Cuộc đua mô hình ngôn ngữ rẻ: Tín hiệu cho một cuộc “reset” AI
Mô hình ngôn ngữ rẻ là các hệ thống AI sinh ngôn ngữ được thiết kế để giảm mạnh chi phí mỗi tác vụ, thông qua tối ưu kiến trúc, mô hình nhỏ hơn, hoặc giá token AI giảm, nhằm giúp doanh nghiệp triển khai ở quy mô lớn mà không làm đội ngân sách công nghệ lên mức khó kiểm soát.
Trong vài tuần gần đây, các ông lớn AI không còn khoe sức mạnh mô hình mà chuyển sang khoe… hóa đơn rẻ. OpenAI và Anthropic liên tiếp ra mắt các LLM tiết kiệm chi phí, đánh dấu một bước ngoặt: cuộc chơi AI giờ xoay quanh hiệu quả kinh tế, không chỉ năng lực kỹ thuật. Anthropic giới thiệu một mô hình mới với chi phí sử dụng trung bình thấp hơn tới 75% so với phiên bản trước đó, nhắm vào các tác vụ cần tốc độ cao và chi phí thấp. Trước đó, OpenAI giảm 50% giá API cho GPT-6 Sol và Luna, rõ ràng hướng tới nhóm khách hàng triển khai AI ở quy mô lớn nhưng phải kiểm soát chi phí. Khi giá token AI giảm liên tục, câu hỏi không còn là “AI làm được gì?” mà là “AI có còn mang lại lợi nhuận cho nhà cung cấp – và lợi thế cho người dùng – hay không?”.
Áp lực từ Trung Quốc và mã nguồn mở: cơ sở hạ tầng AI đối mặt nguy cơ mất giá
Nếu phải chọn một lực kéo đang bẻ cong đường cong chi phí AI, đó là mô hình Trung Quốc giá rẻ và cộng đồng mã nguồn mở. Các mô hình LLM nhỏ, nhẹ, mở và mô hình từ Trung Quốc đang trực tiếp đe dọa mức giá mà OpenAI, Anthropic và các nhà cung cấp Mỹ có thể duy trì, khiến tương lai doanh thu của họ trở nên mờ hơn.
Một phân tích tài chính chỉ ra rằng các mô hình Trung Quốc đã xử lý tới 76,12 nghìn tỷ token trong một tuần cuối tháng 9, trong khi bốn nhà cung cấp Mỹ hàng đầu chỉ đạt 14,2 nghìn tỷ token. Đồng thời, một mô hình mở như Kimi K3 được đánh giá đạt khoảng 95% hiệu năng so với một mô hình tiên tiến của Anthropic, nhưng với chi phí thấp hơn đáng kể. Khi giá token AI sụt giảm, các nhà cung cấp hạ tầng đám mây đã bỏ ra khoản đầu tư khổng lồ vào trung tâm dữ liệu bắt đầu phải đối mặt với khả năng “reset” cơ sở hạ tầng AI: dung lượng tính toán được xây dựng trên giả định rằng các công ty như OpenAI và Anthropic sẽ mua hết, nay có nguy cơ dư thừa nếu lợi nhuận mô hình lớn không còn đảm bảo. Với doanh nghiệp Việt, điều này mở ra cơ hội tiếp cận sức mạnh AI trên nền tảng hạ tầng ngày càng rẻ, nhưng cũng đặt ra bài toán: chọn bên nào trong cuộc tái cấu trúc này để tránh phụ thuộc sai hướng.
Giá token AI giảm: doanh nghiệp Việt nên mừng hay lo?
Giá token AI giảm là tin vui rõ ràng cho người dùng, nhưng lại là bài toán khó cho nhà cung cấp và một phép thử chiến lược cho doanh nghiệp Việt. Khi chi phí mỗi yêu cầu giảm, rào cản thử nghiệm AI gần như biến mất: doanh nghiệp có thể đưa chatbot, hệ thống hỗ trợ nhân viên, phân tích dữ liệu bằng ngôn ngữ tự nhiên vào quy trình mà không sợ hóa đơn phình to.
Tuy nhiên, cuộc chiến giá cũng làm lung lay sự ổn định của hệ sinh thái. Một bình luận phân tích cho thấy các nhà phát triển AI buộc phải tiếp tục đầu tư nặng vào công nghệ và hạ tầng, trong khi biên lợi nhuận bị thu hẹp bởi cạnh tranh ngày càng gay gắt. Khi lợi nhuận bị ép, nguy cơ cắt giảm dịch vụ, thay đổi chính sách giá hoặc thậm chí sáp nhập, phá sản là có thật. Doanh nghiệp Việt nếu xây cả chuỗi giá trị trên một nhà cung cấp duy nhất có thể đối mặt rủi ro gián đoạn. Cách tiếp cận hợp lý là coi giá token thấp là cơ hội để đa dạng hóa: thử song song mô hình Mỹ, mô hình Trung Quốc và mô hình mã nguồn mở, tránh đặt cược toàn bộ vào một nền tảng duy nhất.
Từ cuộc đua công nghệ sang cuộc đua hiệu quả: viết lại chiến lược AI cho doanh nghiệp Việt
Sau nhiều năm chạy theo “mô hình mạnh nhất”, các công ty AI hàng đầu đang bước vào cuộc đua mới: giảm chi phí phát triển và sử dụng mô hình. Điều này phản ánh một sự thay đổi tư duy: doanh nghiệp khách hàng không còn chỉ so chất lượng câu trả lời, mà bắt đầu tính toán chi phí mỗi tác vụ, mỗi quy trình được tự động hóa. Khi AI len vào mọi khâu vận hành, từ chăm sóc khách hàng đến nội bộ, chi phí biến đổi trở thành chỉ số sống còn.
Doanh nghiệp Việt vì thế cần chuyển từ chiến lược “thử cho biết” sang chiến lược “tối ưu chi phí – hiệu quả”. Một số nhà phát triển Trung Quốc như Moonshot, Z.ai, DeepSeek đang thu hẹp khoảng cách công nghệ với các đối thủ Mỹ, đồng thời có lợi thế chi phí vận hành thấp hơn. Đây là cơ hội để xây kiến trúc AI đa nhà cung cấp: dùng mô hình ngôn ngữ rẻ cho tác vụ khối lượng lớn, mô hình đắt hơn cho nhiệm vụ cần độ chính xác cao; kết hợp LLM tiết kiệm chi phí với giải pháp mã nguồn mở để tránh bị khóa vào một hệ sinh thái. Chiến lược AI khôn ngoan trong giai đoạn giá token AI giảm không phải là chọn mô hình “xịn” nhất, mà là thiết kế danh mục mô hình phù hợp với bài toán kinh doanh và khả năng chịu rủi ro của từng doanh nghiệp.
Kết luận: Cơ hội vàng cho doanh nghiệp Việt nếu dám nghĩ như nhà đầu tư hạ tầng
Cuộc chiến mô hình ngôn ngữ rẻ đang buộc cả ngành AI phải xem lại giả định cơ bản: liệu LLM có còn là cỗ máy in tiền khi giá token AI liên tục sụt giảm. Trong khi các nhà cung cấp hạ tầng lo lắng về khả năng “reset” cơ sở hạ tầng AI trị giá hàng tỷ đô, doanh nghiệp Việt lại đứng trước một cửa sổ cơ hội hiếm có: sức mạnh AI đang được bán rẻ hơn, đa dạng hơn, cạnh tranh hơn.
Cơ hội đó sẽ bị bỏ lỡ nếu doanh nghiệp chỉ nhìn AI như một công cụ “thử nghiệm” thay vì một tài sản hạ tầng cần được thiết kế bài bản. Thay vì hỏi “dùng mô hình nào?”, câu hỏi nên là “kiến trúc AI nào giúp tôi vừa tận dụng được mô hình ngôn ngữ rẻ, vừa không bị mắc kẹt khi thị trường reset?”. Doanh nghiệp biết tính toán chi phí mỗi token, mỗi tác vụ, biết phân bổ LLM tiết kiệm chi phí cho đúng bài toán, sẽ là những người hưởng lợi lớn nhất từ cuộc chiến giá này. Ai coi AI là hạ tầng và đầu tư có chiến lược, người đó sẽ dẫn đầu khi làn sóng reset thực sự xảy ra.
