Thuê hay tự xây: cuộc chơi hạ tầng AI quyết định thắng thua

Chiến lược hạ tầng AI là gì và vì sao định giá gắn chặt với lựa chọn thuê hay tự xây?

Chiến lược hạ tầng AI là cách doanh nghiệp quyết định giữa việc tự xây dựng năng lực tính toán nội bộ hay thuê công nghệ AI từ bên ngoài, bao gồm lựa chọn trung tâm dữ liệu, chip, phần mềm tối ưu tính toán và mô hình thương mại hóa, từ đó tác động trực tiếp đến chi phí, khả năng mở rộng, tốc độ ra sản phẩm và cuối cùng là định giá thị trường cũng như vị thế trong cuộc đua AI toàn cầu. Vấn đề không còn là có tham gia AI hay không, mà là tham gia với cấu trúc chi phí và mức kiểm soát hạ tầng như thế nào. Những năm gần đây, Apple và DeepSeek trở thành hai ví dụ đối nghịch: một bên hầu như đứng ngoài cuộc đốt tiền cho hạ tầng, bên kia chấp nhận thiếu chip để ép chi phí AI xuống thấp. Hai hướng đi cùng nhắm tới một mục tiêu: tối ưu chi phí AI để biến hạ tầng thành lợi thế chứ không phải gánh nặng.

Apple: thuê công nghệ AI, đặt trạm thu phí trên 2,5 tỷ thiết bị

Apple đang chứng minh một luận điểm gây tranh cãi: bạn có thể trở thành tập đoàn có giá trị lớn nhất thế giới mà không cần dẫn đầu về hạ tầng AI. Thay vì lao vào cuộc đua xây trung tâm dữ liệu và mua chip đồ họa như các đối thủ, Apple chọn chiến lược "thuê công nghệ AI" rồi thu phí trên thiết bị đầu cuối. Theo một phân tích, hãng kiểm soát khoảng 2,5 tỷ thiết bị đang hoạt động và gần một nửa đã bật Apple Intelligence, biến hệ sinh thái iOS thành cửa ngõ bắt buộc cho mọi ứng dụng AI muốn tiếp cận phân khúc khách hàng chịu chi. Quyền kiểm soát cửa ngõ giúp Apple đối xử với các mô hình AI như dịch vụ tiện ích: có thể thay thế bằng hợp đồng mới tốt hơn bất kỳ lúc nào, trong khi chi phí đầu tư tài sản cố định của hãng vẫn giữ ở mức thấp so với đối thủ. Thị trường thưởng cho sự thận trọng này bằng một mức định giá chưa từng có tiền lệ.

DeepSeek: tối ưu chi phí AI và chơi ngược luật của cuộc đua hạ tầng

Ở chiều ngược lại, DeepSeek của Trung Quốc coi hạ tầng ít ỏi là động lực để tái định nghĩa "tối ưu chi phí AI". Startup này thừa nhận chỉ sở hữu lượng chip tính toán bằng khoảng một phần nhỏ so với các tập đoàn AI Mỹ, nhưng thay vì than phiền, họ biến bất lợi thành vũ khí. Mô hình V3 được huấn luyện với chi phí trực tiếp thấp trên thế hệ chip cũ, trong khi đối thủ phương Tây được cho là chi mức chi tiêu khổng lồ cho mỗi vòng huấn luyện. Bí quyết nằm ở kiến trúc hỗn hợp chuyên gia (MoE) chia mạng thành hàng trăm nhánh và chỉ kích hoạt một phần nhỏ cho mỗi tác vụ, cộng thêm thuật toán nén bộ nhớ GPU giúp giải phóng hơn 90% dung lượng tạm. DeepSeek dùng lợi thế kỹ thuật để tung API giá rẻ, đánh vào biên lợi nhuận của cả nhà sản xuất chip lẫn các nhà cung cấp mô hình AI cao cấp, biến chiến lược hạ tầng thành đòn tấn công trực tiếp vào ví tiền đối thủ.

Khoảng cách 23 lần đầu tư Mỹ – Trung và bài học về chi phí hơn là sức mạnh tuyệt đối

Chỉ số AI Stanford cho thấy đầu tư tư nhân cho AI tại Mỹ gấp 23 lần Trung Quốc, nhưng khoảng cách thuật toán không mở rộng tương ứng. Các đánh giá tại Mỹ cho rằng mô hình đại lục chỉ chậm vài tháng, rồi khoảng cách tiếp tục thu hẹp với ngân sách rất hạn chế so với phương Tây. DeepSeek thậm chí gây lo ngại rằng nhu cầu chip tiên tiến có thể không bùng nổ như kỳ vọng, khi họ chứng minh có thể huấn luyện và phục vụ mô hình cạnh tranh trên hạ tầng rẻ hơn, nhờ kỹ thuật tối ưu phần mềm. Song song đó, phong trào bỏ lớp phần mềm trung gian khóa người dùng vào một dòng chip, chuyển sang viết lệnh cấp thấp hoặc dùng ngôn ngữ nguồn mở tự sinh mã, đang xói mòn lợi thế lâu năm của nhà sản xuất GPU lớn. Thông điệp rất rõ: trong cuộc đua AI toàn cầu, bên chi nhiều hơn không chắc thắng, nếu bên kia kiểm soát chi phí tốt hơn và linh hoạt hơn trong chiến lược hạ tầng AI.

Thương mại hóa, định giá và lựa chọn chiến lược hạ tầng AI cho tương lai

Khi DeepSeek ra mắt V4 Pro và chuẩn bị tăng giá dịch vụ nhiều lần cho khách hàng API, thông điệp gửi tới thị trường là đã đến lúc biến lợi thế chi phí thành lợi nhuận bền vững. Dù xuất phát từ mô hình giá rẻ, họ không chấp nhận mãi vị thế phá giá; chiến lược hạ tầng AI phải gắn chặt với cách thu tiền và bảo vệ biên lợi nhuận trong dài hạn. Apple lại chọn lối đi khác: để đối tác chịu chi phí hạ tầng, còn mình thu phần lớn giá trị trên thiết bị và hệ sinh thái, với cấu trúc chi tiêu thận trọng hơn nhiều so với các Big Tech đang đốt tiền cho trung tâm dữ liệu. Hai ví dụ này dẫn tới một kết luận rõ ràng cho các tập đoàn công nghệ: cuộc đua AI toàn cầu sẽ không thưởng cho người sở hữu nhiều GPU nhất, mà cho người biết biến hạ tầng thành "trạm thu phí" hợp lý, hiểu rõ khi nào nên thuê công nghệ AI, khi nào phải tự xây, và dám hy sinh sức mạnh tuyệt đối để đổi lấy sự bền vững trong định giá thị trường.