"Hãy tham gia vào luồng token" - Chiến lược kiếm tiền cốt lõi của các công ty hạ tầng trong kỷ nguyên AI

• Trong kỷ nguyên đám mây, các công ty hạ tầng lớn nhất đã tăng trưởng bằng cách gắn trực tiếp mô hình doanh thu với đơn vị tiêu thụ cốt lõi của nền tảng (compute), và trong kỷ nguyên AI, đơn vị đó đang chuyển sang token
• Snowflake, Datadog, Cloudflare và các công ty khác đã xây dựng cấu trúc trong đó họ nằm trực tiếp trên đường chạy của workload, nhờ đó doanh thu tự động mở rộng khi hoạt động compute tăng lên
• Docker là công nghệ cốt lõi của phát triển cloud-native, nhưng vì không thể kết nối primitive tiêu thụ compute với mô hình doanh thu nên đã bỏ lỡ giá trị trị giá hàng tỷ USD
• Trong kỷ nguyên AI, các công ty nằm trực tiếp trên đường tiêu thụ token như Cursor (coding agent) đang tăng trưởng nhanh chóng, và gần đây Cursor đã vượt mốc ARR 2 tỷ USD
• Chỉ hiện diện trên đường token thôi là chưa đủ; như trường hợp phá sản của công ty CDN Limelight (nay là Edgio), nếu không có khác biệt hóa và chi phí chuyển đổi thì không thể sống sót

---

Mẫu hình cốt lõi của kỷ nguyên đám mây: kiếm tiền từ primitive tiêu thụ

• Primitive cốt lõi của kỷ nguyên đám mây là compute; storage, network và database đều quan trọng, nhưng động cơ vận hành hệ thống là các chu kỳ compute trong trung tâm dữ liệu
• Các công ty hạ tầng lớn nhất đã "sở hữu công tơ" bằng cách liên kết trực tiếp doanh thu với hoạt động compute của mình, hoặc tính phí chính compute đó
• AWS và các hyperscaler theo đúng nghĩa đen là mô hình bán thời gian compute, và doanh thu tự động tăng khi workload chuyển lên đám mây
• Không chỉ hyperscaler, mà cả các công ty dẫn đầu hạ tầng trong làn sóng xây dựng đám mây cũng áp dụng cùng một mẫu hình

Mô hình kiếm tiền của các công ty dẫn đầu hạ tầng đám mây

• Databricks kiếm tiền từ compute của job, nên doanh thu tự động tăng mỗi khi chạy pipeline dữ liệu, huấn luyện mô hình hoặc xử lý workload
• Snowflake kiếm tiền từ compute của truy vấn, nên việc bổ sung truy vấn, dataset hay workload mới sẽ chuyển thành tăng doanh thu mà không cần bán thêm seat
• Datadog kiếm tiền từ telemetry do compute workload tạo ra, nên mỗi microservice, container hay cloud instance mới đều tạo thêm doanh thu
• Cloudflare kiếm tiền từ request do các ứng dụng chạy trên compute tạo ra
• MongoDB tính phí dựa trên storage và compute được tiêu thụ thông qua Atlas
• Dù chi tiết khác nhau, mẫu hình vẫn nhất quán: nằm trực tiếp trên đường chạy của workload, và có mô hình giá tự động mở rộng theo mức tăng của hoạt động compute

Insight cốt lõi: không phải bản thân mô hình giá theo tiêu thụ, mà là sự gắn kết cấu trúc với đơn vị tăng trưởng của hệ sinh thái

• Điều cốt lõi không đơn thuần là "định giá theo tiêu thụ" — vẫn có rất nhiều công ty áp dụng giá theo tiêu thụ nhưng tăng trưởng chậm
• Điều khiến họ trở nên đặc biệt là đơn vị tiêu thụ của chính họ trùng với đúng đơn vị mà toàn bộ hệ sinh thái tăng trưởng theo
• Khi thế giới vận hành nhiều compute hơn, các công ty này tăng trưởng ngay cả khi không làm gì thêm — doanh thu được gắn kết về mặt cấu trúc với vector tăng trưởng của nền tảng
• Ở giai đoạn đầu của đám mây, nhiều công ty hạ tầng vẫn cố gắng kiếm tiền từ phần mềm bằng các mô hình cũ như giấy phép vĩnh viễn, giấy phép có thời hạn, hợp đồng bảo trì, gói hỗ trợ đăng ký trên nền mã nguồn mở
• Trong môi trường on-premise, tăng trưởng hạ tầng chậm, có thể dự đoán và kiểm soát nên các mô hình này vẫn hiệu quả; nhưng với đám mây, workload có thể mở rộng ngay lập tức và mức tiêu thụ compute có thể tăng nhiều bậc độ lớn, khiến toàn bộ kinh tế học thay đổi về căn bản

Docker: trường hợp mang tính bài học nhất

• Docker gần như chính là container hóa, công nghệ đã làm nên phát triển cloud-native
• Nó được hàng triệu nhà phát triển sử dụng và có thể xem là công cụ dành cho lập trình viên quan trọng nhất của kỷ nguyên đám mây
• Tuy nhiên, Docker không tìm ra cách kiếm tiền từ primitive này, và không thể gắn mức độ chấp nhận rộng rãi của nhà phát triển với chi tiêu compute nền tảng mà container đã cho phép
• Kubernetes (được Google mở mã nguồn) đã chiếm lĩnh mảng orchestration, còn mọi hyperscaler đều kiếm tiền từ đổi mới của Docker thông qua dịch vụ container managed
• Docker đã giúp tạo ra hàng tỷ USD chi tiêu compute nhưng không nắm bắt được phần nào trong số đó (dù vài năm gần đây đã tốt hơn nhiều, nhưng phân tích này nói về giai đoạn đầu)
• Điểm chung của những công ty giống Docker — đạt mức chấp nhận lớn nhưng va phải bức tường mô hình kinh doanh — là họ là công cụ quan trọng, ăn sâu vào cloud infrastructure stack, nhưng không biến doanh thu thành hệ quả phái sinh của primitive tiêu thụ cốt lõi
• Họ kiếm tiền bằng các cách liền kề như seat, hợp đồng hỗ trợ, tư vấn..., và thị trường định giá tương ứng — tức là hầu như không định giá

Ánh xạ sang kỷ nguyên AI: token là primitive mới

• Nếu hạ tầng đám mây được xây dựng trên primitive compute, thì hạ tầng AI đang được xây dựng trên một primitive khác là token
• Mọi workload AI rốt cuộc đều quy về token mà mô hình tạo ra, xử lý và tiêu thụ
  • Prompt → token, context → token, response → token
  • Agent chạy workflow nhiều bước có thể tạo ra lượng token khổng lồ khi suy luận qua từng tác vụ
• Token là đơn vị công việc ở cấp nguyên tử của các hệ thống AI hiện đại

Các công ty AI nằm trên đường token

• Các nhà cung cấp mô hình như OpenAI, Anthropic chính là bản thân primitive token (tương tự như hyperscaler là primitive compute/storage của đám mây), và tính phí theo token đầu vào, token đầu ra
• Những công ty AI tăng trưởng nhanh nhất hiện nay là các công ty nằm trực tiếp trên đường token
• Coding agent là ví dụ tiêu biểu; theo các bài báo trực tuyến, gần đây Cursor đã đạt ARR 2 tỷ USD
  • Mỗi lần gõ phím, hoàn thành mã hay hành động của agent đều kích hoạt suy luận, và mô hình kinh doanh đã tiến hóa từ tính phí seat đơn thuần sang seat có giới hạn mức sử dụng
  • Doanh thu được gắn kết về mặt cấu trúc với mức tiêu thụ token
• Các công ty kinh doanh suy luận như Inferact, Baseten, Fireworks, Together về bản chất là đang bán chính raw primitive
• Doanh thu của những công ty đứng gần nhất với việc tạo ra và tiêu thụ token sẽ tự nhiên mở rộng theo hoạt động AI
• Những phần khác của hệ sinh thái AI đang thử nghiệm các mô hình định giá SaaS truyền thống (dựa trên seat, đăng ký nền tảng, giấy phép enterprise trên nền mã nguồn mở)
• Những mô hình đó vẫn có thể thành công, nhưng nếu lịch sử là kim chỉ nam, thì các công ty hạ tầng lớn nhất sẽ xuất hiện ở nơi đơn vị cốt lõi của hoạt động nền tảng được đo lường và kiếm tiền

Là điều kiện cần nhưng chưa đủ: tầm quan trọng của khác biệt hóa

• Hiện diện trên đường token là điều kiện cần, không phải điều kiện đủ
• Các công ty CDN thuần túy trong kỷ nguyên đám mây về mặt kỹ thuật cũng ở trên "đường compute", tính phí theo băng thông và request, trong khi lưu lượng tăng bùng nổ
• Nhưng băng thông hóa ra lại là hàng hóa phổ thông — giá liên tục giảm
• Limelight Networks dù chứng kiến lưu lượng kỷ lục trong giai đoạn bùng nổ streaming 2020~2021 vẫn sụt giảm doanh thu, sau đó đổi tên thành Edgio nhưng cuối cùng phá sản
• Ngược lại, Cloudflare từ điểm xuất phát tương tự đã chồng thêm bảo mật, công cụ cho lập trình viên và edge compute để xây dựng khác biệt hóa thực sự và chi phí chuyển đổi trên primitive — cùng điểm khởi đầu nhưng kết cục hoàn toàn khác

Bài học cho nhà sáng lập AI

• Hãy tham gia vào đường token, nhưng đồng thời phải xây dựng một thứ gì đó khác biệt phía trên nó
• Đừng chỉ là cái ống nơi token chảy qua; hãy trở thành lớp khiến token trở nên có giá trị hơn
  • Trải nghiệm lập trình viên tốt hơn (Cursor), mô hình chuyên biệt theo vertical, công cụ bảo mật/compliance, hào lũy dữ liệu độc quyền...
• Còn có cả yếu tố thời điểm: trong kỷ nguyên đám mây, những công ty sớm trở thành mặc định trên đường compute đã nắm bắt được nhiều giá trị nhất
  • Datadog, Snowflake, Cloudflare đều đạt quy mô trước khi primitive bị hàng hóa hóa hoàn toàn
• Cửa sổ để bước vào đường token là ngay bây giờ: chi phí suy luận đang giảm nhanh (điều này đồng nghĩa với tiêu thụ nhiều token hơn, nhưng đồng thời economics trên mỗi đơn vị cũng bị nén lại)
• Sự nén đó sẽ diễn ra trước khi xây được hào lũy, vì vậy phải vừa vào đường đi vừa xây hào lũy cùng lúc
• Nếu sở hữu công tơ, tăng trưởng sẽ tự đến

Cập nhật định giá thị trường SaaS

• Các công ty SaaS thường được định giá bằng bội số doanh thu, chủ yếu là doanh thu dự phóng 12 tháng tới (NTM Revenue)
  • Vì phần lớn công ty phần mềm không có lợi nhuận hoặc không tạo ra FCF đáng kể, đây gần như là chỉ số duy nhất có thể dùng để so sánh toàn ngành
  • DCF cũng đầy giả định dài hạn, còn lời hứa của SaaS là tăng trưởng giai đoạn đầu sẽ dẫn tới lợi nhuận ở giai đoạn trưởng thành
• Được tính bằng Enterprise Value (vốn hóa thị trường + nợ - tiền mặt) / doanh thu NTM
• Trung vị toàn bộ: 3.5x, trung vị top 5: 17.7x, trái phiếu kho bạc 10 năm: 4.1%

Các nhóm định giá theo tốc độ tăng trưởng

• Tăng trưởng cao (tăng trưởng NTM >22%) trung vị: 10.4x
• Tăng trưởng trung bình (15%~22%) trung vị: 6.5x
• Tăng trưởng thấp (<15%) trung vị: 2.7x
• Ngưỡng 22% cho nhóm tăng trưởng cao hơi mang tính tùy ý, nhưng được chọn để nhóm này có khoảng 10 công ty, đảm bảo kích thước mẫu có ý nghĩa thống kê

EV / NTM Rev / NTM Growth

• Chỉ số lấy bội số EV / doanh thu NTM chia cho kỳ vọng tăng trưởng đồng thuận NTM
• Ví dụ: một công ty giao dịch ở mức 20x doanh thu NTM và được kỳ vọng tăng trưởng 100% sẽ giao dịch ở mức 0.2x
• Mục đích là cho thấy mỗi cổ phiếu rẻ/đắt tương đối như thế nào so với kỳ vọng tăng trưởng

EV / NTM FCF

• Hiển thị biểu đồ đường trung vị của các công ty có bội số FCF >0x và <100x
• Đây là cấu hình nhằm thể hiện tập con doanh nghiệp mà FCF là chỉ báo định giá có ý nghĩa
• Các công ty có NTM FCF âm bị loại khỏi biểu đồ

Tương quan giữa tốc độ tăng trưởng và bội số định giá

• Cung cấp biểu đồ phân tán (Scatter Plot) giữa bội số EV / doanh thu NTM và tốc độ tăng trưởng doanh thu NTM
• Dùng để trực quan hóa mối tương quan giữa tăng trưởng và bội số định giá

Chỉ số vận hành (Operating Metrics)

• Trung vị tăng trưởng NTM: 13%
• Trung vị tăng trưởng LTM: 15%
• Trung vị biên lợi nhuận gộp (Gross Margin): 75%
• Trung vị biên lợi nhuận hoạt động (Operating Margin): (1%)
• Trung vị biên FCF: 20%
• Trung vị Net Retention: 109%
• Trung vị thời gian hoàn vốn CAC: 34 tháng
• Trung vị tỷ lệ S&M: 35% doanh thu
• Trung vị tỷ lệ R&D: 23% doanh thu
• Trung vị tỷ lệ G&A: 15% doanh thu

Comps Output: Rule of 40 và GM Adjusted Payback

• Rule of 40 được biểu diễn bằng tốc độ tăng trưởng doanh thu + biên FCF (cả LTM và NTM)
  • FCF = dòng tiền từ hoạt động kinh doanh - chi tiêu vốn
• GM Adjusted Payback = (S&M của quý trước) / (ARR ròng mới của quý × biên lợi nhuận gộp) × 12
  • Đây là số tháng để một công ty SaaS thu hồi CAC fully-loaded trên cơ sở lợi nhuận gộp
  • Vì phần lớn công ty niêm yết không báo cáo ARR ròng mới, nên dùng doanh thu thuê bao theo quý × 4 để suy ra ARR ngầm định
  • ARR ròng mới = ARR quý hiện tại - ARR quý trước
  • Những công ty không công bố doanh thu thuê bao bị loại khỏi phân tích (hiển thị NA)