5 kiến trúc sư của nền kinh tế AI cùng chỉ ra điểm gãy mới: chip, điện, dữ liệu và niềm tin
Điểm nổi bật
- Nguồn cầu vẫn tăng cực mạnh: Google Cloud nói doanh thu đã vượt 20 tỷ USD/quý, tăng 63%, còn backlog nhảy từ 250 tỷ USD lên 460 tỷ USD chỉ trong một quý.
- Thiếu chip có thể kéo dài 2-5 năm: CEO ASML cho rằng thị trường nhiều khả năng vẫn bị giới hạn nguồn cung bán dẫn trong 2 đến 5 năm tới.
- Physical AI bị chặn bởi dữ liệu thực: Applied Intuition nhấn mạnh dữ liệu từ hiện trường vẫn là điểm nghẽn, không thể được thay thế hoàn toàn bằng mô phỏng tổng hợp.
- Mô hình mới thách thức LLM truyền thống: startup Logical Intelligence nói mô hình lớn nhất của họ chỉ khoảng 200 triệu tham số nhưng có thể chạy nhanh hơn hàng nghìn lần trong một số bài toán vật lý.
- Agent doanh nghiệp sẽ không được tin nếu thiếu quyền kiểm soát chi tiết: Perplexity cho rằng phải phân quyền tới mức đọc/ghi và yêu cầu phê duyệt trước khi tác nhân hành động trong hệ thống thật.
Biểu đồ
Tóm tắt
Bài thảo luận của TechCrunch tại Milken Global Conference đáng chú ý vì nó gom đủ các mắt xích của chuỗi giá trị AI vào một bàn: nhà sản xuất thiết bị bán dẫn, nhà cung cấp hạ tầng đám mây, startup physical AI, công ty agent/search và một nhóm nghiên cứu theo đuổi kiến trúc thay thế LLM. Khi đặt các góc nhìn này cạnh nhau, bức tranh hiện ra khá rõ: thị trường AI chưa chạm trần cầu, nhưng đang va phải nhiều giới hạn vật lý và tổ chức cùng lúc.
Điều quan trọng hơn là các giới hạn này đang định hình lại nơi tạo lợi nhuận. Cuộc đua không còn chỉ là ai có model mạnh nhất. Nó đang chuyển thành ai giải được bài toán compute, điện năng, dữ liệu hiện trường, mô hình phù hợp từng miền và governance đủ chặt để doanh nghiệp thật dám giao việc cho agent. Đây là dạng nhận định chiến lược có giá trị hơn nhiều so với một tin gọi vốn đơn lẻ.
Chi tiết
Nếu coi AI hiện tại là một ngành công nghiệp hoàn chỉnh thay vì một nhóm mô hình nổi bật, bài TechCrunch cho thấy bốn điểm gãy đang xuất hiện đồng thời. Thứ nhất là giới hạn của phần cứng. Christophe Fouquet của ASML nói thẳng rằng dù thế giới đang tăng tốc sản xuất chip, thị trường vẫn có thể bị giới hạn cung trong 2 đến 5 năm tới. Đây là phát biểu rất đáng đọc vì ASML đang nắm vị trí gần như độc quyền với máy quang khắc EUV - một cổ chai thật của bán dẫn tiên tiến. Khi người ở đúng cổ chai nói cung chưa theo kịp cầu trong nhiều năm, đó là tín hiệu tài chính lẫn chiến lược rõ ràng cho toàn ngành.
Thứ hai là bài toán điện năng và kinh tế vận hành. Francis deSouza của Google Cloud đưa ra hai con số đáng chú ý: doanh thu hơn 20 tỷ USD/quý, tăng 63%, và backlog tăng từ 250 tỷ lên 460 tỷ USD chỉ sau một quý. Điều này xác nhận cầu AI doanh nghiệp chưa hề hạ nhiệt. Nhưng ông cũng thừa nhận năng lượng đang thành điểm nghẽn tới mức Google xem cả data center ngoài không gian là một hướng nghiên cứu nghiêm túc. Dù ý tưởng này còn xa triển khai thương mại, thông điệp thực sự là chi phí điện và giải nhiệt đang trở thành biến số chiến lược, chứ không chỉ là chi phí vận hành phụ trợ.
Thứ ba là giới hạn của dữ liệu thực trong physical AI. Qasar Younis của Applied Intuition nói rõ rằng mô phỏng không thể thay thế hoàn toàn trải nghiệm thực địa khi huấn luyện hệ thống cho xe tự lái, drone, robot công nghiệp hay máy nông nghiệp. Đây là một phản biện quan trọng với tâm lý cho rằng chỉ cần mô hình lớn hơn và dữ liệu tổng hợp nhiều hơn là đủ. Trong các miền vật lý, dữ liệu thật vẫn là hàng rào gia nhập. Điều này cũng lý giải vì sao physical AI có thể gắn chặt với chủ quyền quốc gia: ai kiểm soát dữ liệu, robot và hạ tầng triển khai trên lãnh thổ mình sẽ có ưu thế không dễ sao chép.
Thứ tư là sự dịch chuyển từ niềm tin mù quáng vào scale sang tìm kiếm kiến trúc thay thế. Eve Bodnia của Logical Intelligence giới thiệu dòng energy-based model chỉ khoảng 200 triệu tham số nhưng được cho là nhanh hơn hàng nghìn lần ở một số tác vụ, đặc biệt nơi cần hiểu quy luật vật lý thay vì đoán chuỗi ngôn ngữ. Dù các tuyên bố này cần kiểm chứng kỹ hơn, việc một startup nhỏ dám công khai tranh luận với quỹ đạo LLM cho thấy thị trường bắt đầu mở ra dư địa cho kiến trúc tối ưu theo miền, thay vì một công thức chung “càng lớn càng tốt”.
Điểm cuối cùng - và có lẽ là gần sản xuất nhất - nằm ở Perplexity. Dimitry Shevelenko nhấn mạnh agent doanh nghiệp chỉ khả thi khi quản trị viên kiểm soát được quyền truy cập ở mức rất chi tiết, kể cả phân biệt read-only và read-write, đồng thời yêu cầu phê duyệt trước khi agent hành động. Đây là lớp niềm tin vận hành. Không có nó, doanh nghiệp khó chấp nhận trao quyền cho “digital worker”, dù mô hình phía dưới giỏi đến đâu. Nói cách khác, giai đoạn kế tiếp của AI enterprise sẽ do governance và orchestration quyết định nhiều không kém benchmark.
Nhìn tổng thể, bài thảo luận này giống một bản chẩn đoán nhanh của chu kỳ AI hiện tại. Cầu vẫn rất lớn. Vốn vẫn đang đổ mạnh. Nhưng lợi thế cạnh tranh đã đổi chỗ: từ việc sở hữu mô hình tốt, sang khả năng giải quyết các ràng buộc vật lý, kinh tế và tổ chức ở quy mô lớn.