Trưởng bộ phận mã hóa của Visa: 8 xu hướng phát triển của Crypto và AI đến năm 2026

null

Người viết bài gốc: Cuy Sheffield, Phó Chủ tịch Visa phụ trách lĩnh vực tiền mã hóa

Bản dịch: Saoirse, Foresight News

Khi tiền mã hóa và AI dần trưởng thành, những thay đổi quan trọng nhất của hai lĩnh vực này không còn là “khả thi về lý thuyết” nữa mà là “đảm bảo thực tiễn có thể ứng dụng”. Hiện tại, cả hai công nghệ đã vượt qua các ngưỡng then chốt, hiệu suất đã được nâng cao rõ rệt, nhưng tỷ lệ phổ biến trong thực tế vẫn chưa đồng đều. Và động thái phát triển cốt lõi vào năm 2026 bắt nguồn từ khoảng cách giữa “hiệu suất và phổ biến”.

Dưới đây là một số chủ đề cốt lõi tôi đã theo dõi lâu dài, cùng những suy nghĩ sơ bộ về hướng phát triển của các công nghệ này, lĩnh vực tích lũy giá trị, thậm chí là “tại sao người chiến thắng cuối cùng có thể khác hoàn toàn so với các tiền phong trong ngành”.

Chủ đề 1: Tiền mã hóa đang chuyển đổi từ loại tài sản đầu cơ sang công nghệ chất lượng cao

Trong thập kỷ đầu phát triển của tiền mã hóa, đặc điểm cốt lõi là “lợi thế đầu cơ” — thị trường có tính toàn cầu, liên tục và mở cao, biến động dữ dội khiến giao dịch tiền mã hóa sôi động và hấp dẫn hơn so với thị trường tài chính truyền thống.

Tuy nhiên, đồng thời, công nghệ nền tảng vẫn chưa sẵn sàng cho ứng dụng chính thống: blockchain ban đầu chậm, chi phí cao và độ ổn định chưa đủ. Ngoài các trường hợp đầu cơ, tiền mã hóa hầu như chưa bao giờ vượt qua các hệ thống truyền thống về chi phí, tốc độ hoặc tiện lợi.

Hiện nay, tình trạng mất cân đối này bắt đầu thay đổi. Công nghệ blockchain đã trở nên nhanh hơn, tiết kiệm hơn, đáng tin cậy hơn, và các ứng dụng hấp dẫn nhất của tiền mã hóa không còn chỉ là đầu cơ nữa mà là lĩnh vực hạ tầng — đặc biệt là trong các hoạt động thanh toán và định khoản. Khi tiền mã hóa dần trở thành công nghệ trưởng thành hơn, vị trí trung tâm của đầu cơ sẽ dần yếu đi: nó không biến mất hoàn toàn, nhưng sẽ không còn là nguồn giá trị chính nữa.

Chủ đề 2: Stablecoin là thành quả rõ ràng của tiền mã hóa về “tính thực dụng thuần túy”

Stablecoin khác biệt so với các câu chuyện về tiền mã hóa trước đây, thành công của nó dựa trên các tiêu chuẩn cụ thể, khách quan: trong các trường hợp nhất định, stablecoin nhanh hơn, rẻ hơn, phạm vi phủ sóng rộng hơn các phương thức thanh toán truyền thống, đồng thời có thể tích hợp liền mạch vào hệ thống phần mềm hiện đại.

Stablecoin không yêu cầu người dùng xem tiền mã hóa như một “tư tưởng chính trị” để tin tưởng, ứng dụng của nó thường “ẩn trong” các sản phẩm và quy trình làm việc hiện có — điều này giúp các tổ chức và doanh nghiệp trước đây cho rằng hệ sinh thái tiền mã hóa “quá biến động, thiếu minh bạch” cuối cùng cũng có thể hiểu rõ giá trị của nó.

Có thể nói, stablecoin giúp tiền mã hóa tái định vị “tính thực dụng” thay vì “đầu cơ”, và thiết lập một tiêu chuẩn rõ ràng cho “làm thế nào để tiền mã hóa thành công trong thực tế”.

Chủ đề 3: Khi tiền mã hóa trở thành hạ tầng, “khả năng phân phối” còn quan trọng hơn “độ mới của công nghệ”

Trước đây, khi tiền mã hóa chủ yếu đóng vai trò là “công cụ đầu cơ”, “khả năng phân phối” mang tính nội sinh — token mới chỉ cần “tồn tại” là có thể tự nhiên tích lũy thanh khoản và sự chú ý.

Nhưng khi tiền mã hóa trở thành hạ tầng, các trường hợp ứng dụng chuyển từ “mức độ thị trường” sang “mức độ sản phẩm”: nó được tích hợp vào quy trình thanh toán, nền tảng và hệ thống doanh nghiệp, người dùng cuối thường không nhận thức được sự tồn tại của nó.

Sự chuyển đổi này cực kỳ có lợi cho hai nhóm chủ thể: một là các doanh nghiệp có sẵn kênh phân phối và mối quan hệ khách hàng đáng tin cậy; hai là các tổ chức có giấy phép quản lý, hệ thống tuân thủ và cơ sở hạ tầng kiểm soát rủi ro. Chỉ dựa vào “độ mới của giao thức” thì chưa đủ để thúc đẩy việc ứng dụng quy mô lớn của tiền mã hóa.

Chủ đề 4: Các hệ thống AI có giá trị thực tiễn, ảnh hưởng vượt ra ngoài lĩnh vực mã hóa

Các agent AI ngày càng thể hiện rõ tính thực dụng, nhưng vai trò của chúng thường bị hiểu sai: những agent thành công nhất không phải là “quyết định tự chủ”, mà là “công cụ giảm thiểu chi phí phối hợp trong quy trình làm việc”.

Xét theo lịch sử, điều này thể hiện rõ nhất trong lĩnh vực phát triển phần mềm — các công cụ agent thúc đẩy nhanh quá trình mã hóa, gỡ lỗi, tái cấu trúc mã và thiết lập môi trường. Nhưng gần đây, giá trị của các “công cụ” này đang mở rộng mạnh mẽ sang nhiều lĩnh vực hơn.

Lấy ví dụ như các công cụ như Claude Code, dù được định vị là “công cụ dành cho nhà phát triển”, nhưng sự phổ biến nhanh chóng của chúng phản ánh xu hướng sâu xa hơn: hệ thống agent đang trở thành “giao diện của công việc tri thức”, chứ không chỉ giới hạn trong lĩnh vực lập trình. Người dùng bắt đầu áp dụng “quy trình làm việc dựa trên agent” vào nghiên cứu, phân tích, viết lách, lập kế hoạch, xử lý dữ liệu và vận hành — những nhiệm vụ này thiên về “công việc chuyên môn chung” hơn là lập trình truyền thống.

Điều thực sự quan trọng không phải là “mã hóa theo phong cách氛围” mà là mô hình cốt lõi phía sau:

Người dùng ủy thác “ý định mục tiêu”, chứ không phải “các bước cụ thể”;

Các agent quản lý “bối cảnh” giữa các tệp, công cụ và nhiệm vụ;

Chuyển đổi từ “tiến trình tuyến tính” sang “lặp lại, đối thoại”.

Trong các công việc tri thức, agent có khả năng thu thập bối cảnh, thực thi các nhiệm vụ giới hạn, giảm thiểu các bước chuyển đổi, tăng tốc độ lặp lại, nhưng vẫn còn hạn chế trong “phán đoán mở”, “trách nhiệm” và “sửa lỗi”.

Vì vậy, phần lớn các agent dùng trong sản xuất hiện nay vẫn cần “giới hạn phạm vi, nhận sự giám sát, tích hợp vào hệ thống”, chứ chưa thể hoạt động hoàn toàn độc lập. Giá trị thực của agent bắt nguồn từ “tái cấu trúc quy trình làm việc tri thức”, chứ không phải “thay thế lao động” hay “đạt được tự chủ hoàn toàn”.

Chủ đề 5: Giới hạn của AI đã chuyển từ “trình độ thông minh” sang “mức độ tin cậy”

Trình độ trí tuệ của các mô hình AI đã tăng nhanh, nhưng giới hạn hiện nay không còn là “khả năng ngôn ngữ trôi chảy hoặc suy luận”, mà là “độ tin cậy trong hệ thống thực tế”.

Môi trường sản xuất không chấp nhận ba vấn đề: thứ nhất là “ảo tưởng” của AI (tạo ra thông tin sai lệch), thứ hai là kết quả không nhất quán, thứ ba là các mô hình lỗi không rõ ràng. Khi AI liên quan đến dịch vụ khách hàng, giao dịch tài chính hoặc tuân thủ, kết quả “gần đúng” đã không còn chấp nhận được nữa.

Việc xây dựng “độ tin cậy” cần bốn nền tảng: thứ nhất là kết quả có thể truy xuất nguồn gốc, thứ hai là có khả năng ghi nhớ, thứ ba là có thể xác minh, thứ tư là có thể chủ động tiết lộ “độ không chắc chắn”. Trước khi các khả năng này đủ trưởng thành, tính tự chủ của AI phải bị hạn chế.

Chủ đề 6: Kỹ thuật hệ thống quyết định khả năng ứng dụng của AI trong thực tế

Các sản phẩm AI thành công sẽ xem “mô hình” như một “thành phần” chứ không phải là “sản phẩm hoàn chỉnh” — độ tin cậy của chúng dựa vào “thiết kế kiến trúc”, chứ không phải “tối ưu hóa prompt”.

“Thiết kế kiến trúc” ở đây bao gồm quản lý trạng thái, kiểm soát luồng, hệ thống đánh giá và giám sát, cùng các cơ chế xử lý và phục hồi lỗi. Chính vì vậy, hiện nay, sự phát triển của AI ngày càng gần với “kỹ thuật phần mềm truyền thống” hơn là “nghiên cứu lý thuyết tiên tiến”.

Giá trị dài hạn sẽ hướng tới hai nhóm chủ thể: một là các nhà xây dựng hệ thống, hai là các nền tảng kiểm soát quy trình làm việc và phân phối.

Khi các công cụ agent mở rộng từ lĩnh vực mã hóa sang nghiên cứu, viết lách, phân tích và vận hành, tầm quan trọng của “kỹ thuật hệ thống” sẽ càng rõ nét hơn: công việc tri thức thường phức tạp, phụ thuộc vào trạng thái và bối cảnh, khiến “agent có thể quản lý đáng tin cậy bộ nhớ, công cụ và quá trình lặp lại” trở thành yếu tố giá trị hơn là chỉ tạo ra đầu ra.

Chủ đề 7: Mâu thuẫn giữa mô hình mở và kiểm soát tập trung, gây ra các vấn đề quản trị chưa được giải quyết

Khi khả năng của hệ thống AI tăng lên, và sự hòa nhập sâu vào lĩnh vực kinh tế, câu hỏi “ai sở hữu và kiểm soát mô hình AI mạnh nhất” đang gây ra mâu thuẫn cốt lõi.

Một mặt, nghiên cứu phát triển AI tiên tiến vẫn là “tập trung vốn lớn”, chịu ảnh hưởng của “cơ hội tiếp cận tính toán, chính sách quản lý và địa chính trị”, dẫn đến mức độ tập trung ngày càng cao; mặt khác, các mô hình và công cụ mã nguồn mở, dưới tác động của “thử nghiệm rộng rãi, triển khai tiện lợi”, liên tục được cập nhật và tối ưu.

Cấu trúc “kết hợp giữa tập trung và mở” này dẫn đến một loạt vấn đề chưa có lời giải: rủi ro phụ thuộc, khả năng kiểm tra, minh bạch, năng lực đàm phán dài hạn, và quyền kiểm soát các hạ tầng quan trọng. Kết quả có thể là “mô hình pha trộn” — các mô hình tiên tiến thúc đẩy đột phá công nghệ, trong khi các hệ thống mở hoặc bán mở tích hợp các khả năng này vào “phần mềm phân phối rộng rãi”.

Chủ đề 8: Tiền mã hóa có thể lập trình thúc đẩy dòng thanh toán agent mới

Khi hệ thống AI tham gia vào quy trình làm việc, nhu cầu về “tương tác kinh tế” ngày càng tăng — ví dụ như thanh toán dịch vụ, gọi API, trả thưởng cho các agent khác, hoặc định khoản “phí tương tác dựa trên sử dụng”.

Nhu cầu này khiến stablecoin được chú ý trở lại: nó được xem như “tiền tệ gốc của máy móc”, có khả năng lập trình, có thể kiểm tra, và có thể chuyển khoản tự động mà không cần can thiệp của con người.

Lấy ví dụ như các “giao thức dành cho nhà phát triển” như x402, dù vẫn đang trong giai đoạn thử nghiệm sơ bộ, nhưng hướng đi rất rõ ràng: dòng thanh toán sẽ hoạt động dưới dạng “API”, chứ không phải “trang thanh toán” truyền thống — điều này giúp các agent phần mềm thực hiện “giao dịch liên tục, tinh vi hơn”.

Hiện tại, lĩnh vực này còn non trẻ: quy mô giao dịch nhỏ, trải nghiệm người dùng sơ sài, hệ thống an ninh và phân quyền vẫn đang hoàn thiện. Nhưng đổi mới hạ tầng thường bắt đầu từ những “khám phá ban đầu” như vậy.

Điều đáng chú ý là, ý nghĩa của nó không phải là “vì tự chủ”, mà là “khi phần mềm có thể thực hiện giao dịch qua lập trình, các hành vi kinh tế mới sẽ trở thành khả thi”.

Kết luận

Dù là tiền mã hóa hay trí tuệ nhân tạo, giai đoạn phát triển ban đầu thường ưu tiên “khái niệm gây chú ý” và “công nghệ mới lạ”; còn ở giai đoạn tiếp theo, “độ tin cậy”, “khả năng quản trị” và “khả năng phân phối” sẽ trở thành các yếu tố cạnh tranh quan trọng hơn.

Hiện tại, công nghệ không còn là giới hạn chính nữa, mà là “tích hợp công nghệ vào hệ thống thực tế” mới là chìa khóa.

Theo tôi, đặc điểm nổi bật của năm 2026 không phải là “một đột phá công nghệ nào đó”, mà là “quá trình tích lũy hạ tầng đều đặn” — những hạ tầng này khi vận hành âm thầm cũng đang âm thầm định hình lại “cách thức luân chuyển giá trị” và “cách thức thực hiện công việc”.