Từ AI mạnh nhất sang AI “đủ dùng”: bước ngoặt âm thầm nhưng quyết liệt
Xu hướng doanh nghiệp ưu tiên các mô hình AI rẻ hơn nhưng đủ dùng thay vì các mô hình cao cấp nhất là hiện tượng các tổ chức tối ưu chi phí mô hình AI bằng cách chọn những hệ thống có sức mạnh vừa phải nhưng đáp ứng được nhu cầu thực tế, thay vì chạy theo thế hệ mô hình tiên tiến nhất với chi phí triển khai và sử dụng quá cao so với giá trị mang lại trong hoạt động hàng ngày. Với nhiều doanh nghiệp Mỹ, lựa chọn mặc định giờ không còn là công cụ mạnh nhất của phòng thí nghiệm AI mà là mô hình có hiệu quả chi phí AI tốt nhất, nghĩa là độ chính xác và tốc độ chấp nhận được, nhưng chi phí suy luận và vận hành thấp, dễ kiểm soát và dễ dự báo. Điều này đảo ngược giả định nhiều năm rằng ai chi nhiều hơn cho AI sẽ có lợi thế cạnh tranh bền vững.
Tín hiệu rõ nhất đến từ trường hợp Fable 5: theo dữ liệu chi tiêu từ hàng chục nghìn doanh nghiệp, mô hình cao cấp nhất của một phòng thí nghiệm AI lớn chỉ chiếm tỷ trọng nhỏ trong tổng chi tiêu cho nền tảng, bất chấp được quảng bá là công cụ mạnh nhất của hãng. Nguyên nhân không nằm ở sự thiếu quan tâm, mà ở chỗ các mô hình cũ hơn, nhỏ hơn vẫn giải quyết được phần lớn tác vụ văn bản, hỗ trợ công việc văn phòng và viết mã, khiến chênh lệch hiệu quả thực tế nhỏ hơn nhiều so với chênh lệch về chi phí. Nói thẳng, với doanh nghiệp, thêm vài phần trăm điểm benchmark không đáng để trả thêm một bậc giá.
Khi gói AI cố định áp vào chi phí suy luận phình to
Nếu doanh nghiệp đang chọn AI rẻ hơn, tại sao các nhà cung cấp vẫn chịu áp lực lợi nhuận mô hình AI? Câu trả lời nằm ở cấu trúc gói thuê bao cao cấp: người dùng trả phí cố định nhưng có thể tiêu thụ lượng tài nguyên suy luận tương đương giá trị API cao gấp nhiều lần nếu dùng sát trần. Một phân tích gần đây cho thấy khi chạy các phiên lập trình dạng coding agent liên tục, mức sử dụng ở một gói cao cấp của một nhà cung cấp tương đương khoảng 8.000 giá trị API mỗi tháng, trong khi gói tương đương của đối thủ có thể lên tới khoảng 14.000. Đây là câu trích dẫn đáng lưu ý: "Với nhóm người dùng nặng, chi phí mà nhà cung cấp phải gánh có thể tăng mạnh".
Vấn đề nằm ở sự chênh lệch giữa giá thuê bao cố định và mức sử dụng quy đổi theo API khi người dùng dồn tải vào các tác vụ rất ngốn token, đặc biệt là agent lập trình. SemiAnalysis ghi nhận họ phải lặp lại các phiên lập trình rất dài và liên tục để đẩy mức sử dụng lên sát trần theo tuần. Điều này cho thấy bức tranh bất đối xứng: khách hàng thông thường không chạm trần, nhưng nhóm người dùng nặng có thể tiêu thụ lượng tài nguyên gấp nhiều lần giá trị họ trả, kéo hiệu quả chi phí AI nghiêng sang phía khách hàng và đặt các công ty AI vào thế phải chọn giữa cắt hạn mức, tăng giá, hoặc chấp nhận biên lợi nhuận mỏng.
Anthropic: IPO nghìn tỷ dưới bóng câu hỏi “AI mạnh nhất để làm gì?”
Anthropic là ví dụ điển hình cho bài toán chiến lược này. Mô hình mới nhất, mạnh nhất và đắt đỏ nhất của họ – Fable 5 – dù được kỳ vọng là động cơ tăng trưởng, lại chỉ chiếm khoảng 11% tổng chi tiêu dành cho các công cụ của công ty sau hơn hai tháng ra mắt. Trục trặc chính trị khi chính quyền Mỹ yêu cầu tạm rút mô hình vì lo ngại an ninh quốc gia đã làm chậm lại đà tăng trưởng doanh thu trong tháng 6, trước khi việc tái triển khai giúp con số này phục hồi. Nhưng khi yếu tố chính trị đã lùi xuống thứ yếu, giá bán và hiệu năng mới là yếu tố khiến doanh nghiệp do dự, nhất là khi các lựa chọn rẻ hơn vẫn "đủ xài" cho đa số kịch bản.
Trớ trêu là trong khi khách hàng đổ tiền vào các gói và mô hình tầm trung, Anthropic vẫn ghi nhận lợi nhuận hoạt động điều chỉnh lần đầu tiên trong quý II, với doanh thu thường niên hóa tăng nhanh. Song tăng trưởng mức sử dụng AI chưa chắc chuyển hóa ngay thành lợi nhuận dài hạn. Biên lợi nhuận mô hình AI bị bào mòn khi chi phí suy luận cho nhóm khách hàng nặng tăng cùng cơn sốt coding agent và tác vụ phức tạp. Đằng sau kế hoạch IPO được kỳ vọng có định giá khổng lồ là một bài test: liệu công ty có thuyết phục được thị trường rằng các mô hình mạnh nhất không chỉ là biểu tượng công nghệ, mà là động cơ lợi nhuận bền vững?
Doanh nghiệp tối ưu chi phí, các phòng thí nghiệm AI buộc phải thay đổi
Các số liệu gần đây về hành vi khách hàng doanh nghiệp ở Mỹ cho thấy một điểm chung: doanh nghiệp chọn AI rẻ hơn, miễn là "đủ tốt". Báo cáo chi tiêu của một nền tảng thanh toán lớn cho thấy tỷ lệ sử dụng nhà cung cấp này đạt trên 40%, cao hơn cả một đối thủ nổi tiếng khác, nhưng mẫu mô hình cao cấp nhất chỉ chiếm một phần rất nhỏ trong tổng lượng token mà khách hàng mua trong tháng đầu ra mắt. Cùng lúc, một mô hình nhỏ hơn nhưng vẫn mạnh của cùng nhà cung cấp lại vượt mô hình đầu bảng về mức chi tiêu của khách hàng. Với nhiều doanh nghiệp, bài toán hiện nay không còn là theo đuổi mô hình mạnh nhất bằng mọi giá, mà là tối ưu chi phí mô hình AI bằng cách lựa chọn mô hình phù hợp từng tác vụ, hiệu quả hơn về mặt chi phí.
Diễn biến này tạo áp lực kép lên lợi nhuận mô hình AI: ở phân khúc cao, các gói thuê bao có thể bị sử dụng theo cách “vắt kiệt” hạn mức; ở phân khúc phổ thông, doanh nghiệp lại ép giá bằng việc chuyển sang mô hình rẻ hơn hoặc tận dụng mô hình mở từ các thị trường khác. Vì vậy, các phòng thí nghiệm AI lớn đứng trước lựa chọn không dễ chịu: hoặc chứng minh rõ ràng giá trị dài hạn của mô hình mạnh nhất – nơi chỉ chúng mới giải được bài toán khoa học, y sinh hoặc sản xuất ở cấp độ mới – hoặc chấp nhận rằng phần lớn doanh thu và lợi nhuận sẽ đến từ các mô hình tầm trung, nơi hiệu quả chi phí AI quan trọng hơn sự hoàn hảo về kỹ thuật.
Tương lai: AI cao cấp là “siêu xe”, AI tầm trung là “xe công ty”
Từ góc độ chiến lược, bức tranh đang rõ dần: nếu xu hướng ưu tiên mô hình rẻ hơn nhưng đủ dùng kéo dài, mô hình kinh doanh dựa trên việc liên tục tung ra mô hình lớn hơn, tốn kém hơn sẽ chịu tác động đáng kể. Các mô hình tiên tiến nhất sẽ giống như siêu xe: cần thiết để phô diễn năng lực, thu hút nhân tài, phục vụ một số nhiệm vụ cực khó, nhưng không phải phương tiện di chuyển hàng ngày cho phần đông doanh nghiệp. Trong khi đó, "xe công ty" – các mô hình tầm trung, chi phí hợp lý, dễ tích hợp – mới là lớp hạ tầng AI thực sự vận chuyển giá trị trong nền kinh tế số.
Điều này không có nghĩa cuộc đua đột phá AI mất ý nghĩa; ngược lại, nó trở nên tỉnh táo hơn. Các phòng thí nghiệm AI buộc phải thiết kế lại danh mục: đỉnh cao công nghệ ở trên cùng, nhưng phần thân và đáy kim tự tháp – nơi tập trung doanh thu – phải được tối ưu để đảm bảo lợi nhuận mô hình AI. Theo một phân tích gần đây, OpenAI và Anthropic đang đứng trước bài toán rõ ràng: hoặc tiếp tục duy trì hạn mức cao cho các gói đắt tiền và chấp nhận chi phí phát sinh, hoặc điều chỉnh lại điều kiện sử dụng để bảo vệ biên lợi nhuận. Ai giải được bài toán cân bằng này mới xứng đáng trở thành "hạ tầng AI" lâu dài cho doanh nghiệp.
