Khi trí tuệ rẻ hơn nhưng phần cứng đắt hơn
Nghịch lý token AI rẻ nhưng máy tính AI đắt mô tả tình huống giá mỗi token xử lý trong cloud AI liên tục giảm vì cạnh tranh, trong khi chi phí phần cứng và hạ tầng để chạy AI tại chỗ lại tăng, buộc doanh nghiệp lựa chọn giữa cloud AI giá rẻ và đầu tư edge computing kinh tế nhưng tốn kém ban đầu cho thiết bị có khả năng xử lý AI mạnh. Trong 10 ngày gần đây, một mô hình miễn phí như Ox Alpha đã xuất hiện với hiệu suất rất cao, OpenAI liên tiếp giảm giá mô hình chủ lực đến lần thứ ba trong khoảng một tháng và chỉ số giá token tiếp tục trượt dốc, cho thấy trí tuệ như một sản phẩm đang giảm giá theo thời gian thực.
Nhưng phía sau bức tranh chi phí token AI đi xuống là một phép toán đảo ngược: giá bán dịch vụ AI giảm nhanh hơn chi phí xây dựng nó, trong khi thị trường bán dẫn bước vào giai đoạn thiếu hụt mang tính cấu trúc và chi phí điện toán duy trì ở mức cao. Khi nguyên vật liệu – từ chip, bộ nhớ đến hạ tầng dữ liệu – bị phân bổ và định giá lại theo hướng tăng, AI rẻ hơn chưa chắc làm chi phí triển khai AI thấp đi cho doanh nghiệp. Ngược lại, nó có thể kéo họ vào vòng xoáy chi tiêu mới: giảm chi phí token trong cloud, nhưng lại tăng chi cho phần cứng, năng lượng và tài chính.
HP và bài toán chuyển workload từ cloud xuống thiết bị
HP đang nắm bắt nghịch lý này bằng một thông điệp rất thẳng: nếu lo chi phí token AI tăng, hãy chạy mô hình tại chỗ và mua một chiếc máy tính AI đắt hơn. Trong cuộc gọi báo cáo kết quả quý gần đây, lãnh đạo công ty nhiều lần nhấn mạnh chi phí token cloud là lý do khách hàng chuyển sang các máy cấu hình cao để xử lý nhiều workload AI trên thiết bị. Điều đó biến edge computing kinh tế thành câu chuyện không chỉ về kỹ thuật, mà còn về “token economics”: giảm phụ thuộc vào cloud bằng cách đẩy mô hình xuống PC.
Theo HP, khi workload dịch chuyển từ cloud về thiết bị, khách hàng nhận lại “giá trị đáng kể” nhờ tối ưu chi phí token và giữ dữ liệu nhạy cảm gần nơi nó được tạo ra. Đây là lập luận đánh trúng nỗi lo chi phí triển khai AI và bảo mật của doanh nghiệp: ít phụ thuộc mạng, độ trễ thấp hơn, kiểm soát dữ liệu tốt hơn. Nhưng mặt còn lại là những máy tính AI đắt, được định giá ở mức premium và theo chính HP thừa nhận, rất tốt cho biên lợi nhuận của họ. Nói cách khác, “AI giá rẻ” trên cloud đang được bù lại bằng “máy tính AI đắt” trên bàn làm việc.
Ai thắng trong cuộc đua: nhà sản xuất PC hay người mua doanh nghiệp?
Với HP, câu trả lời khá rõ ràng: họ đang thắng. AI PC hiện chiếm 46% cơ cấu PC của hãng, và công ty kỳ vọng tỷ lệ này tăng lên 60–70% trong năm tài chính 2027 và vượt 70% vào 2028. Lãnh đạo HP mô tả sự chuyển dịch này là “margin accretive”, trong khi CEO tạm quyền nhắc lại rằng AI PC được bán với “premium pricing” và mở ra cơ hội bán kèm dịch vụ, bảo mật, giúp chúng “giá trị hơn với khách hàng và, thẳng thắn mà nói, giá trị hơn với chúng tôi”. Đây là câu trích dẫn cho thấy rõ ai được hưởng lợi trực tiếp từ cuộc chuyển dịch workload sang edge.
Số liệu doanh thu cũng phản ánh cán cân này: doanh thu mảng Personal Systems của HP tăng 18% theo năm lên 11,8 tỉ, trong khi sản lượng PC lại giảm 16%. Công ty giải thích đây là kết quả của giá bán cao hơn, tỷ trọng máy prémium và AI PC lớn hơn, cộng với doanh thu từ dịch vụ và phụ kiện chiếm khoảng một phần ba lợi nhuận gộp mảng này. Nghĩa là, dù người dùng có thể hưởng lợi từ cloud AI giá rẻ, để chạy AI tại chỗ họ phải trả thêm cho phần cứng và dịch vụ, qua đó chuyển phần lợi ích chi phí sang nhà sản xuất. AI rẻ, nhưng con đường đến “AI on-device” lại đắt.
Doanh nghiệp kẹt giữa cloud AI giá rẻ và edge computing kinh tế
Doanh nghiệp giờ đối mặt lựa chọn khó: tiếp tục dùng cloud AI giá rẻ với chi phí token AI ngày càng thấp, hay đặt cược vào edge computing kinh tế bằng cách mua máy tính AI đắt và đầu tư hạ tầng nội bộ. HP mô tả rõ hai cuộc đối thoại lớn với khách hàng: một là về “chi phí token tăng” và cách đưa mô hình xuống edge để tối ưu chi phí; hai là về quản trị an toàn đội quân agent AI trong môi trường doanh nghiệp. Nói cách khác, họ gợi ý doanh nghiệp đổi chi phí biến đổi theo từng token lấy chi phí cố định của phần cứng và quản trị.
Ở chiều ngược lại, thị trường tín dụng cho hạ tầng AI cho thấy sự bất an: các công ty bán dẫn phải huy động khoản nợ rất lớn để tài trợ cho chip AI, trong khi chi phí bảo hiểm cho khoản nợ đó ngày càng cao. Chủ tịch một tập đoàn lớn cảnh báo thiếu hụt bộ nhớ sẽ nghiêm trọng hơn vào 2027, dù các hãng như SK Hynix phải tìm mô hình liên doanh để xây nhà máy mới. Điều này nghĩa là chi phí xây dựng năng lực AI – dù trên cloud hay on-device – đều không rẻ. Doanh nghiệp có thể trả ít hơn cho mỗi token hôm nay, nhưng tổng chi phí triển khai AI vẫn phình ra qua khoản đầu tư hạ tầng, tài chính và nhân lực vận hành.
Lợi ích kinh tế AI: vì sao vẫn mờ mịt dù chi phí token AI giảm?
Một câu hỏi gai góc là: giảm chi phí token AI có thực sự tạo ra lợi ích kinh tế đo được cho doanh nghiệp? Một nghiên cứu về 919 cuộc họp báo cáo kết quả của 60 công ty tài chính lớn tại Mỹ cho thấy, cứ năm cuộc thì có bốn cuộc nhắc đến AI và hơn một nửa bàn về chi phí của nó, nhưng chỉ có một công ty đưa ra được con số lợi nhuận cụ thể khoảng 19 triệu USD từ AI. Tác giả nghiên cứu kết luận: sau ba năm xây dựng AI, các công ty mua công nghệ này vẫn không thể nói rõ bằng tiền họ thu được bao nhiêu. Đó là dấu hiệu cho thấy chi phí triển khai AI bị bàn luận nhiều hơn lợi ích thực thu.
Một sản phẩm giảm giá nhanh như AI – được xây từ yếu tố đầu vào khan hiếm, tài trợ bằng đòn bẩy nợ ngày càng đắt và bán cho khách hàng chưa đo được lợi ích – là bài toán chứa rất nhiều rủi ro chuyển động. Ở tầm vi mô, doanh nghiệp đang dần trả tiền cho hai lần: một lần cho cloud AI giá rẻ, một lần cho máy tính AI đắt và hạ tầng nội bộ. Ở tầm vĩ mô, thị trường vốn bắt đầu tính phí cao hơn cho rủi ro này. Kết luận hợp lý là: token rẻ không đồng nghĩa AI rẻ. Nếu không kỷ luật trong cách lựa chọn giữa cloud và edge, doanh nghiệp có thể đi vào một chu kỳ “AI hóa” tốn kém mà chưa chắc tạo ra năng suất đủ để bù lại.
