đô sẽ luôn ưu tiên build in-house hơn là thuê từ mạng lưới các GPU lẻ tẻ, bất chấp chi phí thấp hơn. Điều này đặt ra câu hỏi: liệu các dự án DePIN có thể thuyết phục được các tổ chức tài chính truyền thống và dược phẩm tin tưởng vào "chiếc máy tính toàn cầu" hay không? Dựa trên tín hiệu từ BMS, câu trả lời hiện tại là không.
Theo bằng chứng on-chain... mặc dù sự kiện này không có dữ liệu trên blockchain, nhưng có thể suy luận rằng nhu cầu GPU chất lượng cao cho các tác vụ mô phỏng sinh học sẽ tiếp tục tăng, kéo theo giá trị của các token gắn với compute (như RNDR, AKT). Tuy nhiên, sự tăng trưởng này chỉ đến từ các nhà đầu tư cá nhân và doanh nghiệp vừa và nhỏ, không phải từ các siêu dự án như BMS. Về mặt chiến lược, tôi cho rằng nên theo dõi sát các công bố tiếp theo từ NVIDIA về tham số kỹ thuật cụ thể của cụm siêu máy tính: số lượng GPU, topology kết nối, dung lượng lưu trữ. Nếu NVIDIA tiết lộ con số vượt quá 1000 GPU, đó sẽ là tín hiệu cho thấy cuộc chơi đã chuyển sang cấp độ mới, buộc các đối thủ như AMD (với MI300) phải có phản ứng.
Takeaway: Trong 6 tháng tới, hãy chú ý đến các thông báo tương tự từ các hãng dược còn lại. Sự kiện này giống như một quả bom hẹn giờ: nó báo hiệu sự kết thúc của kỷ nguyên "AI-as-a-Service" đám mây trong lĩnh vực R&D dược phẩm, và khởi đầu của kỷ nguyên "chip-as-a-service" độc quyền. Liệu các quỹ đầu tư có bắt đầu định giá lại các cổ phiếu cloud computing hay không? Hay là tập đoàn dược phẩm sẽ trở thành những "data center operator" thế hệ mới? Câu trả lời nằm ở các báo cáo tài chính quý tới.